基于Bloch-McConnell方程仿真的组织代谢产物信息评估方法、装置、介质与流程

基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法、装置、介质
技术领域
[0001]
本发明涉及磁共振化学交换饱和转移(cest)成像图像分析领域，特别涉及一种基于bloch-mcconnell方程两阶段仿真的活体组织代谢产物信息评估方法。


背景技术：

[0002]
磁共振化学交换饱和转移成像能够反映组织中的代谢产物信息，研究发现很多疾病的病灶区域cest信号相较于正常组织信号会显示异常高或异常低。然而由于生物组织的复杂性，从获得的cest图像中分析潜在的代谢产物的贡献一直都是一个难点。已有的很多研究多是针对bloch-mcconnell方程的多池拟合来进行代谢产物信息的评估，然而这种方法通常需要大量的原始数据，计算过程复杂且耗时长，并且由于多参数拟合解并不唯一，很难计算得到稳定的参数值。


技术实现要素：

[0003]
本发明的目的是提供一种基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法，该方法基于仿真进行，避免了拟合所需的庞大的计算量和结果的不稳定性，又可以相对定量地评估正常组织和病灶组织中的代谢产物信息。
[0004]
为了达到上述目的，本发明采用以下技术方案予以实现：
[0005]
第一方面，本发明提供了一种基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法，其包括以下步骤：
[0006]
s1：针对待评估的组织类型，从目标个体的cest图像中获取正常组织的感兴趣区域，并将cest图像信号分别转换为mtr
asym
谱，得到正常组织的第一mtr
asym
谱；
[0007]
s2：从所有待选的用于mtr
asym
谱bloch-mcconnell仿真的多池参数组合中，确定一组代表正常组织中参数取值的最佳多池参数组合，使仿真得到的第二mtr
asym
谱最接近于所述第一mtr
asym
谱；
[0008]
s3：基于所述最佳多池参数组合，依次将正常组织中每一种代谢产物作为目标产物进行mtr
asym
谱bloch-mcconnell仿真；针对每种目标产物进行仿真时，通过仿真计算该目标产物存在时的第三mtr
asym
谱和该目标产物缺失时的第四mtr
asym
谱，进而得到每一种代谢产物缺失前后的mtr
asym
谱的信号差值作为该代谢产物贡献的cest信号；
[0009]
s4：以每一种代谢产物贡献的cest信号的绝对值作为对应代谢产物对正常组织cest信号的贡献度表征，得到不同代谢产物对于正常组织cest信号的贡献度。
[0010]
第二方面，本发明提供了一种基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法，其包括以下步骤：
[0011]
s1：针对待评估的组织类型，从目标个体的cest图像中获取正常组织及病灶组织的感兴趣区域，并将cest图像信号分别转换为mtr
asym
谱，得到正常组织的第一mtr
asym
谱和病灶组织的第二mtr
asym
谱，以第一mtr
asym
谱和第二mtr
asym
谱的信号差值作为第一cest对比度；
[0012]
s2：从所有待选的用于mtr
asym
谱bloch-mcconnell仿真的多池参数组合中，确定一组代表正常组织中参数取值的最佳多池参数组合，使仿真得到的第三mtr
asym
谱最接近于所述第一mtr
asym
谱；
[0013]
s3：基于所述最佳多池参数组合，依次将待评估cest信号贡献度的参数集合中的每一个参数作为变量参数，进行mtr
asym
谱bloch-mcconnell仿真；针对每种变量参数进行仿真时，保持所述最佳多池参数组合中其余参数不变，通过仿真计算得到该变量参数在取值变化范围内不同取值对应的第四mtr
asym
谱，以第四mtr
asym
谱和所述第三mtr
asym
谱的信号差值作为第二cest对比度；针对每个变量参数，计算其取值变化范围内不同取值对应的第二cest对比度与所述第一cest对比度的均方根误差，确定最小均方根误差；
[0014]
