《《ct灌注应用》ppt课件.ppt》由会员分享，可在线阅读，更多相关《《ct灌注应用》ppt课件.ppt（46页珍藏版）》请在三一文库上搜索。
1、浅谈多排螺旋CT灌注,灌注基本概念,灌注：血流通过毛细血管网，将携带的氧及其他物质输送给周围组织 脑灌注：血液输送氧气和营养物质至脑组织并加以利用的过程，一般将之等同于血流过程 脑血流量：局部脑血流量，随大脑半球的血管分布和脑功能而异；脑功能正常时，可根据需要调节CBF，这种自我调节由复杂的代谢和细胞机制控制。,灌注成像的基本问题 * 灌注成像是脑功能成像技术方法的一种 * 活体测定脑组织灌注的影像学方法 PET、SPECT、Xe-CT、MRP、CTP等 * 通过组织器官的灌注状态从细胞水平揭示脑部 疾病如：脑梗塞、脑肿瘤等的病理、生理改变,MR Perfusion的不足 半定量研究 * 采用
2、的EPI技术难以摆脱顺磁性伪影 * Gd-DTPA经血管渗漏影响T1-低估rCBV * 受磁场不均一性的影响较大,CT Perfusion的优势 * 是一种定量研究的方法 * 图像的空间、时间分辨率高 * 影响因素少，成像时间短 * 多层同层技术,CT Perfusion的基本原理 * 定量 1mg/ml的碘浓度相当于25个CT值单位（Hu）1mg碘可使1ml脑组织的CT值增加25个Hu（注入造影剂的量可表示为“Hu ml”） 故: 测得局部脑组织碘的聚集量, 即可获得局部脑组织的血流灌注量,* CT灌注的基本技术 对比剂的静脉团注（BOLUS） * 选定层面进行动态扫描 * 获得感兴趣区Ti
3、me-density Curve(TDC) * 根据数学模型计算局部脑组织的血流灌注量,数学模型分为两种 非去卷积模型：Siemens （non-deconvolution model） 利用Fick原理 ，假设没有 静脉流出，即：Cv(t)=0 去卷积模型 : GE （deconvolution model） 考虑注射对比剂后随时间推 移在组织内的残留,CT灌注的数学模型,CBV, MTT,CBF,输入动脉,输出静脉,放射性示踪剂稀释和中心 容积原理,1mg碘使1ml组织的CT值增加25HU，通过测定局部组织的碘聚集量可获得组织血流灌注,Fick 原理,F - 血流量 Ca(t) 示踪剂的动
4、脉浓度 Q(t) - 脑内示踪剂的团注 T - 示踪剂的累积时间,T,t,非去卷积算法基本原理,某时刻t 流入造影剂总量减去流出组织造影剂量等于组织内造影剂剩余量,Q(t),F Cv(t),根据Ficks定律，只有一个入口和一个出口的组织间隙，每单位体积的血流（F/V）即灌注表示为公式(1)：,非去卷积算法公式,Cv(t)是引流静脉内示踪剂浓度，这个公式适用于任何时间t，当然也适用于tmax slope，见公式(2)：,如果组织在造影剂从静脉开始流出前到达强化峰值，即Cv(tmax slope)=0，公式（2）就简化为公式(3)：,由公式(4)计算脑血容量： 它由以下公式推导而来 公式(5)
5、Ctissue(t)、Ca(t)、Cv(t)分别是组织、动脉、静脉校正再循环后的强化曲线。由于正常灌注区组织的时间密度曲线与上矢状窦相似，所以用最大值比率代替公式（5）的积分率，从而推导出公式（4）。,非去卷积算法公式,最大斜率法总结 假设在主动脉增强达峰时静脉内尚未有造影剂流出（Ca(t)=0)，组织剩余量近似等于组织强化初始阶段的最大斜率除以主动脉强化峰值 与实际状况不符，且临床常规注射速率4ml/s，会 造成血流量的低估。一般情况认为造影剂在脑组 织的循环时间为35秒，因此得出注射速率应在 10ml/s以上,非去卷积算法基本原理,去卷积模型 Q(t)=F Ca(t)R(t)=Ca(t)F
6、R(t) 代表卷积算子 Q(t) 代表组织器官的 TDC Ca(t) 代表动脉的TDC F 代表血流量 R(t) 代表脉冲剩余函数（IRF）,FCa(t),Venous outlet,Arterial inlet,去卷积算法基本原理,F*Ca(t)输入组织造影剂量血流t时刻动脉内造影剂浓度,R(t) F*Ca(t)=F*1/F=1,脉冲剩余函数 (IRF),动脉注射造影剂 结果为动脉的时间密度曲线 ，显示为脉冲剩余函数,动脉时间密度曲线,组织时间密度曲线,不同浓度结果为不同的组织时间密度曲线,所有组织的时间密度曲线基于所有动脉输入曲线 ，这一过程称之为 积聚效应,积聚效应 脉冲剩余函数,组织剩
7、余曲线- Q(t),Q(t),t,Arterial inlet,Venous outlet,R(t),t,1.0,IRF=FR(t),去卷积算法,CBF.R(t),time,CBF,Area, CBV,输入动脉和测量组织的时间密度曲线是通过感兴趣CT值得到的。 血流和脉冲剩余函数的确立是通过给定测量 ROIs 的过程称之为去卷积。,原理总结： 利用供血动脉感兴趣区的数据对原始数据进行去卷积计算，得出每个象素点的脉冲剩余函数（IRF）。 IRF可以理解为在理想状态下单次脉冲注射所得到的时间密度曲线，该算法采用实际注射速率得到的动脉时间密度曲线把每个象素值转化为相应的IRF。 BF BV MTT
