动力学信息导引的动态PET优质成像方法研究
正电子发射断层成像(Positron Emission Tomography，PET)使用放射性核素标记核酸、受体、酶等生物分子作为示踪剂，对生物体内生化、代谢等功能性变化过程进行活体显像，已经在肿瘤、心脏系统和神经系统等疾病的早期诊断以及新药开发等方面显示出巨大前景，是目前功能分子影像技术的杰出代表。在动态PET成像模式下，通过动力学模型的应用，可以得到各组织器官的局部血流量、物质转运速率、代谢速度和受体结合率等功能参数，从而在分子水平上定量直观地反映机体代谢和功能状态。 显然，相对于静态PET成像所提供的定性的组织器官的示踪剂活度分布图像，动态PET成像通过应用动力学模型所提供的定量的功能参数具有更为丰富的意义。例如，在肺癌的诊断中，静态PET成像通常造成诊断假阳性、不准确的分期，特别是在FDG-PET诊断中，极易把高代谢的炎症区域误认为是肿瘤，而动态PET成像提供的定量功能参数已经证实可以有效降低诊断假阳性。据新英格兰医学杂志等权威期刊报道，在脑部重大疾病如阿尔兹海默症(Alzheimer'sdisease，简称AD)的早期诊断中，动态脑PET扫描在AD诊断、病情预测、治疗药物评价等多方面研究中都发挥了重要的作用。然而，动态PET扫描中，为了准确估计功能参数，需要在一定时间内获取连续时间点的PET活度分布图像。毋庸置疑，随着动态PET扫描时间采样的提高，单个时间帧的PET探测数据会相应减少，重建图像受有限光子计数的影响噪声水平会显著提高，直接影响动力学参数估计的准确性与可靠性。因此，如何进行优质的动态PET图像重建及动力学参数估计是目前动态PET成像中亟待解决的难题。 目前，临床中动态PET成像常规的图像重建流程为:首先将采集到的动态序列投影数据，也称之为sinogram数据，应用解析重建或者迭代重建的方法逐个时间帧进行活度图像重建，然后由重建的动态序列活度图像应用动力学模型进行定量参数的估计。其中单个时间帧的重建与静态PET图像重建相同，然而，由于单个时间帧采集时间较短，采集到的光子计数率较低，扫描得到的投影数据信噪比较低。这使得动态PET成像中图像重建问题在理论上成为一个病态的逆求解问题。 针对单个时间帧活度图像重建，常用的解析重建方法主要为滤波反投影(Filtered Back Projection，FBP)重建算法，其具有成像速度快的优点，不受临床应用对时间的限制，但是FBP重建的图像中存在大量的噪声，图像质量较差，会对临床影像诊断带来极大干扰;另一种常用重建策略为迭代重建，目前临床中广泛使用的为最大似然期望最大(Maximum-LikelihoodExpectation-Maximization，ML-EM)重建算法以及其改进算法，ML-EM类算法通过对PET成像系统模型中的物理效应以及对探测数据的噪声统计特性进行数学建模，重建得到的活度图像质量优于传统的FBP重建算法。然而，单纯的ML-EM重建算法存在的问题是迭代重建收敛速度较慢，而且在迭代过程中会导致重建图像质量退化，出现棋盘格伪影效应(checkboard effect)，整个迭代重建过程是非收敛的。针对常用重建方法中的问题，基于贝叶斯(Bayesian)最大后验(Maximum A Posteriori，MAP)框架将待重建图像先验信息的合理引入成为PET图像乃至医学断层图像重建的一个研究热点。 由于单个时间帧的活度图像重建很难考虑到动态PET序列图像中的动力学时间信息，如何挖掘和利用动态PET数据的时间信息成为近来PET研究的一个热点问题。本篇论文针对动态PET图像的优质重建正是基于后者分别从统计迭代重建和图像滤波两个方面展开的。 而对于动态PET动力学参数估计，目前常用的方法有非线性最小二乘法和Patlak图形法两种。除此之外，还有广义线性最小二乘法、输出函数卷积法以及Logan图形法等。非线性最小二乘法是根据动力学房室模型建立动力学参数与像素点时间活度曲线之间的非线性关系式，由重建得到的动态PET序列活度图像提取像素点或者感兴趣区域的时间活度曲线作为已知量，求解非线性关系式中的动力学参数值。Patlak图形法由Patlak等人首先提出，主要应用于FDG-PET研究中，其要求FDG磷酸化为FDG-6-PO4的过程是不可逆的，即k4=0。实际中，在FDG-6-PO4浓度不太高的情况下，可忽略k4，基本符合Patlak方法的要求。根据Patlak的理论，在系统达到平衡状态后(t＞t0，t0为达到平衡状态所需的时间)，房室模型的输入函数与输出函数满足一个线性表达，通过计算由线性函数对应直线的斜率即可进一步求出葡萄糖的代谢率。