s4：针对所述参数集合中的每个参数，以所述最小均方根误差作为该参数对病灶组织cest信号异常变化的正相关贡献度表征，得到参数集合中不同参数对于目标个体病灶组织cest信号异常变化的贡献度。
[0015]
第三方面，本发明提供了一种基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法，其包括以下步骤：
[0016]
s1：针对待评估的组织类型，从目标个体的cest图像中获取正常组织及病灶组织的感兴趣区域，并将cest图像信号分别转换为mtr
asym
谱，得到正常组织的第一mtr
asym
谱和病灶组织的第二mtr
asym
谱，以第一mtr
asym
谱和第二mtr
asym
谱的信号差值作为第一cest对比度；
[0017]
s2：从所有待选的用于mtr
asym
谱bloch-mcconnell仿真的多池参数组合中，确定一组代表正常组织中参数取值的最佳多池参数组合，使仿真得到的第三mtr
asym
谱最接近于所述第一mtr
asym
谱；
[0018]
s3：基于所述最佳多池参数组合，依次将正常组织中每一种代谢产物作为目标产物进行第一阶段的mtr
asym
谱bloch-mcconnell仿真；针对每种目标产物进行仿真时，通过仿真计算该目标产物存在时的第四mtr
asym
谱和该目标产物缺失时的第五mtr
asym
谱，进而得到每一种代谢产物缺失前后的mtr
asym
谱的信号差值作为该代谢产物贡献的cest信号；
[0019]
s4：基于所述最佳多池参数组合，依次将待评估cest信号贡献度的参数集合中的每一个参数作为变量参数，进行第二阶段的mtr
asym
谱bloch-mcconnell仿真；针对每种变量参数进行仿真时，保持所述最佳多池参数组合中其余参数不变，通过仿真计算得到该变量参数在取值变化范围内不同取值对应的第六mtr
asym
谱，以第六mtr
asym
谱和所述第三mtr
asym
谱的信号差值作为第二cest对比度；针对每个变量参数，计算其取值变化范围内不同取值对应的第二cest对比度与所述第一cest对比度的均方根误差，确定最小均方根误差；
[0020]
s5：针对第一阶段和第二阶段获得的结果，分两方面分别评估参数对正常组织cest信号和病灶异常cest信号的贡献，其中：
[0021]
对于第一阶段获得的结果，以每一种代谢产物贡献的cest信号的绝对值作为对应代谢产物对正常组织cest信号的贡献度表征，得到不同代谢产物对于正常组织cest信号的贡献度；
[0022]
对于第二阶段获得的结果，针对所述参数集合中的每个参数，以所述最小均方根误差作为该参数对病灶组织cest信号异常变化的正相关贡献度表征，得到参数集合中不同参数对于目标个体病灶组织cest信号异常变化的贡献度。
[0023]
需注意的是，上述不同方面的技术方案描述中，“第一”、“第二”、“第三”等前序标
记仅用于区分目的，但并不表明其重要性或者其他含义。而且不同方面的技术方案中，这些前序标记没有关联，每一方面内的前序标记自成体系。
[0024]
作为上述第一方面、第二方面、第三方面的进一步优选，所述将cest图像信号分别转换为mtr
asym
谱的具体方法为：
[0025]
首先，按照如下公式计算不同饱和频率δw对应的cest信号：
[0026][0027]
其中：s(-δw)是饱和频率-δw对应的信号强度，s(δw)是饱和频率δw对应的信号强度，s0是无饱和情况下的信号强度；
[0028]
然后，根据计算感兴趣区域内饱和频率δw处的mtr
asym
均值，不同饱和频率δw的mtr
asym
均值构成mtr
asym
谱。
[0029]
作为上述第一方面、第二方面、第三方面的进一步优选，所述最佳多池参数组合的确定方法为：
[0030]
针对每一组待选的多池参数组合，通过mtr
asym
谱bloch-mcconnell仿真得到一组mtr
asym
谱，然后计算仿真得到的mtr
asym
谱与所述第一mtr
asym
谱之间的皮尔逊相关系数；选择皮尔逊相关系数最高且仿真得到的mtr
asym
谱与所述第一mtr
asym
谱最接近的一组多池参数组合，作为最佳多池参数组合。
[0031]
作为上述第二方面、第三方面的进一步优选，所述参数集合包括各代谢产物池的浓度、自由水池的纵向驰豫时间t1和横向驰豫时间t2参数。
