TW202324443A

TW202324443A - 用於自動鑑別及分類局部淋巴及遠處轉移中之病變的系統和方法

Info

Publication number: TW202324443A
Application number: TW111137709A
Authority: TW
Inventors: 裘漢馬汀布利諾夫森; 漢尼卡瑪麗亞艾雷歐諾拉薩爾斯泰特; 真思菲利浦安德魯斯理屈特
Original assignee: 瑞典商艾西尼診斷公司
Priority date: 2021-10-08
Filing date: 2022-10-04
Publication date: 2023-06-16
Also published as: WO2023057411A9; US20230115732A1; WO2023057411A1; EP4413526A1; AU2022361659A1; WO2023057411A8; CA3231578A1

Abstract

本文中呈現提供對3D影像的自動分析以對其中鑑別的病變的表示進行分類的系統和方法。特定而言，在某些實施例中，本文中所描述之方法允許基於表示病變的熱點與一或多個骨盆淋巴結區的空間關係(例如，該等熱點是接近於該等骨盆淋巴結區，與其重疊，還是定位於其內)以詳細方式對該等熱點進行分類。

Description

用於自動鑑別及分類局部淋巴及遠處轉移中之病變的系統和方法

本發明大體而言係關於用於創建、分析及/或呈現醫學影像資料的系統和方法。更特定而言，在某些實施例中，本發明係關於用於自動分析醫學影像以鑑別及/或表徵癌性病變的系統和方法。

核醫學造影涉及使用放射性標記化合物(被稱為放射性藥品)。放射性藥品經投與患者並以取決於並因此指示其中組織之生物物理及/或生物化學性質(諸如受諸如癌症之疾病的存在及/或狀態影響的生物物理及/或生物化學性質)的方式累積在身體的各種區中。舉例而言，某些放射性藥品在投與患者之後累積在與惡性骨病變相關聯的異常成骨區中，此指示轉移。其他放射性藥品可與身體中在疾病演變期間發生改變的特定受體、酶及蛋白質結合。在投與患者之後，此等分子在血液中循環，直至其找到其預期目標。結合的放射性藥品仍留在疾病部位，而其餘的藥劑自身體清除。

核醫學造影技術藉由檢測自放射性藥品之放射性部分發射之輻射來捕獲影像。累積的放射性藥品用作信標，以使得可獲得影像，該影像使用常用的核醫學診斷工具來描繪疾病位置及濃度。核醫學造影診斷工具之實例包括骨掃描造影學檢查(亦被稱為閃爍攝影)、單光子發射電腦斷層攝影(SPECT)及正電子發射斷層攝影(PET)。全球大多數醫院都有骨掃描、SPECT及PET造影系統。選擇特定的造影診斷工具取決於及/或決定所使用的特定放射性藥品。舉例而言，鎝99m( ^99mTc)標記化合物與骨掃描造影及SPECT造影相容，而PET造影通常使用用18F標記的氟化化合物。化合物 ^99mTc亞甲基二磷酸鹽( ^99mTc MDP)係用於骨掃描造影以便檢測轉移癌的普及放射性藥品。放射性標記的攝護腺特異性膜抗原(PSMA)目標化合物，諸如 ^99mTc標記1404及PyL ^TM(亦被稱為[18F]DCFPyL)可分別與SPECT及PET造影一起使用，並提供高度特異性攝護腺癌檢測的可能性。

因此，核醫學造影為用於向醫師提供可用於判定患者中之疾病的存在及程度的資訊的有價值技術。醫師可使用此資訊向患者提供建議的治療療程並追蹤疾病進展。

舉例而言，腫瘤科醫師可使用來自患者研究之核醫學影像作為其對患者是否患有特定疾病(例如，攝護腺癌)、疾病的哪個階段係明顯的、建議的治療療程(若有)將係什麼，是否指示手術干預，及可能的預後的評估中之輸入。腫瘤科醫師可在此評估中使用放射科醫師報告。放射科醫師報告係對由放射科醫師為請求造影研究之醫師準備的核醫學影像的技術評估，且包括(例如)所執行研究的類型、臨床病史、影像之間的比較、用於執行研究的技術、放射科醫師的觀察及發現，以及放射科醫師可基於造影研究結果而具有的總體印象及建議。已簽署的放射科醫師報告被發送至要求研究之醫師以供醫師查看，後續接著醫師與患者進行關於結果及治療建議的討論。

因此，過程涉及讓放射科醫師對患者執行造影研究，分析所獲得的影像，創建放射科醫師報告，將報告轉發至提出請求的醫師，讓醫師制定評估及治療建議，以及讓醫師與患者溝通結果、建議及風險。該過程亦可涉及由於不能判定結果而重複造影研究，或基於初步結果要求進一步測試。若造影研究表明患者患有特定疾病或病症(例如，癌症)，醫師討論各種治療選項，包括手術以及不採取任何措施或採取觀察等待或積極監測方法而非手術的風險。

因此，隨著時間的推移，查看及分析多個患者影像的過程在癌症的診斷及治療中起著關鍵作用。極其需要改良的工具，其有助於並改良用於癌症診斷及治療的影像檢查及分析的準確性。以此方式改良醫師、放射科醫師及其他醫療保健專家使用的工具套件提供醫療標準及患者體驗的顯著改良。

特定而言，在某些實施例中，本文中所描述之方法解決在解剖影像(諸如低劑量CT影像)內鑑別及/或直接分段骨盆淋巴區(諸如胯骨或其部分)方面的困難。在某些實施例中，本文中所描述之系統及方法將組合3D解剖影像之直接(例如，基於機器學習的)分段的方法與圖譜影像方法一起使用。舉例而言，CT影像可經分段以創建鑑別CT影像內各種區(包括骨盆骨(例如，其可在CT影像內準確分段))的分段圖[例如，包含一或多個標記區(例如，分段遮罩)，各標記區鑑別特定解剖或組織區]。分段圖之骨盆骨區與骨盆圖譜影像之對應參考骨盆骨區一起用作標誌以判定將骨盆圖譜影像與分段圖共同對位的變換(例如，座標變換)。

骨盆圖譜影像亦可包括骨盆淋巴區(例如，內胯區、外胯區、總胯區、閉孔區及薦前區)之鑑別。在某些實施例中，藉由變換骨盆圖譜影像以將其與分段圖對位，經變換骨盆圖譜影像之骨盆淋巴區從而與3D解剖影像對準。其中3D解剖影像(例如，亦)與3D功能影像(諸如PET影像(例如，如在PET/CT複合影像))對準，3D功能影像內之熱點可經鑑別為位於特定骨盆淋巴區內，與骨盆淋巴區重疊，及/或緊接近於該骨盆淋巴區。以此方式，熱點可基於其與特定淋巴亞區的空間關係而分類，從而允許詳細的基於局部淋巴分類。

