▶ シャンハイ・ユナイテッド・イメージング・ヘルスケア・カンパニー・リミテッドの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-07-02
(54)【発明の名称】パラメトリックイメージングのシステム、及び方法
(51)【国際特許分類】
G01T 1/161 20060101AFI20240625BHJP
【ＦＩ】
G01T1/161 D
G01T1/161 A
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2023575939
(86)(22)【出願日】2021-06-11
(85)【翻訳文提出日】2024-02-06
(86)【国際出願番号】 CN2021099887
(87)【国際公開番号】W WO2022257154
(87)【国際公開日】2022-12-15
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＪＡＶＡ
２．ＰＹＴＨＯＮ
(71)【出願人】
【識別番号】514190349
【氏名又は名称】上海聯影医療科技股▲ふん▼有限公司
【氏名又は名称原語表記】Ｓｈａｎｇｈａｉ Ｕｎｉｔｅｄ Ｉｍａｇｉｎｇ Ｈｅａｌｔｈｃａｒｅ Ｃｏ．， Ｌｔｄ．
【住所又は居所原語表記】Ｎｏ． ２２５８ Ｃｈｅｎｇｂｅｉ Ｒｄ．， Ｊｉａｄｉｎｇ Ｄｉｓｔｒｉｃｔ Ｓｈａｎｇｈａｉ， Ｃｈｉｎａ
(74)【代理人】
【識別番号】100108453
【弁理士】
【氏名又は名称】村山 靖彦
(74)【代理人】
【識別番号】100110364
【弁理士】
【氏名又は名称】実広 信哉
(74)【代理人】
【識別番号】100133400
【弁理士】
【氏名又は名称】阿部 達彦
(72)【発明者】
【氏名】▲趙▼ 一璋
(72)【発明者】
【氏名】叶 青
【テーマコード（参考）】
4C188
【Ｆターム（参考）】
4C188EE02
4C188FF04
4C188FF07
4C188JJ25
(57)【要約】
本願は、パラメトリックイメージングシステム、及び方法に関する。前記方法は、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む。
【特許請求の範囲】
【請求項1】
パラメトリックイメージングの方法であって、前記方法は、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む、ことを特徴とするパラメトリックイメージングの方法。
【請求項2】
前記２つの走査画像に対応する前記２セットの走査データの時間情報は、異なる、ことを特徴とする請求項１に記載の方法。
【請求項3】
前記した対象の２つの走査画像を取得するステップは、前記対象に対して隣接する２つの寝台の走査を実行することによって、前記２つの走査画像を取得するステップを含む、ことを特徴とする請求項２に記載の方法。
【請求項4】
前記した前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップは、前記２つの走査画像のうちの個々の走査画像に対して、
前記走査画像において前記重複領域と非重複領域を分割するステップと、
前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップと、
前記走査画像における前記重複領域に対応するサブ画像と前記重複領域に対応する時点とを、１フレームの情報とするステップと、
前記走査画像における前記非重複領域に対応するサブ画像と前記非重複領域に対応する時点とを、別の１フレームの情報とするステップと、を含む、ことを特徴とする請求項１に記載の方法。
【請求項5】
前記した前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップは、前記走査画像の走査開始時間と走査終了時間に基づき、前記走査画像に対応する時点を決定するステップと、
前記走査画像に対応する時点を、前記重複領域に対応する時点と前記非重複領域に対応する時点とするステップと、を含む、ことを特徴とする請求項４に記載の方法。
【請求項6】
前記フレーム情報は、前記２つの走査画像における前記重複領域に対応する２フレームの重みをさらに含み、前記２つの走査画像は、第１走査画像と第２走査画像とを含み、前記したフレーム情報を取得するステップは、前記第１走査画像における前記重複領域の位置情報に基づき、前記第１走査画像における前記重複領域に対応する第１フレームの重みを決定するステップと、
前記第２走査画像における前記重複領域の位置情報に基づき、前記第２走査画像における前記重複領域に対応する前記第２フレームの重みを決定するステップと、を含む、ことを特徴とする請求項１に記載の方法。
【請求項7】
前記重みは、重み行列であり、前記重み行列内の各々の重み値は、前記重複領域に対応するフレーム内の１つの画素に対応する、ことを特徴とする請求項６に記載の方法。
【請求項8】
前記重み行列内の重み値は、前記重複領域に対応するフレーム内の対応する画素と走査機器の中心位置との間の走査ベッドの移動方向に沿った距離、及び／又は前記対応するフレームの走査時間と関連する、ことを特徴とする請求項７に記載の方法。
【請求項9】
前記した前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップは、前記フレーム情報に基づき、動態パラメータの値を決定するステップであって、パラメータ画像を直接再構成、又は間接再構成することに用いられ、前記動態パラメータは、前記対象の体内のトレーサーの代謝情報の決定と関連する、ステップを含む、ことを特徴とする請求項１に記載の方法。
【請求項10】
前記した前記フレーム情報に基づき、動態パラメータの値を決定するステップは、前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップを含む、ことを特徴とする請求項９に記載の方法。
【請求項11】
前記した前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップは、前記フレーム情報と前記動態モデルとに基づき、重み付き期待値最大化アルゴリズムを採用して、前記動態パラメータの値を決定するステップを含む、ことを特徴とする請求項１０に記載の方法。
【請求項12】
前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む、ことを特徴とする請求項１０に記載の方法。
【請求項13】
前記走査画像は、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる、ことを特徴とする請求項１に記載の方法。
【請求項14】
前記した前記フレーム情報に基づき、動態パラメータの値を決定するステップは、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、
前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む、ことを特徴とする請求項９に記載の方法。
【請求項15】
パラメトリックイメージングの方法であって、前記方法は、対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む、ことを特徴とするパラメトリックイメージングの方法。
【請求項16】
パラメトリックイメージングの方法であって、前記方法は、対象の走査データを取得するステップと、
動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、
前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、
前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む、ことを特徴とするパラメトリックイメージングの方法。
【請求項17】
前記した前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップは、前記動態パラメータの生理学的意義に従って、前記動態パラメータの予め設定された範囲を決定するステップと、
前記予め設定された範囲に従って、前記有界関数を選択して前記動態モデルにおける前記動態パラメータを置き換えるステップと、を含む、ことを特徴とする請求項１６に記載の方法。
【請求項18】
前記動態モデルは、複数の動態パラメータを含み、前記した前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップは、前記複数の動態パラメータの中からターゲット動態パラメータを選択するステップと、
前記有界関数を使用して前記ターゲット動態パラメータを置き換えるステップと、を含む、ことを特徴とする請求項１６に記載の方法。
【請求項19】
前記動態モデルは、複数の動態パラメータを含み、前記した前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップは、前記走査データに基づき、前記動態モデルを解析することによって、個々の前記動態パラメータの値を決定するステップと、
予め設定された範囲を超える動態パラメータの値が存在するか否かを判断するステップと、
予め設定された範囲を超える動態パラメータの値が存在すると判定することに応答して、前記有界関数を使用して対応する動態パラメータを置き換えるステップと、を含む、ことを特徴とする請求項１６に記載の方法。
【請求項20】
前記した前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップは、前記走査データに基づき、フィッティングアルゴリズムに従って、前記動態モデルにおける前記有界関数の値を決定するステップと、
前記有界関数の値を前記動態パラメータの値として決定するステップと、を含む、ことを特徴とする請求項１６に記載の方法。
【請求項21】
前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む、ことを特徴とする請求項１６に記載の方法。
【請求項22】
前記有界関数は、絶対値関数、二乗関数、指数関数、又は逆正接関数のうちの少なくとも１つを含む、ことを特徴とする請求項１６に記載の方法。
【請求項23】
前記走査データは、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる、ことを特徴とする請求項１６に記載の方法。
【請求項24】
前記した対象の走査データを取得するステップは、前記対象に対してマルチベッドのステップワイズ法走査、又は連続ベッドモーション（ＣＢＭ）走査を実行することによって、前記走査データを取得するステップを含む、ことを特徴とする請求項１６に記載の方法。
【請求項25】
前記方法は、前記走査データと前記動態パラメータの値とに基づき、パラメータ画像を直接再構成、又は間接再構成するステップを更に含む、ことを特徴とする請求項１６に記載の方法。
【請求項26】
パラメトリックイメージングシステムであって、前記システムは、命令セットを記憶することに用いられる少なくとも１つの記憶機器と、
前記少なくとも１つの記憶機器と通信する少なくとも１つのプロセッサであって、前記命令セットを実行するときに、前記少なくとも１つのプロセッサは、前記システムに、
対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、をさせるように構成される、少なくとも１つのプロセッサと、を含む、ことを特徴とするパラメトリックイメージングシステム。
【請求項27】
前記２つの走査画像に対応する前記２セットの走査データの時間情報は、異なる、ことを特徴とする請求項２６に記載のシステム。
【請求項28】
対象の２つの走査画像を取得するために、前記少なくとも１つのプロセッサは、前記システムに、前記対象に対して隣接する２つの寝台の走査を実行することによって、前記２つの走査画像を取得するステップをさせるように構成される、ことを特徴とする請求項２７に記載のシステム。
【請求項29】
前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するために、前記少なくとも１つのプロセッサは、前記システムに、前記２つの走査画像のうちの個々の走査画像に対して、
前記走査画像において前記重複領域と非重複領域を分割するステップと、
前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップと、
前記走査画像における前記重複領域に対応するサブ画像と前記重複領域に対応する時点とを、１フレームの情報とするステップと、
前記走査画像における前記非重複領域に対応するサブ画像と前記非重複領域に対応する時点とを、別の１フレームの情報とするステップと、をさせるように構成される、ことを特徴とする請求項２６に記載のシステム。
【請求項30】
前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するために、前記少なくとも１つのプロセッサは、前記システムに、前記走査画像の走査開始時間と走査終了時間に基づき、前記走査画像に対応する時点を決定するステップと、
前記走査画像に対応する時点を、前記重複領域に対応する時点と前記非重複領域に対応する時点とするステップと、をさせるように構成される、ことを特徴とする請求項２９に記載のシステム。
【請求項31】
前記フレーム情報は、前記２つの走査画像における前記重複領域に対応する２フレームの重みをさらに含み、前記２つの走査画像は、第１走査画像と第２走査画像とを含み、フレーム情報を取得するために、前記少なくとも１つのプロセッサは、前記システムに、前記第１走査画像における前記重複領域の位置情報に基づき、前記第１走査画像における前記重複領域に対応する第１フレームの重みを決定するステップと、
前記第２走査画像における前記重複領域の位置情報に基づき、前記第２走査画像における前記重複領域に対応する前記第２フレームの重みを決定するステップと、をさせるように構成される、ことを特徴とする請求項２６に記載のシステム。
【請求項32】
前記重みは、重み行列であり、前記重み行列内の各々の重み値は、前記重複領域に対応するフレーム内の１つの画素に対応する、ことを特徴とする請求項３１に記載のシステム。
【請求項33】
前記重み行列内の重み値は、前記重複領域に対応するフレーム内の対応する画素と走査機器の中心位置との間の走査ベッドの移動方向に沿った距離、及び／又は前記対応するフレームの走査時間と関連する、ことを特徴とする請求項３２に記載のシステム。
【請求項34】
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するために、前記少なくとも１つのプロセッサは、前記システムに、前記フレーム情報に基づき、動態パラメータの値を決定することで、パラメータ画像を直接再構成、又は間接再構成することに用いるステップであって、前記動態パラメータは、前記対象の体内のトレーサーの代謝情報の決定と関連する、ステップをさせるように構成される、ことを特徴とする請求項２６に記載のシステム。
【請求項35】
前記フレーム情報に基づき、動態パラメータの値を決定するために、前記少なくとも１つのプロセッサは、前記システムに、前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップをさせるように構成される、ことを特徴とする請求項３４に記載のシステム。
【請求項36】
前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するために、前記少なくとも１つのプロセッサは、前記システムに、前記フレーム情報と前記動態モデルとに基づき、重み付き期待値最大化アルゴリズムを採用して、前記動態パラメータの値を決定するステップをさせるように構成される、ことを特徴とする請求項３５に記載のシステム。
【請求項37】
前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む、ことを特徴とする請求項３５に記載のシステム。
【請求項38】
前記走査画像は、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる、ことを特徴とする請求項２６に記載のシステム。
【請求項39】
前記フレーム情報に基づき、動態パラメータの値を決定するために、前記少なくとも１つのプロセッサは、前記システムに、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、
前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、をさせるように構成される、ことを特徴とする請求項３４に記載のシステム。
【請求項40】
パラメトリックイメージングシステムであって、前記システムは、命令セットを記憶することに用いられる少なくとも１つの記憶機器と、
前記少なくとも１つの記憶機器と通信する少なくとも１つのプロセッサであって、前記命令セットを実行するときに、前記少なくとも１つのプロセッサは、前記システムに、
対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、をさせるように構成される、少なくとも１つのプロセッサと、を含む、ことを特徴とするパラメトリックイメージングシステム。
【請求項41】
パラメトリックイメージングシステムであって、前記システムは、前記命令セットを記憶することに用いられる少なくとも１つの記憶機器と、
少なくとも１つの記憶機器と通信する少なくとも１つのプロセッサであって、前記命令セットを実行するときに、前記少なくとも１つのプロセッサは、前記システムに、
対象の走査データを取得するステップと、
動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、
前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、
前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を実行させるように構成される、少なくとも１つのプロセッサと、を含む、ことを特徴とするパラメトリックイメージングシステム。
【請求項42】