[0032]
作为上述第二方面、第三方面的进一步优选，根据参数集合中不同参数对于目标个体病灶组织cest信号异常变化的贡献度，将贡献度最大的参数确定为导致目标个体病灶组织cest信号异常变化的最可能参数。
[0033]
作为上述第一方面、第三方面的进一步优选，所述不同代谢产物对于正常组织cest信号的贡献度换算为百分比形式，且贡献度百分比区分正负性。
[0034]
第四方面，本发明提供了一种基于bloch-mcconnell方程仿真的组织代谢产物信息评估装置，其包括存储器和处理器；
[0035]
所述存储器，用于存储计算机程序；
[0036]
所述处理器，用于当执行所述计算机程序时，实现如前述任一项方案所述的基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法。
[0037]
第五方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如前述任一项方案所述的基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法。
[0038]
相对于现有技术，本发明具有以下良好效果：本发明通过两阶段的bloch-mcconnell仿真，评估代谢产物对正常组织和病灶组织cest信号的贡献，避免了通常采用的全参数bloch-mcconnell拟合方法计算量大且结果不稳定的缺陷。第一阶段的仿真针对正常组织进行，仿真有和无某种代谢产物时mtr
asym
的差值，从而得到该代谢产物产生的mtr
asym
，进而得到其贡献百分比。第二阶段的仿真针对病灶组织中的代谢产物变化进行，在一阶段正常组织仿真的基础上，改变某个参数值，仿真查找该参数值变化导致的病灶和正常组织之间的cest对比度和真实实验对比度之间的最小均方根误差。参数对应的最小均方
根误差越小，表明该参数变化得到的cest对比度与真实对比度越接近，从而反映出该参数对于cest对比度的贡献越大。本发明提出的方法可以较为快速且稳定地评估代谢产物对正常组织和病灶组织中cest信号的贡献，可以为病灶区域代谢产物的变化评估提供一种研究方法。
附图说明
[0039]
图1是本发明提供的一种基于bloch-mcconnell方程两阶段仿真的活体组织代谢产物信息评估方法的总体流程图。
[0040]
图2(a)是本发明提供的3t磁共振cest实验采集正常大脑组织mtr
asym
图；图2(b)是正常大脑组织的7池仿真mtr
asym
图。
[0041]
图3(a)是本发明提供的实验采集的结节性硬化症病人大脑结节与大脑正常组织mtr
asym
图，图3(b-e)分别对应参数t1、t2、大分子池浓度和胺基浓度变化使得仿真cest对比度与实验真实cest对比度之间均方根误差最小情况下的仿真mtr
asym
图。
具体实施方式
[0042]
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
[0043]
磁共振化学交换饱和转移(cest)成像可以反映组织中代谢产物的变化，已被应用于多种疾病的诊断中。然而由于生物组织的复杂度和多参数拟合的不稳定性，从cest图像中获取组织代谢产物信息一直都是一个难点。本发明针对该问题，设计了一种基于bloch-mcconnell方程两阶段仿真的活体组织代谢产物信息评估方法，主要步骤如下：首先，计算多个饱和频率处磁共振扫描所得病灶的mtr
asym
值与正常组织mtr
asym
值。然后，根据正常组织的mtr
asym
谱，选择一套适用于正常组织的多池仿真参数。接下来进行第一阶段正常组织仿真，对于某种代谢产物，在某个饱和频率处，将有该代谢产物时仿真的mtr
asym
值减去无该代谢产物情况下仿真的mtr
asym
值，作为该代谢产物对正常组织该饱和频率处cest信号的贡献，计算多种代谢产物的贡献并得到其各自的贡献百分比。第二阶段针对病灶组织中的mtr
asym
谱仿真，基于正常组织仿真参数，选择一个参数在正常组织该参数值的20％-500％范围内改变，并固定住其他参数不变，仿真模拟病灶中的mtr
asym
谱，并计算仿真病灶与正常组织之间在不同饱和频率处的mtr
asym