在一個態樣中，本發明係針對一種用於自動地處理個體之3D影像以鑑別及/或表徵個體體內之癌性病變的方法，該方法包含：(a)藉由計算裝置之處理器，接收(i)使用功能造影診斷工具獲得的個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的個體之3D解剖影像，其中3D功能影像及3D解剖影像經對準[例如，3D功能影像及3D解剖影像已使用(例如，單個)多診斷工具造影系統(例如，PET/CT造影系統；例如，SPECT/CT造影系統)獲取；例如，3D功能影像及3D解剖影像已經單獨獲取並隨後共同對位]，並包括個體之骨盆區之表示，且其中3D功能影像包括一或多個表示個體之骨盆區內之潛在病變的熱點；(b)藉由處理器，對個體之3D解剖影像進行分段，以鑑別個體之3D解剖影像內之一或多個骨盆骨之表示，從而創建與個體之3D解剖影像對準的3D分段圖並包含一或多個(例如，經標記)骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別3D解剖影像內之特定骨盆骨及/或成組的一或多個骨盆骨之表示；(c)藉由處理器，接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含：(A) 3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖) [例如，其中各骨盆淋巴亞區為分段區，該分段區鑑別特定解剖結構的分段區(例如，內胯(例如，左及/或右內胯)、外胯(例如，左及/或右外胯)、總胯(例如，左及/或右總胯)、閉孔、薦前)及/或鑑別對應於環繞特定解剖結構(例如，左/右內胯、左/右外胯、左/右總胯、閉孔，薦前)的局部區的子體積] (例如，各骨盆淋巴亞區由特定分段遮罩鑑別)；及(B) 3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖)，其中3D骨盆圖譜影像中之一或多個參考骨盆骨區之至少一部分對應於3D分段圖之骨盆骨區中之一或多者(例如，描繪同一特定骨盆骨或成組的一或多個骨盆骨)；(d)藉由處理器，變換(例如，應用座標變換) 3D骨盆圖譜影像，以使用(i)骨盆圖譜影像內鑑別之一或多個參考骨盆骨區及(ii) 3D分段圖之一或多個骨盆骨區(例如，作為標誌)來將其與3D分段圖共同對位分段，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與3D解剖影像及其分段(例如，3D分段圖)對準的經鑑別一或多個骨盆淋巴亞區；及(e)藉由處理器，對於3D功能影像之一或多個熱點中之各者，使用經變換3D骨盆圖譜影像內之一或多個骨盆淋巴亞區的鑑別來判定骨盆淋巴分類[例如，藉由將一或多個熱點之各特定熱點鑑別為位於特定骨盆淋巴亞區內及/或與特定骨盆淋巴亞區重疊及/或接近於特定骨盆淋巴亞區(例如，基於特定熱點位於特定骨盆淋巴亞區內及/或經定位最靠近於特定骨盆淋巴亞區的判定)]。

在某些實施例中，3D功能影像為在對個體投與放射性藥品[例如，包含PSMA結合劑(例如，[18F]DCFPyL、[18F]DCFBC、68Ga-PSMA-11 (亦被稱為68Ga-PSMA-HBED-CC)、68Ga-PSMA-617、PSMA I&T、18F-PSMA-1007、18F-JK-PSMA-7)的放射性藥品]之後獲得的正電子發射斷層攝影(PET)影像(例如，且其中3D解剖影像為CT影像)。

在某些實施例中，放射性藥品包含攝護腺特異性膜抗原(PSMA)結合劑。

在某些實施例中，3D解剖影像為CT影像。

在某些實施例中，在步驟(c)處接收之3D骨盆圖譜影像選自一組多個前瞻性3D骨盆圖譜影像(例如，多個不同3D骨盆圖譜影像選項，例如，反映不同的個體體型、身高/體重範圍，等)。

在某些實施例中，3D骨盆圖譜影像包含(例如，作為一或多個骨盆淋巴亞區的鑑別)一或多個參考標記[例如，2D表面(例如，平面，例如，曲面)]，參考標記中之各者定界骨盆淋巴亞區中之兩者或多於兩者之間的邊界，從而鑑別3D骨盆圖譜影像內之一或多個骨盆淋巴亞區。

在某些實施例中，3D骨盆圖譜影像包含(例如，作為一或多個骨盆淋巴亞區的鑑別)擴展子體積之一或多個表示，各擴展子體積對應於一或多個骨盆淋巴亞區中之特定者，並表示關於特定骨盆淋巴結的局部體積，從而鑑別3D骨盆圖譜影像內之一或多個骨盆淋巴亞區。

在某些實施例中，3D骨盆圖譜影像包含(例如，作為一或多個骨盆淋巴亞區的鑑別)鑑別一或多個骨盆淋巴結的3D骨盆淋巴分段圖。

在某些實施例中，步驟(d)包含：判定第一變換，該第一變換將(i)在骨盆圖譜影像內鑑別之一或多個參考骨盆骨區之第一子組對準於(ii)3D分段圖之一或多個骨盆骨區之對應第一子組(例如，作為標誌) (例如，表示在個體之左側上之骨盆骨及/或成組的骨盆骨)；判定第二變換，該第二變換將(i)骨盆圖譜影像內鑑別之一或多個參考骨盆骨區之第二子組對準於(ii)3D分段圖之一或多個骨盆骨區之對應第二子組(例如，作為標誌) (例如，表示在個體之右側上之骨盆骨及/或成組的骨盆骨)；及基於第一變換及第二變換來判定最終總變換(例如，作為第一變換及第二變換的加權函數)，並使用最終總變換來變換3D骨盆圖譜影像。

在某些實施例中，該方法包含：對複數個前瞻性3D骨盆圖譜影像執行步驟(c)及(d)來對於前瞻性3D骨盆圖譜影像中之各者判定對應變換版本，並藉由處理器選擇前瞻性3D骨盆圖譜影像中之特定者作為最佳擬合3D骨盆圖譜影像[例如，基於為前瞻性3D骨盆圖譜影像中之各者計算的一或多個效能度量(例如，基於前瞻性3D骨盆圖譜影像中之各者的變換版本)]；及使用最佳擬合3D骨盆圖譜影像的變換版本作為經變換後3D骨盆圖譜影像來在步驟(e)處判定對一或多個熱點中之各者的骨盆淋巴分類。

在某些實施例中，步驟(d)包含：執行粗略對位以使用：(i)骨盆骨圖譜影像內鑑別之一或多個參考骨盆骨區及(ii)3D分段圖之一或多個骨盆骨區來將3D骨盆圖譜影像與3D分段圖共同對位；及完善3D骨盆圖譜影像以創建經變換3D骨盆圖譜影像{例如，其中執行粗略對位包含判定對位變換，該對位變換將(i)包含3D骨盆圖譜影像內鑑別之一或多個參考骨盆骨區中之參考骨盆骨區[例如，表示包含一或多個參考骨盆骨(一起)之組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]對準於(ii)目標骨盆骨區，目標骨盆骨區包含3D分段圖之一或多個骨盆骨區[例如，表示包含一或多個參考骨盆骨區(一起)的組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]；例如，其中完善3D骨盆圖譜影像包含藉由以下操作判定精細對位變換：判定左側變換，該左側變換將(i) 3D骨盆圖譜影像之參考左髖骨區與(ii) 3D分段圖之左髖骨區對準；判定右側變換，該右側變換將(i)3D骨盆圖譜影像之參考右髖骨區與(ii)3D分段圖之右髖骨區對準；及基於左側變換及右側變換來判定加權變換；及使用加權變換來變換3D骨盆圖譜影像以創建經變換3D骨盆圖譜影像}。

