一种使用全身SUV图像调查个体水平的全身代谢异常的方法技术

本发明专利技术公开一种使用全身SUV图像调查个体水平的全身代谢异常的方法，包括：采集不同受试者不同采样区域的18F

【技术实现步骤摘要】
一种使用全身SUV图像调查个体水平的全身代谢异常的方法


[0001]本专利技术属于医学图像处理
，尤其涉及一种使用全身SUV图像调查个体水平的全身代谢异常的方法。

技术介绍

[0002]人体代谢稳态依赖于全身水平的复杂神经元，血管和体液机制。器官之间的同时非线性相互作用形成不同的生理网络。许多系统性疾病是由于器官间生理相互作用的干扰或与之相关。尽管存在用于在器官水平上研究这种干扰的既定方法，但是进一步开发足以在系统水平上量化的通用方法存在挑战。
[0003]迄今为止，大多数关于这些主题的研究都使用非成像工具。Thiele等人开发了一种代谢网络重建方法，该方法使用来自文献和组学数据的器官特异性信息。包括20个器官，6个性器官，6种血细胞类型和13种生物流体隔室的数据来源。Barajas
‑
Mart
í
nez等人介绍了基于人体测量，空腹血液检查和其他生命体征的生理网络。他们得出结论，网络的具体结构特性将在整个人类寿命期间发生变化，并可提供健康状况指标。Cui等人重建了组织和细胞类型中的全球哺乳动物代谢网络，并尝试将器官与器官间代谢物转运联系起来。Bashan等人和Bartsch等人开发了一个框架来探测不同系统之间的相互作用，并确定一个展示网络拓扑和功能之间相互作用的生理网络。但上述方法均不能在系统水平上量化。