差值，改变参数直到仿真差值与真实实验所得差值之间的均方根误差最小。最后，根据一阶段代谢产物贡献百分比，二阶段仿真差值与实验差值的最小均方根误差及对应的参数值，评估参数对正常组织cest信号和病灶异常cest信号的贡献。但两阶段的评估过程，既可以分步进行，也可以同时进行，可根据实际情况选择。
[0044]
请参阅图1所示，本发明的一个较佳实施例中，提供了一种基于bloch-mcconnell方程两阶段仿真的活体组织代谢产物信息评估方法，该方法从两方面对活体组织代谢产物等参数对正常组织cest信号和病灶异常cest信号的贡献进行评估。其具体方法实现过程包括以下步骤：
[0045]
s1：针对待评估的组织类型，从目标个体的cest图像中获取正常组织及病灶组织的感兴趣区域(roi)，并将cest图像信号分别转换为mtr
asym
谱，得到正常组织的第一mtr
asym
谱和病灶组织的第二mtr
asym
谱，以第一mtr
asym
谱和第二mtr
asym
谱的信号差值作为第一cest
对比度。
[0046]
本步骤中，待评估的组织类型为相应的病灶组织，根据待评估的疾病类型而定，例如脑组织。目标个体的cest图像是受评估对象的cest成像，通过磁共振成像设备获取。
[0047]
本发明中，针对roi中的cest图像信号，将cest图像信号分别转换为mtr
asym
谱的具体方法选择为：
[0048]
首先，按照如下公式计算不同饱和频率δw对应的cest信号：
[0049][0050]
其中：s(-δw)是饱和频率-δw对应的信号强度，s(δw)是饱和频率δw对应的信号强度，s0是无饱和情况下的信号强度；
[0051]
然后，根据计算感兴趣区域内饱和频率δw处的不同体素mtr
asym
均值，通过不同饱和频率δw的mtr
asym
均值即可绘制出mtr
asym
谱。因此，本步骤中可以计算病人正常组织和病灶组织感兴趣区域不同饱和频率处的mtr
asym
均值，并获得正常组织的第一mtr
asym
谱(记为mtr
asym
(正常组织))和病灶组织的第二mtr
asym
谱(记为mtr
asym
(病灶))。因此第一cest对比度计算可表示为δmtr
实验
＝mtr
asym
(病灶)-mtr
asym
(正常组织)。
[0052]
s2：根据经验设置或者总结已有文献中活体正常组织的各池参数，利用这些已知参数组合构建所有待选的用于mtr
asym
谱bloch-mcconnell仿真的多池参数组合，进行mtr
asym
谱仿真计算。从所有待选的多池参数组合中，确定一组代表正常组织中参数取值的最佳多池参数组合，该最佳多池参数组合相对于其他的多池参数组合，能够使仿真得到的第三mtr
asym
谱最接近于第一mtr
asym
谱。
[0053]
实际应用时，可以基于每一组待选的多池参数组合，在这些参数下通过mtr
asym
谱bloch-mcconnell仿真计算得到一组mtr
asym
谱，然后计算这组仿真得到的mtr
asym
谱与正常组织的mtr
asym
谱(即前述的第一mtr
asym
谱)之间的皮尔逊相关系数；选择皮尔逊相关系数最高且仿真得到的mtr
asym
谱与正常组织的mtr
asym
谱最接近的一组多池参数组合，作为最佳多池参数组合。仿真所使用的bloch-mcconnell方程可总结为：
[0054][0055]
m是一个描述各质子池随时间演化的矢量，a和b矩阵中包含有饱和脉冲强度，各个质子池的交换速率，各个质子池的纵向驰豫率等信息；t表示饱和时间，w1为饱和脉冲强度。
[0056]
s3：第一阶段仿真，即正常组织代谢产物信息仿真：
[0057]
基于s2中确定的最佳多池参数组合，依次将正常组织中每一种代谢产物作为目标产物进行第一阶段的mtr
asym
谱bloch-mcconnell仿真，此仿真计算用于在实验条件下，确定各代谢产物对于正常组织中cest信号的贡献。
[0058]
仿真过程中，针对每种目标产物进行仿真时，通过仿真计算该目标产物存在时的第四mtr
asym
谱和该目标产物缺失时的第五mtr
asym
谱，进而得到每一种代谢产物缺失前后的mtr
asym
谱的信号差值作为该代谢产物贡献的cest信号。
[0059]
举例而言，对于待评估代谢产物x，基于最佳多池参数组合仿真有x池情况下的mtr
asym
谱(mtr
asym1
)和无x池情况下的mtr
asym