在某些實施例中，該方法包含：在步驟(c)處，接收複數個前瞻性3D骨盆圖譜影像；在步驟(d)處：對於複數個前瞻性3D骨盆圖譜影像中之各特定者，判定第一(例如，粗略)對位變換(例如，其中經由粗略對位判定第一對位變換)，以使用(i)在特定前瞻性3D骨盆圖譜影像內鑑別之一或多個參考骨盆骨區及(ii) 3D分段圖之一或多個骨盆骨區來將特定前瞻性3D骨盆圖譜影像與3D分段圖共同對位，及根據第一對位變換(針對特定前瞻性3D骨盆圖譜影像判定)來變換特定前瞻性3D骨盆圖譜影像，從而創建複數個經變換前瞻性骨盆圖譜影像；[例如，對於各經變換前瞻性骨盆圖譜影像，計算對位品質度量(例如，Dice評分) (例如，基於骨盆圖譜影像之參考骨盆骨區與3D分段圖之骨盆骨區重疊)]選擇經變換前瞻性骨盆圖譜影像中之特定者作為初始最佳擬合骨盆圖譜影像[例如，基於為經變換前瞻性骨盆圖譜影像中之各者計算的對位品質度量]；及對於該初始最佳擬合骨盆圖譜影像，判定一第二對位變換，以使用(i)初始最佳擬合骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來完善該初始最佳擬合骨盆圖譜影像與該3D分段圖之共同對位，及根據該第二對位變換來變換該初始最佳擬合骨盆圖譜影像，從而創建一最終經變換骨盆圖譜影像；及使用最終經變換骨盆圖譜影像作為經變換3D骨盆圖譜影像，以在步驟(e)處針對一或多個熱點中之各者判定骨盆淋巴分類{例如，其中第一(粗略)對位包含對位變換，該對位變換將(i)包含特定前瞻性骨盆圖譜影像內鑑別之一或多個參考骨盆骨區中之參考骨盆骨區[例如，表示包含一或多個參考骨盆骨(一起)之組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]對準於(ii)目標骨盆骨區，該目標骨盆骨區包含3D分段圖之一或多個骨盆骨區[例如，表示包含一或多個參考骨盆骨區(一起)的組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]；例如，其中判定第二(例如，精細)對位變換包含藉由以下操作判定精細對位變換：判定左側變換，該左側變換將(i)初始最佳擬合骨盆圖譜影像之參考左髖骨區與(ii) 3D分段圖之左髖骨區對準；判定右側變換，該右側變換將(i)初始最佳擬合骨盆圖譜影像之參考右髖骨區與(ii)3D分段圖之右髖骨區對準；及基於左側變換及右側變換來判定加權變換}。

在某些實施例中，在骨盆圖譜影像內鑑別之一或多個參考骨盆骨區包含選自由以下各項組成之群組的一或多個成員：右髖骨區(例如，表示分段右髖骨)、左髖骨(例如，表示分段左髖骨)、薦骨區(例如，表示經分段薦骨)、尾骨區(例如，表示經分段尾骨)及(例如，組合)薦骨及尾骨區。

在某些實施例中，一或多個骨盆淋巴亞區包含選自由以下各項組成之群組之一或多個成員：左內胯區、右內胯區，左外胯區、右外胯區、左總胯區、右總胯區、左閉孔區、右閉孔區及薦前區。

在某些實施例中，在3D分段圖之一或多個骨盆骨區包含選自由以下各項組成之群組的一或多個成員：右髖骨區(例如，表示分段右髖骨)、左髖骨(例如，表示分段左髖骨)、薦骨區(例如，表示經分段薦骨)、尾骨區(例如，表示經分段尾骨)及(例如，組合)薦骨及尾骨區。

在另一態樣中，本發明係針對一種用於自動地處理個體之3D影像以鑑別及/或表徵個體體內之癌性病變的方法，該方法包含：(a)藉由計算裝置之處理器，接收(i)使用功能造影診斷工具獲得的個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的個體之3D解剖影像，其中3D功能影像及3D解剖影像經共同對位並包括個體之軀幹之至少一部分之表示，且其中3D功能影像包括一或多個表示個體之軀幹之部分內之潛在病變的熱點；(b)藉由處理器，對3D解剖影像進行分段，以鑑別個體之3D解剖影像內之複數個所關注體積，各VOI對應於特定目標組織區[例如，胸脊及/或其部分(例如，一或多塊胸椎)、肝臟等]；(c)藉由處理器，使用VOI來判定一或多個全身標誌(例如，在冠狀面中之胸脊之中線及對應矢狀面中之肝臟之上點)；及(d)藉由處理器，對於3D功能影像之一或多個熱點中之各者，使用一或多個全身標誌判定遠處轉移分類(例如，藉由將位於肝臟之經鑑別上點上面的熱點分類為橫膈上，並將位於肝臟之上點下面的熱點分類為腹膜後位)。

在另一態樣中，本發明係針對用於自動地處理個體之3D解剖影像以鑑別其中之一或多個骨盆淋巴區的方法，該方法包含：(a)藉由計算裝置之處理器，接收個體之3D解剖影像，3D解剖影像已使用解剖造影診斷工具(例如，CT，例如，MRI)獲得並包括個體之骨盆區之表示；(b)藉由處理器，對個體之3D解剖影像進行分段，以鑑別個體之3D解剖影像內之一或多個骨盆骨之表示，從而創建與個體之3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區(例如，經標記分段遮罩)，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別3D解剖影像內之特定骨盆骨及/或成組的一或多個骨盆骨之表示； (c)藉由處理器，接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含：(A) 3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖) [例如，其中各骨盆淋巴亞區為分段區，該分段區鑑別特定解剖結構的分段區(例如，內胯(例如，左及/或右內胯)、外胯(例如，左及/或右外胯)、總胯(例如，左及/或右總胯)、閉孔、薦前)及/或鑑別對應於環繞特定解剖結構(例如，左/右內胯、左/右外胯、左/右總胯、閉孔，薦前)的局部區的子體積] (例如，各骨盆淋巴亞區由特定分段遮罩鑑別)；及(B) 3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖)，其中3D骨盆圖譜影像中之一或多個參考骨盆骨區之至少一部分對應於3D分段圖之骨盆骨區中之一或多者(例如，描繪同一特定骨盆骨或成組的一或多個骨盆骨)；(d)藉由處理器，變換(例如，應用座標變換) 3D骨盆圖譜影像，以使用以下來將其與3D分段圖共同對位：(i)骨盆圖譜影像內鑑別之一或多個參考骨盆骨區及(ii) 3D分段圖之一或多個骨盆骨區(例如，作為標誌)，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與3D解剖影像及其分段對準的經鑑別一或多個骨盆淋巴亞區；及(e)藉由處理器，儲存及/或提供(例如，以供進一步處理及/或顯示)經變換3D骨盆圖譜影像。

