[發明專利]一種使用全身SUV圖像調查個體水平的全身代謝異常的方法

有效

• 申請號: 202210108838.7
• 申請日: 2022-01-28
• 公開（公告）號: CN114533102B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 王梅云;孫濤;吳亞平;王振國;白巖;魏巍;申雨;李曉晨
• 申請（專利權）人: 深圳先進技術研究院;河南省人民醫院
• 主分類號: A61B6/03
• 分類號: A61B6/03;A61B6/00
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 張立強

1.一種使用全身SUV圖像調查個體水平的全身代謝異常的方法，其特征在于，包括：

步驟1，數據采集和處理：采集不同受試者不同采樣區域的18F-FDG PET/CT掃描數據，得到不同受試者的具有標準攝取值SUV的圖像，通過該圖像進行采樣區域的選擇；所述受試者包括由沒有任何疾病記錄的受試者組成的健康對照組，被診斷為肺癌、病變部位不同的受試者組成的肺癌組，Covid-19出院后30天的受試者，原因不明的胃腸道出血的受試者；

所述步驟1包括：

步驟1.1：首先進行CT掃描以進行衰減校正，然后進行18F-FDG PET/CT采集；使用3D有序子集期望最大化算法將掃描數據重建為體素大小固定的矩陣；使用基于CT的衰減校正圖進行衰減和散射校正；然后通過歸一化注射劑量和重量將重建的活動圖像轉換為具有標準攝取值SUV的圖像；

步驟1.2：對于每次掃描，在SUV圖像上描繪所有感興趣器官的感興趣采樣區域；所述采樣區域包括全腦，血液，左心室，肺，肝，胰腺，脾，左/右腎，肌肉和脊柱；使用統計參數映射進行腦細胞分裂，將重建圖像中包含大腦的平面提取為新體積，并在蒙特利爾神經病學研究所空間中進行空間歸一化；通過高斯濾波器對歸一化圖像進行平滑處理，然后分成由AAL2圖譜定義的區域，選擇其中的腦干，全小腦，腦脊液，全白質，尾狀核，殼核和額葉皮層作為新的采樣區域，與描繪的器官一起，每次掃描分析總共18個采樣區域；

步驟2，構建不同受試者的個體連接網絡，并通過不同受試者的個體連接網絡得出不同受試者的每個采樣區域代謝異常程度；

步驟3，通過不同受試者的每個采樣區域代謝異常程度進行對照組同質性分析、肺癌組異質性分析、小組與個人層面的網絡分析及個人網絡與單器官分析。

2.根據權利要求1所述的一種使用全身SUV圖像調查個體水平的全身代謝異常的方法，其特征在于，所述步驟2包括：

步驟2.1，從健康對照組構建參考代謝網絡refNET，該參考代謝網絡是通過計算每個區域對的SUV之間的Pearson相關系數獲得的，采用協方差網絡結構；

步驟2.2：在健康對照組中添加一名患者，形成一個新組，以構建一個新的結構協方差網絡，該網絡被標記為擾動網絡ptbNET；

步驟2.3，將擾動網絡ptbNET和參考網絡refNET之間的差異計算為剩余網絡resNET；設置閾值0.3以消除弱相關性；獲得了剩余網絡resNET的Z分數圖：

其中N是新組中的主題總數，剩余網絡本質上代表連通性的異常水平，每個網絡由連接18個區域的153個邊緣組成，每個邊緣表現出不同程度的代謝變化；為了量化異常程度，定義每個區域異常的強度STR：

其中m是區域索引號，是集合，M＝18是區域數，ZCC_mi表示區域m與其相鄰區域i之間的Z分數圖的相關系數，相鄰節點的總數等于m-1。

3.根據權利要求2所述的一種使用全身SUV圖像調查個體水平的全身代謝異常的方法，其特征在于，所述步驟3中，按照如下方式進行對照組同質性分析：

對每個健康對照組的受試者進行單獨的網絡分析，通過平均任何一對網絡之間Z分數的Pearson相關系數來測量組內的相似性，然后進行重采樣來測試主題選擇的可重復性。

4.根據權利要求2所述的一種使用全身SUV圖像調查個體水平的全身代謝異常的方法，其特征在于，所述步驟3中，按照如下方式進行肺癌組異質性分析：

將每個肺癌患者的個人網絡的強度與參考網絡中的強度進行比較，通過測量所有153個邊緣上成對Z得分之間的受試者間Pearson相關系數的平均值，計算出肺癌患者網絡之間的相似性。