谱(mtr
asym0
)，两种情况下的mtr
asym
之差即为代谢产物x对cest信号的贡献mtr
asym
(x)＝mtr
asym1-mtr
asym0
。其中，有x池情况下的mtr
asym
谱可
以直接基于最佳多池参数组合进行仿真，而无x池情况下的mtr
asym
谱则可以将代谢产物x池去掉，即将其浓度设为0，而其余参数均保持与最佳多池参数组合相同，再进行仿真。
[0060]
在实际应用时，为了更直观地比较各种代谢产物对总cest信号的贡献大小，可以将不同代谢产物对于正常组织cest信号的贡献度换算为百分比形式，且贡献度百分比区分正负性。在饱和频率δw处，每种代谢产物的贡献百分比可按照如下公式计算：
[0061][0062]
考虑到代谢产物对cest信号的贡献存在正和负两种情况，分母为所有代谢产物(如x池、y池等)贡献绝对值的和。
[0063]
s4：第二阶段仿真，即病灶组织代谢产物信息仿真：
[0064]
基于s2中确定的最佳多池参数组合，依次将待评估cest信号贡献度的参数集合中的每一个参数作为变量参数，进行第二阶段的mtr
asym
谱bloch-mcconnell仿真，此仿真计算用于在实验条件下，通过最小均方根误差，确定各代谢产物对于病灶组织相较于正常组织cest对比度的贡献。
[0065]
仿真过程中，针对每种变量参数进行仿真时，保持最佳多池参数组合中其余参数不变，通过仿真计算得到该变量参数在取值变化范围内不同取值对应的第六mtr
asym
谱，以第六mtr
asym
谱和所述第三mtr
asym
谱的信号差值作为第二cest对比度。针对每个变量参数，计算其取值变化范围内不同取值对应的第二cest对比度与前述的第一cest对比度的均方根误差，确定最小均方根误差及其对应的变量参数取值相对于正常组织中该变量参数取值所发生的变化趋势(例如参数值上升或下降)。
[0066]
前述的变量参数的取值变化范围，可以根据需要设置，由于病灶中的参数变化相对于正常组织中的参数而言，发生5倍以上的变化的机率比较低，因此将参数变化范围设为正常组织中该参数值的20％-500％。
[0067]
第二阶段的仿真过程可以通过定步长迭代计算的形式进行，具体如下：
[0068]
(1)首先利用代表正常组织代谢产物参数的最佳多池参数组合，仿真模拟正常组织mtr
asym
谱(即前述的第三mtr
asym
谱)。
[0069]
(2)固定其他参数不变，改变某一个参数值。该参数起始值可设为正常组织中该参数值的20％。
[0070]
(3)利用变化后的多池参数仿真模拟病灶中的mtr
asym
谱，用仿真病灶的mtr
asym
谱减去仿真正常组织中的mtr
asym
谱，即可得到仿真的病灶和仿真的正常组织之间的cest对比度δmtr
仿真
。然后计算δmtr
仿真
和δmtr
实验
之间的均方根误差。
[0071]
(4)再判断该参数值是否已大于正常组织中该参数值的5倍；如果是，循环结束，计算该参数变化过程中所得到的最小的均方根误差和相应的参数值；如果否，则继续改动该参数值，改动后的参数值具体计算公式为：改动后的参数值＝参数值+5％
×
正常组织中该参数值，返回步骤(3)继续循环执行，直至循环完毕。本循环进行完毕后，即可得到所测试的某个参数改变多少幅度后可以使δmtr
仿真
和δmtr
实验
最为接近，即均方根误差取得最小值。
[0072]
(5)针对各代谢产物池的浓度参数、自由水的纵向驰豫时间t1参数、横向驰豫时间t2参数，分别循环进行(2)～(4)的计算并得到对应的最小均方根误差和最小均方根误差对
应的参数值。
[0073]
当所有参数寻循环计算进行完毕后，即可针对每个参数均获得一个最小均方根误差。因此可以用于确定所有参数中哪一个可以使δmtr
仿真
和δmtr
实验
最为接近，即找到所有最小均方根误差中的最小值；同时得到需要将该最优参数改变多少幅度才能使δmtr
仿真
和δmtr
实验
最为接近。
[0074]
s5：针对第一阶段和第二阶段获得的结果，分两方面分别评估参数对正常组织cest信号和病灶异常cest信号的贡献，其中：
[0075]
对于第一阶段获得的结果，以每一种代谢产物贡献的cest信号的绝对值作为对应代谢产物对正常组织cest信号的贡献度表征，得到不同代谢产物对于正常组织cest信号的贡献度。前述的步骤中若已计算贡献百分比，则可以根据该百分比直观评估在特定的饱和脉冲强度和饱和时间下，各种代谢产物对cest信号的贡献大小。