前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるために、前記少なくとも１つのプロセッサは、前記システムに、前記動態パラメータの生理学的意義に従って、前記動態パラメータの予め設定された範囲を決定するステップと、
前記予め設定された範囲に従って、前記有界関数を選択して前記動態モデルにおける前記動態パラメータを置き換えるステップと、をさせるように構成される、ことを特徴とする請求項４１に記載のシステム。
【請求項43】
前記動態モデルは、複数の動態パラメータを含み、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるために、前記少なくとも１つのプロセッサは、前記システムに、前記複数の動態パラメータの中からターゲット動態パラメータを選択するステップと、
前記有界関数を使用して前記ターゲット動態パラメータを置き換えるステップと、をさせるように構成される、ことを特徴とする請求項４１に記載のシステム。
【請求項44】
前記動態モデルは、複数の動態パラメータを含み、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるために、前記少なくとも１つのプロセッサは、前記システムに、前記走査データに基づき、前記動態モデルを解析することによって、前記個々の動態パラメータの値を決定するステップと、
予め設定された範囲を超える動態パラメータの値が存在するか否かを判断するステップと、
予め設定された範囲を超える動態パラメータの値が存在すると判定することに応答して、前記有界関数を使用して対応する動態パラメータを置き換えるステップと、をさせるように構成される、ことを特徴とする請求項４１に記載のシステム。
【請求項45】
前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するために、前記少なくとも１つのプロセッサは、前記システムに、前記走査データに基づき、フィッティングアルゴリズムに従って、前記動態モデルにおける前記有界関数の値を決定するステップと、
前記有界関数の値を前記動態パラメータの値として決定するステップと、をさせるように構成される、ことを特徴とする請求項４１に記載のシステム。
【請求項46】
前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む、ことを特徴とする請求項４１に記載のシステム。
【請求項47】
前記有界関数は、絶対値関数、二乗関数、指数関数、又は逆正接関数のうちの少なくとも１つを含む、ことを特徴とする請求項４１に記載のシステム。
【請求項48】
前記走査データは、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる、ことを特徴とする請求項４１に記載のシステム。
【請求項49】
対象の走査データを取得するために、前記少なくとも１つのプロセッサは、前記システムに、前記対象に対してマルチベッドのステップワイズ法走査、又は連続ベッドモーション（ＣＢＭ）走査を実行することによって、前記走査データを取得するステップをさせるように構成される、ことを特徴とする請求項４１に記載のシステム。
【請求項50】
前記少なくとも１つのプロセッサは、前記システムに、前記走査データと前記動態パラメータの値とに基づき、パラメータ画像を直接再構成、又は間接再構成するステップをさせるように構成される、ことを特徴とする請求項４１に記載のシステム。
【請求項51】
非一時的なコンピュータ可読記憶媒体であって、前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む方法を実現させる、ことを特徴とする非一時的なコンピュータ可読記憶媒体。
【請求項52】
非一時的なコンピュータ可読記憶媒体であって、前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む方法を実現させる、ことを特徴とする非一時的なコンピュータ可読記憶媒体。
【請求項53】
非一時的なコンピュータ可読記憶媒体であって、前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象の走査データを取得するステップと、
動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、
前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、
前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む方法を実現させる、ことを特徴とする非一時的なコンピュータ可読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本願は、全体として、画像再構成のシステム、及び方法に関し、より具体的には、パラメータ画像を再構成するステム、及び方法に関する。
【背景技術】
【0002】
近年、陽電子放射断層撮影（ＰＥＴ）イメージングは、既に臨床検査と疾患診断とに広く適用されている。標準化された取り込み値（standardized uptake value、ＳＵＶ）イメージング技術に比べて、パラメトリックイメージング技術は、より高い正確性を有する定量的な測定結果を提供することができる。たとえば、パラメトリックイメージング技術は、個々の単独のボクセルに動態モデリングを応用することにより、トレーサー取り込みの動態分析を行うことができる。
【0003】
静的ＰＥＴイメージングに比べて、動的ＰＥＴイメージングは、動的走査時間内に１セットの画像を提供することができる。マルチベッドのステップワイズ法全身動的ＰＥＴ走査モードにおいて、隣接する寝台の走査領域には、通常重複が存在し、走査領域のエッジの感度を復元することに用いられる。従来方法において、通常、隣接する寝台で走査して取得される再構成画像の重複領域を合併して、１フレームとして薬物動態分析を行う。しかし、フレーム化の時間長さが比較的長い、又は放射能濃度の変化が比較的速い場合には、２つの寝台の走査における重複領域の放射能変化を無視することができない。従って、パラメトリックイメージングの方法、及びシステムを提供して、重複領域に対して非重複領域と異なる分析方法を採用することで後続のパラメトリックイメージングの精度を向上させることが期待されている。
【0004】
この他、パラメトリックイメージングの動態モデルの非線形フィッティング解析の過程において、ある幾つかの意義のある生理学的パラメータは、生理学的特性に一致しない値として解析される可能性がある。たとえば、血液の関心領域における割合（Ｖｂ）は、負の値に解析される可能性がある。従って、非線形解析過程に対してパラメータの境界を限定することができるパラメトリックイメージングの方法、及びシステムを提供し、それにより算出された動態パラメータの値を実際の値により近くすることが期待されている。
【発明の概要】
【課題を解決するための手段】
【0005】
本願の第１態様では、パラメトリックイメージングの方法が提供される。前記方法は、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む。
【0006】
いくつかの実施例において、前記２つの走査画像に対応する前記２セットの走査データの時間情報は、異なる。
【0007】
いくつかの実施例において、前記した対象の２つの走査画像を取得するステップは、前記対象に対して隣接する２つの寝台の走査を実行することによって、前記２つの走査画像を取得するステップを含む。
【0008】
いくつかの実施例において、前記した前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップは、前記２つの走査画像のうちの個々の走査画像に対して、前記走査画像において前記重複領域と非重複領域を分割するステップと、前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップと、前記走査画像における前記重複領域に対応するサブ画像と前記重複領域に対応する時点とを、１フレームの情報とするステップと、前記走査画像における前記非重複領域に対応するサブ画像と前記非重複領域に対応する時点とを、別の１フレームの情報とするステップと、を含む。
【0009】
いくつかの実施例において、前記した前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップは、前記走査画像の走査開始時間と走査終了時間とに基づき、前記走査画像に対応する時点を決定するステップと、前記走査画像に対応する時点を、前記重複領域に対応する時点と前記非重複領域に対応する時点とするステップと、を含む。
【0010】
いくつかの実施例において、前記フレーム情報は、前記２つの走査画像における前記重複領域に対応する２フレームの重みをさらに含み、前記２つの走査画像は、第１走査画像と第２走査画像とを含み、前記したフレーム情報を取得するステップは、前記第１走査画像における前記重複領域の位置情報に基づき、前記第１走査画像における前記重複領域に対応する第１フレームの重みを決定するステップと、前記第２走査画像における前記重複領域の位置情報に基づき、前記第２走査画像における前記重複領域に対応する前記第２フレームの重みを決定するステップと、を含む。
【0011】
いくつかの実施例において、前記重みは、重み行列であり、前記重み行列内の各々の重み値は、前記重複領域に対応するフレーム内の１つの画素に対応する。
【0012】
いくつかの実施例において、前記重み行列内の重み値は、前記重複領域に対応するフレーム内の対応する画素と走査機器の中心位置との間の走査ベッドの移動方向に沿った距離、及び／又は前記対応するフレームの走査時間と関連する。
【0013】
いくつかの実施例において、前記した前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップは、前記フレーム情報に基づき、動態パラメータの値を決定することで、パラメータ画像を直接再構成、又は間接再構成することに用いるステップであって、前記動態パラメータは、前記対象の体内のトレーサーの代謝情報の決定と関連する、ステップを含む。
【0014】
いくつかの実施例において、前記した前記フレーム情報に基づき、動態パラメータの値を決定するステップは、前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップを含む。
【0015】
いくつかの実施例において、前記した前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップは、前記フレーム情報と前記動態モデルとに基づき、重み付き期待値最大化アルゴリズムを採用して、前記動態パラメータの値を決定するステップを含む。
【0016】
いくつかの実施例において、前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む。
【0017】
いくつかの実施例において、前記走査画像は、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる。
【0018】
いくつかの実施例において、前記した前記フレーム情報に基づき、動態パラメータの値を決定するステップは、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む。
【0019】
本願の第２態様では、パラメトリックイメージングの方法が提供される。前記方法は、対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む。
【0020】
本願の第３態様では、パラメトリックイメージングの方法が提供される。前記方法は、対象の走査データを取得するステップと、動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む。
【0021】
いくつかの実施例において、前記した前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップは、前記動態パラメータの生理学的意義に従って、前記動態パラメータの予め設定された範囲を決定するステップと、前記予め設定された範囲に従って、前記有界関数を選択して前記動態モデルにおける前記動態パラメータを置き換えるステップと、を含む。
【0022】
いくつかの実施例において、前記動態モデルは、複数の動態パラメータを含み、前記した前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップは、前記複数の動態パラメータの中からターゲット動態パラメータを選択するステップと、前記有界関数を使用して前記ターゲット動態パラメータを置き換えるステップと、を含む。
【0023】
いくつかの実施例において、前記動態モデルは、複数の動態パラメータを含み、前記した前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップは、前記走査データに基づき、前記動態モデルを解析することによって、前記個々の動態パラメータの値を決定するステップと、予め設定された範囲を超える動態パラメータの値が存在するか否かを判断するステップと、予め設定された範囲を超える動態パラメータの値が存在すると判定することに応答して、前記有界関数を使用して対応する動態パラメータを置き換えるステップと、を含む。
【0024】
いくつかの実施例において、前記した前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップは、前記走査データに基づき、フィッティングアルゴリズムに従って、前記動態モデルにおける前記有界関数の値を決定するステップと、前記有界関数の値を前記動態パラメータの値として決定するステップと、を含む。
【0025】
いくつかの実施例において、前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む。
【0026】
いくつかの実施例において、前記有界関数は、絶対値関数、二乗関数、指数関数、又は逆正接関数のうちの少なくとも１つを含む。
【0027】
いくつかの実施例において、前記走査データは、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる。
【0028】
いくつかの実施例において、前記した対象の走査データを取得するステップは、前記対象に対してマルチベッドのステップワイズ法走査、又は連続ベッドモーション（continuous bed motion、ＣＢＭ）走査を実行することによって、前記走査データを取得するステップを含む。
【0029】
いくつかの実施例において、前記方法は、前記走査データと前記動態パラメータの値とに基づき、パラメータ画像を直接再構成、又は間接再構成するステップを更に含む。
【0030】
本願の第４態様では、パラメトリックイメージングシステムが提供される。前記システムは、命令セットを記憶することに用いられる少なくとも１つの記憶機器と、前記少なくとも１つの記憶機器と通信する少なくとも１つのプロセッサであって、前記命令セットを実行するときに、前記少なくとも１つのプロセッサは、前記システムに、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、をさせるように構成される、少なくとも１つのプロセッサと、を含む。
【0031】
本願の第５態様では、パラメトリックイメージングシステムが提供される。前記システムは、命令セットを記憶することに用いられる少なくとも１つの記憶機器と、前記少なくとも１つの記憶機器と通信する少なくとも１つのプロセッサであって、前記命令セットを実行するときに、前記少なくとも１つのプロセッサは、前記システムに、対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、をさせるように構成される、少なくとも１つのプロセッサと、を含む。
【0032】
本願の第６態様では、パラメトリックイメージングシステムが提供される。前記システムは、命令セットを記憶することに用いられる少なくとも１つの記憶機器と、前記少なくとも１つの記憶機器と通信する少なくとも１つのプロセッサであって、前記命令セットを実行するときに、前記少なくとも１つのプロセッサは、前記システムに、対象の走査データを取得するステップと、動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、をさせるように構成される、少なくとも１つのプロセッサと、を含む。
【0033】
本願の第７態様では、非一時的なコンピュータ可読記憶媒体が提供され、その特徴は、以下の通りである。前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む方法を実現させる。
【0034】
本願の第８態様では、非一時的なコンピュータ可読記憶媒体が提供され、その特徴は、以下の通りである。前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む方法を実現させる。
【0035】
本願の第９態様では、非一時的なコンピュータ可読記憶媒体が提供され、その特徴は、以下の通りである。前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象の走査データを取得するステップと、動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む方法を実現させる。
【0036】
本願の第８態様では、非一時的なコンピュータ可読記憶媒体が提供され、その特徴は、以下の通りである。前記記憶媒体は、少なくとも１セットの命令セットを含み、コンピューティングデバイスの少なくとも１つのプロセッサにより実行されるときに、前記少なくとも１セットの命令セットは、前記少なくとも１つのプロセッサに、対象の走査データを取得するステップと、動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む方法を実現させる。
【0037】
本願の一部の付加的な特性は、以下の記述において説明され得る。以下の記述、およびこれに対応する図面に対する研究、若しくは実施例の生産又は操作に対する理解によって、本願の一部の付加的な特性は当業者に対して明らかになる。本願の特徴は、以下に記述される具体的な実施例の各々の態様の方法、手段、及び組み合わせを実践する、又は使用することによって実現、且つ達成することができる。