在另一態樣中，本發明係針對一種用於自動地處理個體之3D影像以鑑別及/或表徵個體體內之癌性病變的系統，該系統包含：計算裝置之處理器；及一記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器：(a)接收(i)使用功能造影診斷工具獲得的個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的個體之3D解剖影像，其中3D功能影像及3D解剖影像經對準[例如，3D功能影像及3D解剖影像已使用(例如，單個)多診斷工具造影系統(例如，PET/CT造影系統；例如，SPECT/CT造影系統)獲取；例如，3D功能影像及3D解剖影像已經單獨獲取並隨後共同對位]，並包括個體之骨盆區之表示，且其中3D功能影像包括一或多個表示個體之骨盆區內之潛在病變的熱點；(b)對個體之3D解剖影像進行分段，以鑑別個體之3D解剖影像內之一或多個骨盆骨之表示，從而創建與個體之3D解剖影像對準的3D分段圖並包含一或多個(例如，經標記)骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別3D解剖影像內之特定骨盆骨及/或成組的一或多個骨盆骨之表示；(c)接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含：(A) 3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖) [例如，其中各骨盆淋巴亞區為分段區，該分段區鑑別特定解剖結構的分段區(例如，內胯(例如，左及/或右內胯)、外胯(例如，左及/或右外胯)、總胯(例如，左及/或右總胯)、閉孔、薦前)及/或鑑別對應於環繞特定解剖結構(例如，左/右內胯、左/右外胯、左/右總胯、閉孔，薦前)的局部區的子體積] (例如，各骨盆淋巴亞區由特定分段遮罩鑑別)；及(B) 3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖)，其中3D骨盆圖譜影像中之一或多個參考骨盆骨區之至少一部分對應於3D分段圖之骨盆骨區中之一或多者(例如，描繪同一特定骨盆骨或成組的一或多個骨盆骨)；(d)變換(例如，應用座標變換) 3D骨盆圖譜影像，以使用(i)骨盆圖譜影像內鑑別之一或多個參考骨盆骨區及(ii) 3D分段圖之一或多個骨盆骨區(例如，作為標誌)來將其與3D分段圖共同對位，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與3D解剖影像及其分段(例如，3D分段圖)對準的經鑑別一或多個骨盆淋巴亞區；及(e)對於3D功能影像之一或多個熱點中之各者，使用經變換3D骨盆圖譜影像內之一或多個骨盆淋巴亞區的鑑別來判定骨盆淋巴分類[例如，藉由將一或多個熱點之各特定熱點鑑別為位於特定骨盆淋巴亞區內及/或與特定骨盆淋巴亞區重疊及/或接近於特定骨盆淋巴亞區(例如，基於特定熱點位於特定骨盆淋巴亞區內及/或經定位最靠近於特定骨盆淋巴亞區的判定)]。

在某些實施例中，3D解剖影像為CT影像。

在某些實施例中，在步驟(c)處，指令致使處理器自一組多個前瞻性3D骨盆圖譜影像(例如，多個不同3D骨盆圖譜影像選項，例如，反映不同的個體體型、身高/體重範圍，等)選擇3D骨盆圖譜影像。

在某些實施例中，在步驟(d)處，指令致使處理器：判定第一變換，該第一變換將(i)在骨盆圖譜影像內鑑別之一或多個參考骨盆骨區之第一子組對準於(ii)3D分段圖之一或多個骨盆骨區之對應第一子組(例如，作為標誌) (例如，表示在個體之左側上之骨盆骨及/或成組的骨盆骨)；判定第二變換，該第二變換將(i)骨盆圖譜影像內鑑別之一或多個參考骨盆骨區之第二子組對準於(ii)3D分段圖之一或多個骨盆骨區之對應第二子組(例如，作為標誌) (例如，表示在個體之右側上之骨盆骨及/或成組的骨盆骨)；及基於第一變換及第二變換來判定最終總變換(例如，作為第一變換及第二變換的加權函數)，並使用最終總變換來變換3D骨盆圖譜影像。

在某些實施例中，指令致使處理器：對複數個前瞻性3D骨盆圖譜影像執行步驟(c)及(d)來對於前瞻性3D骨盆圖譜影像中之各者判定對應變換版本，並藉由處理器選擇前瞻性3D骨盆圖譜影像中之特定者作為最佳擬合3D骨盆圖譜影像[例如，基於為前瞻性3D骨盆圖譜影像中之各者計算的一或多個效能度量(例如，基於前瞻性3D骨盆圖譜影像中之各者的變換版本)]；及使用該最佳擬合3D骨盆圖譜影像的該變換版本作為該經變換後3D骨盆圖譜影像來在步驟(e)處判定對該一或多個熱點中之各者的該骨盆淋巴分類。

在某些實施例中，在步驟(d)處，指令致使處理器：執行粗略對位以使用(i)骨盆骨圖譜影像內鑑別之一或多個參考骨盆骨區及(ii)3D分段圖之一或多個骨盆骨區來將3D骨盆圖譜影像與3D分段圖共同對位；及完善3D骨盆圖譜影像以創建經變換3D骨盆圖譜影像{例如，其中執行粗略對位包含判定對位變換，該對位變換將(i)包含3D骨盆圖譜影像內鑑別之一或多個參考骨盆骨區中之參考骨盆骨區[例如，表示包含一或多個參考骨盆骨(一起)之組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]對準於(ii)目標骨盆骨區，目標骨盆骨區包含3D分段圖之一或多個骨盆骨區[例如，表示包含一或多個參考骨盆骨區(一起)的組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]；例如，其中完善3D骨盆圖譜影像包含藉由以下操作判定精細對位變換：判定左側變換，該左側變換將(i) 3D骨盆圖譜影像之參考左髖骨區與(ii) 3D分段圖之左髖骨區對準；判定右側變換，該右側變換將(i)3D骨盆圖譜影像之參考右髖骨區與(ii)3D分段圖之右髖骨區對準；及基於左側變換及右側變換來判定加權變換；及使用加權變換來變換3D骨盆圖譜影像以創建經變換3D骨盆圖譜影像}。

