基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法技术

本发明专利技术涉及基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法。本发明专利技术首先从患者中提取正常肝组织，肝动脉，门静脉，肝细胞癌的示踪剂时间

【技术实现步骤摘要】
基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法


[0001]本专利技术涉及基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法，属于肝癌辅助诊断


技术介绍

[0002]原发性肝癌是我国高发的，危害极大的一类恶性肿瘤，它主要起源于肝脏的上皮或间叶组织。原发性肝癌的病因及确切分子机制尚不完全清楚，目前认为其发病是多因素、多步骤的复杂过程，受环境和饮食双重因素影响。早期原发性肝癌症状无明显特异性，中晚期原发性肝癌的症状则比较多，常见的临床表现有肝区疼痛、腹胀、乏力、消瘦等；部分患者有低热、黄疸、腹泻、上消化道出血；肝癌破裂后出现急腹症表现等。原发性肝癌中绝大部分是肝细胞癌(HCC)肝细胞癌也有症状不明显或仅表现为转移灶的症状。随着正电子发射断层成像(PET)技术的发展,示踪动力学的方法成为了研究人体功能信息的重要手段。利用示踪剂动力学模型,可以定量分析计算葡萄糖代谢率等具有生理学意义的指标，这对肝癌等疾病的研究有重要的作用。目前常用于定量计算动力学参数的方法需要用户预先设定各参数的初始值，而用户不易准确设置初始值，这直接影响动力学建模方法的可靠性。因此，本专利技术采用贝叶斯推断对肝细胞癌示踪剂动力学模型计算来提高参数估计的可靠性。