【0038】
本願は、例示的な実施例によって更に記述されている。これらの例示的な実施例は、図面によって詳細に記述される。これらの実施例は、非限定的な例示的な実施例であり、これらの実施例において、各図における同様な番号は、類似する構造を表す。
【図面の簡単な説明】
【0039】
【図1】本願に係るいくつかの実施例に示される例示的な医療システムの模式図である。
【図2】本願に係るいくつかの実施例に示されるその上で医療システム１００が実現できる少なくとも一部の例示的なコンピューティングデバイスの模式図である。
【図3】本願に係るいくつかの実施例に示されるその上で端末を実現できる例示的なモバイルデバイスの例示的なハードウェア、及び／又はソフトウェアコンポーネントの模式図である。
【図4】本願に係るいくつかの実施例に示される例示的な処理機器１４０のブロック図である。
【図5】本願に係るいくつかの実施例に示される対象の体内のトレーサーの代謝情報を決定する例示的な過程のフローチャートである。
【図6A】本願に係るいくつかの実施例に示される例示的なマルチ寝台の走査の模式図である。
【図6B】従来のフレーム化処理方法である。
【図6C】本願に係るいくつかの実施例に示されるフレーム化処理方法である。
【図6D】従来の期待値最大化アルゴリズム（ＥＭ）と重み付きＥＭアルゴリズムとを採用して再構成されたＫｉパラメータ画像を表示する。
【図6E】従来のＥＭアルゴリズムと重み付きＥＭアルゴリズムとを採用して再構成されたＫｉパラメータ画像を表示する。
【図6F】異なるフレーム化処理方式を採用して取得されたＫｉパラメータ画像の差異画像を表示する。
【図7】本願に係るいくつかの実施例に示される動態パラメータを決定する例示的な過程のフローチャートである。
【図8A】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8B】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8C】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8D】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8E】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8F】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8G】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図8H】異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【図9A】異なる方法を採用して動態パラメータを計算して取得されたパラメータ画像を表示する。
【図9B】異なる方法を採用して動態パラメータを計算して取得されたパラメータ画像を表示する。
【図9C】異なる方法を採用して動態パラメータを計算して取得されたパラメータ画像を表示する。
【図9D】異なる方法を採用して動態パラメータを計算して取得されたパラメータ画像を表示する。
【図10】本願に係るいくつかの実施例に示される対象の体内のトレーサーの代謝情報を決定する例示的な過程のフローチャートである。
【発明を実施するための形態】
【0040】
本願の実施例の技術的手段をより明瞭に説明するために、以下では、実施例の記述に使用する必要のある図面を簡単に紹介する。しかしながら、当業者が理解すべき点として、これらの細部がない場合でも本願を実施できることを把握することができる。他の場合には、本願の各態様を不必要に曖昧にすることを回避するために、より高いレベルにおいて周知の方法、過程、システム、コンポーネント、及び／又は回路を記述している。当業者にとっては、開示された実施例に対して各種の変更を行うことができ、且つ本願の原則と範囲を逸脱することがない場合には、本願において定義された一般的な原則が他の実施例と応用場面とに適用できることは自明である。従って、本願は、示される実施例に限定されず、出願の特許請求の範囲と一致する最も広い範囲が認められるべきである。
【0041】
本願において使用される用語は、特定の例示的な実施例を記述することを目的としており、限定するためのものではない。例えば、文脈において例外的なケースが明確に提示されていない限りは、本願に使用される単数形の「１つ」、「１つの」、及び「該」は、同様に複数形を含んでもよい。さらに理解すべき点は、例えば、本願の明細書において使用される用語「含む」、「備える」は、上記特徴、整数、ステップ、操作、コンポーネント、及び／又は部材が存在することを提示しているが、上記の他の特徴、整数、ステップ、操作、コンポーネント、部材、及び／又はその組み合わせが存在する、又は追加される状況を排除するものではない。
【0042】
理解できる点として、本願に使用される用語「システム」、「エンジン」、「ユニット」、「モジュール」、及び／又は「ブロック」は、昇順で異なるレベルの異なる構成要素、素子、部材、部分、又はコンポーネントを区別することに用いられる方法である。しかしながら、同様な目的を達成できれば、これらの用語は、他の表現によって置き換えられてもよい。
【0043】
通常、ここで使用される単語「モジュール」、「ユニット」、又は「ブロック」は、ハードウェア、又はファームウェア内に具現化されるロジック、あるいは、ソフトウェア命令の集合を指す。本願に記述されるモジュール、ユニット、又はブロックは、ソフトウェア、及び／又はハードウェアとして実現でき、且つ何らかのタイプの非一時的なコンピュータ可読媒体、又は他の記憶機器に記憶できる。いくつかの実施例において、ソフトウェアモジュール／ユニット／ブロックをコンパイルし、且つそれらを実行可能プログラム内にリンクできる。想起できるものとして、ソフトウェアモジュールは、他のモジュール／ユニット／ブロック、又はそれらの自体から呼び出すことができ、及び／又は検出されたイベント、又は一時停止に応答して呼び出すことができる。コンピュータ可読媒体上に、コンピューティングデバイス（たとえば、図２に示されるプロセッサ２１０）上に実行するように構成されるソフトウェアモジュール／ユニット／ブロックを提供することができる。たとえば、光ディスク、デジタルビデオ光ディスク、フラッシュドライブ、磁気ディスク、又は何らかの他の有形媒体であり、あるいは、デジタルダウンロードとする（且つ、最初に、圧縮、又はインストール可能なフォーマットで記憶することができ、実行する前に、インストール、圧縮解除、又は復号を行う必要がある）。ここでのソフトウェアコードの一部、又は全部は、操作を実行するコンピューティングデバイスの記憶機器内に記憶し、且つコンピューティングデバイスの操作内に応用することができる。ソフトウェア命令は、ファームウェア内に埋め込むことができる。さらに理解すべき点は、ハードウェアモジュール／ユニット／ブロックは、接続されるロジックコンポーネント内に、たとえば、ゲートとフリップフロップに含まれてもよく、及び／又は、プログラマブルユニット、たとえば、プログラマブルゲートアレイ、又はプロセッサを含んでもよい。本願に記述されるモジュール／ユニット／ブロック、又はコンピューティングデバイスの機能は、ソフトウェアモジュール／ユニット／ブロックとして実現できるが、ハードウェア、又はファームウェアで表されてもよい。通常、ここで記述されるモジュール／ユニット／ブロックとは、ロジックモジュール／ユニット／ブロックを指し、それらは物理的な組織、又は記憶コンポーネントであるが、それは他のモジュール／ユニット／ブロックと組み合わせ、あるいは、サブモジュール／サブユニット／サブブロックに分けることができる。該記述は、システム、エンジン、又はその一部に適用できる。
【0044】
理解できる点として、文脈に特に明確に説明されていない限り、ユニット、エンジン、モジュール、又はブロックが、別のユニット、エンジン、モジュール、又はブロック「上」にあり、別のユニット、エンジン、モジュール、又はブロックに「接続」、又は「結合」されると称されるときに、それらは、他のユニット、エンジン、モジュール、又はブロック上に直接的にあるか、それと接続又は結合されている、又はそれと通信することができる、あるいは、中間ユニット、エンジン、モジュール、又はブロックが存在する可能性がある。本願では、用語「及び／又は」は、何らかの１つ以上の関連する記載された事項、又はその組み合わせを含んでもよい。
【0045】
下記の図面に対する記述に従って、本願のこれらの、及び他の特徴、利点、及び関連する構造素子の機能と操作方法、並びに部材の組み合わせと製造上の経済性を明らかにすることができる、これらの図面は全て本願の明細書の一部を構成する。しかしながら、理解すべき点として、図面は、単に説明、及び記述することを目的として用いられており、本願の範囲を制限することを意図しない。理解すべき点として、図面は、縮尺通りに描かれていない。
【0046】
本願に使用されるフローチャートは、本願に係る開示されるいくつかの実施例に示されるシステムによって実行される操作を示している。理解すべき点として、フローチャート内の操作は、順序に応じて実行されなくてもよい。逆に、各種のステップを逆の順序で、又は同時にも処理することができる。同時に、１つ以上の他の操作をこれらのフローチャート内に追加してもよい。フローチャートから１つ以上の操作を除去してもよい。
【0047】
動的ＰＥＴイメージングは、連続した時点でのトレーサーの分布画像を提供し、トレーサーの放射能の経時的な変化規則を明らかにすることができる。後の段階で動的ＰＥＴ画像に動態モデルを応用することによって、組織器官の機能パラメータ、例えば、局所的な血液流量、新陳代謝の速さ、及び物質輸送レート等を更に取得することができ、それにより、分子レベルで患者の体内の代謝機能状態を記述する。
【0048】
マルチベッドのステップワイズ法全身ＰＥＴ走査モードにおいて、隣接する寝台の走査領域には、通常重複が存在し、走査領域のエッジの感度を復元することに用いられる。静的全身ＰＥＴ走査において、通常、収集時間内にトレーサーの放射能が基本的に変化しないと仮定して、重み付け加算の方法を採用して全身ＰＥＴ画像を生成する。動的全身ＰＥＴ走査において、通常、隣接する２ベッドの再構成された画像の重複領域を合併し、１フレームとして薬物動態分析を行う。該フレームの時間は、隣接する２ベッドの走査時間を重み付けて計算することで得られる。しかし、この方法は、２つの寝台の走査におけるトレーサーの放射能変化を考慮していないため、重複領域のパラメータ画像の比較的大きな誤差を招く可能性がある。
【0049】
本願の一態様は、主にパラメトリックイメージングの方法を提供する。上記方法は、対象に対して複数寝台の走査を行うことによって、対象の複数セットの走査データを取得するステップを含んでもよい。隣接する２つの寝台の走査で取得された２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する。上記方法は、上記複数セットの走査データに対してフレーム化処理を行うことによって、一連のフレーム情報を取得するステップをさらに含んでもよい。上記隣接する２つの寝台の走査で取得された上記２セットの走査データに対応する上記２つの走査画像の間の重複領域は、上記２つの走査画像において２フレームとして対応している。上記方法は、上記一連のフレーム情報に基づき、上記対象の体内のトレーサーの代謝情報を決定するステップをさらに含んでもよい。
【0050】
本願のいくつかの実施例によれば、重複領域と非重複領域に対して異なる分析方法を採用し、薬物動態モデルパラメータ画像を直接、又は間接再構成することによって、重複領域のパラメータ画像の精度を向上させることができる。具体的には、重複領域を隣接する２つの寝台の走査において２フレームと見なして薬物動態分析を行うことができ、この２フレームの隣接する２つの寝台の走査におけるトレーサーの放射能変化を考慮すると、実際の生理学的変化の状況により一致する。特に、フレーム化の時間長さが比較的長い、又はトレーサー放射能の変化が比較的速い場合には、該方法で取得されたパラメータ画像の画質が比較的高い。この他、隣接する２つの寝台の走査における重複領域の異なるノイズレベルに対しては、薬物動態分析において重みを追加し、パラメータ画像の精度を更に向上させることができる。
【0051】
コンパートメントモデルは、既にＰＥＴ動的定量分析において広く用いられている。トレーサーの時間放射能曲線（ＴＡＣ）の非線形回帰からコンパートメントモデル（たとえば、２コンパートメントモデル）の動態パラメータを得ることができる。Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ（ＬＭ）アルゴリズムは、通常、非線形コンパートメントモデル分析における最小二乘の問題を解析することに用いられる。しかし、ＬＭ方法は、フィッティングパラメータの境界に関して制限されておらず、これは意義のない結果を招く可能性がある。たとえば、血液の関心領域における割合（Ｖｂ）は、負の値に解析される可能性があるが、これは生理学的特性に一致しない。従って、非線形解析過程を限定し（たとえば、パラメータの境界を限定する）、それにより、算出された結果を実際の値により近くする必要がある。１種の従来方法は、反復中に動態パラメータの境界を強制的に追加することによって限定してもよいが、このような方法は、フィッティング結果が局所最適に陥ることを招くことがよくある。他の１種の従来方法は、計算して得られた予め設定された範囲内にない動態パラメータの値を後処理する。たとえば、Ｖｂの負の値を０に修正することによるものであってもよいが、このような方法は、計算結果が不正確であるのを招くことがある。
【0052】
本願の別の態様は、主にパラメトリックイメージングの方法を提供する。上記方法は、対象の走査データを取得するステップを含んでもよい。上記方法は、動態モデルを取得するステップであって、上記動態モデルは、動態パラメータによってトレーサーの上記対象の体内の動態特性を特徴付け、上記動態パラメータは、上記対象の体内の上記トレーサーの代謝情報を指示する、ステップを含んでもよい。上記方法は、上記動態パラメータの生理学的意義に従って、有界関数を使用して上記動態モデルにおける上記動態パラメータを置き換えるステップを含んでもよい。上記方法は、上記走査データに基づき、上記動態モデルにおける上記有界関数の値を解析することによって、上記動態パラメータの値を決定するステップを含んでもよい。
【0053】
本願のいくつかの実施例によれば、有界関数を使用して、フィッティング過程における境界を限定する必要がある動態パラメータを置き換えることによって、パラメータ境界の制限は、有界関数自体の特性によって実現され、反復における強制的な境界限定により実現されない。このように、パラメータのフィッティングが合理的な区間にあることを確実にすることができると同時に、フィッティング結果を実際の値により近くすることができる。
【0054】
図１は、本願に係るいくつかの実施例に示される例示的な医療システムの模式図である。医療システム１００は、医療機器１１０、ネットワーク１２０、１つ以上の端末１３０、処理機器１４０、及び記憶機器１５０を含んでもよい。医療システム１００内のコンポーネントは、各種の方式で接続できる。単なる例として、医療機器１１０は、直接的に（例えば、医療機器１１０と処理機器１４０とを接続する破線の双方向矢印に示される）、又はネットワーク１２０を介して処理機器１４０に接続できる。さらに別の一例として、記憶機器１５０は、直接的に（例えば、記憶機器１５０と医療機器１１０とを接続する破線の双方向矢印に示される）、又はネットワーク１２０を介して医療機器１１０に接続できる。さらに別の一例として、端末１３０は、直接的に（例えば、端末１３０と処理機器１４０とを接続する破線の双方向矢印に示される）、又はネットワーク１２０を介して処理機器１４０に接続できる。さらに別の一例として、端末１３０は、直接的に（例えば、端末１３０と記憶機器１５０とを接続する破線の双方向矢印に示される）、又はネットワーク１２０を介して記憶機器１５０に接続できる。
【0055】
医療機器１１０は、対象に対してイメージング、及び／又は治療を行うことができる。いくつかの実施例において、対象は、生物学的対象、及び／又は非生物学的対象を含んでもよい。たとえば、対象は、人の体の特定の部分、たとえば、頭部、胸部、腹部等、又はそれらの組み合わせを含んでもよい。又は、たとえば、対象は、医療機器１１０の走査される病人であってもよい。
【0056】
いくつかの実施例において、医療機器１１０は、対象を走査して対象に関連するデータを取得することができる。たとえば、医療機器１１０は、単一モダリティ走査機器、及び／又は多重モダリティ走査機器を含んでもよい。単一モダリティ走査機器は、たとえば、放射型コンピュータ断層撮影（ＥＣＴ）機器、陽電子放出断層撮影（ＰＥＴ）機器、単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）機器、超音波機器、Ｘ線機器、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器等、又はそれらの任意の組み合わせを含んでもよい。多重モダリティ走査機器は、たとえば、Ｘ線イメージング－磁気共鳴イメージング（Ｘ線－ＭＲＩ）走査機器、陽電子放出断層撮影－Ｘ線イメージング（ＰＥＴ－Ｘ線）走査機器、単一光子放射コンピュータ断層撮影－磁気共鳴イメージング（ＳＰＥＣＴ－ＭＲＩ）走査機器、陽電子放出断層撮影－コンピュータ断層撮影（ＰＥＴ－ＣＴ）走査機器、陽電子放出断層撮影－磁気共鳴イメージング（ＰＥＴ－ＭＲＩ）走査機器、デジタルサブトラクション血管造影－磁気共鳴イメージング（ＤＳＡ－ＭＲＩ）走査機器等を含んでもよい。上記で提供した走査機器は、単に説明を目的として用いられるものであり、本願の範囲を制限することを意図しない。本願に用いられるように、用語「イメージングモダリティ」、又は「モダリティ」は、ターゲット対象のイメージング情報を収集、生成、処理、及び／又は分析するイメージング方法、又は技術を広く指す。
【0057】