通过逐个像素点参数估计即可得到动态PET序列活度图像对应的动力学参数图像。非线性最小二乘法和Patlak图形法均是基于动力学房室模型导出的，其中Patlak图形法由于其是线性特点，计算过程简单，计算速度快，但是受限于其方法成立的两个假设条件，即生理代谢过程非可逆和达到平衡状态，该方法估计的结果跟实际结果存在一定偏差，不如非线性最小二乘法可靠性高。本文研究中涉及的动力学参数估计均根据非线性最小二乘法展开。 动力学参数估计的准确度与重建得到的时间活度曲线信噪比紧密相关。为了提高动力学参数估计的准确度，直接的方式为提高时间活度曲线的信噪比，即提高动态序列活度图像的信噪比，可以通过最大后验迭代重建或者图像降噪的手段实现。除了提升时间活度曲线信噪比，也有研究者提出在参数估计中引入正则化项，对估计的参数进行先验约束，一般为平滑约束。例如，Zhou等人采用空间平滑约束进行参数估计，以降低参数图像的噪声水平;Kamasak对空间平滑正则约束在动力学参数估计中的作用进行了研究，并指出在图像感兴趣区域较小的情况下，单纯的空间平滑先验会导致估计参数的较大偏差。因此设计一种自适应平滑的先验模型，即在去除噪声的同时仍可以较好地保持图像边缘结构，是本文展开的第三个研究。 综上所述，受动态PET扫描物理因素影响，单帧采样光子计数率低，重建的动态序列活度图像噪声大，进而降低动力学参数估计的准确度。本论文根据动态PET数据的动力学特性，分别从图像后处理的滤波器设计，最大后验重建的先验模型构建以及动力学参数估计中自适应平滑约束的建模三个方面进行了深入的研究，并取得了不错的实验结果，有效提高动态PET序列活度图像重建质量及动力学参数估计的准确性与可靠性，为动态PET的优质成像提供一种探索性的技术参考。归纳起来，本论文的主要工作分为以下三个部分: 1)针对动态PET成像的特点:(1)动态序列图像是对相同解剖位置的放射性示踪剂活度分布的显像，所有时间帧的图像在空间的解剖位置上是不变的，具有相同的空间分布特性;(2)动态PET成像中相同组织区域内的生理代谢过程是相同或者相似的，即同一组织区域内的动力学特性是相同的，对应的动力学参数是一致的，反应在序列图像中即为相同组织区域内的像素点的时间活度曲线的形状和变化趋势是一致的;本文设计了一种动力学信息导引的双边滤波器。新滤波方法是在传统的双边滤波方法的基础上，将动态PET序列图像中像素点之间的空间邻近性与像素点对应的时间活度曲线的相似性结合在一起，构造了由像素空间邻近度与时间活度曲线相似度刻画的滤波权值。新滤波方法采用时间活度曲线作为动态PET动力学特征的体现，省去了动力学房室模型的引入，使得方法实现更为简便易行。计算机仿真实验以及临床前小动物实验结果均表明，新滤波方法能够明显提高动态PET序列活度图像的信噪比，进而提升了动力学参数估计的准确性和可靠性，为临床影像诊断以及新药开发提供了强力支持。 2)在最大后验迭代重建框架下，为引入动态PET序列图像合理的先验信息，同时突破传统PET重建中先验信息单纯依赖于目标图像空间邻域信息的约束，本论文充分结合动态PET成像的特点，利用其动态序列图像的空间邻域信息和动力学时间信息，构建了一种新的时空边缘保持先验模型。新先验模型通过引入动态PET图像刻画局部邻域位置关系的空间约束和刻画时间活度曲线相似度的时间约束，将动态序列图像单帧和帧间信息结合在一起，为动态PET序列活度图像的优质重建提供了更合理有效的正则约束。计算机数字体模实验结果表明，新重建方法相比传统的PET重建方法，能够得到信噪比更高的重建图像，动力学参数估计准确度更高。 3)为了降低动态PET动力学参数估计受序列活度图像噪声的干扰，本论文在非线性最小二乘求解中引入了一种参数图像域的自适应平滑先验约束，提出一种基于自适应平滑正则的动力学参数估计方法。该先验模型基于动态PET成像的特点，即相同组织区域内的动力学参数具有一致性以及动力学参数图像之间具有相同的空间分布特性，将像素点对应的不同动力学参数量看作一维的参数向量，利用参数图像中像素点之间的空间邻近度与动力学参数向量的相似度构建而成。新的先验模型对于同一组织区域内参数值具有平滑效果，而在不同组织区域边缘能够保持边缘信息，对参数图像起到自适应平滑的作用。自适应平滑约束的引入可以提高非线性最小二乘迭代求解进行参数估计的鲁棒性。计算机数字体模实验结果表明，新动力学参数估计方法相比无约束的非线性最小二乘法估计的动力学参数更为准确，参数图像信噪比更高。
正电子发射断层成像;迭代重建;图像滤波;动力学参数
南方医科大学
博士
生物医学工程
冯前进;马建华
2015
中文
R814.42
132
2016-03-30（万方平台首次上网日期，不代表论文的发表时间）