在某些實施例中，指令致使處理器：在步驟(c)處，接收複數個前瞻性3D骨盆圖譜影像；在步驟(d)處：對於複數個前瞻性3D骨盆圖譜影像中之各特定者，判定第一(例如，粗略)對位變換(例如，其中經由粗略對位判定第一對位變換)，以使用(i)在特定前瞻性3D骨盆圖譜影像內鑑別之一或多個參考骨盆骨區及(ii) 3D分段圖之一或多個骨盆骨區來將特定前瞻性3D骨盆圖譜影像與3D分段圖共同對位，及根據第一對位變換(針對特定前瞻性3D骨盆圖譜影像判定)來變換特定前瞻性3D骨盆圖譜影像，從而創建複數個經變換前瞻性骨盆圖譜影像；[例如，對於各經變換前瞻性骨盆圖譜影像，計算對位品質度量(例如，Dice評分) (例如，基於骨盆圖譜影像之參考骨盆骨區與3D分段圖之骨盆骨區重疊)]選擇經變換前瞻性骨盆圖譜影像中之特定者作為初始最佳擬合骨盆圖譜影像[例如，基於為經變換前瞻性骨盆圖譜影像中之各者計算的對位品質度量]；及對於該初始最佳擬合骨盆圖譜影像，判定一第二對位變換，以使用(i)初始最佳擬合骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來完善該初始最佳擬合骨盆圖譜影像與該3D分段圖之共同對位，及根據該第二對位變換來變換該初始最佳擬合骨盆圖譜影像，從而創建一最終經變換骨盆圖譜影像；及使用最終經變換骨盆圖譜影像作為經變換3D骨盆圖譜影像，以在步驟(e)處針對一或多個熱點中之各者判定骨盆淋巴分類{例如，其中第一(粗略)對位包含對位變換，該對位變換將(i)包含特定前瞻性骨盆圖譜影像內鑑別之一或多個參考骨盆骨區中之參考骨盆骨區[例如，表示包含一或多個參考骨盆骨(一起)之組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]對準於(ii)目標骨盆骨區，該目標骨盆骨區包含3D分段圖之一或多個骨盆骨區[例如，表示包含一或多個參考骨盆骨區(一起)的組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]；例如，其中判定第二(例如，精細)對位變換包含藉由以下操作判定精細對位變換：判定左側變換，該左側變換將(i)初始最佳擬合骨盆圖譜影像之參考左髖骨區與(ii) 3D分段圖之左髖骨區對準；判定右側變換，該右側變換將(i)初始最佳擬合骨盆圖譜影像之參考右髖骨區與(ii)3D分段圖之右髖骨區對準；及基於左側變換及右側變換來判定加權變換}。

在另一態樣中，本發明係針對一種用於自動地處理個體之3D影像以鑑別及/或表徵個體體內之癌性病變的系統，該系統包含：計算裝置之處理器；及一記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器：(a)接收(i)使用功能造影診斷工具獲得的個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的個體之3D解剖影像，其中3D功能影像及3D解剖影像經共同對準並包括個體之軀幹之至少一部分之表示，且其中3D功能影像包括一或多個表示個體之軀幹之部分內之潛在病變的熱點；(b)對3D解剖影像進行分段，以鑑別個體之3D解剖影像內之複數個所關注體積，各VOI對應於特定目標組織區[例如，胸脊及/或其部分(例如，一或多塊胸椎)、肝臟等]；(c)使用VOI來判定一或多個全身標誌(例如，在冠狀面中之胸脊之中線及對應矢狀面中之肝臟之上點)；及(d)對於3D功能影像之一或多個熱點中之各者，使用一或多個全身標誌判定遠處轉移分類(例如，藉由將位於肝臟之經鑑別上點上面的熱點分類為橫膈上，並將位於肝臟之上點下面的熱點分類為腹膜後位)。

在另一態樣中，本發明係針對用於自動地處理個體之3D解剖影像以鑑別其中之一或多個骨盆淋巴區的系統，該系統包含：計算裝置之處理器；及一記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器：(a)接收個體之3D解剖影像，3D解剖影像已使用解剖造影診斷工具(例如，CT，例如，MRI)獲得並包括個體之骨盆區之表示；(b)對個體之3D解剖影像進行分段，以鑑別個體之3D解剖影像內之一或多個骨盆骨之表示，從而創建與個體之3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區(例如，經標記分段遮罩)，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別3D解剖影像內之特定骨盆骨及/或成組的一或多個骨盆骨之表示；(c)接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含：(A) 3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖) [例如，其中各骨盆淋巴亞區為分段區，該分段區鑑別特定解剖結構的分段區(例如，內胯(例如，左及/或右內胯)、外胯(例如，左及/或右外胯)、總胯(例如，左及/或右總胯)、閉孔、薦前)及/或鑑別對應於環繞特定解剖結構(例如，左/右內胯、左/右外胯、左/右總胯、閉孔，薦前)的局部區的子體積] (例如，各骨盆淋巴亞區由特定分段遮罩鑑別)；及(B) 3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別(例如，一或多個分段遮罩；例如，一或多個3D分段遮罩，例如，分段圖)，其中3D骨盆圖譜影像中之一或多個參考骨盆骨區之至少一部分對應於3D分段圖之骨盆骨區中之一或多者(例如，描繪同一特定骨盆骨或成組的一或多個骨盆骨)；(d)變換(例如，應用座標變換) 3D骨盆圖譜影像，以使用(i)骨盆圖譜影像內鑑別之一或多個參考骨盆骨區及(ii) 3D分段圖之一或多個骨盆骨區(例如，作為標誌)來將其與3D分段圖共同對位，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與3D解剖影像及其分段對準的經鑑別一或多個骨盆淋巴亞區；及(e)儲存及/或提供(例如，以供進一步處理及/或顯示)經變換3D骨盆圖譜影像。