いくつかの実施例において、医療機器１１０は、ＰＥＴ機器であってもよく、フレーム１１１、検出器１１２、走査領域１１３、及び走査ベッド１１４を含む。フレーム１１１は、検出器１１２を支えることに用いることができる。対象は、走査ベッド１１４に置かれ、走査ベッド１１４を走査領域１１３に移動することによって走査することができる。いくつかの実施例において、検出器１１２は、１つ又は複数の検出器ユニットを含んでもよい。検出器１１２は、シンチレーション検出器（たとえば、ヨウ化セシウム検出器）、ガス検出器等を含んでもよい。検出器１１２は、以下のものであり、及び／又は単一行検出器を含んでもよく、ここで複数の検出器ユニットは、単一行内、及び／又は複数行の検出器に配置され、ここで複数の検出器ユニットは、複数行となるように配置される。
【0058】
ネットワーク１２０は、医療システム１００の情報、及び／又はデータの交換を促進できる何らの適切なネットワークを含んでもよい。いくつかの実施例において、医療システム１００の１つ以上のコンポーネント（たとえば、医療機器１１０、端末１３０、処理機器１４０、記憶機器１５０）は、ネットワーク１２０を介して医療システム１００の１つ以上の他のコンポーネントと情報、及び／又はデータを通信することができる。たとえば、処理機器１４０は、ネットワーク１２０を介して医療機器１１０から走査データを取得することができる。別の例として、処理機器１４０は、ネットワーク１２０を介して端末１３０からユーザー命令を取得することができる。ネットワーク１２０は、公衆ネットワーク（たとえば、インターネット）、専用ネットワーク（たとえば、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ））、有線ネットワーク（たとえば、無線ＬＡＮ）、イーサネット、無線ネットワーク（たとえば、８０２．１１ネットワーク、Ｗｉ－Ｆｉネットワーク）、セルラーネットワーク（たとえば、ロングタームエボリューション（ＬＴＥ）ネットワーク）、フレームリレーネットワーク、仮想専用ネットワーク（「ＶＰＮ」）、衛星ネットワーク、電話ネットワーク、ルータ、ハブ、スイッチ、サーバコンピュータ、及び／又はそれらの何らの組み合わせを含んでもよい。単なる例として、ネットワーク１２０は、ケーブルネットワーク、有線ネットワーク、光ファイバーネットワーク、電子通信ネットワーク、イントラネット、無線ＬＡＮ（ＷＬＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、公衆交換電話網（ＰＳＴＮ）、ブルートゥース（登録商標）ネットワーク、ＺｉｇＢｅｅ（登録商標）ネットワーク、近距離無線通信（ＮＦＣ）ネットワーク等、又はそれらの任意の組み合わせを含んでもよい。いくつかの実施例において、ネットワーク１２０は、１つ以上のネットワークアクセスポイントを含んでもよい。たとえば、ネットワーク１２０は、例えば、基地局、及び／又はインターネット交換ポイントのような有線、及び／又は無線ネットワークアクセスポイントを含んでもよく、医療システム１００の１つ以上のコンポーネントは、有線、及び／又は無線アクセスポイントを介してネットワーク１２０に接続されてデータ、及び／又は情報を交換することができる。
【0059】
端末１３０は、モバイルデバイス１３１、タブレットコンピュータ１３２、ラップトップコンピュータ１３３等、又はそれらの何らの組み合わせを含んでもよい。いくつかの実施例において、モバイルデバイス１３１は、スマートホームデバイス、ウェアラブルデバイス、スマートモバイルデバイス、仮想現実デバイス、拡張現実デバイス等、又はそれらの何らの組み合わせを含んでもよい。単なる例として、端末１３０は、図３に示されるモバイルデバイスを含んでもよい。いくつかの実施例において、スマートホームデバイスは、スマート照明デバイス、スマート電器制御デバイス、スマート監視デバイス、スマートテレビ、スマートビデオカメラ、インターホン等、又はそれらの任意の組み合わせを含んでもよい。いくつかの実施例において、ウェアラブルデバイスは、ブレスレット、履物、眼鏡、ヘルメット、腕時計、衣類、リュックサック、スマートアクセサリー等、又はそれらの任意の組み合わせを含んでもよい。いくつかの実施例において、モバイルデバイスは、携帯電話、携帯情報端末（ＰＤＡ）、ゲームデバイス、ナビゲーションデバイス、販売時点情報管理（ＰＯＳ）デバイス、ラップトップコンピュータ、タブレットコンピュータ、デスクトップ等、又はそれらの何らの組み合わせを含んでもよい。いくつかの実施例において、仮想現実デバイス、及び／又は拡張現実デバイスは、仮想現実ヘルメット、仮想現実眼鏡、仮想現実ゴーグル、拡張現実ヘルメット、拡張現実眼鏡、拡張現実ゴーグル等、又はそれらの任意の組み合わせを含んでもよい。たとえば、仮想現実デバイス、及び／又は拡張現実デバイスは、Ｇｏｏｇｌｅ Ｇｌａｓｓ（登録商標）、Ｏｃｕｌｕｓ Ｒｉｆｔ（登録商標）、Ｈｏｌｏｌｅｎｓ（登録商標）、Ｇｅａｒ ＶＲ（登録商標）等を含んでもよい。いくつかの実施例において、１つ又は複数の端末１３０は、処理機器１４０の一部であってもよい。
【0060】
処理機器１４０は、医療機器１１０、端末１３０、及び／又は記憶機器１５０から取得されたデータ、及び／又は情報を処理することができる。たとえば、処理機器１４０は、対象の１セット又は複数セットの走査データを取得することができる。別の例として、処理機器１４０は、複数セットの走査データに対してフレーム化処理を行うことによって、一連のフレーム情報を取得することができる。さらに別の例として、処理機器１４０は、一連のフレーム情報に基づき、対象の体内のトレーサーの代謝情報を決定することができる。さらに別の例として、処理機器１４０は、動態パラメータの生理学的意義に従って、有界関数を使用して動態モデルにおける上記動態パラメータを置き換えることができる。さらに別の例として、処理機器１４０は、走査データに基づき、動態モデルにおける有界関数の値を解析することによって、動態パラメータの値を決定することができる。いくつかの実施例において、処理機器１４０は、単一のサーバ、又はサーバのグループであってもよい。サーバのグループは、集中型、又は分散型であってもよい。いくつかの実施例において、処理機器１４０は、医療システム１００の１つ又は複数の他のコンポーネントに対するローカルコンポーネント、又は遠隔コンポーネントであってもよい。たとえば、処理機器１４０は、ネットワーク１２０を介して、医療機器１１０、端末１３０、及び／又は記憶機器１５０内に記憶される情報、及び／又はデータにアクセスすることができる。別の例として、処理機器１４０は、医療機器１１０、端末１３０、及び／又は記憶機器１５０に直接的に接続されて、記憶された情報、及び／又はデータにアクセスすることができる。いくつかの実施例において、処理機器１４０は、クラウドプラットフォーム上において実現できる。単なる例として、クラウドプラットフォームは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド、コミュニティクラウド、分散クラウド、インタークラウド、マルチクラウド等、又はそれらの任意の組み合わせを含んでもよい。いくつかの実施例において、処理機器１４０は、図２に示される１つ以上のコンポーネントを有するコンピューティングデバイス２００によって実現できる。
【0061】
記憶機器１５０は、データ、命令、及び／又は何らの他の情報をも記憶できる。いくつかの実施例において、記憶機器１５０は、端末１３０、及び／又は処理機器１４０から取得されたデータを記憶できる。いくつかの実施例において、記憶機器１５０は、処理機器１４０が実行可能な、又は本願において記述される例示的な方法を実行することに用いられるデータ、及び／又は命令を記憶できる。いくつかの実施例において、記憶機器１５０は、大容量メモリ、リムーバブルメモリ、揮発性読み書きメモリ、読み取り専用メモリ（ＲＯＭ）等、又はそれらの任意の組み合わせを含んでもよい。例示的な大容量メモリは、磁気ディスク、光ディスク、固体ドライバ等を含んでもよい。例示的なリムーバブルメモリは、フラッシュドライブ、フロッピーディスク、光ディスク、メモリーカード、コンパクトディスク、磁気テープ等を含んでもよい。例示的な揮発性読み書きメモリは、ランダムアクセスメモリー（ＲＡＭ）を含んでもよい。例示的なＲＡＭは、ダイナミックランダムアクセスメモリー（ＤＲＡＭ）、ダブルデータレート同期ダイナミックランダムアクセスメモリー（ＤＤＲ ＳＤＲＡＭ）、スタティックランダムアクセスメモリー（ＳＲＡＭ）、サイリスタランダムアクセスメモリ（Ｔ－ＲＡＭ）、及びゼロ容量ランダムアクセスメモリー（Ｚ－ＲＡＭ）等を含んでもよい。例示的なＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、光ディスクＲＯＭ（ＣＤ－ＲＯＭ）、及びデジタル多用途ディスクＲＯＭ等を含んでもよい。いくつかの実施例において、上記記憶機器１５０は、クラウドプラットフォーム上で実現できる。単なる例として、クラウドプラットフォームは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド、コミュニティクラウド、分散クラウド、インタークラウド、マルチクラウド等、又はそれらの任意の組み合わせを含んでもよい。
【0062】
いくつかの実施例において、記憶機器１５０は、ネットワーク１２０に接続されて医療システム１００の１つ以上の他のコンポーネント（たとえば、処理機器１４０、端末１３０）と通信できる。医療システム１００の１つ又は複数のコンポーネントは、ネットワーク１２０を介して記憶機器１５０内に記憶されるデータ、又は命令にアクセスすることができる。いくつかの実施例において、記憶機器１５０は、医療システム１００の１つ以上の他のコンポーネント（たとえば、処理機器１４０、端末１３０）に直接接続され、又はそれと通信してもよい。いくつかの実施例において、記憶機器１５０は、処理機器１４０の一部であってもよい。
【0063】
いくつかの実施例において、医療機器１１０に座標系１７０を提供することで、医療機器１１０のコンポーネントの位置（たとえば、絶対位置、別のコンポーネントに対する位置）、及び／又はコンポーネントの運動を定義することができる。たとえば、座標系１７０は、Ｘ軸、Ｙ軸、及びＺ軸を含んでもよい。Ｘ軸とＹ軸は、水平方向の軸であり、Ｚ軸は、垂直方向の軸である。図１に示すように、Ｘ軸の正方向は、医療機器１１０の正面に向かう方向から見るときに、治療ベッドの左側から右側に向かう方向であってもよく、Ｙ軸の正方向は、治療ベッドが医療機器１１０の内部から外部に移動する方向であってもよく、Ｚ軸の正方向は、医療機器１１０の下方（又は医療機器１１０の所在する地面）から医療機器１１０の上方に向かう方向であってもよい。座標系１７０は、説明を目的として提供されるものに過ぎず、たとえば、座標系１７０は、他の座標軸をさらに含んでもよい。又は、たとえば、Ｘ軸、Ｙ軸、及びＺ軸の方向は、他の方向であってもよく、本願は制限しない。
【0064】
留意すべき点として、上記の記述は、説明することを目的として提供されるに過ぎず、本願の範囲を制限することを意図しない。当業者にとって、本願の内容の教示において、様々な変更や修正を行うことができる。各種の方式で本願に記述される例示的な実施例の特徴、構造、方法、及び他の特徴を組み合わせて、他の、及び／又は代替の例示的な実施例を取得することができる。しかしながら、これらの変化や修正は、本願の範囲から逸脱するものではない。
【0065】
図２は、本願に係るいくつかの実施例に示される、医療システム１００が実現できる少なくとも一部の例示的なコンピューティングデバイスの模式図である。図２に示すように、コンピューティングデバイス２００は、プロセッサ２１０、メモリ２２０、入力／出力（Ｉ／Ｏ）２３０、及び通信ポート２４０を含んでもよい。
【0066】
プロセッサ２１０は、本願に記述される技術に従って、コンピュータ命令（たとえば、プログラムコード）を実行し、且つ処理機器１４０の機能を実行することができる。コンピュータ命令は、たとえば、ルーチン、プログラム、対象、コンポーネント、データ構造、過程、モジュール、及び機能を含んでもよく、それは、本願に記述される特定の機能を実行する。たとえば、プロセッサ２１０は、医療機器１１０、記憶機器１５０、端末１３０、及び／又は医療システム１００の何らの他のコンポーネントから取得されたデータ、又は情報をも処理することができる。いくつかの実施例において、プロセッサ２１０は、１つ又は複数のハードウェアプロセッサ、たとえば、マイクロコントローラ、マイクロプロセッサー、縮小命令セットコンピュータ（ＲＩＳＣ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セットプロセッサ（ＡＳＩＰ）、中央プロセッサ（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、マイクロコントローラユニット、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、アドバンストＲＩＳＣ機械（ＡＲＭ）、プログラマブルロジックデバイス（ＰＬＤ）、１つ又は複数の機能を実行できる何らかの回路、又はプロセッサ等、又はそれらの組み合わせを含んでもよい。
【0067】
単なる説明のために、コンピューティングデバイス２００に１つのみのプロセッサが記述されている。しかしながら、本願に開示されるコンピューティングデバイス２００は、複数のプロセッサをさらに含んでもよいことを留意されたい。従って、本願において開示される、１つのプロセッサにより実行される操作、及び／又は方法ステップは、複数のプロセッサにより共同で、又はそれぞれに実行されてもよい。たとえば、もし本願でコンピューティングデバイス２００のプロセッサが操作Ａと操作Ｂとを実行するとしたら、理解すべき点は、操作Ａと操作Ｂとは、コンピューティングデバイス２００内の２つ又は２つを超える異なるプロセッサにより共同で、又は別々に実行されてもよい（たとえば、第１プロセッサは、操作Ａを実行し、第２プロセッサは、操作Ｂを実行する、又は第１プロセッサと第２プロセッサとは、共同で操作ＡとＢとを実行する）。
【0068】
メモリ２２０は、医療機器１１０、記憶機器１５０、端末１３０、及び／又は医療システム１００の何らの他のコンポーネントから取得されたデータ／情報をも記憶できる。いくつかの実施例において、メモリ２２０は、大容量メモリ、リムーバブルメモリ、揮発性読み書きメモリ、読み取り専用メモリ等、又はそれらの任意の組み合わせを含んでもよい。たとえば、大容量メモリは、磁気ディスク、光ディスク、固体ドライバ等を含んでもよい。リムーバブルメモリは、フラッシュドライブ、フロッピーディスク、光ディスク、メモリカード、コンパクトディスク、磁気テープ等を含んでもよい。揮発性読み書きメモリは、ランダムアクセスメモリ（ＲＡＭ）を含んでもよい。ＲＡＭは、ダイナミックＲＡＭ（ＤＲＡＭ）、ダブルデータレート同期ダイナミックＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、静的ＲＡＭ（ＳＲＡＭ）、サイリスタＲＡＭ（Ｔ－ＲＡＭ）、及びゼロ容量ＲＡＭ（Ｚ－ＲＡＭ）等を含んでもよい。ますＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、光ディスクＲＯＭ（ＣＤ－ＲＯＭ）、及びデジタル多用途ディスクＲＯＭ等を含んでもよい。いくつかの実施例において、メモリ２２０は、１つ以上のプログラム、及び／又は命令を記憶して、本願に記述される例示的な方法を実行することができる。
【0069】
Ｉ／Ｏ ２３０は、信号、データ、情報等を入力、及び／又は出力できる。いくつかの実施例において、Ｉ／Ｏ ２３０は、ユーザーが処理機器１４０とインタラクションできるようにすることができる。いくつかの実施例において、Ｉ／Ｏ ２３０は、入力機器と出力機器とを含んでもよい。例示的な入力機器は、キーボード、マウス、タッチパネル、マイクロホン等、又はそれらの組み合わせを含んでもよい。例示的な出力機器は、表示装置、スピーカ、印刷機、投影機等、又はそれらの組み合わせを含んでもよい。例示的な表示装置は、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ベースのディスプレイ、フラットパネルディスプレイ、曲面スクリーン、テレビ装置、陰極線管（ＣＲＴ）、タッチパネルスクリーン等、又はそれらの組み合わせを含んでもよい。
【0070】
通信ポート２４０は、ネットワーク（たとえば、ネットワーク１２０）に接続されることでデータ通信を促進することができる。通信ポート２４０は、処理機器１４０と医療機器１１０、記憶機器１５０、及び／又は端末１３０との間に接続を作成することができる。該接続は、有線接続、無線接続であってもよく、データ伝送、及び／又は受信を実現できる何らの他の通信接続、及び／又はこれらの接続の組み合わせであってもよい。有線接続は、たとえばケーブル、光ケーブル、電話線等、又はそれらの任意の組み合わせを含んでもよい。無線接続は、たとえば、ブルートゥース、Ｗｉ－Ｆｉ、ＷｉＭａｘ、無線ＬＡＮ、ＺｉｇＢｅｅ、モバイルネットワーク（たとえば、３Ｇ、４Ｇ、５Ｇ）等、又はそれらの組み合わせを含んでもよい。いくつかの実施例において、通信ポート２４０は、以下の、標準化された通信ポート、たとえば、ＲＳ２３２、及び／又はＲＳ４８５等を含んでもよい。いくつかの実施例において、通信ポート２４０は、特別に設計された通信ポートであってもよい。たとえば、デジタルイメージングと医療通信（ＤＩＣＯＭ）プロトコルとに従って通信ポート２４０を設計してもよい。
【0071】
図３は、本願に係るいくつかの実施例に示される、端末を実現できる例示的なモバイルデバイスの例示的なハードウェア、及び／又はソフトウェアユニットの模式図である。図３に示すように、モバイルデバイス３００は、通信プラットフォーム３１０、ディスプレイ３２０、グラフィックス処理ユニット（ＧＰＵ）３３０、中央処理ユニット（ＣＰＵ）３４０、入力／出力（Ｉ／Ｏ）３５０、メモリー３６０、及びメモリ３９０を含んでもよい。いくつかの実施例において、何らかの他の適切なコンポーネントは、システムバス、又はコントローラ（図示せず）を含むがこれらに限定されず、モバイルデバイス３００内に含まれてもよい。いくつかの実施例において、モバイルオペレーティングシステム３７０（たとえば、ｉＯＳ（登録商標）、Ａｎｄｒｏｉｄ（登録商標）、Ｗｉｎｄｏｗｓ Ｐｈｏｎｅ（登録商標））、及び１つ以上のアプリケーション３８０をメモリ３９０からメモリー３６０内にアップロードして、ＣＰＵ ３４０により実行されてもよい。アプリケーション３８０は、ブラウザ、又は何らの他の適切なモバイルアプリケーションプログラムを含んでもよく、処理機器１４０から医療システム１００と関連する情報、又は他の情報を受信及びレンダリングすることに用いられる。Ｉ／Ｏ ３５０を介してユーザーと情報とのインタラクションを実現でき、且つネットワーク１２０を介してそれを処理機器１４０、及び／又は医療システム１００の他のコンポーネントに提供することができる。