技术实现思路

[0003]本专利技术提供了基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法，以用于提高PET/CT成像动力学参数估计的可靠性。
[0004]本专利技术的技术方案是：基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法，所述方法的具体步骤如下：
[0005]Step1、从PET/CT成像中提取正常肝组织图像、肝动脉、门静脉、肝细胞癌图像的示踪剂时间
‑
放射性活度曲线数据；
[0006]Step2、基于贝叶斯理论推导了肝细胞癌PET/CT成像动力学参数的后验分布，使用马尔科夫链蒙特卡洛MCMC方法对参数后验分布进行采样，采用的抽样算法为延迟拒绝自适应抽样算法DRAM，估算出动力学参数；
[0007]所述自适应抽样算法DRAM的具体步骤如下：
[0008]Step2.1、选择具有物理意义的初始值θ0和协方差矩阵C0，确定相关参数的先验概率非自适应阶段N0；
[0009]Step2.2、假设在t时刻，马尔科夫链的当前状态是θ
t
，根据第1层建议分布产生的候选点为x1＝N(
·
|θ
t
,cov
t
)；
[0010]Step2.3、计算接受概率α1；
[0011][0012]Step2.4、从均匀分布u(0,1)中产生随机变量u，当α≥u时，则接受候选点θ
t+1
＝x1，
然后进入步骤Step2.6，当α<u时，则拒绝候选点并进入Step2.5；；p(θ
t+1
|y)表示动力学模型参数θ
t+1
的后验概率分布，t表示迭代次数；
[0013]Step2.5、根据第i层的建议分布产生候选点x
i
＝N
i
(
·
|θ
n
,x1,x2,
…
,x
i
‑1,cov
ti
)，其中cov
ti
＝λ
i
cov
t
且λ
i
<1，计算各层的接受概率α
i
，返回步骤Step2.4；
[0014]Step2.6、进入下一时刻t+1，若t+1≥N0则按照公式自主调整协方差矩阵cov
n+1
，否则cov
n+1
＝C0；
[0015][0016]s
d
是一个比例因子，cov(θ0,θ1,
…
,θ
t
‑1)是一个历史协方差矩阵，ε是一个极小正数，I
d
是n维的单位矩阵；
[0017]Step2.7、重复步骤Step2.4
‑
Step2.6，直到产生足够多的收敛样本。
[0018]本专利技术的有益效果是：本专利技术使用延迟拒绝自适应抽样算法DRAM对参数后验分布进行采样，估算出动力学参数，提高了PET/CT成像动力学参数估计的可靠性。
附图说明
[0019]图1为本专利技术DRAM算法整体流程图；
[0020]图2为本专利技术肝细胞癌动力学参数的后验概率分布图。
具体实施方式
[0021]实施例1：本专利技术中，采用的患者资料如下：患者数据由某医院PET/CT中心提供。包括了18位HCC患者的31个病例数据。并获得所有患者的书面知情同意；
[0022]采用的PET/CT扫描协议如下：让患者绝食超过6h并且血糖稳定后，进行肝脏CT扫描(120kv，50ma)；首次通过PET获得5min的列表模式数据，将18F
‑
FDG(5.5mbq/kg)放入0.9％生理盐水中，以2ml的生理盐水，按2ml/s的速度给患者人工注射18F脱氧葡萄糖(18F
‑
FDG)，5.5mbq/kg。在注射18F脱氧葡萄糖(FDG)后60min进行全身CT扫描(120kv，100ma)，包括6～8个部位，每个部位行PET扫描1.5min；所有CT图像都用滤波反投影算法重建到512
×
512矩阵上，根据CT数据进行衰减校正，按照有序子集期望最大化原则，将所有PET图像重建到200
×
200矩阵上。动态PET图像采集时间为5min,PET成像数据经过动态软件重建为15s
×
4帧，60s
×
4帧。
[0023]数据处理：从8帧序列PET/CT图中提取肝细胞癌图像，正常肝脏组织图像，主动脉和门静脉图像的时间
‑
活度曲线。
[0024]如图1
‑
图2所示，基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法，所述方法的具体步骤如下：
[0025]Step1、从PET/CT成像中提取正常肝组织图像、肝动脉、门静脉、肝细胞癌图像的示踪剂时间
‑
放射性活度曲线数据；
[0026]Step2、基于贝叶斯理论推导了肝细胞癌PET/CT成像动力学参数的后验分布，使用马尔科夫链蒙特卡洛MCMC方法对参数后验分布进行采样，采用的抽样算法为延迟拒绝自适应抽样算法DRAM，估算出动力学参数；
[0027]使用贝叶斯定理，可以估计模型参数θ在给定数据y情况下的后验概率分布：
[0028][0029]式中θ＝(k1,k2,k3,k4,fa)为动力学模型参数，P(θ)是先验指在考虑任何新数据之前捕获其价值的先验知识的参数分布，通常是从文献或其他数据源中构造出来的；
[0030]P(y|θ)称为似然函数，是给定一组参数θ观察到数据y的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于贝叶斯推断的肝细胞癌PETCT成像动力学参数估计方法，其特征在于：所述方法的具体步骤如下：Step1、从PET/CT成像中提取正常肝组织图像、肝动脉、门静脉、肝细胞癌图像的示踪剂时间
‑
放射性活度曲线数据；Step2、基于贝叶斯理论推导了肝细胞癌PET/CT成像动力学参数的后验分布，使用马尔科夫链蒙特卡洛MCMC方法对参数后验分布进行采样，采用的抽样算法为延迟拒绝自适应抽样算法DRAM，估算出动力学参数；所述自适应抽样算法DRAM的具体步骤如下：Step2.1、选择具有物理意义的初始值θ0和协方差矩阵C0，确定相关参数的先验概率非自适应阶段N0；Step2.2、假设在t时刻，马尔科夫链的当前状态是θ
t
，根据第1层建议分布产生的候选点为x1＝N(
·
|θ
t
，cov
t
)；Step2.3、计算接受概率α1；Step2.4、从均匀分布u(0，1)中产生随机变量u，当α≥u时，则接受候选点θ
t+1
＝x1，然后进入步骤Step2.6，当α＜u时，则拒绝候选点...

【专利技术属性】
技术研发人员：贺建峰，李永进，王绍波，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：