8、PS都是根据IRF计算得来，计算结果要参照全血（通常大静脉内ROI)的密度值和平均组织密度值（系统值1.05)进行标准化，得出100g组织内参数值。,去卷积算法,对比剂分布在细胞外液, 动脉和组织内红细胞压积不同, 灌注量存在差异,该差异可通过一系数来校正。,去卷积算法,代表组织与动脉内红细胞压积的比率，一般情况为7.0， 婴儿为0.85。,去卷积模型,优点：应用了整个曲线信息， 考虑流入 动脉和流出静脉 反映了对比剂随时间变化 计算值更准确 算法解决了再循环问题 注射速度不高（4-5ml/s） 缺点：图像对噪声特别敏感 图像后处理时间较长,两种灌注方法的比较,MSCT Perfusion 3
9、软件的优势,多层同层电影扫描，增大了Z周扫描范围，为灌注分析提供更多有用信息。 肿瘤组织复杂的血管特点，决定着肿瘤灌注的复杂性与多样性。 Perfusion 2根据“一室、一进、一出”模式，采用中央血流定理，利用去卷积算法，对肿瘤灌注的流入动脉、流出动脉综合考虑，使灌注参数更接近于组织的真实情况。 对头部移动矫正或Registration；应计算相对小的脑内流入动脉 图像校准处理，调整图像横向摆动偏差； 选择兴趣区：包括流入动脉、流出静脉（多选上矢状窦-25S）、肿瘤组织（46）,CBF,CBV,TTP,CBF,CBV,TTP,脑灌注参数,CBF：单位时间内流经一定量脑组织血管 结构的血流量(
10、ml/min/100g) CBV：单位组织内血流量(ml/100g) MTT：血液流经血管结构的时间(S) TTP： 开始注射对比剂至达到峰值时间(S) P S ： 血流由毛细血管内皮间隙进入血管 外速率(ml/min/100g),症状出现后30分钟显示病灶 敏感度90%，特异度100% 显示缺血半暗带与评价预后（不匹配法） CBF23ml/min/100g出现症状 CBF8ml/min/100g发生不可逆损伤 两侧比值0.20为组织存活最低限值,急性缺血性脑卒中,脑缺血半暗带,Core,选择溶栓治疗,溶栓是急性脑梗死有效的治疗手段TIME=BRAIN 6h: selection of pat
11、ients not to treat (likely not to benefit)无半暗带 6h: selection of patients to treat (possible responders)有半暗带,CT检查,NECT,CTP,CTA,RESULT,20分钟,CT平扫早期表现,没有异常改变 大脑中动脉高密度征 脑实质低密度征 岛带消失征 局部脑组织肿胀,脑灌注参数分析,灌注不足：MTT 、TTP CBV 、CBF 侧支循环：MTT 、TTP CBV，CBF 正常 再灌注： MTT 、TTP正常 CBV 、CBF或正常 过度灌注：MTT 、TTP CBV 、CBF,Admissi
12、on NECT,Admission CBF,Admission CBV,5 Day Post NECT,Recanalization（再通）,Admission NECT,Admission CBF,Admission CBV,5 Day Post NECT,No Recannalization,Enhanced CT,CBF,MTT,Follow up,CASE 2 右肢无力6小时,短暂性脑缺血发作,早期诊断和治疗可降低脑卒中发生率 大脑中、颈内动脉狭窄闭塞主要原因 CTP提供常规CT无法显示的灌注情况 为临床早期治疗提供影像学客观依据,PWI表现分期,1期：CBF、CBV正常 TTP、MT
13、T延迟 （脑血流速度、侧支） 2期：CBF正常, CBV轻度增高 TTP、MTT延迟 （血管代偿性扩张） 3期：CBF、CBV轻度下降 TTP、MTT延迟 （慢性灌注贫乏状态）,CTP 表 现,1期,CT平扫,TTP,CBF,反复发作性左侧肢体无力4月,CBV,CBF,MTT,CBV,TTP,2期,CBF,MTT,CBV,TTP,3期,MTT和TTP表现,灌注延迟表现分三型 1型病变仅累及MCA区 2型病变仅累及分水岭区 3型病变累及MCA和分水岭区 ICA病变多为3型， MCA病变多为1型,分水岭区,MTT,TTP,MCA和分水岭区,MTT,TTP,脑灌注参数分析,PS、CBF、CBV反映肿
14、瘤血管生成 PS图像有助于确定肿瘤范围 CBF、CBV明显增高 脑膜瘤胶质瘤转移瘤，不同肿瘤交叉 肿瘤复发CBF约增高2.5倍 MTT的临床意义有待于进一步研究,3D Brain Perfusion,影响灌注参数设定的几个因素,正确选择流入血管及流出血管。 部分容积效应对感兴趣区内动静脉强化的真实性低估，尤其是对横向走行血管真实性的低估，使BF和BV值高估，而MTT值影响不大。 灌注参数受体重及心输出量的影响，如何认识这一影响，还有待研究。,灌注成像在全身肿瘤中的应用价值,观察组织水平上的血流改变，发现病变和鉴别病灶性质。 早期发现形态学上无改变而仅有血液动力学改变的病变。 监测肿瘤新生血管，进行肿瘤放化疗后疗效的评估和随访。 研究肿瘤微血管，找出肿瘤灌注参数与免疫组化指标间的相关性。,CT灌注 欲渐迷人眼,Thank your attention!,