【0072】
本願に記述される各種のモジュール、ユニット、及びその機能を実施するために、コンピュータハードウェアプラットフォームは、本願において記述される１つ以上のコンポーネントのハードウェアプラットフォームとして用いられてもよい。ユーザーインターフェース要素を有するコンピュータは、パーソナルコンピュータ（ＰＣ）、又は何らの他のタイプのワークステーション、又は端末機器として用いられてもよい。コンピュータが適切にプログラムされば、コンピュータは、サーバとして用いられてもよい。
【0073】
図４は、本願に係るいくつかの実施例に示される例示的な処理機器１４０のブロック図である。処理機器１４０は、取得モジュール４１０、処理モジュール４２０、及び決定モジュール４３０を含んでもよい。
【0074】
取得モジュール４１０は、医療システム１００と関連するデータ、及び／又は情報を取得することができる。医療システム１００と関連するデータ、及び／又は情報は、走査データ、動態モデルの関連パラメータ、一連のフレーム情報、動態パラメータの値等、又はそれらの任意の組み合わせを含んでもよい。たとえば、取得モジュール４１０は、対象の複数セットの走査データを取得することができる。走査データの取得に関するより多くの記述は、本願の他の箇所（たとえば、ステップ５１０、ステップ７１０、及びその記述）において見出すことができる。又は、たとえば、取得モジュール４１０は、動態モデルの関連パラメータ（たとえば、入力関数、関心領域の時間－放射能曲線）を取得することができる。動態モデルの関連パラメータの取得に関するより多くの記述は、本願の他の箇所（たとえば、ステップ５３０、ステップ７２０、及びその記述）において見出すことができる。いくつかの実施例において、取得モジュール４１０は、医療システム１００の１つ又は複数の他のコンポーネント（たとえば、医療機器１１０、記憶機器１５０）から、医療システム１００と関連するデータ、及び／又は情報を取得することができる。
【0075】
処理モジュール４２０は、医療システム１００と関連するデータ、及び／又は情報を処理することができる。たとえば、処理モジュール４２０は、複数セットの走査データに対してフレーム化処理を行うことによって、一連のフレーム情報を取得することができる。フレーム化処理に関するより多くの記述は、本願の他の箇所（たとえば、ステップ５２０、及びその記述）において見出すことができる。又は、たとえば、処理モジュール４２０は、動態パラメータの生理学的意義に従って、有界関数を使用して動態モデルにおける上記動態パラメータを置き換えることができる。有界関数を使用して動態モデルにおける動態パラメータを置き換えることに関するより多くの記述は、本願の他の箇所（たとえば、ステップ７３０、及びその記述）で見つけることができる。
【0076】
決定モジュール４３０は、医療システム１００と関連するデータ、及び／又は情報を決定することができる。いくつかの実施例において、決定モジュール４３０は、一連のフレーム情報に基づき、対象の体内のトレーサーの代謝情報を決定することができる。たとえば、決定モジュール４３０は、一連のフレーム情報と動態モデルとに基づき、パラメータ画像を直接再構成することができる。又は、たとえば、決定モジュール４３０は、一連のフレーム情報と動態モデルとに基づき、パラメータ画像を間接再構成してもよい。パラメータ画像の再構成に関するより多くの記述は、本願の他の箇所（たとえば、ステップ５３０、及びその記述）で見つけることができる。いくつかの実施例において、決定モジュール４３０は、走査データに基づき、動態モデルにおける有界関数の値を解析することによって、動態パラメータの値を決定することができる。動態モデルにおける有界関数の値を解析することによって動態パラメータの値を決定することに関するより多くの記述は、本願の他の箇所（たとえば、ステップ７４０、及びその記述）において見出すことができる。
【0077】
本願の処理機器１４０に対する上記の記述は、説明を目的として提供されるに過ぎず、本願の範囲を制限することを意図しないことを留意されたい。当業者にとっては、本願の記述に従って、様々な変更や修正を行うことができる。しかしながら、これらの変更や修正は、本願の範囲から逸脱するものではない。たとえば、処理機器１４０は、データを記憶することに用いられる記憶モジュール（図示略）をさらに含んでもよい。又は、たとえば、処理モジュール４２０と決定モジュール４３０とは単一のモジュールに集積されてもよい。
【0078】
図５は、本願に係るいくつかの実施例に示される対象の体内のトレーサーの代謝情報を決定する例示的な過程のフローチャートである。いくつかの実施例において、過程５００の少なくとも一部は、処理機器１４０により実行されてもよい（たとえば、図２に示されるコンピューティングデバイス２００において実現される）。たとえば、過程５００は、命令（たとえば、アプリケーションプログラム）の形式で記憶機器（たとえば、記憶機器１５０、メモリ２２０、メモリ３９０）内に記憶され、且つ処理機器１４０（たとえば、図２に示されるプロセッサ２１０、図３に示されるＣＰＵ ３４０、又は図４に示される処理機器１４０内の１つ以上のモジュール）により呼び出され、且つ／又は実行されてもよい。下記で示される過程の操作は説明を目的とするに過ぎない。いくつかの実施例において、過程５００は、１つ以上の記述されていない追加の操作、及び／又は検討されていない１つ以上の操作を利用して完了できる。また、図５において示される、及び以下で記述される過程５００の操作の順序が制限されることを意図しない。
【0079】
５１０において、処理機器１４０（たとえば、取得モジュール４１０）は、対象の複数セットの走査データを取得することができる。
【0080】
いくつかの実施例において、走査データは、ＰＥＴ走査データ、ＳＰＥＣＴ走査データ、ＭＲＩデータ、ＣＴデータ等を含んでもよい。走査データは、医療機器１１０によって対象を走査することによって取得されたデータであってもよい。いくつかの実施例において、走査データは、ＰＥＴ機器が対象を走査することによって取得されたＰＥＴ投影データであってもよい。いくつかの実施例において、ＰＥＴ投影データは、リストモードデータ、又はサイノグラムデータを含んでもよい。いくつかの実施例において、対象（たとえば、病人）に対して動的ＰＥＴイメージングを行うことで、複数セットのＰＥＴ走査データを取得してもよい。たとえば、ステップワイズ法収集モードによって、対象に対して複数寝台の走査を行うことで、複数セットのＰＥＴ走査データを取得してもよい。各セットの走査データは、対象の少なくとも一部に対して１寝台の走査を実行することによって取得される。ステップワイズ法収集モードにおいて、走査ベッドは、ステップワイズ法運動の方式で走査領域１１３の中心軸線（たとえば、図１におけるＹ軸）方向に沿って運動することで、ＰＥＴ機器による対象の複数寝台の走査を実現してもよい。
【0081】
いくつかの実施例において、隣接する２つの寝台の走査で取得された２セットの走査データに対応する走査範囲は、重複領域を有し、たとえば、隣接する２つの寝台に重複領域が存在する。相応に、隣接する２つの寝台の走査で取得された２セットの走査データに対応する２つの走査画像の走査範囲は、重複領域を有する。図６Ａは、本願に係るいくつかの実施例に示される例示的なマルチ寝台の走査の模式図である。図６Ａに示すように、ＰＥＴ機器を使用して、走査ベッド６２０上に位置する病人６１０に対してマルチ寝台の走査を行うことができる。たとえば、走査する過程において、走査ベッド６２０は、Ｙ軸方向に沿って運動することで、３つの寝台の走査を実現してもよい。第Ｑ１寝台で走査するときに、病人６１０の領域Ａを走査して、第Ｑ１セットの走査データを取得することができ、第Ｑ１セットの走査データは第Ｑ１走査画像に対応する。第Ｑ２寝台で走査するときに、病人６１０の領域Ｂを走査して、第Ｑ２セットの走査データを取得することができ、第Ｑ２セットの走査データは第Ｑ２走査画像に対応する。第Ｑ３寝台で走査するときに、病人６１０の領域Ｃを走査して、第Ｑ３セットの走査データを取得することができ、第Ｑ３セットの走査データは第Ｑ３走査画像に対応する。領域Ａ、領域Ｂ、及び領域Ｃの面積は、同じであってもよく異なってもよい。領域Ａ、領域Ｂ、及び領域Ｃは相互に部分的に重複してもよい。たとえば、領域Ａと領域Ｂとの間に重複領域Ｄが存在し、領域Ｂと領域Ｃとの間に重複領域Ｅが存在してもよい。重複領域Ｄと重複領域Ｅの面積は、同じであってもよく異なってもよい。相応に、第Ｑ１走査画像と第Ｑ２走査画像の走査範囲に重複領域Ｄが存在し、第Ｑ２走査画像と第Ｑ３走査画像の走査範囲に重複領域Ｅが存在する。すなわち、第Ｑ１寝台と第Ｑ２寝台との間に重複領域Ｄが存在し、第Ｑ２寝台と第Ｑ３寝台との間に重複領域Ｅが存在する。留意すべき点として、上記は、３つの寝台の走査のみを例示的に説明しており、いくつかの実施例において、病人６１０に対して任意の数の寝台の走査を行ってもよい。
【0082】
いくつかの実施例において、個々の寝台の走査の継続時間は、同じであってもよく異なってもよい。たとえば、第Ｑ１寝台の走査、第Ｑ２寝台の走査、及び第Ｑ３寝台の走査の継続時間は、いずれも２０秒である。又は、たとえば、第Ｑ１寝台の走査の継続時間は、１０秒であり、第Ｑ２寝台の走査の継続時間は、２０秒であり、第Ｑ３寝台の走査の継続時間は、４０秒である。いくつかの実施例において、隣接する２つの寝台の走査の間には、時間間隔が存在してもよく、時間間隔がなくてもよい。たとえば、第Ｑ１寝台の走査が完了した後、すぐに第Ｑ２寝台の走査を開始する。又は、たとえば、第Ｑ１寝台の走査が完了した後、一定の時間を経て、第Ｑ２寝台の走査を開始する。
【0083】
いくつかの実施例において、処理機器１４０は、個々の寝台の走査の期間に収集した走査データに基づき走査画像を生成することができる。いくつかの実施例において、処理機器１４０は、対象の１寝台の走査の期間に収集されたＰＥＴ走査データに基づき、１つのＰＥＴ画像を再構成することができる。たとえば、もしＰＥＴ機器が対象に対して５つの寝台の走査を行うとしたら、処理機器１４０は、５セットのＰＥＴ走査データを取得し、且つ５つのＰＥＴ画像を再構成することができ、個々のＰＥＴ画像は、１回の寝台の走査に対応する。いくつかの実施例において、処理機器１４０は、画像再構成アルゴリズムに従って、ＰＥＴ走査データに基づきＰＥＴ画像を生成することができる。ＰＥＴ画像は、対象によるトレーサーの取り込みを表現することができる。例示的な画像再構成アルゴリズムは、反復アルゴリズム、分析アルゴリズム等を含んでもよい。反復アルゴリズムは、最尤推定（ＭＬＥ）アルゴリズム、順序付きサブセット期待値最大化（ＯＳＥＭ）等を含んでもよい。分析アルゴリズムは、フィルター逆投影（ＦＢＰ）アルゴリズム等を含んでもよい。
【0084】
いくつかの実施例において、処理機器１４０は、医療システム１００の１つ又は複数のコンポーネント（たとえば、医療機器１１０、端末１３０、及び／又は記憶機器１５０）、又は外部メモリから、ネットワーク１２０を介して複数セットの走査データを取得することができる。たとえば、医療機器１１０は、取得された複数セットの走査データ（たとえば、投影データ）を記憶機器（たとえば、記憶機器１５０、又は外部記憶機器）に伝送して記憶することができる。処理機器１４０は、記憶機器から複数セットの走査データを取得することができる。別の例として、処理機器１４０は、医療機器１１０から複数セットの走査データを直接取得することができる。
【0085】
５２０において、処理機器１４０（たとえば、処理モジュール４２０）は、上記複数セットの走査データに対してフレーム化処理（「フレーム化」とも呼称されてもよい）を行うことによって、一連のフレーム情報（「フレーム情報」とも呼称されてもよい）を取得することができる。上記隣接する２つの寝台の走査で取得された上記２セットの走査データに対応する上記２つの走査画像の間の重複領域は、上記２つの走査画像において２フレームとして対応している。具体的には、上記隣接する２つの寝台の走査で取得された上記２セットの走査データに対応する上記２つの走査画像の間の重複領域の、上記２つの走査画像における対応する２つのサブ画像は２フレームとされる。いくつかの実施例において、走査画像における重複領域に対応するフレームは、重複領域を含んでもよい。たとえば、走査画像における重複領域に対応するフレームの走査範囲は、重複領域の走査範囲以上であってもよい。
【0086】
いくつかの実施例において、複数セットの走査データのうちの各セットの走査データに対して、処理機器１４０は、上記セットの走査データの中から、重複領域に対応する第１部分の走査データと、非重複領域に対応する第２部分の走査データとを抽出することができる。重複領域は、上記セットの走査データに対応する走査画像と、上記セットの走査データと対応する寝台の隣接する寝台の走査で取得された別のセットの走査データに対応する走査画像との、走査範囲が重複する領域であってもよい。
【0087】
処理機器１４０は、第１部分の走査データに対応する時間情報と第２部分の走査データに対応する時間情報とを決定することができる。いくつかの実施例において、処理機器１４０は、上記セットの走査データの走査開始時間と走査終了時間とに基づき、上記セットの走査データに対応する時間情報を決定することができる。たとえば、処理機器１４０は、上記セットの走査データの走査開始時間と走査終了時間との中間時点を、上記セットの走査データに対応する時間情報としてもよい。処理機器１４０は、上記セットの走査データに対応する時間情報を、第１部分の走査データに対応する時間情報、及び第２部分の走査データに対応する時間情報としてもよい。処理機器１４０は、上記第１部分の走査データと上記第１部分の走査データに対応する時間情報とを、１フレームの情報としてもよい。処理機器１４０は、上記第２部分の走査データと上記第２部分の走査データに対応する時間情報とを、別の１フレームの情報としてもよい。
【0088】
具体的には、いくつかの実施例において、隣接する２つの寝台は、第１寝台と第２寝台とを含んでもよく、第１寝台で第１セットの走査データを取得し、第２寝台で第２セットの走査データを取得する。第１セットの走査データに基づき第１走査画像を決定することができる。第２セットの走査データに基づき第２走査画像を決定することができる。第１走査画像と第２走査画像との走査範囲には重複領域が存在する。第１走査画像における重複領域に対応するサブ画像と、第２走査画像における重複領域に対応するサブ画像とは、２フレームとされてもよい。処理機器１４０は、第１セットの走査データ（又は第１走査画像）の走査開始時間と走査終了時間とに基づき、第１寝台の走査における重複領域に対応する第１フレーム（すなわち、第１走査画像における重複領域に対応するサブ画像）に対応する時間情報を決定することができる。たとえば、処理機器１４０は、第１セットの走査データ（又は第１走査画像）の走査開始時間と走査終了時間との中間時点を、第１寝台の走査における重複領域に対応する第１フレームに対応する時間情報としてもよい。処理機器１４０は、第２セットの走査データ（又は第２走査画像）の走査開始時間と走査終了時間とに基づき、第２寝台の走査における重複領域に対応する第２フレーム（すなわち、第２走査画像における重複領域に対応するサブ画像）に対応する時間情報を決定することができる。たとえば、処理機器１４０は、第２セットの走査データ（又は第２走査画像）の走査開始時間と走査終了時間との中間時点を、第２寝台の走査における重複領域に対応する第２フレームに対応する時間情報としてもよい。
【0089】
たとえば、図６Ａに示すように、隣接する２つの寝台は、第Ｑ１寝台と第Ｑ２寝台とを含んでもよく、第Ｑ１寝台で第Ｑ１セットの走査データを取得することができ、第Ｑ１セットの走査データは第Ｑ１走査画像に対応する。第Ｑ２寝台で第Ｑ２セットの走査データを取得することができ、第Ｑ２セットの走査データは第Ｑ２走査画像に対応する。第Ｑ１走査画像と第Ｑ２走査画像との走査範囲には重複領域Ｄが存在する。第Ｑ１走査画像における重複領域Ｄに対応するサブ画像と、第Ｑ２走査画像における重複領域Ｄに対応するサブ画像とは、２フレームとされてもよい。いくつかの実施例において、第Ｑ１走査画像、及び／又は第Ｑ２走査画像における重複領域Ｄに対応するサブ画像は、重複領域を含んでもよい。たとえば、第Ｑ１走査画像、及び／又は第Ｑ２走査画像における重複領域Ｄに対応するサブ画像の面積は、重複領域の面積に等しくてもよく、又は重複領域の面積より大きくてもよい。処理機器１４０は、第Ｑ１走査画像の走査開始時間と走査終了時間とに基づき、第Ｑ１寝台の走査における重複領域Ｄに対応する第１フレームの時間情報を決定することができる。たとえば、処理機器１４０は、第Ｑ１走査画像の走査開始時間と走査終了時間との中間時点を、第Ｑ１寝台の走査における重複領域Ｄに対応する第１フレームの時間情報としてもよい。処理機器１４０は、第Ｑ２走査画像の走査開始時間と走査終了時間とに基づき、第Ｑ２寝台の走査における重複領域Ｄに対応する第２フレームの時間情報を決定することができる。たとえば、処理機器１４０は、第Ｑ２走査画像の走査開始時間と走査終了時間との中間時点を、第Ｑ２寝台の走査における重複領域Ｄに対応する第２フレームの時間情報としてもよい。
【0090】
図６Ｂは、従来のフレーム化処理方法である。図６Ｂに示すように、第１走査画像６０１と第２走査画像６０２は、隣接する２つの寝台の走査で取得された２つの走査画像である。第１走査画像６０１の最初の走査時間がＴ１であり、走査終了時間がＴ３であり、Ｔ１とＴ３との中間時点がＴ２である。第２走査画像６０２の最初の走査時間がＴ４であり、走査終了時間がＴ６であり、Ｔ４とＴ６との中間時点がＴ５である。第１走査画像６０１と第２走査画像６０２との走査範囲には重複領域が存在する。第１走査画像６０１における重複領域に対応するサブ画像は６０３ａである。第２走査画像６０２における重複領域に対応するサブ画像は６０３ｂである。従来のフレーム化処理では、サブ画像６０３ａとサブ画像６０３ｂとを１フレームと見なすことができる。たとえば、サブ画像６０３ａとサブ画像６０３ｂとを重み付けて計算することによって、合併後の画像を生成し、且つ合併後の画像を重複領域に対応するフレームとすることができ、重複領域に対応するフレームの時間情報は、（Ｔ２＋Ｔ５）／２である。第１走査画像６０１における非重複領域のサブ画像６０１－１に対応するフレームの時間情報はＴ２である。第２走査画像６０１における非重複領域のサブ画像６０２－２に対応するフレームの時間情報はＴ５である。