在另一態樣中，本發明係針對一種用於自動地處理個體之3D影像以鑑別其中之一或多個骨盆淋巴區的方法，該方法包含：(a)藉由計算裝置之處理器，接收(i)使用功能造影診斷工具(例如，(例如)多診斷工具造影系統之PET掃描器)獲得的個體之3D功能影像(例如，3D PET影像)及(ii)使用解剖造影診斷工具(例如，(例如)多診斷工具造影系統之CT掃描器)獲得的個體之3D解剖影像(例如，CT影像)，其中3D功能影像及3D解剖影像經對準[例如，3D功能影像及3D解剖影像已使用(例如，單個)多診斷工具造影系統(例如，PET/CT造影系統；例如，SPECT/CT造影系統)獲取；例如，3D功能影像及3D解剖影像已經單獨獲取並隨後共同對位]，並包括個體之骨盆區之表示，且其中3D功能影像包括一或多個表示個體之骨盆區內之潛在病變的熱點；(b)藉由處理器，對個體之3D解剖影像進行分段[例如，使用一或多個機器學習模組，諸如卷積神經網路(CNN)]，以鑑別個體之3D解剖影像內之一或多個骨盆骨之表示，從而創建與個體之3D解剖影像對準的3D分段圖並包含一或多個(例如，經標記)骨盆骨區(例如，左髖骨區，右髖骨區，以及薦骨及尾骨區)，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨(例如，左髖骨，右髖骨，以及薦骨及尾骨)，並鑑別3D解剖影像內之特定骨盆骨及/或成組的一或多個骨盆骨之表示，且其中一或多個骨盆骨區包含鑑別3D解剖影像內之左髖骨之表示的左髖骨區及鑑別3D解剖影像內之右髖骨之表示的右髖骨區；(c)藉由處理器，接收複數個前瞻性3D骨盆圖譜影像，各特定前瞻性3D骨盆圖譜影像包含：(A) 特定前瞻性3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別[例如，一或多個經分段解剖結構、擴展子體積，及或鑑別選自由以下各項組成之群組的一或多個成員的參考標記(例如，平面參考標記)：內胯區(例如，左內胯區及/或右內胯區)、外胯區(例如，左外胯區及/或右胯區)、總胯區(例如左總胯區及/或右總胯區)、閉孔(例如，左閉孔區及/或右閉孔區)及薦前區]；及(B)特定3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中一或多個參考骨盆骨區包含對應於3D分段圖之左髖骨區的參考左髖骨區，及對應於3D分段圖之右髖骨區的參考右髖骨區；(d)對於複數個前瞻性3D骨盆圖譜影像之各特定前瞻性骨盆圖譜影像，藉由處理器判定對應粗略對位變換，該粗略對位變換將(i)包含特定前瞻性骨盆圖譜影像內鑑別之一或多個參考骨盆骨區中之參考骨盆骨區[例如，表示包含一或多個參考骨盆骨(一起)之組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]對準於(ii)目標骨盆骨區，該目標骨盆骨區包含3D分段圖之一或多個骨盆骨區[例如，表示包含一或多個參考骨盆骨區(一起)的組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]；(e)藉由處理器，根據其對應的粗略對位變換來變換複數個前瞻性3D骨盆圖譜影像中之各者以創建複數個經變換前瞻性骨盆圖譜影像； (f)藉由處理器，基於複數個經變換前瞻性骨盆圖譜影像自複數個前瞻性3D骨盆圖譜影像選擇最佳擬合骨盆圖譜影像[例如，與3D分段圖相比(例如，藉由對於各經變換前瞻性骨盆圖譜影像，計算在經變換前瞻性骨盆圖譜影像內已經變換的參考骨盆骨區與目標骨盆骨影像之間的相似性/對準度量(例如，Dice評分)，及選擇具有最高相似性/對準度量的前瞻性骨盆圖譜影像作為最佳擬合骨盆圖譜影像)]；(g)藉由處理器，藉由以下操作判定最佳擬合骨盆圖譜影像的精細對位變換：判定左側變換，該左側變換將(i)最佳擬合骨盆圖譜影像之參考左髖骨區與(ii) 3D分段圖之左髖骨區對準；判定右側變換，該右側變換將(i)最佳擬合骨盆圖譜影像之參考右髖骨區與(ii)3D分段圖之右髖骨區對準；及基於左側變換及右側變換來判定加權變換；(h)藉由處理器，使用權重變換來變換最佳擬合骨盆圖譜影像以創建最終經變換骨盆圖譜影像；及(i)藉由處理器，對於3D功能影像之一或多個熱點中之各者，使用最終經變換3D骨盆圖譜影像內之一或多個骨盆淋巴亞區的鑑別來判定骨盆淋巴分類[例如，藉由將一或多個熱點之各特定熱點鑑別為位於特定骨盆淋巴亞區內及/或與特定骨盆淋巴亞區重疊及/或接近於特定骨盆淋巴亞區(例如，基於特定熱點位於特定骨盆淋巴亞區內及/或經定位最靠近於特定骨盆淋巴亞區的判定)]。

在某些實施例中，3D分段圖之一或多個骨盆骨區包含鑑別3D解剖影像內之薦骨及尾骨之表示的薦骨及尾骨區；一或多個骨盆淋巴亞區包含薦前區(例如，對應於薦前淋巴結，經定位接近於個體之薦骨)；骨盆圖譜影像之一或多個參考骨盆骨區包含參考薦骨及尾骨區；步驟(d)包含，對於各特定前瞻性骨盆圖譜影像，將變換判定為對應粗略對位變換，該變換將(i)特定前瞻性骨盆圖譜影像內包含參考左髖骨區、參考右髖骨區及參考薦骨及尾骨區的參考骨盆骨區對準於(ii)3D分段圖之包含左髖骨區、右髖骨區及薦骨及尾骨區的目標骨盆骨區；及步驟(g)包含藉由應用粗略對位變換來變換最佳擬合骨盆圖譜影像之薦前區並應用加權變換來變換最佳擬合骨盆圖譜影像之其他區(例如，在薦前區外部)，將加權變換與在步驟(d)處針對最佳擬合骨盆圖譜影像所判定的粗略對位變換組合。

在另一態樣中，本發明係針對用於自動地處理個體之3D影像以鑑別其中之一或多個骨盆淋巴區的系統，該系統包含：計算裝置之處理器；及一記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器：(a)接收(i)使用功能造影診斷工具(例如，(例如)多診斷工具造影系統之PET掃描器)獲得的個體之3D功能影像(例如，3D PET影像)及(ii)使用解剖造影診斷工具(例如，(例如)多診斷工具造影系統之CT掃描器)獲得的個體之3D解剖影像(例如，CT影像)，其中3D功能影像及3D解剖影像經對準[例如，3D功能影像及3D解剖影像已使用(例如，單個)多診斷工具造影系統(例如，PET/CT造影系統；例如，SPECT/CT造影系統)獲取；例如，3D功能影像及3D解剖影像已經單獨獲取並隨後共同對位]，並包括個體之骨盆區之表示，且其中3D功能影像包括一或多個表示個體之骨盆區內之潛在病變的熱點；(b)對個體之3D解剖影像進行分段[例如，使用一或多個機器學習模組，諸如卷積神經網路(CNN)]，以鑑別個體之3D解剖影像內之一或多個骨盆骨之表示，從而創建與個體之3D解剖影像對準的3D分段圖並包含一或多個(例如，經標記)骨盆骨區(例如，左髖骨區，右髖骨區，以及薦骨及尾骨區)，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨(例如，左髖骨，右髖骨，以及薦骨及尾骨)，並鑑別3D解剖影像內之特定骨盆骨及/或成組的一或多個骨盆骨之表示，且其中一或多個骨盆骨區包含鑑別3D解剖影像內之左髖骨之表示的左髖骨區及鑑別3D解剖影像內之右髖骨之表示的右髖骨區；(c)接收複數個前瞻性3D骨盆圖譜影像，各特定前瞻性3D骨盆圖譜影像包含：(A)特定前瞻性3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別[例如，一或多個經分段解剖結構、擴展子體積，及或鑑別選自由以下各項組成之群組的一或多個成員的參考標記(例如，平面參考標記)：內胯區(例如，左內胯區及/或右內胯區)、外胯區(例如，左外胯區及/或右胯區)、總胯區(例如左總胯區及/或右總胯區)、閉孔(例如，左閉孔區及/或右閉孔區)及薦前區]；及(B)特定3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中一或多個參考骨盆骨區包含對應於3D分段圖之左髖骨區的參考左髖骨區，及對應於3D分段圖之右髖骨區的參考右髖骨區；(d)對於複數個前瞻性3D骨盆圖譜影像之各特定前瞻性骨盆圖譜影像，判定對應粗略對位變換，該粗略對位變換將(i)包含特定前瞻性骨盆圖譜影像內鑑別之一或多個參考骨盆骨區中之參考骨盆骨區[例如，表示包含一或多個參考骨盆骨(一起)之組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]對準於(ii)目標骨盆骨區，該目標骨盆骨區包含3D分段圖之一或多個骨盆骨區[例如，表示包含一或多個參考骨盆骨區(一起)的組合骨盆骨區的參考骨盆骨遮罩及/或由其創建的距離圖]；(e)根據其對應的粗略對位變換來變換複數個前瞻性3D骨盆圖譜影像中之各者以創建複數個經變換前瞻性骨盆圖譜影像； (f)基於複數個經變換前瞻性骨盆圖譜影像自複數個前瞻性3D骨盆圖譜影像選擇最佳擬合骨盆圖譜影像[例如，與3D分段圖相比(例如，藉由對於各經變換前瞻性骨盆圖譜影像，計算在經變換前瞻性骨盆圖譜影像內已經變換的參考骨盆骨區與目標骨盆骨影像之間的相似性/對準度量(例如，Dice評分)，及選擇具有最高相似性/對準度量的前瞻性骨盆圖譜影像作為最佳擬合骨盆圖譜影像)]；(g)藉由以下操作判定最佳擬合骨盆圖譜影像的精細對位變換：判定左側變換，該左側變換將(i)最佳擬合骨盆圖譜影像之參考左髖骨區與(ii) 3D分段圖之左髖骨區對準；判定右側變換，該右側變換將(i)最佳擬合骨盆圖譜影像之參考右髖骨區與(ii)3D分段圖之右髖骨區對準；及基於左側變換及右側變換來判定加權變換；(h)使用權重變換來變換最佳擬合骨盆圖譜影像以創建最終經變換骨盆圖譜影像；及(i)對於3D功能影像之一或多個熱點中之各者，使用最終經變換3D骨盆圖譜影像內之一或多個骨盆淋巴亞區的鑑別來判定骨盆淋巴分類[例如，藉由將一或多個熱點之各特定熱點鑑別為位於特定骨盆淋巴亞區內及/或與特定骨盆淋巴亞區重疊及/或接近於特定骨盆淋巴亞區(例如，基於特定熱點位於特定骨盆淋巴亞區內及/或經定位最靠近於特定骨盆淋巴亞區的判定)]。

