正电子发射断层扫描动态影像的智能型示踪剂动力学模型构建方法研究

Positron Emission Tomography has been widely used as a powerful tool for medical imaging, which plays an important role in many areas of medical treatments and preclinical researches. The purpose of this project is tracer kinetic modeling with dynamic PET (dPET-TKM) based on the pharmacokinetics principles and bio-inspired artificial immune system to generate new quantitative indicators of the medical images with physiological and biochemical functions. Theory studies, numerical simulations and experimental studies are combined in this project. Numerical solutions of tracer kinetic models are proposed to be obtained by the efficient time-domain decomposition and the tensor analysis. Inspired by the biological immune dendritic cell antigen-presenting function and the immune T-cell activation regulation mechanism,a new artificial immune network model is designed.More intelligent and more reliable methods for dPET-TKM will be implemented in this proposal, which support more complicated tracer kinetic models with the combination of artificial immune networks, high dimensional shape, texture models and higher tensor anslysis. Researches will not only improve intelligence and quantitative analysis of medical dynamic images, but also provides a new non-invasive method for both early diagnosis of major diseases and new drug development with important social and economic values.

正电子发射断层扫描是医疗和临床前研究中广泛使用的先进成像技术。本项目针对PET动态影像示踪剂动力学建模（dPET-TKM）获得具有生理学意义的新型医学影像定量指标这一科学问题，遵循药物代谢动力学理论及仿生免疫机理模型构建方法，采用理论研究与数值模拟、实验数据分析相结合的方法，系统开展智能型PET动态影像示踪剂动力学建模与算法研究。主要内容包括基于时间域分解和张量分析的高效示踪剂动力学模型数值求解，研究生物免疫树突状细胞抗原提呈功能及对免疫T细胞的激活调控机理，设计抽象模型复现关键激活调控规则，构建新型人工免疫网络模型。目标是建立一套基于人工免疫网络方法、高维形状和纹理模型以及张量分析相结合的智能型PET动态影像动力学特征提取和示踪剂动力学建模理论和方法，从而能够智能化分析处理复杂海量医学动态影像信息，为肿瘤等重大疾病早期诊断、药物研发，提供新型的定量影像探测方法，具有重要的社会和经济价值。

正电子发射断层扫描 (Positron Emission Tomography,简称 PET) 动态成像技术是代表医学成像技术发展方向的一种新型影像技术。对PET动态影像进行示踪剂动力学建模（tracer kinetic modeling with dynamic PET，记作dPET-TKM）,可以获得具有生理学意义的定量医学影像评价指标。dPET-TKM方法研究能够在分子和细胞水平对活体内特定的生物大分子或代谢过程进行无创、定量、动态跟踪探测，为疾病早期诊断、药物研发提供新型的无损探测定量医学影像评价指标，是医学领域探索肿瘤、心血管、神经系统等重大疾病进程,新药疗效评估的重要手段。.本课题在执行过程中完成研究目标，针对PET动态影像获取具有生理学意义的影像定量评估指标这一问题进行研究。建立一套基于人工免疫网络方法的智能PET动态影像动力学特征提取和示踪剂动力学建模理论和方法，完成PET动态成像方法及数据预处理实验，构建了基于人工免疫网络智能计算方法的PET示踪剂动力学模型。实现了基于药物代谢动力学原理及PET动态成像机理，对PET动态影像进行示踪剂动力学建模,给出了房室模型的反问题公式表达。完成了小动物PET动态成像实验，形成了一套实验方法与成像步骤，完成了临床PET/CT动态成像及其数据预处理工作，并针对正常组织和肿瘤组织进行了对照研究。本研究多角度改进人工免疫网络智能算法，实现高效的基于仿生免疫机理的人工免疫网络PET示踪剂动力学模型构建方法，实验验证方法的可靠性和执行效率，对小动物实验、复杂模拟实验、以及临床实验具有应用价值。实现了基于人工免疫智能计算方法的PET示踪剂动力学建模方法并且进行了同时参数估计的复杂模型应用，以便更好地解决同时估计问题。应用服务云与文献报道的影像处理云相比，iMAGE cloud可以提供更安全可靠、可扩展的，易于访问的，功能强大的医学影像处理服务，同时完整整合区域电子病历医疗记录。通过扩展相关应用转化的标准化研究，为大型医疗影像设备检测方法提供广泛应用转化空间，标准化效果明显，社会效益突显，经济效益潜力大。已发表SCI国际期刊论文、EI论文、核心论文等8篇，申请2项国家发明专利，主持国家标准制修订1项，2016年项目负责人刘丽博士获江苏省“333”工程人才培养对象，加快了人才培养。