技术实现思路

[0004]本专利技术针对现有代谢异常分析方法存在的不能在系统水平上量化的问题，提出一种使用全身SUV图像调查个体水平的全身代谢异常的方法。
[0005]为了实现上述目的，本专利技术采用以下技术方案：
[0006]一种使用全身SUV图像调查个体水平的全身代谢异常的方法，包括：
[0007]步骤1，数据采集和处理：采集不同受试者不同采样区域的18F
‑
FDG PET/CT扫描数据，得到不同受试者的具有标准摄取值SUV的图像，通过该图像进行采样区域的选择；所述受试者包括由没有任何疾病记录的受试者组成的健康对照组，被诊断为肺癌、病变部位不同的受试者组成的肺癌组，Covid
‑
19出院后30天的受试者，原因不明的胃肠道出血的受试者；
[0008]步骤2，构建不同受试者的个体连接网络，并通过不同受试者的个体连接网络得出不同受试者的每个采样区域代谢异常程度；
[0009]步骤3，通过不同受试者的每个采样区域代谢异常程度进行对照组同质性分析、肺癌组异质性分析、小组与个人层面的网络分析及个人网络与单器官分析。
[0010]进一步地，所述步骤1包括：
[0011]步骤1.1：首先进行CT扫描以进行衰减校正，然后进行18F
‑
FDG PET/CT采集；使用3D有序子集期望最大化算法将扫描数据重建为体素大小固定的矩阵；使用基于CT的衰减校正图进行衰减和散射校正；然后通过归一化注射剂量和重量将重建的活动图像转换为具有
标准摄取值SUV的图像；
[0012]步骤1.2：对于每次扫描，在SUV图像上描绘所有感兴趣器官的感兴趣采样区域；所述采样区域包括全脑，血液，左心室，肺，肝，胰腺，脾，左/右肾，肌肉和脊柱；使用统计参数映射进行脑细胞分裂，将重建图像中包含大脑的平面提取为新体积，并在蒙特利尔神经病学研究所空间中进行空间归一化；通过高斯滤波器对归一化图像进行平滑处理，然后分成由AAL2图谱定义的区域，选择其中的脑干，全小脑，脑脊液，全白质，尾状核，壳核和额叶皮层作为新的采样区域，与描绘的器官一起，每次扫描分析总共18个采样区域。
[0013]进一步地，所述步骤2包括：
[0014]步骤2.1，从健康对照组构建参考代谢网络refNET，该参考代谢网络是通过计算每个区域对的SUV之间的Pearson相关系数获得的，采用协方差网络结构；
[0015]步骤2.2：在健康对照组中添加一名患者，形成一个新组，以构建一个新的结构协方差网络，该网络被标记为扰动网络ptbNET；
[0016]步骤2.3，将扰动网络ptbNET和参考网络refNET之间的差异计算为剩余网络resNET；设置阈值0.3以消除弱相关性；获得了剩余网络resNET的Z分数图：
[0017][0018]其中N是新组中的主题总数，剩余网络本质上代表连通性的异常水平，每个网络由连接18个区域的153个边缘组成，每个边缘表现出不同程度的代谢变化；为了量化异常程度，定义每个区域异常的强度STR：
[0019][0020]其中m是区域索引号，是集合，M＝18是区域数，ZCC
mi
表示区域m与其相邻区域i之间的Z分数图的相关系数，相邻节点的总数等于m
‑
1。
[0021]进一步地，所述步骤3中，按照如下方式进行对照组同质性分析：
[0022]对每个健康对照组的受试者进行单独的网络分析，通过平均任何一对网络之间Z分数的Pearson相关系数来测量组内的相似性，然后进行重采样来测试主题选择的可重复性。
[0023]进一步地，所述步骤3中，按照如下方式进行肺癌组异质性分析：
[0024]将每个肺癌患者的个人网络的强度与参考网络中的强度进行比较，通过测量所有153个边缘上成对Z得分之间的受试者间Pearson相关系数的平均值，计算出肺癌患者网络之间的相似性。
[0025]进一步地，所述步骤3中，按照如下方式进行小组与个人层面的网络分析：
[0026]分别为患者组和健康对照组构建组级代谢网络，通过计算两组中所有受试者的脑区域对的Pearson相关性来构建两个组级代谢网络，两个组级代谢网络之间的归一化差异被视为组级差异网络Diff
group，i
：
[0027][0028]其中i表示边，patNET表示患者组的组级代谢网络，refNET表示健康对照组的组级
代谢网络；
[0029]通过计算所有患者网络中每个边缘的Z得分的平均值来构建平均残差网络Diff
individual，i
：
[0030][0031]其中j是患者索引号，N
p
是患者的总数；
[0032]计算平均残差网络Diff
individual，i
和组级差异网络Diff
group，i
之间的Pearson相关系数。
[0033]进一步地，所述步骤3中，按照如下方式进行个人网络与单器官分析：
[0034]为一名Covid
‑
19出院后30天的受试者和一名原因不明的胃肠道出血的受试者分别构建单独的连接网络，根据器官的网络强度量化SUV的变化。
[0035]与现有技术相比，本专利技术具有的有益效果：
[0036]本专利技术可以使用受试者的全身PET/CT SUV图像和健康对照组构建个体代谢异常网络。本专利技术提出的方法可调查个体水平的全身代谢异常，表征了个体水平的葡萄糖代谢的分子连接性，这是目前的分析方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种使用全身SUV图像调查个体水平的全身代谢异常的方法，其特征在于，包括：步骤1，数据采集和处理：采集不同受试者不同采样区域的18F
‑
FDG PET/CT扫描数据，得到不同受试者的具有标准摄取值SUV的图像，通过该图像进行采样区域的选择；所述受试者包括由没有任何疾病记录的受试者组成的健康对照组，被诊断为肺癌、病变部位不同的受试者组成的肺癌组，Covid
‑
19出院后30天的受试者，原因不明的胃肠道出血的受试者；步骤2，构建不同受试者的个体连接网络，并通过不同受试者的个体连接网络得出不同受试者的每个采样区域代谢异常程度；步骤3，通过不同受试者的每个采样区域代谢异常程度进行对照组同质性分析、肺癌组异质性分析、小组与个人层面的网络分析及个人网络与单器官分析。2.根据权利要求1所述的一种使用全身SUV图像调查个体水平的全身代谢异常的方法，其特征在于，所述步骤1包括：步骤1.1：首先进行CT扫描以进行衰减校正，然后进行18F
‑
FDG PET/CT采集；使用3D有序子集期望最大化算法将扫描数据重建为体素大小固定的矩阵；使用基于CT的衰减校正图进行衰减和散射校正；然后通过归一化注射剂量和重量将重建的活动图像转换为具有标准摄取值SUV的图像；步骤1.2：对于每次扫描，在SUV图像上描绘所有感兴趣器官的感兴趣采样区域；所述采样区域包括全脑，血液，左心室，肺，肝，胰腺，脾，左/右肾，肌肉和脊柱；使用统计参数映射进行脑细胞分裂，将重建图像中包含大脑的平面提取为新体积，并在蒙特利尔神经病学研究所空间中进行空间归一化；通过高斯滤波器对归一化图像进行平滑处理，然后分成由AAL2图谱定义的区域，选择其中的脑干，全小脑，脑脊液，全白质，尾状核，壳核和额叶皮层作为新的采样区域，与描绘的器官一起，每次扫描分析总共18个采样区域。3.根据权利要求2所述的一种使用全身SUV图像调查个体水平的全身代谢异常的方法，其特征在于，所述步骤2包括：步骤2.1，从健康对照组构建参考代谢网络refNET，该参考代谢网络是通过计算每个区域对的SUV之间的Pearson相关系数获得的，采用协方差网络结构；步骤2.2：在健康对照组中添加一名患者，形成一个新组，以构建一个新的结构协方差网络，该网络被标记为扰动网络ptbNET；步骤2.3，将扰动网络ptbNET和参考网络refNET之间的差异计算为剩余网络resNET；设置阈值0.3以消除弱相关性；获得了剩余网络resNET的Z分数图：其...

【专利技术属性】
技术研发人员：王梅云，孙涛，吴亚平，王振国，白岩，魏巍，申雨，李晓晨，
申请(专利权)人：河南省人民医院，
类型：发明
国别省市：