【0091】
図６Ｃは、本願に係るいくつかの実施例に示されるフレーム化処理方法である。図６Ｃに示すように、本願に提案されるフレーム化処理方法によれば、サブ画像６０１－２とサブ画像６０２－１とを２フレームと見なすことができる。サブ画像６０１－２に対応する第１フレームの時間情報は、第１走査画像６０１の走査開始時間と走査終了時間との中間時点である。たとえば、サブ画像６０１－２に対応する第１フレームの時間情報はＴ２である。サブ画像６０２－１に対応する第２フレームの時間情報は、第２走査画像６０２の走査開始時間と走査終了時間との中間時点である。たとえば、サブ画像６０２－１に対応する第２フレームの時間情報はＴ５である。第１走査画像６０１における非重複領域のサブ画像６０１－１に対応するフレームの時間情報はＴ２である。第２走査画像６０１における非重複領域のサブ画像６０２－２に対応するフレームの時間情報はＴ５である。本願のいくつかの実施例によれば、重複領域を隣接する２つの寝台の走査において２フレームと見なし、後続の薬物動態分析を行うことによって、この２フレームの隣接する２つの寝台の走査におけるトレーサーの放射能変化を考慮することができ、実際の生理学的変化の状況により一致させることができる。特に、フレーム化の時間長さが比較的長い、又はトレーサー放射能の変化が比較的速い場合には、該方法で取得されたパラメータ画像の画質が比較的高くなる。
【0092】
いくつかの実施例において、一連のフレーム情報は、隣接する２つの寝台の走査における重複領域に対応する２フレームの重みをさらに含む。いくつかの実施例において、処理機器１４０は、第１走査画像における重複領域の位置情報に基づき、第１寝台の走査における重複領域に対応する第１フレームの重みを決定することができ、第１走査画像は、第１セットの走査データに基づき決定される。処理機器１４０は、第２走査画像における重複領域の位置情報に基づき、第２寝台の走査における重複領域に対応する第２フレームの重みを決定することができ、第２走査画像は、第２セットの走査データに基づき決定される。いくつかの実施例において、重複領域内の個々の画素（又はボクセル）の、対応する走査画像における位置情報に従って、重複領域に対応するフレームの重みを決定することができる。たとえば、ある画素と走査機器の中心位置との間の、走査ベッドの移動方向（たとえば、図６Ａに示されるＹ軸方向）に沿った距離が大きいほど、上記画素に対応する重み値は小さくなる。
【0093】
いくつかの実施例において、重みは、重み行列であってもよい。重み行列内の各々の重み値は、重複領域に対応するフレーム内の１つの画素に対応する。たとえば、重複領域に対応するフレームが２５６画素×２５６画素の画像であると、重み行列は、２５６×２５６のデジタル行列であってもよく、重み行列内の個々の重み値は、重複領域に対応するフレームにおける相応な位置の１つの画素に対応する。いくつかの実施例において、重み行列内の重み値は、重複領域に対応するフレームにおける対応する画素に対応する対象の物理点と、走査機器の中心位置との間の距離と関連する。たとえば、ある１フレームにおけるある画素に対応する対象の物理点と走査機器の中心位置との間の、走査ベッドの移動方向（たとえば、図６Ａに示されるＹ軸方向）に沿った距離が大きいほど、上記画素に対応する重み値は小さくなる。いくつかの実施例において、ある１フレームにおけるある画素に対応する対象の物理点と走査機器の中心位置との間の距離は、上記対応するフレームの属する走査画像における上記画素の位置と関連してもよい。たとえば、上記画素と上記対応するフレームの属する走査画像の中心画素点との間の距離が大きいほど、上記画素に対応する対象の物理点と走査機器の中心位置との間の距離は遠くなる。いくつかの実施例において、重み行列内の重み値は、重複領域に対応する走査画像の走査時間に関連する。たとえば、比較的長い走査時間は、比較的大きい重み値に対応する。いくつかの実施例において、重み行列内の重み値は、重複領域に対応するフレームにおける対応する画素に対応する対象の物理点と走査機器の中心位置との間の距離、及び重複領域に対応する走査画像の走査時間に関連する。たとえば、ある１フレームにおけるある画素に対応する対象の物理点と走査機器の中心位置との間の距離と、重複領域に対応する走査画像の走査時間とに従って、重み行列内の重み値を総合的に決定してもよい。
【0094】
５３０において、処理機器１４０（たとえば、決定モジュール４３０）は、上記一連のフレーム情報に基づき、上記対象の体内のトレーサーの代謝情報を決定することができる。
【0095】
いくつかの実施例において、処理機器１４０は、上記一連のフレーム情報に基づき、動態パラメータの値を決定することができ、上記動態パラメータは、上記対象の体内のトレーサーの代謝情報を指示することができる。いくつかの実施例において、動態パラメータは、トレーサーを対象体内に注射した後のトレーサーの動的に関連する生理学的パラメータであってもよい。たとえば、動態パラメータは、血漿から組織へのトレーサーの伝送速度（又は、トレーサーのＫ１パラメータと呼称される）、組織から血漿へのトレーサーの伝送速度（又は、トレーサーのｋ２パラメータと呼称される）、ＦＤＧトレーサーのリン酸化速度（又は、トレーサーのｋ３パラメータと呼称される）、ＦＤＧトレーサーの脱リン酸化速度（又は、トレーサーのｋ４パラメータと呼称される）、組織内の血漿濃度（Ｖｂ）、正味代謝速度（Ｋｉ）、トレーサーの灌流速度等、又はそれらの何らの組み合わせを含んでもよい。
【0096】
動態モデルは、動態パラメータによって走査期間の異なるコンパートメントの間のトレーサーの交換過程を記述することができる。いくつかの実施例において、動態モデルは、コンパートメントモデル（たとえば、１コンパートメントモデル、２コンパートメントモデル）、リテンションモデル（ｒｅｔｅｎｔｉｏｎ ｍｏｄｅｌ）等、又はそれらの任意の組み合わせを含んでもよい。１コンパートメントモデルは、血液／血漿と組織との間のトレーサーの搬送過程を記述する。いくつかの実施例において、ユーザー（たとえば、医師）は、トレーサーの種類、対象の情報（たとえば、病人の走査される領域、病人の体型）、医療機器（たとえば、ＰＥＴ機器）の情報（たとえば、医療機器の型番）、走査パラメータ（たとえば、寝台の走査の数、走査時間）、決定されると期待される動態パラメータの種類等に従って、適切な動態モデルを選択し、パラメトリックイメージングを行うことができる。
【0097】
いくつかの実施例において、処理機器１４０は、動態モデルの関連パラメータを取得することができる。たとえば、入力関数（ｉｎｐｕｔ ｆｕｎｃｔｉｏｎ、ＩＦ）、及び／又は関心領域の時間－放射能曲線（ｔｉｍｅ－ａｃｔｉｖｉｔｙ ｃｕｒｖｅ、ＴＡＣ）等である。入力関数は、血漿におけるトレーサーの濃度の経時的な変化を反映できる。たとえば、入力関数は、血漿におけるトレーサーの濃度変化を指示するＴＡＣとして表されてもよい。関心領域のＴＡＣは、関心領域におけるトレーサーの濃度の経時的な変化を反映できる。
【0098】
いくつかの実施例において、侵襲的な方法によって入力関数を取得してもよい。いくつかの実施例において、血液サンプリングによって入力関数を取得してもよい。たとえば、血液サンプリングは、複数の時点でトレーサーが注射された対象（たとえば、病人）に対して所定量の動脈血をサンプリングして、血漿におけるトレーサーのＴＡＣを決定することを含んでもよい。
【0099】
いくつかの実施例において、非侵襲的な方法によって入力関数を取得してもよい。いくつかの実施例において、画像分析の方法によって入力関数、又は関心領域のＴＡＣを取得してもよい。画像分析方法は、複数の走査画像（たとえば、ＰＥＴ画像）を再構成し、上記複数の走査画像が、トレーサーが対象体内に注入された後の異なる時点で収集され、且つ上記複数の走査画像に基づき、入力関数、又は関心領域のＴＡＣをフィッティングすることを含んでもよい。たとえば、走査機器が対象を３０回走査し、且つ上記対象の３０回の走査に基づき、３０枚の走査画像が生成されると仮定すると、処理機器１４０は、上記３０枚の走査画像を処理することによって、上記３０枚の走査画像に対応する３０個の時点の血漿におけるトレーサーの３０個の放射能値（又は濃度値）を取得することができる。走査画像の時点は、上記走査画像に対応する走査時間帯の中間時点（たとえば、上記走査画像の走査開始時間と走査終了時間との中間時点）を指してもよい。処理機器１４０は、上記３０個の時点と対応する３０個の放射能値（又は濃度値）とに基づき、血漿におけるトレーサーの時間－放射能曲線を決定することができる。
【0100】
いくつかの実施例において、処理機器１４０は、一連のフレーム情報に基づき、入力関数、又は関心領域のＴＡＣを決定することができる。下記で、画像分析の方法によって、一連のフレーム情報に基づき関心領域のＴＡＣを取得することを例として説明すると、処理機器１４０は、フレームあたりに対応する画像において関心領域を決定することができる。フレームあたりに対応する画像に対して、処理機器１４０は、関心領域に関連する画素値（又はボクセル値）を決定することができる。処理機器１４０は、関心領域に関連する画素値（又はボクセル値）に基づき、上記フレームに対応する走査時間帯内の、関心領域におけるトレーサーの放射能値（又は濃度値）を決定することができる。処理機器１４０は、上記複数のフレームと対応する複数の走査時間帯内の、関心領域におけるトレーサーの複数の放射能値（又は濃度値）に基づき、関心領域のＴＡＣを決定することができる。
【0101】
留意すべき点として、入力関数、又は関心領域のＴＡＣの取得方式に関する上記内容は、説明を目的として提供されるに過ぎず、本願の範囲を制限することを意図しない。当業者は、他の方式によって入力関数、又は関心領域のＴＡＣを取得してもよい。
【0102】
いくつかの実施例において、処理機器１４０は、複数セットの走査データ、一連のフレーム情報、及び動態モデルに基づき、パラメータ画像を直接、又は間接再構成することができる。パラメータ画像は、Ｋ１パラメータ画像、ｋ２パラメータ画像、ｋ３パラメータ画像、Ｋｉパラメータ画像等、又はそれらの何らの組み合わせを含んでもよい。パラメータ画像内の個々の画素（又はボクセル）は対象の１つの物理点に対応する。パラメータ画像内の個々の画素（又はボクセル）の画素値（又はボクセル値）は、対象に対応する物理点の動態パラメータ値を表す。
【0103】
いくつかの実施例において、処理機器１４０は、一連のフレーム情報（たとえば、上記フレームに対応する画像と走査時間情報等）と動態モデルとに基づき、パラメータ画像を直接再構成することができる。たとえば、処理機器１４０は、一連のフレーム情報と動態モデルとに基づき、Ｐａｔｌａｋ再構成アルゴリズムに基づき、式（１）と式（２）とに従って、パラメータ画像を直接再構成することができる。
【0104】
【数1】
【0105】
ここで、θは、動態パラメータを表し、ｘは、動的走査画像（すなわち、一連のフレーム）を表し、ｙは、動的投影を表し、ｂは、動態行列を表し、ｐは、システム行列を表し、ｎ、ｉ、ｊ、ｍ、及びｋは、それぞれ反復回数、投影、画像ボクセル、フレーム、及び動態パラメータの番号を表す。式（１）及び式（２）は、一連のフレーム情報と動態モデルとに基づき、Ｐａｔｌａｋ再構成アルゴリズムに従ってパラメータ画像を再構成する過程を表すことができる。すなわち、式（１）及び式（２）は、一連のフレーム情報と、動態モデルと、パラメータ画像との間の関係を表すことができる。
【0106】
いくつかの実施例において、処理機器１４０は、一連のフレーム情報（フレームの重みを含む）と動態モデルとに基づき、重み付きアルゴリズム（たとえば、重み付き反復アルゴリズム）を採用して、パラメータ画像を直接再構成することができる。例示的な反復アルゴリズムは、最尤推定（ＭＬＥ）アルゴリズム、最小二乘アルゴリズム、順序付きサブセット期待値最大化（ＯＳＥＭ）アルゴリズム、最大事後確率（ＭＡＰ）アルゴリズム、重み付き最小二乘（ＷＬＳ）アルゴリズム等、又はそれらの任意の組み合わせを含んでもよい。たとえば、処理機器１４０は、一連のフレーム情報（フレームの重みを含む）と動態モデルとに基づき、重み付き期待値最大化アルゴリズムに従って、式（３）に従ってパラメータ画像を直接再構成することができる。
【0107】
【数2】
【0108】
ここで、ｗは、重み値を表す。いくつかの実施例において、式（３）を行列の形式に書いて、式（４）を得ることができる。
【0109】
【数3】
【0110】
ここで、θは、動態パラメータを表し、Ｘは、動的走査画像（すなわち、一連のフレーム）を表し、Ｂは、動態行列を表し、Ｗは、重み行列を表す。
【0111】
ＰＥＴ走査を行う過程において、隣接する寝台で取得された２つの走査画像の間の重複領域は通常寝台のエッジ領域にあり、ＰＥＴカウントが比較的少なく、感度が比較的低くなる。また、重複領域の位置は隣接する２つのベッドの走査においてベッドの位置に対して異なるため、隣接する２つのベッドの２つの走査画像の重複領域を２フレームと見なすときには、２つのベッドの走査における重複領域の異なるノイズレベルは、更なる画像アーチファクトを招くことがある。従って、異なるフレームの間のカウントの感度変化によるノイズの変化を考慮する必要があることから、隣接する寝台の重複領域の２フレームに対して異なる重みを設定し、且つ薬物動態計算において用いることによって、画像ノイズを低減させ、且つ重複領域の境界でのアーチファクトを除去することができる。たとえば、式（３）及び（４）に記述されるものに従い、パラメトリックイメージングの反復再構成の過程において、動態行列及び一連のフレーム情報と重みとを乗算することによって、再構成されたパラメータ画像のノイズをより小さくすることができる。
【0112】
いくつかの実施例において、処理機器１４０は、一連のフレーム情報（たとえば、上記フレームに対応する画像と走査時間情報等）と動態モデルとに基づき、パラメータ画像を間接再構成することができる。たとえば、処理機器１４０は、一連のフレーム情報に基づき、上記一連のフレームに対応する複数の走査画像を再構成することができる。処理機器１４０は、上記複数の走査画像に基づき、動態パラメータの値を決定し、且つパラメータ画像を再構成することができる。具体的には、処理機器１４０は、個々の走査画像において各々の点を決定することができ、上記各々の点は対象上の１つの物理点に対応する。処理機器１４０は、個々の走査画像における各々の点の画素値（又はボクセル値）と、個々の走査画像の時間情報とに基づき、各々の点のＴＡＣを決定することができる。処理機器１４０は、各々の点のＴＡＣと動態モデルとに基づき、各々の点の動態パラメータを決定することができる。処理機器１４０は、各々の点の動態パラメータに基づき、パラメータ画像を再構成することができる。
【0113】
いくつかの実施例において、処理機器１４０は、動態パラメータの生理学的意義に従って、有界関数を使用して動態モデルにおける上記動態パラメータを置き換えることができる。処理機器１４０は、上記動態モデルにおける上記有界関数の値を解析することによって、上記動態パラメータの値を決定することができる。有界関数を使用して動態パラメータを置き換えることに関するより多くの記述は、本願の他の箇所（たとえば、図７、及びその関連記述）において見出すことができる。
【0114】
本願の上記の記述は、説明を目的として提供されるに過ぎず、本願の範囲を制限することを意図しないことを留意されたい。当業者にとっては、本願の記述に従って、様々な変更や修正を行うことができる。しかしながら、これらの変化や修正は、本願の範囲から逸脱するものではない。たとえば、プロセス５００は、ＰＥＴ機器がＰＥＴ画像を取得することのみを例として記述されており、本願が提供するパラメトリックイメージングの方法は、さらに、他の機器（たとえば、ＳＰＥＣＴ機器、ＭＲＩ機器、ＣＴ機器等）が取得した他のタイプの走査データ（たとえば、ＳＰＥＣＴ走査データ、ＭＲＩデータ、ＣＴデータ等）に基づき、パラメトリックイメージングを行う過程に適用することができる。
【0115】
いくつかの実施例において、動態パラメータ（又はパラメータ画像）は、対象の器官、及び／又は組織の生理学的機能を評価するのに役立ち得る。たとえば、処理機器１４０は、対象に関連する動態パラメータに基づき、対象体内に病変が発生しているか否かを決定することができる。具体的には、処理機器１４０は、対象に関連する動態パラメータの値と標準的な動態パラメータの値とを比較することによって、対象の体内に病変が発生しているか否かを判断することができる。もし対象に関連する動態パラメータの値と標準的な動態パラメータの値との差値が予め設定された範囲を超えたら、対象の体内の相応な位置に病変が発生している可能性があると決定することができる。いくつかの実施例において、臨床実験、及び／又は経験データに基づき、標準的な動態パラメータの値を決定することができる。
【0116】
図６Ｄは、従来の期待値最大化（ＥＭ）アルゴリズムと重み付きＥＭアルゴリズムとを採用して再構成されたＫｉパラメータ画像を表示する。
【0117】
図６Ｄに示すように、図（１）と（２）とは、従来のＥＭアルゴリズムを採用して再構成された模擬ファントムのＫｉパラメータ画像である。ここで、図（１）は、模擬ファントムの冠状面に対応するＫｉパラメータ画像であり、図（２）は、図（１）における平面Ａ－Ａ’の断面に対応するＫｉパラメータ画像である。図（３）と（４）とは、本願が提供する重み付きＥＭアルゴリズムを採用して再構成された模擬ファントムのＫｉパラメータ画像である。ここで、図（３）は、模擬ファントムの冠状面に対応するＫｉパラメータ画像であり、図（４）は、模擬ファントムの断面に対応するＫｉパラメータ画像である。図面から分かるように、従来のＥＭアルゴリズムを採用して再構成されたＫｉパラメータ画像に比べて、重み付きＥＭアルゴリズムを採用して再構成されたＫｉパラメータ画像は、比較的少ないノイズを有する。図（２）における矢印Ｃは、Ｋｉパラメータ画像における一部のノイズを指示する。
【0118】
図６Ｅは、従来のＥＭアルゴリズムと重み付きＥＭアルゴリズムとを採用して再構成されたＫｉパラメータ画像を表示する。