在某些實施例中，3D分段圖之一或多個骨盆骨區包含鑑別3D解剖影像內之薦骨及尾骨之表示的薦骨及尾骨區；一或多個骨盆淋巴亞區包含薦前區(例如，對應於薦前淋巴結，經定位接近於個體之薦骨)；骨盆圖譜影像之一或多個參考骨盆骨區包含參考薦骨及尾骨區；在步驟(d)處，指令導致處理器對於各特定前瞻性骨盆圖譜影像，將變換判定為對應粗略對位變換，該變換將(i)特定前瞻性骨盆圖譜影像內包含參考左髖骨區、參考右髖骨區及參考薦骨及尾骨區的參考骨盆骨區對準於(ii)3D分段圖之包含左髖骨區、右髖骨區及薦骨及尾骨區的目標骨盆骨區；及在步驟(g)處，指令致使處理器藉由應用粗略對位變換來變換最佳擬合骨盆圖譜影像之薦前區並應用加權變換來變換最佳擬合骨盆圖譜影像之其他區(例如，在薦前區外部)，將加權變換與在步驟(d)處針對最佳擬合骨盆圖譜影像所判定的粗略對位變換組合。

關於本發明之一個態樣所描述之實施例之特徵可相對於本發明之另一態樣應用。

相關申請案之交叉參考

本申請案主張於2022年4月29日提出申請之美國臨時專利申請案第63/336,998號以及於2021年10月8日提出申請之美國臨時專利申請案第63/253,709號之優先權及權益，該等美國臨時專利申請案中之各者之內容以全文引用的方式併入本文中。 特定定義

為更容易地理解本揭示內容，下文首先定義特定術語。貫穿說明書闡明以下術語及其他術語的額外定義。

一 ( A ， an )：本文中所用之冠詞「一( a及 an)」係指一個或多於一個(亦即，至少一個)該冠詞之文法受詞。舉例而言，「一元件」意指一個元件或多於一個元件。因此，除非上下文另外明確指明，在本說明書及隨附申請專利範圍中，單數形式「一(a，an)」及「該」包括複數個指示物。因此，例如，對包含「試劑」的醫藥組合物的提及包括對兩個或多於兩個試劑的提及。

約，大約： 如本申請案中所使用，術語「約」及「大約」用作等效物。本申請案中所使用的具有或不具有約/大約的任何數字旨在涵蓋熟習此項相關技術者瞭解的任何正常波動。在某些實施例中，術語「大約」或「約」係指在規定的參考值的任一方向(大於或小於)的25%、20%、19%、18%、17%、16%、15%、14%、13%、12%、11%、10%、9%、8%、7%、6%、5%、4%、3%、2%、1%或更小的值範圍，除非另有說明或自上下文另外明顯(除非此類數目將超過可能值的100%)。

第一，第二，等等 ：應理解，除非明確陳述此限制，否則本文中使用諸如「第一」、「第二」等等的名稱對元件的任何提及不限制那些元件的數量或次序。而是，此等名稱可在本文中用作在兩個或多於兩個元件或一元件之例項之間進行區分之一方便方法。因此，對第一及第二元件的提及不意味可採用僅兩個元件或第一元件必須以某一方式先於第二元件。另外，除非另有所述，一組元件可包含一或多個元件。

影像：如本文中所使用，「影像」(舉例而言，個體之3D影像)包括任何視覺表示，諸如照片、視訊圖框、串流式視訊以及照片(例如，數位影像)、視訊圖框或串流式視訊之任何電子、數位或數學類比，顯示或儲存在記憶體中(例如，數位影像可但不必顯示以供目視檢查)。在特定實施例中，本文中所描述之任何設備包括用於顯示影像或由處理器產生的任何其他結果的顯示器。在某些實施例中，本文中所描述之任何方法包括顯示影像或經由方法產生的任何其他結果的步驟。在某些實施例中，影像為3D影像，傳達隨在3D體積內之位置變化的資訊。舉例而言，此類影像可以數位方式表示為3D矩陣(例如，

矩陣)，其中3D影像之各體素由3D矩陣之元素表示。亦考慮並包括其他表示，例如，3D矩陣可藉由首尾相接地縫合各列或行來重塑為向量(例如，

大小向量，其中 K為體素的總數)。例如，影像之實例包括醫學影像，諸如骨掃描造影(亦被稱為作為閃爍攝影造影)，電腦斷層攝影(CT)影像，磁性共振影像(MRI)、光學影像(例如，明場顯微鏡影像、螢光影像、反射或透射影像等)，正電子發射斷層攝影(PET)影像、單光子發射斷層攝影(SPECT)影像，超音波影像，X射線影像及其類似者。在某些實施例中，醫學影像為或包含核醫學影像，其由經造影之個體體內發射之輻射產生。在某些實施例中，醫學影像為或包含解剖影像(例如，3D解剖影像)，其傳達關於個體體內之解剖結構(諸如內臟、骨骼、軟組織及血管)之位置及範圍的資訊。解剖影像之實例包括但不限於X射線影像、CT影像、MRI，及超音波影像。在某些實施例中，醫學影像為或包含功能影像(例如，3D功能影像)，其傳達與特定器官及/或組織內之生理活動(諸如新陳代謝、血流、區化學成分、吸收等)有關的資訊。功能影像之實例包括但不限於PET影像、SPECT影像。