[0076]
对于第二阶段获得的结果，针对参数集合中的每个参数，以前述得到的最小均方根误差作为该参数对病灶组织cest信号异常变化的正相关贡献度表征，得到参数集合中不同参数对于目标个体病灶组织cest信号异常变化的贡献度。也就是说，本步骤中若根据s4的参数变化循环计算已获得每个参数对应的最小均方根误差，评估该参数对应的代谢产物对病灶和正常组织之间cest对比度的贡献，均方根误差越小说明仿真所得的cest对比度越接近实验真实的cest对比度，从而说明其对应的参数更可能导致了病灶和正常组织之间的cest对比度。实际使用时，将贡献度最大的参数确定为导致目标个体病灶组织cest信号异常变化的最可能参数，其余参数也可以根据贡献度进行可能性排序。由此，本发明可以仅仅通过患者病灶的cest图像，就可以识别出可能是什么参数的改变导致了其cest信号的异常变化，以便于为病灶原因的诊断提供辅助手段。
[0077]
另外，上述实施例中第一阶段和第二阶段的评估是一并进行的，但在其他的实施例中，两个阶段的评估也可以各自单独进行。单独进行和同步进行的具体步骤是类似的，下面对这两种仅有一个阶段的方案进行单独阐述。需说明的是，虽然下面两种方式叙述的方案中，也用到了“第一mtr
asym
谱”、“第二mtr
asym
谱”、“第三mtr
asym
谱”等带前序标记的表述，但其仅用于区分目的，每一方案内的前序标记自成体系，不与其他方案公用。也就是说，例如“第三mtr
asym
谱”在两个不同方案中可能代表不同的mtr
asym
谱，具体需要根据前后文进行理解。
[0078]
对于第一阶段单独进行的情况而言，该基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法，包括以下步骤：
[0079]
s1：针对待评估的组织类型，从目标个体的cest图像中获取正常组织的感兴趣区域，并将cest图像信号分别转换为mtr
asym
谱，得到正常组织的第一mtr
asym
谱；
[0080]
s2：从所有待选的用于mtr
asym
谱bloch-mcconnell仿真的多池参数组合中，确定一组代表正常组织中参数取值的最佳多池参数组合，使仿真得到的第二mtr
asym
谱最接近于所述第一mtr
asym
谱；
[0081]
s3：基于所述最佳多池参数组合，依次将正常组织中每一种代谢产物作为目标产物进行mtr
asym
谱bloch-mcconnell仿真；针对每种目标产物进行仿真时，通过仿真计算该目标产物存在时的第三mtr
asym
谱和该目标产物缺失时的第四mtr
asym
谱，进而得到每一种代谢产物缺失前后的mtr
asym
谱的信号差值作为该代谢产物贡献的cest信号；
[0082]
s4：以每一种代谢产物贡献的cest信号的绝对值作为对应代谢产物对正常组织cest信号的贡献度表征，得到不同代谢产物对于正常组织cest信号的贡献度。
[0083]
对于第二阶段单独进行的情况而言，该基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法，包括以下步骤：
[0084]
s1：针对待评估的组织类型，从目标个体的cest图像中获取正常组织及病灶组织的感兴趣区域，并将cest图像信号分别转换为mtr
asym
谱，得到正常组织的第一mtr
asym
谱和病灶组织的第二mtr
asym
谱，以第一mtr
asym
谱和第二mtr
asym
谱的信号差值作为第一cest对比度；
[0085]
s2：从所有待选的用于mtr
asym
谱bloch-mcconnell仿真的多池参数组合中，确定一组代表正常组织中参数取值的最佳多池参数组合，使仿真得到的第三mtr
asym
谱最接近于所述第一mtr
asym
谱；
[0086]
s3：基于所述最佳多池参数组合，依次将待评估cest信号贡献度的参数集合中的每一个参数作为变量参数，进行mtr
asym
谱bloch-mcconnell仿真；针对每种变量参数进行仿真时，保持所述最佳多池参数组合中其余参数不变，通过仿真计算得到该变量参数在取值变化范围内不同取值对应的第四mtr
asym
谱，以第四mtr
asym