【0119】
図６Ｅに示すように、図（１）と（３）とは、従来のＥＭアルゴリズムを採用して再構成された病人のＫｉパラメータ画像である。ここで、図（１）は、病人の冠状面に対応するＫｉパラメータ画像であり、図（３）は、図（１）における平面Ｂ－Ｂ’の断面に対応するＫｉパラメータ画像である。図（２）と（４）とは、重み付きＥＭアルゴリズムを採用して再構成された病人のＫｉパラメータ画像である。ここで、図（２）は、病人の冠状面に対応するＫｉパラメータ画像であり、図（４）は、病人の断面に対応するＫｉパラメータ画像である。図面から分かるように、従来のＥＭアルゴリズムを採用して再構成されたＫｉパラメータ画像に比べて、重み付きＥＭアルゴリズムを採用して再構成されたＫｉパラメータ画像は、比較的少ないアーチファクトを有する。図（１）における矢印Ｄは、Ｋｉパラメータ画像における一部のアーチファクトを指示する。
【0120】
図６Ｆは、異なるフレーム化処理方式を採用して取得されたＫｉパラメータ画像の差異画像を表示する。
【0121】
図６Ｆに示すように、図（１）は、従来のフレーム化処理方式（すなわち、重複領域が隣接する２ベッドの走査において１フレームと見なされる）を採用して取得された模擬ファントムのＫｉパラメータ画像であり、図（３）は、従来のフレーム化処理方式を採用して取得された病人のＫｉパラメータ画像であり、図（２）と（４）とは、従来のフレーム化処理方式を採用して取得されたＫｉパラメータ画像（すなわち、図（１）と図（３））のそれぞれと、本願が提供するフレーム化処理方式（すなわち、重複領域が隣接する２ベッドの走査において２フレームと見なされる）を採用して取得されたＫｉパラメータ画像との差異画像である。
【0122】
図（２）及び（４）から分かるように、２種のフレーム化処理方式を採用して取得されたＫｉパラメータ画像は、重複領域に違いが存在する。この他、２種のフレーム化処理方式を採用して取得された模擬ファントムのＫｉパラメータ画像に比べて、２種のフレーム化処理方式を採用して取得された病人のＫｉパラメータ画像の差異画像は、２種のフレーム化処理方式を採用して取得された重複領域のパラメータ画像の差異をより明らかに示すことができ、たとえば、病人の腹部領域である。これは、主に、従来のフレーム化処理方式を採用して薬物動態分析を行うときに、隣接する寝台の走査のトレーサーの濃度変化に対する仮定が、実際の状況と比較的大きく異なるからである。本願が提供するフレーム化処理方式を採用し、重複領域を隣接する２つの寝台の走査において２フレームと見なして薬物動態分析を行うことにより、この２フレームの隣接する２つの寝台の走査におけるトレーサーの放射能変化を十分に考慮することができ、実際の生理学的変化の状況により一致させることができ、従って、重複領域のパラメータ画像の精度を向上させることができる。
【0123】
図７は、本願に係るいくつかの実施例に示される動態パラメータを決定する例示的な過程のフローチャートである。いくつかの実施例において、過程７００の少なくとも一部は、処理機器１４０により実行されてもよい（たとえば、図２に示されるコンピューティングデバイス２００において実現される）。たとえば、過程７００は、命令（たとえば、アプリケーションプログラム）の形式で記憶機器（たとえば、記憶機器１５０、メモリ２２０、メモリ３９０）内に記憶され、且つ処理機器１４０（たとえば、図２に示されるプロセッサ２１０、図３に示されるＣＰＵ ３４０、又は図４に示される処理機器１４０内の１つ以上のモジュール）により呼び出され、且つ／又は実行されてもよい。下記で示される過程の操作は説明を目的とするに過ぎない。いくつかの実施例において、過程７００は、１つ以上の記述されていない追加の操作、及び／又は検討されていない１つ以上の操作を利用して完了できる。また、図７において示される、及び以下で記述される過程７００の操作の順序が制限されることを意図しない。
【0124】
７１０において、処理機器１４０（たとえば、取得モジュール４１０）は、対象の走査データを取得することができる。
【0125】
いくつかの実施例において、走査データは、ＰＥＴ走査データ、ＳＰＥＣＴ走査データ、ＭＲＩデータ、ＣＴ走査データ等を含んでもよい。いくつかの実施例において、走査データは、対象に対して動的ＰＥＴイメージングを行うことによって取得された複数セットのＰＥＴ走査データであってもよい。たとえば、走査データは、マルチベッドのステップワイズ法走査によって取得された走査データであってもよい。又は、たとえば、走査データは、連続したベッドの走査によって取得された走査データであってもよい。いくつかの実施例において、走査データをフレーム化処理して、一連のフレーム情報を取得し、ステップ７４０において動態パラメータの決定に用いてもよい。
【0126】
いくつかの実施例において、ステップ７１０は、図５におけるステップ５１０に従って実行されてもよい。
【0127】
７２０において、処理機器１４０（たとえば、取得モジュール４１０）は、動態モデルを取得することができる。上記動態モデルは、動態パラメータによって上記トレーサーの上記対象の体内の動態特性を特徴付ける。上記動態パラメータは、上記対象の体内の上記トレーサーの代謝情報を指示することができる。
【0128】
いくつかの実施例において、ステップ７２０は、図５におけるステップ５３０に記載の動態モデルの取得方法に従って実行されてもよい。
【0129】
７３０において、処理機器１４０（たとえば、処理モジュール４２０）は、上記動態パラメータの生理学的意義に従って、有界関数を使用して上記動態モデルにおける上記動態パラメータを置き換えることができる。
【0130】
有界関数とは、ｆ（ｘ）が区間Ｅ上の関数であり、且つＥに属する任意のｘに対して、定数ｍとＭとが存在し、ｍ≦ｆ（ｘ）≦Ｍとされる場合、ｆ（ｘ）が区間Ｅ上の有界関数と言われることを指す。たとえば、有界関数は、絶対値関数、二乗関数、指数関数、逆正接関数等、又はそれらの任意の組み合わせを含んでもよい。
【0131】
いくつかの実施例において、動態パラメータの生理学的意義に従って、上記動態パラメータの予め設定された範囲を決定することができる。たとえば、動態パラメータＶｂの生理学的意義は、組織における血漿濃度を表し、組織における血漿濃度が負の数である可能性がないため、動態パラメータＶｂの予め設定された範囲が０より大きい値であると決定できる。いくつかの実施例において、臨床実験、及び／又は経験データに基づき、動態パラメータの予め設定された範囲を決定することができる。たとえば、大量の臨床実験において、ある動態パラメータの値が全て［ａ，ｂ］の範囲内にあれば、該動態パラメータの値の予め設定された範囲が［ａ，ｂ］であると決定できる。
【0132】
更に、処理機器１４０は、動態パラメータの予め設定された範囲に従って、有界関数を選択して動態モデルにおける上記動態パラメータを置き換えることができる。たとえば、有界関数の特性に従って、適切な有界関数を選択して動態モデルにおける動態パラメータを置き換えることができる。具体的には、絶対値関数（たとえば、｜Ｖｂ｜）、又は二乗関数（たとえば、Ｖｂ
２）を選択して、動態モデルにおける、非負の値を有する動態パラメータＶｂを置き換えることができる。
【0133】
いくつかの実施例において、動態モデルは、複数の動態パラメータを含んでもよく、処理機器１４０は、上記複数の動態パラメータの中からターゲット動態パラメータを選択することができる。処理機器１４０は、有界関数を使用してターゲット動態パラメータを置き換えることができる。ターゲット動態パラメータは、従来のフィッティングアルゴリズムを採用して予め設定された範囲を超える動態パラメータを容易に得ることができる。従来のフィッティングアルゴリズムは、境界制約を採用しない最適化アルゴリズム（たとえば、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ（ＬＭ）法、勾配降下法、ニュートン法）等を含んでもよい。たとえば、ターゲット動態パラメータは、入力関数（又は関心領域の時間放射能曲線（ＴＡＣ））のノイズに敏感な動態パラメータであってもよい。いくつかの実施例において、テストデータ、又は経験に従って、複数の動態パラメータの中からターゲット動態パラメータを選択し、有界関数を使用してターゲット動態パラメータを優先的に置き換えることができる。本願のいくつかの実施例によれば、計算の精度を向上させるために、有界関数を使用して、動態モデルにける入力関数のノイズに敏感ではない動態パラメータは置き換えなくてもよい。もし現在の計算方法を採用して決定された、入力関数のノイズに敏感でない動態パラメータの値の全てにエラーが存在する（たとえば、予め設定された範囲を超える）ときには、通常、現在の計算方法が不適切であるか、又は計算にエラーが存在し、修正される必要があると考える。
【0134】
いくつかの実施例において、処理機器１４０は、走査データに基づき、動態モデルを解析することによって、個々の動態パラメータの値を決定することができる。たとえば、処理機器１４０は、ＬＭアルゴリズムを採用して、走査データに基づき、動態モデルを解析することによって、個々の動態パラメータの値を決定することができる。処理機器１４０は、予め設定された範囲を超える動態パラメータの値が存在するか否かを判断することができる。たとえば、個々の動態パラメータは、１つの予め設定された範囲に対応しており、動態パラメータ、及びそれに対応する予め設定された範囲は予め設定されて記憶機器１５０に記憶されてもよく、処理機器１４０は、記憶機器１５０から動態パラメータと、それに対応する予め設定された範囲とを取得することができる。予め設定された範囲を超える動態パラメータの値が存在すると判定することに応答して、処理機器１４０は、有界関数を使用して対応する動態パラメータを置き換え、且つ個々の動態パラメータの値を再び計算し、個々の動態パラメータの更新値を決定することができる。いくつかの実施例において、処理機器１４０は、予め設定された範囲を超える動態パラメータの更新値が存在するか否かを再び判断することができる。予め設定された範囲を超える動態パラメータの更新値が存在すると決定することに応答して、処理機器１４０は、有界関数を使用して対応する動態パラメータを置き換え、解いた個々の動態パラメータの値（又は更新値）が全てそれに対応する予め設定された範囲を満たすまで、上記反復操作を繰り返すことができる。
【0135】
７４０において、処理機器１４０（たとえば、決定モジュール４３０）は、上記走査データに基づき、上記動態モデルにおける上記有界関数の値を解析することによって、上記動態パラメータの値を決定することができる。
【0136】
いくつかの実施例において、処理機器１４０は、動態モデルの関連パラメータを取得することができる。たとえば、入力関数、関心領域のＴＡＣ等である。処理機器１４０は、走査データ、動態モデルの関連パラメータに基づき、動態モデルにおける有界関数の値を解析することができる。処理機器１４０は、有界関数の値を動態パラメータの値として決定することができる。いくつかの実施例において、動態モデルにおける動態パラメータの決定については、図５におけるステップ５３０に記述される方法に従って実行されてもよい。
【0137】
本願が提案する有界関数置換法の利点を更に検証するために、病人のＰＥＴ画像上から肝組織ＴＡＣを抽出し、それぞれ従来のＬＭアルゴリズム、直接境界制限法、及び有界関数置換法を採用して、２コンパートメントモデルに基づき動態パラメータを計算する。計算結果と適合度Ｒ２とは表１に示されており、ここで、Ｒ２が１に近いほど、フィッティング結果がより良好であること、すなわち、対応する動態パラメータの値が実際の値により近いことを意味する。
【0138】
【表1】
【0139】
表１から分かるように、従来のＬＭアルゴリズムを採用して動態パラメータを計算するときに得られるＶｂは負の値であり、これは生理学的意義に一致しない。直接境界制限法によってＶｂを制限した後に得られたＶｂが０であるが、計算して得られたｋ４は負の値であり、これも生理学的意義に一致せず、同時にＫ１、ｋ２、ｋ３、及びｋ４の適合値と、従来のＬＭアルゴリズムを採用して計算して得られた適合値とは比較的大きく異なり、且つＲ２はＬＭアルゴリズムより明らかに低い。有界関数を採用してＶｂを置き換えて非線形フィッティングを行った後、Ｖｂが非負の値であることと同時に、他の動態パラメータ、たとえば、Ｋ１、ｋ２、ｋ３、及びｋ４の適合値は、従来のＬＭアルゴリズムにより近く、且つＲ２は、ＬＭアルゴリズム、及び直接境界制限方法より明らかに高い。
【0140】
本願の上記の記述は、説明を目的として提供されるに過ぎず、本願の範囲を制限することを意図しないことを留意されたい。当業者にとっては、本願の記述に従って、様々な変更や修正を行うことができる。しかしながら、これらの変更や修正は、本願の範囲から逸脱するものではない。たとえば、プロセス７００は、ＰＥＴ機器がＰＥＴ画像を取得することのみを例として記述されており、本願が提供するパラメトリックイメージングの方法は、さらに、他の機器（たとえば、ＳＰＥＣＴ機器、ＭＲＩ機器、ＣＴ機器等）が取得した他のタイプの走査データ（たとえば、ＳＰＥＣＴ走査データ、ＭＲＩデータ、ＣＴデータ等）に基づき、パラメトリックイメージングを行う過程に適用できる。いくつかの実施例において、有界関数を使用して動態モデルにおけるすべての動態パラメータを置き換えることができる。このように、算出されたすべての動態パラメータの値が全て予め設定された合理的な範囲内に維持されることを確実にすることができ、それにより、計算結果をより安定させ、且つ予測可能にすることができる。
【0141】
図８Ａ～８Ｈは、異なる方法を採用して動態パラメータを計算するシミュレーションテスト結果を表示する。
【0142】
シミュレーションテストにおいて、病人の動的ＰＥＴ走査のデータセットを取得し、３Ｄ ＴＯＦ－ＯＳＥＭアルゴリズムを採用してＰＥＴ画像を再構成し、且つＰＥＴ画像に基づきＴＡＣを決定する。それぞれ、汎用境界制約方法（ｃｏｍｍｏｎ ｂｏｕｎｄａｒｙ ｃｏｎｓｔｒａｉｎｅｄ、ＣＢＣ）、指数関数（ＥＸＰ）置換法、逆正接関数（ＡＣＴ）置換法、二乗関数（ＳＱＥ）置換法、絶対値関数（ＡＢＳ）置換法、及び従来のＬＭアルゴリズムを採用して、２コンパートメントモデルに基づき、動態パラメータの値を決定する。図８Ａ～８Ｄは、それぞれＴＡＣにノイズがない条件において得られたＫ１、ｋ２、ｋ３、及びＶｂの値である。図８Ｅ～８Ｈは、それぞれＴＡＣにノイズがある条件において得られたＫ１、ｋ２、ｋ３、及びＶｂの値である。
【0143】
図８Ａ～８Ｄから分かるように、ＴＡＣにノイズがない条件において、汎用境界制約方法に比べて、大部分の有界関数置換の方法（たとえば、ＳＱＥ置換法、ＡＢＳ置換法）を採用して算出された動態パラメータの値は実際の値とより近く、且つＳＱＥ置換法、及びＡＢＳ置換法を採用して算出された動態パラメータの値と、従来のＬＭアルゴリズムを採用して算出された動態パラメータの値とは、大きく異ならない。図８Ｅ～８Ｈから分かるように、ＴＡＣにノイズがある条件において、汎用境界制約方法に比べて、大部分の有界関数置換の方法（たとえば、ＳＱＥ置換法、ＡＢＳ置換法）を採用して算出された動態パラメータの値も実際の値とより近い。特に、図８Ｈから分かるように、従来のＬＭアルゴリズムを使用するときに、算出されたＶｂは、負の数であり、生理学的意義に一致しない。有界関数置換の方法を使用して、算出されたＶｂは、０であり、実際の値と同様である。これは、有界関数置換の方法を採用すると、少なくともパラメトリックイメージングのコンパートメントモデルの非線形フィッティング解析過程において、フィッティング境界を効果的に制限でき、それにより、動態パラメータの生理学的意義により一致するパラメータ値を得ることを表していると言える。特に、ＴＡＣにノイズがある条件において、有界関数置換法を採用して算出された動態パラメータの値と、汎用境界制約方法を採用して算出された動態パラメータの値との差異がより明らかになり、且つ実際の値とより近い。この他、適切な種類の有界関数置換法を選択することで、動態パラメータの計算の精度を向上させることができる。
【0144】
図９Ａ～９Ｄは、異なる方法を採用して動態パラメータを計算して取得されたパラメータ画像を表示する。
【0145】
図示されるように、図９Ａは、従来のＬＭ方法を採用して、２コンパートメントモデルに基づき取得されたＫ１パラメータ画像であり、図９Ｂは、有界関数置換法を採用して、２コンパートメントモデルに基づき取得されたＫ１パラメータ画像であり、図９Ｃは、従来のＬＭ方法を採用して、２コンパートメントモデルに基づき取得されたＫｉパラメータ画像であり、図９Ｄは、有界関数置換法を採用して、２コンパートメントモデルに基づき取得されたＫｉパラメータ画像である。図面から分かるように、従来のＬＭ方法を採用して取得されたパラメータ画像に比べて、有界関数置換法を採用して取得されたパラメータ画像におけるアーチファクト（たとえば、脳部と肺部との黒色／白色のノイズスポット）は、比較的少ない。これは、従来のＬＭ方法に比べて、有界関数置換法を採用して取得されたパラメータ画像がより良好な画像の画質、及びより高い正確性を有することを表している。
【0146】
図１０は、本願に係るいくつかの実施例に示される対象の体内のトレーサーの代謝情報を決定する例示的な過程のフローチャートである。いくつかの実施例において、過程１０００の少なくとも一部は、処理機器１４０により実行されてもよい（たとえば、図２に示されるコンピューティングデバイス２００において実現される）。たとえば、過程１０００は、命令（たとえば、アプリケーションプログラム）の形式で記憶機器（たとえば、記憶機器１５０、メモリ２２０、メモリ３９０）内に記憶され、且つ処理機器１４０（たとえば、図２に示されるプロセッサ２１０、図３に示されるＣＰＵ ３４０、又は図４に示される処理機器１４０内の１つ以上のモジュール）により呼び出され、且つ／又は実行されてもよい。下記で示される過程の操作は説明を目的とするに過ぎない。いくつかの実施例において、過程１０００は、１つ以上の記述されていない追加の操作、及び／又は検討されていない１つ以上の操作を利用して完了することができる。また、図１０において示される、及び以下で記述される過程１０００の操作の順序が制限されることを意図しない。
【0147】
１０１０において、処理機器１４０（たとえば、取得モジュール４１０）は、対象の２つの走査画像を取得することができ、上記２つの走査画像の走査範囲に重複領域が存在する。
