专利名称：用于提供实时扩散峭度成像的系统、方法和计算机可存取介质的制作方法
技术领域：
本公开涉及用于提供实时扩散峭度成像的系统、方法和计算机可存取介质的示范性实施例。
背景技术：
生物组织中的水的扩散各向异性传统上是利用扩散张量(DT)和相关指数如分数各向异性来量化的。DT使用高斯分布函数描述扩散位移概率。DT的一个主要应用是使用对纤维取向的局部估计来追踪脑中的白质路径。然而，在具有复杂纤维构造的区域中，DT很可能无法描述扩散过程的完整方向信息。最显著的是，DT不能分辨发生在许多脑区域中的纤维交叉。对水扩散位移更完整的描绘由概率密度函数(PDF)给出。可使用q空间成像技术对PDF取近似，但是这些技术需要对于大范围的扩散加权和扩散方向进行扩散测量。为了克服这些局限，取向分布函数(ODF)已被提供用于扩散位移概率分布。已提出了多种方法来估计0DF。一种方法是q球成像(QBI)，其基于高角分辨率扩散成像(HARDI)数据的Fimk变换。已将QBI方法扩展到探究球谐基函数和多波矢融合。对于脑成像来说，这些技术各自都有多个局限，包括需要高的b值(即，3000s/mm2或更高)和大数目的编码方向或者对所调查的纤维群的特定扩散特性的假设。扩散峭度(diffusional kurtosis)是扩散位移概率分布偏离高斯形式的程度的定量量度。扩散峭度成像(DKI)是用于量度该量的磁共振成像(MRI)技术。然而，传统DKI 方法需要相当多的时间(大约1小时或更多)来对所获取的图像进行后处理，这在临床实践中可能是相当不利的。因此，可能希望提供用于提供实时扩散峭度成像的方法、系统和计算机可存取介质的示范性实施例、以及估计取向分布函数，由此可减少或避免如上所述传统技术所遇到的问题中的至少一些问题。
发明内容
根据本公开的系统、方法和计算机可存取介质的示范性实施例可解决上述问题中的至少一些问题。例如，使用这些示范性实施例，可以提供一种用于确定扩散峭度的量度的方法，该方法包括接收涉及至少一个扩散加权图像的数据，并且使用计算机装置、使用闭合形式解过程将扩散峭度的量度确定为接收到的所述数据的函数。该方法还可包括执行以下步骤(i)将所述扩散峭度的所述量度提供给显示设备，和/或(ii)记录所述扩散峭度的所述量度。可对于三个或更多个b值获取至少一个扩散加权图像。可对于15个或更多个梯度方向获取这样的一个或多个扩散加权图像。可使用均值峭度过程确定所述扩散峭度的所述量度。可通过对每个梯度方向上的扩散和峭度的量度取平均来确定所述均值峭度。所述闭合形式解过程可包括至少一个或多个椭圆积分，并且这样的一个或多个椭圆积分可与基于所述至少一个扩散加权图像的至少一个扩散张量的本征值相关联。这样的一个或多个椭圆积分可与至少一个卡尔森对称形式的椭圆积分相关联。所述扩散峭度的所述量度可以是轴向峭度和/或径向峭度。接收到的所述数据的至少一部分可涉及至少一个取向分布函数，接收到的所述数据的所述部分是使用所述扩散峭度的所述量度来计算的。该示范性方法还可包括使用接收到的所述数据、根据所述至少一个取向分布函数来分辨至少一个纤维交叉。这样的一个或多个纤维交叉可以是两个纤维、三个纤维或四个纤维中的至少一种的交叉。该示范性方法还可包括提供所述至少一个纤维交叉的方向彩图，而所述方向彩图可将纤维方向估计提供为与所述取向分布函数相关联的数据的函数。可使用与所述取向分布函数相关联的所述数据执行纤维束成像。该方法还可包括使用与所述至少一个取向分布函数相关联的所述数据分析白质连接性图案，以及使用与所述至少一个取向分布函数相关联的所述数据估计白质路径。该示范性方法还可包括使用与所述取向分布函数相关联的所述数据分析处于交叉、轻触、分支、合并或张开中的至少一种的纤维束。与所述取向分布函数相关联的接收到的所述数据可包括高斯扩散贡献而基本上不包括非高斯扩散贡献，包括非高斯扩散贡献而基本上不包括高斯扩散贡献，或者包括高斯扩散贡献和非高斯扩散贡献。与所述取向分布函数相关联的所述数据可以是依赖于扩散和峭度系数的函数在垂直取向的大圆上的积分的近似。该方法还可包括使用所述扩散峭度的所述量度来评估受检者的至少一个医学状况。所述医学状况可以是神经系统疾病和/或神经退化性疾病。