谱和所述第三mtr
asym
谱的信号差值作为第二cest对比度；针对每个变量参数，计算其取值变化范围内不同取值对应的第二cest对比度与所述第一cest对比度的均方根误差，确定最小均方根误差；
[0087]
s4：针对所述参数集合中的每个参数，以所述最小均方根误差作为该参数对病灶组织cest信号异常变化的正相关贡献度表征，得到参数集合中不同参数对于目标个体病灶组织cest信号异常变化的贡献度。
[0088]
上述两种方案中各步骤的具体实现方式，亦可参见前述采用两阶段仿真的方案，不再赘述。再者，需要说明的是，本发明中提供的方法可以用于非诊断或治疗目的，例如为科学研究提供商业化服务，也可以用于病灶的辅助诊断。但当用于辅助诊断的时候，即使是上述第二阶段的评估结果也无法直接得出疾病的诊断结果，仅能够反映病灶cest异常在参数层面的可能原因，进而医生可以以该评估结果为基础，结合其他的诊疗手段进一步确诊相应的疾病。
[0089]
为使本发明更明显易懂，下面以前述采用两阶段仿真的方案作为实例，进一步通过相应的实例作详细说明如下。
[0090]
实施例
[0091]
以下利用2019年浙江大学3t磁共振仪器所采集9名结节性硬化症癫痫病人的cest数据，实验b1＝1,2,3,4μt，饱和时间＝1s。删除掉一名头动致图像质量不佳的病例数据，结合图1，本发明提供的一种基于bloch-mcconnell方程两阶段仿真的活体组织代谢产物信息评估方法的具体实施步骤为：
[0092]
步骤一：利用8名病人cest数据计算绘制四种不同b1条件下大脑正常组织区域的mtr
asym
均值谱，如图2(a)所示。结节区域与正常组织区域在不同b1条件下的mtr
asym
均值谱如图3(a)所示。
[0093]
步骤二：根据已有文献报道大脑正常组织区域代谢产物参数，根据bloch-mcconnell仿真mtr
asym
谱与实验所采真实mtr
asym
谱的相似度，最终确定适合该实验正常组织bloch-mcconnell仿真的代谢产物参数如表1所示，仿真的mtr
asym
谱如图2(b)所示。表1参数
所得的仿真mtr
asym
谱与实验真实mtr
asym
谱形状接近一致。
[0094]
表1本案例条件下正常大脑组织仿真参数
[0095][0096]
针对该实验，7池bloch-mcconnell方程的具体形式为：
[0097][0098][0099][0100][0101][0102][0103][0104][0105][0106][0107][0108][0109][0110][0111][0112][0113][0114][0115][0116]
[0117][0118]
其中，k
1a
＝1/t
1a
+k
ab
+k
ac
+k
ad
+k
ae
+k
af
+k
ag
，k
1b
＝1/t
1b
+k
ba
，k
1c
＝1/t
1c
+k
ca
，k
1d
＝1/t
1d
+k
da
，k
1e
＝1/t
1e
+k
ea
，k
1f
＝1/t
1f
+k
fa
，k
1g
＝1/t
1g
+k
ga
,k
2a
＝1/t
2a
+k
ab
+k
ac
+k
ad
+k
ae
+k
af
+k
ag
，k
2b
＝1/t
2b
+k
ba
，k
2c
＝1/t
2c
+k
ca
，k
2d
＝1/t
2d
+k
da
，k
2e
＝1/t
2e
+k
ea
，k
2f
＝1/t
2f
+k
fa
，k
2g
＝1/t
2g
+k
ga
,k
ij
表示i池和j池之间的交换率，t
1i
和t
2i
分别表示i池的横向和纵向弛豫时间，i∈a,b,c,d,e,f,g(即水、大分子、酰胺基、胍基、胺基、氢氧基、核奥弗豪泽效应)。w表示施加的饱和脉冲频率，w
i
为i池的共振频率，w1为饱和脉冲强度，表示i池x-，y-，z-方向上的磁化强度，为i池的初始磁化强度。
[0119]
步骤三：第一阶段仿真，计算在该实验条件下，各代谢产物对于大脑正常组织中cest信号的贡献。由于共振频率为0ppm的大分子池对于mtr
asym
的贡献为0，本实验需研究酰胺基、胍基、胺基、氢氧基和核奥弗豪泽效应对mtr
asym
的贡献。对于待评估代谢产物x，仿真有x池和无x池情况下的mtr
asym
谱，两种情况下的mtr
asym