【0148】
いくつかの実施例において、走査画像は、ＰＥＴ画像、ＳＰＥＣＴ画像、ＭＲＩ画像、ＣＴ画像等を含んでもよい。いくつかの実施例において、処理機器１４０は、２セットの走査データを取得し、且つ上記２セットの走査データに基づき、上記２つの走査画像を再構成することができる。いくつかの実施例において、上記２つの走査画像に対応する２セットの走査データの時間情報は、異なる。たとえば、第１セットの走査データを取得する第１時間帯と、第２セットの走査データを取得する第２時間帯とは、異なってもよい。具体的には、第１セットの走査データは、医療機器（たとえば、ＰＥＴ機器）によって、１０：００～１０：０５の時間帯で対象を走査して取得されるものであってもよい。第２セットの走査データは、医療機器（たとえば、ＰＥＴ機器）によって、１０：２０～１０：２５の時間帯で上記対象を走査して取得されるものであってもよい。いくつかの実施例において、２回の走査のうちの各回の走査の継続時間は、同じであってもよく異なってもよい。２回の走査の間に、時間間隔が存在してもよく、時間間隔がなくてもよい。
【0149】
いくつかの実施例において、対象に対して隣接する２つの寝台の走査を実行することによって、２セットの走査データを取得し、且つこれに相当するように、２つの走査画像を決定することができる。マルチ寝台の走査と重複領域とに関するより多くの記述は、本願の他の箇所（たとえば、図５、及びその記述）において見出すことができる。
【0150】
１０２０において、処理機器１４０（たとえば、処理モジュール４２０）は、上記２つの走査画像、又は上記２つの走査画像に対応する２セットの走査データをフレーム化（フレーム化処理とも呼称されてもよい）することによって、フレーム情報を取得することができる。上記重複領域は、上記２つの走査画像において２フレームとして対応している。
【0151】
いくつかの実施例において、処理機器１４０は、上記２つの走査画像をフレーム化することができる。たとえば、上記２つの走査画像のうちの個々の走査画像に対して、処理機器１４０は、上記走査画像において上記重複領域と非重複領域を分割することができる。処理機器１４０は、上記重複領域に対応する時点と上記非重複領域に対応する時点とを決定することができる。処理機器１４０は、上記走査画像における上記重複領域に対応するサブ画像と上記重複領域に対応する時点とを、１フレームの情報とすることができる。処理機器１４０は、上記走査画像における上記非重複領域に対応するサブ画像と上記非重複領域に対応する時点とを、別の１フレームの情報とすることができる。いくつかの実施例において、処理機器１４０は、上記２つの走査画像に対応する２セットの走査データをフレーム化することができる。フレーム化に関するより多くの記述は、本願の他の箇所（たとえば、図５、及びその記述）において見出すことができる。
【0152】
１０３０において、処理機器１４０（たとえば、決定モジュール４３０）は、上記フレーム情報に基づき、上記対象の体内のトレーサーの代謝情報を決定することができる。
【0153】
上記フレーム情報に基づき、上記対象の体内のトレーサーの代謝情報を決定することに関するより多くの記述は、本願の他の箇所（たとえば、図５、及びその記述）において見出すことができる。
【0154】
本願の上記の記述は、説明を目的として提供されるに過ぎず、本願の範囲を制限することを意図しないことを留意されたい。当業者にとっては、本願の記述に従って、様々な変更や修正を行うことができる。しかしながら、これらの変更や修正は、本願の範囲から逸脱するものではない。
【0155】
上記においては基本的な概念が記述されているが、明らかなように、本出願を閲覧後の当業者にとって、上記の発明の開示は単なる例であり、本願に対する制限を構成するものではない。ここでは明確に説明されていないが、当業者は、本願に対して各種の修正、改良、及び補正を行うことができる。そのような修正、改良、及び補正は、本願において示唆されており、従ってそのような修正、改良、補正は、依然として本願の例示的な実施例の精神、及び範囲に属する。
【0156】
同時に、本願は、特定の単語を使用して本願の実施例を記述している。たとえば、「１つの実施例」、「一実施例」、及び／又は「いくつかの実施例」は、本願の少なくとも１つの実施例に関連するある特徴、構造、又は特性を意味する。従って、強調し留意すべき点として、本明細書において、異なる位置で２回、又は２回を超える回で言及される「一実施例」、又は「１つの実施例」、又は「一代替実施例」は、必ずしも同一の実施例を指すわけではない。この他、本願の１つ以上の実施例におけるある特徴、構造、又は特点は、適切に組み合わせることができる。
【0157】
この他、当業者が理解できるように、本願の各態様は、特許権付与可能な若干の種類、又は状況によって説明、及び記述することができ、何らかの新規で有用な過程、機械、製品、又は物質の組み合わせ、又はそれらに対する何らかの新規で有用な改良をも含む。従って、本願の各々の態様は、完全にハードウェアにより実行されてもよく、完全にソフトウェア（ファームウェア、常駐ソフトウェア、マイクロコード等を含む）により実行されてもよく、ハードウェアとソフトウェアとの組み合わせにより実行されてもよい。上記のハードウェア、又はソフトウェアは、いずれも「ユニット」、「モジュール」、又は「システム」と称することができる。この他、本願の各態様は、１つ以上のコンピュータ可読媒体内に具体化されたコンピュータ製品の形式を採用でき、ここで、コンピュータ可読プログラムコードがそのうちに含まれる。
【0158】
コンピュータ可読信号媒体は、内部にコンピュータプログラムコードが含有される伝播データ信号を、たとえば、ベースバンド上で、又は搬送波の一部として、含むことができる。この種類の伝播信号は、複数種の形式を有してもよく、電磁形式、光学形式等、又は何らの適切な組み合わせをも含む。コンピュータ可読信号媒体は、コンピュータ可読記憶媒体を除く何らのコンピュータ可読媒体であってもよく、該媒体は、１つの命令実行システム、装置、又は機器に接続することによって、使用されるプログラムの通信、伝播、又は伝送を実現することができる。コンピュータ可読信号媒体上に位置するプログラムコードは、何らかの適切な媒体によって伝播することができ、無線電、ケーブル、光ファイバーケーブル、ＲＦ等、又は何らの上記媒体の組み合わせを含む。
【0159】
本願の各部分の操作に必要なコンピュータプログラムコードは、任意の１種以上のプログラミング言語で記述することができ、例えば、Ｊａｖａ、Ｓｃａｌａ、Ｓｍａｌｌｔａｌｋ、Ｅｉｆｆｅｌ、ＪＡＤＥ、Ｅｍｅｒａｌｄ、Ｃ＋＋、Ｃ＃、ＶＢ．ＮＥＴ、Ｐｙｔｈｏｎ等のオブジェクト指向プログラミング言語、例えば、Ｃプログラミング言語、ＶｉｓｕａｌＢａｓｉｃ、Ｆｏｒｔｒａｎ２１０３、Ｐｅｒｌ、ＣＯＢＯＬ２１０２、ＰＨＰ、ＡＢＡＰの従来の手続き型プログラミング言語、例えば、Ｐｙｔｈｏｎ、Ｒｕｂｙ、及びＧｒｏｏｖｙの動的プログラミング言語、又は他のプログラミング言語等を含む。該プログラムコードは、完全にユーザーコンピュータ上で動作するか、又は独立したパッケージソフトウェアとしてユーザーコンピュータ上で動作するか、又は部分的にユーザーコンピュータ上で動作され部分的に遠隔コンピュータで動作するか、又は完全に遠隔コンピュータ、又はサーバ上で動作してもよい。後者の場合には、遠隔コンピュータは、何らのタイプのネットワーク（ローカルエリアネットワーク（ＬＡＮ）、又はワイドエリアネットワーク（ＷＡＮ）を含む）を介してユーザーコンピュータに接続されてもよく、又は外部コンピュータ（たとえば、ネットワークサービスプロバイダーのネットワークを使用することによって）と接続を作成する、又はクラウドコンピューティングの環境において、又はサービスとして提供されてもよく、たとえば、ソフトウェアサービス（ＳａａＳ）である。
【0160】
この他、特許請求の範囲に明確に説明されていない限り、本願に記載の処理要素とシーケンスの順序、数字文字の使用、又は他の名称の使用は、本願のプロセスと方法の順序を限定することに用いられない。上記の開示において、各種の例によって、現在有用であると考えられるいくつかの発明実施例を検討しているが、理解すべき点として、このような詳細は説明のみを目的としており、添付の特許請求の範囲は開示されている実施例に限定されるものではない。逆に、特許請求の範囲は、本願の実施例の本質と範囲に一致するすべての変更と同等の組み合わせをカバーすることを意図している。たとえば、上記の各種のコンポーネントの実現はハードウェア機器において具体化できるが、純粋なソフトウェアソリューションとして実現することもでき、たとえば、既存のサーバ、又はモバイルデバイス上にインストールされ得る。
【0161】
同じ理由により、留意すべき点として、本願の開示の表現を簡略化することによって１つ以上の発明の実施例に対する理解に役立てるために、本願の実施例に対する前述した記述では、複数種の特徴を１つの実施例、図面、又はそれに対する記述に併せる場合がある。しかしながら、本願の該方法は、走査されるべき対象物質が個々の請求項に明確に記載されるより多くの特徴を必要とするという意図を反映すると解釈されるべきではない。逆に、発明の主題は上記の単一の実施例より少ない特徴を備えるべきである。
【0162】
いくつかの実施例において、本願のある幾つかの実施例を記述、及び特許請求することに用いられる、数量、又は性質を表す数字は、ある幾つかの場合には「約」、「近似」、又は「実質的に」という用語によって修飾されると理解されるべきである。たとえば、別途説明されていない限り、「約」、「近似」、又は「実質的に」は、その記述される値の±２０％の変動を指示してもよい。相応に、いくつかの実施例において、明細書及び特許請求の範囲に使用される数値パラメータは、いずれも近似値であり、該近似値は、個別の実施例に必要な特徴点に従って変化し得る。いくつかの実施例において、数値パラメータは、規定される有効桁数を考慮し、且つ一般的な桁数保存の方法を採用すべきである。本願のいくつかの実施例において、その範囲の広さを確認することに用いられる値域とパラメータは近似値であるが、具体的な実施例において、この種類の値の設定は、実現可能な範囲内にできるだけ正確にされるべきである。
【0163】
本願において言及されるすべての特許、特許出願、特許出願公開、及び他の素材（例えば、論文、書籍、説明書、刊行物、記録、事項、及び／又は類似するもの）は、いずれもここで援用の方式によって、全部、本願に組み込まれてすべての目的を達成するが、上記書類に関連する何らかの起訴文書の記録、本書類と不一致、又は矛盾する何らかの上記書類、又は遅かれ早かれ本書類に関連する特許請求の範囲の広範な範囲に対して限定の作用を有する何らかの上記書類は除かれる。例を挙げると、もし記述、定義、及び／又は何らかの結合される材料に関連付けられる用語の使用と、本書類に関連付けられる用語との間に、何らの不一致、又は矛盾が存在する場合、記述、定義、及び／又は本書類に使用される用語は、本書類を基準とする。
【0164】
最終的に、理解すべき点として、本願に記載の実施例は、本願の実施例の説明のみを原則とする。他の変形は、本願の範囲に属する可能性もある。従って、制限ではなく例として、本願の実施例の代替構成は、本願の教示に一致すると見なすことができる。相応に、本願の実施例は本願で明確に紹介及び説明される実施例に限定されない。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6A】
【図6B】
【図6C】
【図6D】
【図6E】
【図6F】
【図7】
【図8A】
【図8B】
【図8C】
【図8D】
【図8E-8F】
【図8G】
【図8H】
【図9A】
【図9B】
【図9C】
【図9D】
【図10】
【手続補正書】
【提出日】2024-02-06
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
パラメトリックイメージングの方法であって、前記方法は、対象の２つの走査画像を取得するステップであって、前記２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む、ことを特徴とするパラメトリックイメージングの方法。
【請求項2】
前記２つの走査画像に対応する前記２セットの走査データの時間情報は、異なる、ことを特徴とする請求項１に記載の方法。
【請求項3】
前記した対象の２つの走査画像を取得するステップは、前記対象に対して隣接する２つの寝台の走査を実行することによって、前記２つの走査画像を取得するステップを含む、ことを特徴とする請求項２に記載の方法。
【請求項4】
前記した前記２つの走査画像、又は前記２つの走査画像に対応する２セットの走査データをフレーム化することによって、フレーム情報を取得するステップは、前記２つの走査画像のうちの個々の走査画像に対して、
前記走査画像において前記重複領域と非重複領域を分割するステップと、
前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップと、
前記走査画像における前記重複領域に対応するサブ画像と前記重複領域に対応する時点とを、１フレームの情報とするステップと、
前記走査画像における前記非重複領域に対応するサブ画像と前記非重複領域に対応する時点とを、別の１フレームの情報とするステップと、を含む、ことを特徴とする請求項１～３のいずれか一項に記載の方法。
【請求項5】
前記した前記重複領域に対応する時点と前記非重複領域に対応する時点とを決定するステップは、前記走査画像の走査開始時間と走査終了時間に基づき、前記走査画像に対応する時点を決定するステップと、
前記走査画像に対応する時点を、前記重複領域に対応する時点と前記非重複領域に対応する時点とするステップと、を含む、ことを特徴とする請求項４に記載の方法。
【請求項6】
前記フレーム情報は、前記２つの走査画像における前記重複領域に対応する２フレームの重みをさらに含み、前記２つの走査画像は、第１走査画像と第２走査画像とを含み、前記したフレーム情報を取得するステップは、前記第１走査画像における前記重複領域の位置情報に基づき、前記第１走査画像における前記重複領域に対応する第１フレームの重みを決定するステップと、
前記第２走査画像における前記重複領域の位置情報に基づき、前記第２走査画像における前記重複領域に対応する第２フレームの重みを決定するステップと、を含む、ことを特徴とする請求項１～５のいずれか一項に記載の方法。
【請求項7】
前記重みは、重み行列であり、前記重み行列内の各々の重み値は、前記重複領域に対応するフレーム内の１つの画素に対応する、ことを特徴とする請求項６に記載の方法。
【請求項8】
前記重み行列内の重み値は、前記重複領域に対応するフレーム内の対応する画素と走査機器の中心位置との間の走査ベッドの移動方向に沿った距離、及び／又は前記対応するフレームの走査時間と関連する、ことを特徴とする請求項７に記載の方法。
【請求項9】
前記した前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップは、前記フレーム情報に基づき、動態パラメータの値を決定するステップであって、パラメータ画像を直接再構成、又は間接再構成することに用いられ、前記動態パラメータは、前記対象の体内のトレーサーの代謝情報の決定と関連する、ステップを含む、ことを特徴とする請求項１～８のいずれか一項に記載の方法。
【請求項10】
前記した前記フレーム情報に基づき、動態パラメータの値を決定するステップは、前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップを含む、ことを特徴とする請求項９に記載の方法。
【請求項11】
前記した前記フレーム情報と動態モデルとに基づき、重み付き反復アルゴリズムを採用して、前記動態パラメータの値を決定するステップは、前記フレーム情報と前記動態モデルとに基づき、重み付き期待値最大化アルゴリズムを採用して、前記動態パラメータの値を決定するステップを含む、ことを特徴とする請求項１０に記載の方法。
【請求項12】
前記動態モデルは、コンパートメントモデル、又はリテンションモデルを含む、ことを特徴とする請求項１０又は１１に記載の方法。
【請求項13】
前記走査画像は、コンピュータ断層撮影（ＣＴ）機器、磁気共鳴イメージング（ＭＲＩ）機器、陽電子放出断層撮影（ＰＥＴ）、又は単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）のうちの少なくとも１種により取得できる、ことを特徴とする請求項１～１２のいずれか一項に記載の方法。
【請求項14】
前記した前記フレーム情報に基づき、動態パラメータの値を決定するステップは、前記動態パラメータの生理学的意義に従って、有界関数を使用して動態モデルにおける前記動態パラメータを置き換えるステップと、
前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む、ことを特徴とする請求項９に記載の方法。
【請求項15】
パラメトリックイメージングの方法であって、前記方法は、対象に対して隣接する２つの寝台の走査を行うことによって、前記対象の２セットの走査データを取得するステップであって、前記２セットの走査データに対応する２つの走査画像の走査範囲に重複領域が存在する、ステップと、
前記２セットの走査データ、又は前記２つの走査画像をフレーム化することによって、フレーム情報を取得するステップであって、前記重複領域は、前記２つの走査画像において２フレームとして対応している、ステップと、
前記フレーム情報に基づき、前記対象の体内のトレーサーの代謝情報を決定するステップと、を含む、ことを特徴とするパラメトリックイメージングの方法。
【請求項16】
パラメトリックイメージングの方法であって、前記方法は、対象の走査データを取得するステップと、
動態モデルを取得するステップであって、前記動態モデルは、動態パラメータによってトレーサーの前記対象の体内の動態特性を特徴付け、前記動態パラメータは、前記対象の体内の前記トレーサーの代謝情報を指示する、ステップと、
前記動態パラメータの生理学的意義に従って、有界関数を使用して前記動態モデルにおける前記動態パラメータを置き換えるステップと、
前記走査データに基づき、前記動態モデルにおける前記有界関数の値を解析することによって、前記動態パラメータの値を決定するステップと、を含む、ことを特徴とするパラメトリックイメージングの方法。
【国際調査報告】