所述医学状况可以是老年痴呆症、中风、头部创伤、注意力缺损多动障碍和/或精神分裂症。可通过比较涉及所述受检者的更多数据与预定的控制数据来评估所述至少一个医学状况，且所述控制数据可包括年龄匹配的控制数据。该方法还可包括使用所述扩散峭度的所述量度来确定扩散限制性的量度。可根据涉及所述扩散加权图像的扩散张量和峭度张量来确定所述扩散限制性的所述量度。所述扩散限制性的所述量度可包括高斯限制性的量度而基本上不包括非高斯限制性的量度，包括非高斯限制性的量度而基本上不包括高斯限制性的量度，或者包括高斯限制性和非高斯限制性的量度。可使用依赖于扩散率的第一量度和依赖于扩散峭度的第二量度来确定所述扩散限制性的所述量度。所述第二量度可反映对扩散信号的非高斯扩散贡献。该示范性方法还可包括基于所述扩散峭度的所述量度和/或所述扩散限制性的所述量度来标识解剖结构中的至少一个感兴趣区域。所述解剖结构可包括脑组织。所述至少一个感兴趣区域可指示所述解剖结构的不同部分之间的微结构差异。所述至少一个感兴趣区域可至少部分地区分可逆受损组织与不可逆受损组织。
利用这样的示范性实施例，还可以提供一种用于确定扩散峭度的量度的系统，该系统包括第一装置，被配置成接收涉及至少一个扩散加权图像的数据；以及第二装置，被配置成使用闭合形式解过程将扩散峭度的量度确定为接收到的所述数据的函数。所述第二装置还可被配置成执行以下步骤(i)将所述扩散峭度的所述量度提供给显示设备，和/或 (ii)记录所述扩散峭度的所述量度。可对于三个或更多个b值获取所述扩散加权图像，并且可对于15个或更多个梯度方向获取所述扩散加权图像。所述第二装置还可被配置成使用所述扩散峭度的所述量度来评估受检者的至少一个医学状况，并且还可被配置成使用所述扩散峭度的所述量度来确定扩散限制性的量度。所述第二装置还可被配置成基于所述扩散峭度的所述量度和/或所述扩散限制性的所述量度来标识解剖结构中的至少一个感兴趣区域。利用这样的示范性实施例，还可以提供一种用于确定扩散峭度的量度的计算机可存取介质，所述计算机可存取介质在其上包括指令，其中，当计算装置执行所述指令时，所述计算装置被配置成执行包括以下步骤的过程接收涉及至少一个扩散加权图像的数据； 以及使用闭合形式解过程将扩散峭度的量度确定为接收到的所述数据的函数。所述计算装置还可被配置成(i)将所述扩散峭度的所述量度提供给显示设备，和/或(ii)记录所述扩散峭度的所述量度。当阅读结合所附权利要求对本公开的实施例进行的以下详细描述时，本公开的这些和其它目的、特征和优点将变得显而易见。
当考虑结合所附示范性附图和权利要求进行的以下详细描述时，本公开的前述和其它示范性目的将是显而易见的，其中同样的参考字符通篇指示同样的部分，且其中图1 (a)-1 (f)是对于示范性扩散模型而言的准确的和估计的ODF的示范性三维表面的图示；图2 (a) -2 (f)是对于所述示范性扩散模型而言的准确的和估计的ODF的更多示范性三维表面的其它图示；图3 (a)-3(e)是脑干的示范性ODF图的图示；图4(a)_4(e)是脑干的更多示范性ODF图的其它图示；图5(a)_5(e)是后横向联合纤维与具有辐射冠(corona radiata)的投射纤维的上纵束(superior longitudinal fasciculus)的后区域之间的相交的示范性ODF图的图示；图6(a)_6(d)分别是通过传统扩散张量成像提供的均值扩散率、轴向扩散率、径向扩散率和分数各向异性的示范性脑图像；图7(a)_7(c)是通过利用本公开的示范性实施例获得的实时扩散峭度成像导出的示范性参数图的图示；图8是根据示范性实时扩散峭度成像方法的示范性实施例的流程图；图9是根据本公开的方法的示范性实施例的流程图；以及图10是根据本公开的系统的示范性实施例的框图。在所有附图中，除非另有说明，相同的参考数字和字符用来指示图示实施例的相同特征、要素、成分或部分。此外，尽管下面将参考附图详细描述本发明，但这是结合说明性实施例完成的。在不背离本公开的真实范围和精神的情况下，意在使得可以对所描述的实施例作出变化和修改。