之差即为代谢产物x对cest信号的贡献。为了更直观地比较各种代谢产物对总cest信号的贡献大小，在本实验条件下按照如下公式计算每种代谢产物的贡献百分比：
[0120][0121]
其中，x∈{酰胺基、胍基、胺基、氢氧基、核奥弗豪泽效应}。计算在不同饱和强度条件下，最大的mtr
asym
值对应的饱和频率处，五种代谢产物对正常脑组织的mtr
asym
值的贡献和贡献百分比如表2所示。
[0122]
表2在不同饱和脉冲强度，最大的mtr
asym
值对应的饱和频率处，五种代谢产物对正常脑组织mtr
asym
值的贡献。
[0123][0124]
在该表中，在对于不同饱和脉冲强度，其最大的cest信号所处频率并不相同，cest信号的代谢产物来源也并不相同。在低b1条件下，酰胺基和核奥弗豪泽效应对cest信号的贡献占主要作用，随着b1的增大，胺基的贡献逐渐增大。表明用该方法评估正常组织中代谢产物对cest信号的贡献具有可行性与有效性。
[0125]
步骤四：第二阶段仿真，结节组织代谢产物信息仿真。通过最小均方根误差，仿真计算实验条件下，各代谢产物对于病灶组织相较于正常组织cest对比度的贡献。不同b1条件下，结节和正常脑组织的mtr
asym
谱如图3(a)所示，分别改变水池的t1、t2以及6种可交换质子池浓度，计算仿真cest对比度与实验所得cest对比度之间的最小均方根误差以及对应的参数变化情况如表3所示。
[0126]
表3最小均方根误差及对应的参数变化倍数。
[0127][0128]
表3显示胺基浓度的变化可以使得仿真的cest对比度与实验真实的cest对比度之间的最小均方根误差最小，表明胺基浓度变化情况下仿真所得mtr
asym
谱与真实mtr
asym
谱最接近，如图3(e)所示。该步骤中对于每个参数的仿真计算时间都在1小时之内，相较于拟合所需的以天为单位的计算成本，本发明提出的方法在评估病灶相较于正常组织异常cest信号的代谢产物主要来源方面，比大数据拟合节省时间，并且结果稳定，具有良好的应用可行性。
[0129]
步骤五：根据步骤三计算的贡献百分比，对于实验条件下的正常脑组织，低b1条件下酰胺基和核奥弗豪泽效应对cest信号的贡献占比最大，而随着b1增高，胺基的作用逐渐增大。根据步骤四参数变化所得的均方根误差，相较于其他参数，胺基浓度的增大可以计算得到最小的最小均方根误差，表明胺基浓度增大对应的仿真结节与正常组织之间的cest对比度与真实实验所得的对比度最接近，从而说明胺基对病灶和正常组织cest对比度的贡献比较大，该结果与以往文献报道的结节中谷氨酸(胺基的一种主要来源)浓度升高相一致。综合来看，本发明提出的方法可以在避免不稳定拟合与节约计算时间的情况下，评估组织中主要代谢产物的变化。
[0130]
另外，在另一实施例中，还提供了一种基于bloch-mcconnell方程仿真的组织代谢产物信息评估装置，其包括存储器和处理器；
[0131]
所述存储器，用于存储计算机程序；
[0132]
所述处理器，用于当执行所述计算机程序时，实现前述基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法。
[0133]
另外，在另一实施例中，还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现前述基于bloch-mcconnell方程仿真的组织代谢产物信息评估方法。
[0134]
需要注意的是，存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，
dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。当然，还装置中还应当具有实现程序运行的必要组件，例如电源、通信总线等等。
[0135]
以上内容是结合具体的病例对本发明所作的进一步详细说明，不能认定本发明的具体适用疾病类型仅限于此。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以根据具体的应用病例做出若干简单的推演或替换，因此对于本发明在其他疾病中的应用以及针对不同疾病组织采用不同池数的bloch-mcconnell方程，都属于基于本发明内容所作的延伸，应当视为属于本发明所提交的专利要求书确定专利保护范围。