具体实施例方式下面将参考附图至少在某种程度上描述可由根据本公开的系统、方法和计算机可存取介质的示范性实施例实施的根据本公开的方法和过程的示范性实施例。扩散峭度成像(DKI)是一种示范性磁共振成像技术，其可用于评估多种疾病，包括中风、老年痴呆症、头部创伤、精神分裂症和注意力缺损多动障碍。在评价急性中风处理的DKI时，理想地应当可在扫描之后几秒钟内在线得到结果，从而可及时作出治疗决定。通常在商用磁共振成像(MRI)扫描仪上可用的实时DKI分析还将大大促进DKI对于许多其它疾病的应用并且增大DKI对于许多其它疾病的有用性。“实时”可包括但不限于例如这样的分析其中在大约1分钟内、有时候在大约30秒内获得结果、测量等。在本公开的该示范性实施例中，可提供可基于具体数据获取方案和用于快速分析图像的数学处方这二者的实时DKI方法、系统和计算机可存取介质。示范件数据获取过稈示范性DKI数据集利用了可对于大约3个或更多个b值和大约15个或更多个梯度方向获取扩散加权(DW)图像。b值是扩散加权序列的因子，并且概括了梯度对扩散加权图像的影响。b值越高，扩散加权就越强。特别地，使用正好3个b值可能具有如下优点 这可允许人避免既耗时又常遭受收敛问题的数值非线性拟合过程。以这种示范性方式，可显著减少后处理时间。用于脑成像的b值的示范性选择可以是b = 0,1000, 2000 (s/mm2), 但是本公开的示范性实施例不局限于这些示范性值。典型地，梯度方向可均勻地分布在球面上。示范性选择可以是由截顶二十面体限定的30个方向构成的集合。对于每个示范性 b值和方向，可以获取一个或多个图像。如果获取了多于一个的图像，则可在数据处理之前将这些示范性图像一同记录并取平均。示范性数据处理过程示范性数据处理方法中的第一过程可以是确定每个体素(voxel)中第i个梯度方向的扩散系数(Di)和扩散峭度(Ki)。可根据相同或类似的过程独立地处理多个体素，因此描述用于单个体素的过程可能是足够的。可使用示范性闭合形式解来确定扩散峭度的量度，这将在下面阐述。例如当至少一个解可表达为闭合形式表达式时，方程或方程组可具有闭合形式解。闭合形式表达式可例如被解析地表达成有限数目的特定函数。如果DW信号强度对应于给定体素的第i个方向，并且b值由SJb)表示，则Di =^j~-————~[1]
b3~b2Kt=6 ‘ ’[2]
(b3~b2)Di其中
权利要求
1.一种用于确定扩散峭度的量度的方法，包括 接收涉及至少一个扩散加权图像的数据；并且使用计算机装置、使用闭合形式解过程将扩散峭度的量度确定为接收到的所述数据的函数。
2.根据权利要求1所述的方法，还包括执行以下步骤中的至少一个(i)将所述扩散峭度的所述量度提供给显示设备，或(ii)记录所述扩散峭度的所述量度。
3.根据权利要求1所述的方法，其中对于三个或更多个b值获取所述至少一个扩散加权图像。
4.根据权利要求3所述的方法，其中对于15个或更多个梯度方向获取所述至少一个扩散加权图像。
5.根据权利要求1所述的方法，其中对于三个b值获取所述至少一个扩散加权图像。
6.根据权利要求1所述的方法，其中使用均值峭度过程确定所述扩散峭度的所述量度。
7.根据权利要求6所述的方法，其中通过对每个梯度方向上的扩散和峭度的量度取平均来确定所述均值峭度。
8.根据权利要求1所述的方法，其中所述闭合形式解过程包括至少一个或多个椭圆积分。
9.根据权利要求8所述的方法，其中所述一个或多个椭圆积分与基于所述至少一个扩散加权图像的至少一个扩散张量的本征值相关联。
10.根据权利要求8所述的方法，其中所述至少一个或多个椭圆积分与至少一个卡尔森对称形式的椭圆积分相关联。
11.根据权利要求1所述的方法，其中所述扩散峭度的所述量度是轴向峭度或径向峭度中的至少一个。
12.根据权利要求1所述的方法，其中接收到的所述数据的至少一部分涉及至少一个取向分布函数，接收到的所述数据的所述部分是使用所述扩散峭度的所述量度来计算的。
13.根据权利要求12所述的方法，还包括使用接收到的所述数据、根据所述至少一个取向分布函数来分辨至少一个纤维交叉。
14.根据权利要求13所述的方法，其中所述至少一个纤维交叉是两个纤维、三个纤维或四个纤维中的至少一种的交叉。
15.根据权利要求13所述的方法，还包括提供所述至少一个纤维交叉的方向彩图，其中所述方向彩图将纤维方向估计提供为与所述至少一个取向分布函数相关联的数据的函数。
16.根据权利要求15所述的方法，还包括使用与所述至少一个取向分布函数相关联的所述数据执行纤维束成像。
17.根据权利要求16所述的方法，还包括使用与所述至少一个取向分布函数相关联的所述数据分析白质连接性图案。
18.根据权利要求16所述的方法，还包括使用与所述至少一个取向分布函数相关联的所述数据估计白质路径。
19.根据权利要求16所述的方法，还包括使用与所述至少一个取向分布函数相关联的所述数据分析处于交叉、轻触、分支、合并或张开中的至少一种的纤维束。
20.根据权利要求12所述的方法，其中与所述至少一个取向分布函数相关联的接收到的所述数据包括高斯扩散贡献而基本上不包括非高斯扩散贡献。
21.根据权利要求12所述的方法，其中与所述至少一个取向分布函数相关联的所述数据包括非高斯扩散贡献而基本上不包括高斯扩散贡献。
22.根据权利要求12所述的方法，其中与所述至少一个取向分布函数相关联的所述数据包括高斯扩散贡献和非高斯扩散贡献。
23.根据权利要求12所述的方法，其中与所述至少一个取向分布函数相关联的所述数据是依赖于扩散和峭度系数的函数在垂直取向的大圆上的积分的近似。
24.根据权利要求1所述的方法，还包括使用所述扩散峭度的所述量度来评估受检者的至少一个医学状况。
25.根据权利要求M所述的方法，其中所述至少一个医学状况是神经系统疾病或神经退化性疾病中的至少一个。
26.根据权利要求M所述的方法，其中所述至少一个医学状况是老年痴呆症、中风、头部创伤、注意力缺损多动障碍或精神分裂症中的至少一个。
27.根据权利要求M所述的方法，其中通过比较涉及所述受检者的更多数据与预定的控制数据来评估所述至少一个医学状况。
28.根据权利要求27所述的方法，其中所述控制数据包括年龄匹配的控制数据。
29.根据权利要求1所述的方法，还包括使用所述扩散峭度的所述量度来确定扩散限制性的量度。
30.根据权利要求四所述的方法，其中根据涉及所述至少一个扩散加权图像的扩散张量和峭度张量来确定所述扩散限制性的所述量度。
31.根据权利要求四所述的方法，其中所述扩散限制性的所述量度包括高斯限制性的量度而基本上不包括非高斯限制性的量度。
32.根据权利要求四所述的方法，其中所述扩散限制性的所述量度包括非高斯限制性的量度而基本上不包括高斯限制性的量度。
33.根据权利要求四所述的方法，其中所述扩散限制性的所述量度包括高斯限制性和非高斯限制性的量度。
34.根据权利要求四所述的方法，其中使用依赖于扩散率的第一量度和依赖于扩散峭度的第二量度来确定所述扩散限制性的所述量度。
35.根据权利要求34所述的方法，其中所述第二量度反映对扩散信号的非高斯扩散贡献。
36.根据权利要求四所述的方法，还包括基于所述扩散峭度的所述量度或所述扩散限制性的所述量度中的至少一个来标识解剖结构中的至少一个感兴趣区域。
37.根据权利要求36所述的方法，其中所述解剖结构包括脑组织。
38.根据权利要求36所述的方法，其中所述至少一个感兴趣区域指示所述解剖结构的不同部分之间的微结构差异。
39.根据权利要求36所述的方法，其中所述至少一个感兴趣区域至少部分地区分可逆受损组织与不可逆受损组织。
40.一种用于确定扩散峭度的量度的系统，包括第一装置，被配置成接收涉及至少一个扩散加权图像的数据；以及第二装置，被配置成使用闭合形式解过程将扩散峭度的量度确定为接收到的所述数据的函数。
41.根据权利要求40所述的系统，其中所述第二装置还被配置成执行以下步骤中的至少一个(i)将所述扩散峭度的所述量度提供给显示设备，或(ii)记录所述扩散峭度的所述量度。
42.根据权利要求40所述的系统，其中对于三个或更多个b值获取所述至少一个扩散加权图像。
43.根据权利要求42所述的系统，其中对于15个或更多个梯度方向获取所述至少一个扩散加权图像。
44.根据权利要求40所述的系统，其中对于三个b值获取所述至少一个扩散加权图像。
45.根据权利要求40所述的系统，其中使用均值峭度过程确定所述扩散峭度的所述量度。
46.根据权利要求45所述的系统，其中通过对每个梯度方向上的扩散和峭度的量度取平均来确定所述均值峭度。
47.根据权利要求40所述的系统，其中所述扩散峭度的所述量度是轴向峭度和径向峭度中的至少一个。
48.根据权利要求40所述的系统，其中接收到的所述数据的至少一部分涉及至少一个取向分布函数，接收到的所述数据的所述部分是使用所述扩散峭度的所述量度来计算的。
49.根据权利要求40所述的系统，其中所述第二装置还被配置成使用所述扩散峭度的所述量度来评估受检者的至少一个医学状况。
50.根据权利要求49所述的系统，其中所述至少一个医学状况是神经系统疾病或神经退化性疾病中的至少一个。
51.根据权利要求49所述的系统，其中所述至少一个医学状况是老年痴呆症、中风、头部创伤、注意力缺损多动障碍或精神分裂症中的至少一个。
52.根据权利要求49所述的系统，其中通过比较涉及所述受检者的更多数据与预定的控制数据来评估所述至少一个医学状况。
53.根据权利要求52所述的系统，所述控制数据包括年龄匹配的控制数据。
54.根据权利要求40所述的系统，其中所述第二装置还被配置成使用所述扩散峭度的所述量度来确定扩散限制性的量度。
55.根据权利要求M所述的系统，其中根据涉及所述至少一个扩散加权图像的扩散张量和峭度张量来确定所述扩散限制性的所述量度。
56.根据权利要求M所述的系统，其中所述扩散限制性的所述量度包括高斯限制性的量度而基本上不包括非高斯限制性的量度。
57.根据权利要求M所述的系统，其中所述扩散限制性的所述量度包括非高斯限制性的量度而基本上不包括高斯限制性的量度。
58.根据权利要求M所述的系统，其中所述扩散限制性的所述量度包括高斯限制性和非高斯限制性的量度。
59.根据权利要求M所述的系统，其中使用依赖于扩散率的第一量度和依赖于扩散峭度的第二量度来确定所述扩散限制性的所述量度。
60.根据权利要求59所述的系统，其中所述第二量度反映对扩散信号的非高斯扩散贡献。
61.根据权利要求M所述的系统，其中所述第二装置还被配置成基于所述扩散峭度的所述量度或所述扩散限制性的所述量度中的至少一个来标识解剖结构中的至少一个感兴趣区域。
62.根据权利要求61所述的系统，其中所述解剖结构包括脑组织。
63.根据权利要求61所述的系统，其中所述至少一个感兴趣区域指示所述解剖结构的不同部分之间的微结构差异。
64.根据权利要求61所述的系统，其中所述至少一个感兴趣区域至少部分地区分可逆受损组织与不可逆受损组织。
65.一种用于确定扩散峭度的量度的计算机可存取介质，所述计算机可存取介质在其上包括指令，其中，当计算装置执行所述指令时，所述计算装置被配置成执行包括以下步骤的过程接收涉及至少一个扩散加权图像的数据；以及使用闭合形式解过程将扩散峭度的量度确定为接收到的所述数据的函数。
66.根据权利要求65所述的计算机可存取介质，其中所述计算装置还被配置成执行以下步骤中的至少一个(i)将所述扩散峭度的所述量度提供给显示设备，或(ii)记录所述扩散峭度的所述量度。
67.根据权利要求65所述的计算机可存取介质，其中对于三个或更多个b值获取所述至少一个扩散加权图像。
68.根据权利要求67所述的计算机可存取介质，其中对于15个或更多个梯度方向获取所述至少一个扩散加权图像。
69.根据权利要求65所述的计算机可存取介质，其中对于三个b值获取所述至少一个扩散加权图像。
70.根据权利要求65所述的计算机可存取介质，其中使用均值峭度过程确定所述扩散峭度的所述量度。
71.根据权利要求70所述的计算机可存取介质，其中通过对每个梯度方向上的扩散和峭度的量度取平均来确定所述均值峭度。
全文摘要
可提供一种示范性的方法、系统和计算机可存取介质，用于通过接收涉及至少一个扩散加权图像的数据来确定扩散峭度的量度，并使用闭合形式解过程将扩散峭度的量度确定为接收到的数据的函数。
文档编号A61B5/055GK102202572SQ200980139435
公开日2011年9月28日 申请日期2009年8月7日 优先权日2008年8月7日
发明者延斯·詹森, 约瑟夫·A·赫尔彭 申请人:纽约大学