圖：如本文中所使用，術語「圖」被理解為意味著視覺顯示，或可被解釋為視覺顯示的任何資料表示，其含有空間相關資訊。舉例而言，給定體積之三維圖可包括在整個體積的三個空間維度上變化的給定數量之值的資料集。三維映圖可以二維(例如，在二維螢幕上，或在二維印出上)顯示。

分段圖 ：如本文中所使用，術語「 分段圖」係指鑑別藉由分段影像所判定的一或多個2D或3D區的電腦表示。在某些實施例中，分段圖可區分地鑑別多個不同的(例如，分段)區，允許其單獨且可區分地存取及操作及/或用於操作例如一或多個影像。

3D ，三維 如本文中所使用，參考「影像」的「 3D」或「三維」意指傳達關於三維的資訊。3D影像可再現為三維中之資料集及/或可顯示為二維表示或三維表示的集合。在某些實施例中，3D影像表示為體素(例如，體積像素)資料。

全身：如本文中所使用，在個體之影像內之區之鑑別之分段及其他方式的上下文中所使用(可互換地)之術語「全身」(「 full body」及「 whole body」)參考評估3D解剖影像中之個體身體之圖形表示的大多數(例如，大於50%)以鑑別所關注目標組織區的方法。在某些實施例中，全身及全身分段係指鑑別個體之至少整個軀幹內的目標組織區。在某些實施例中，亦包括肢體之部分，以及個體之頭部。

放射性核素 ：如本文中所使用，「 放射性核素」係指包含至少一個元素之放射性同位素之部分。例示性合適放射性核素包括(但不限於)本文中所闡述之彼等放射性核素。在一些實施例中，放射性核素係用於正電子發射斷層攝影術(PET)中之一者。在一些實施例中，放射性核素係用於單光子發射電腦斷層攝影(SPECT)中之一者。在一些實施例中，放射性核素之非限制性清單包括 ^99mTc、 ¹¹¹In、 ⁶⁴Cu、 ⁶⁷Ga、 ⁶⁸Ga、 ¹⁸⁶Re、 ¹⁸⁸Re、 ¹⁵³Sm、 ¹⁷⁷Lu、 ⁶⁷Cu、 ¹²³I、 ¹²⁴I、 ¹²⁵I、 ¹²⁶I、 ¹³¹I、 ¹¹C、 ¹³N、 ¹⁵O、 ¹⁸F、 ¹⁵³Sm、 ¹⁶⁶Ho、 ¹⁷⁷Lu、 ¹⁴⁹Pm、 ⁹⁰Y、 ²¹³Bi、 ¹⁰³Pd、 ¹⁰⁹Pd、 ¹⁵⁹Gd、 ¹⁴⁰La、 ¹⁹⁸Au、 ¹⁹⁹Au、 ¹⁶⁹Yb、 ¹⁷⁵Yb、 ¹⁶⁵Dy、 ¹⁶⁶Dy、 ¹⁰⁵Rh、 ¹¹¹Ag、 ⁸⁹Zr、 ²²⁵Ac、 ⁸²Rb、 ⁷⁵Br、 ⁷⁶Br、 ⁷⁷Br、 ⁸⁰Br、 ^80mBr、 ⁸²Br、 ⁸³Br、 ²¹¹At及 ¹⁹²Ir。

放射性藥品 ：如本文中所使用，術語「 放射性藥品」係指包含放射性核素的化合物。在某些實施例中，放射性藥品用於診斷及/或治療目的。在某些實施例中，放射性藥品包括用一或多個放射性核素標記的小分子、用一或多個放射性核素標記的抗體，及用一或多個放射性核素標記的抗原結合部分。

機器學習模組 ：如本文中所使用，術語「 機器學習模組」係指實施一或多個特定機器學習演算法之電腦實施過程(例如，函數)，以便對於給定輸入(諸如影像(例如，2D影像；例如，3D影像)、資料集，及其類似者)判定一或多個輸出值。舉例而言，機器學習模組可接收個體之3D影像(例如，CT影像；例如，MRI)作為輸入，並為影像之各體素判定表示體素位於3D影像之對應於個體之特定器官或組織之表示的區內的可能性之值。在某些實施例中，兩個或多於兩個機器學習模組可組合並實施為單個模組及/或單個軟體應用程式。在某些實施例中，兩個或多於兩個機器學習模組亦可單獨實施(例如)為單獨的軟體應用程式。機器學習模組可為軟體及/或硬體。舉例而言，機器學習模組可完全實施為軟體，或CNN模組之某些功能可經由專門硬體(例如，經由特殊應用積體電路(ASIC))實施。

個體：如本文中所使用，「個體」意指人或其他哺乳動物(例如，嚙齒動物(小鼠、大鼠、倉鼠)、豬、貓、狗、馬、靈長類動物、兔子及其類似者)。

投與：如本文中所使用，「投與」劑量意指將物質(例如，造影劑)引入至個體體內。一般而言，可利用任何投與途徑，包括例如非口服(例如，靜脈注射)、口服、外用、皮下注射、腹膜投與、動脈內投與、吸入、陰道投與、直腸投與、鼻腔投與、引入至腦脊髓液，或滴入至身體隔室中。

組織：如本文中所使用，術語「組織」係指骨(骨組織)以及軟組織。

預期所主張本發明之系統、裝置、方法及過程涵蓋使用來自本文中所描述之實施例的資訊開發的變化及更改。本文中所描述之系統、裝置、方法及過程的更改及/或修改可由熟習此項技術者執行。

貫穿說明，其中將物品、裝置及系統描述為具有、包括或包含特定組件，或其中將過程及方法描述為具有、包括或包含特定步驟，另外預期存在基本上由所敍述之組件組成或由所敍述之組件組成的本發明之物品、裝置及系統，且存在基本上由所敍述之處理步驟組成或由所敍述之處理步驟組成的根據本發明之過程及方法。應理解，只要本發明保持可操作，各步驟的次序或執行特定動作的次序並不重要。此外，可同時進行兩個或多於兩個步驟或動作。

本文中所提及的(舉例而言)背景技術章節中之任何公開案並非承認公開案用作關於本文中所呈現之技術方案中之任一者的先前技術。背景技術章節係出於清楚目的而呈現且並非意指為對關於任一技術方案的先前技術的說明。

為了方便讀者提供標題—標題的存在及/或放置不旨在限制本文中所描述之標的物之範疇。 A. 核醫學影像

核醫學影像可使用核醫學造影診斷工具(諸如骨掃描造影(亦被稱為閃爍攝影))、正電子發射斷層攝影(PET)造影及單光子發射斷層攝影(SPECT)造影獲得。

在某些實施例中，核醫學影像使用包含放射性藥品之造影劑獲得。核醫學影像可在將放射性藥品投與患者(例如，人類個體)之後獲得，並提供關於放射性藥品在患者體內的分佈的資訊。

核醫學造影技術檢測自放射性藥品之放射性核素發射的輻射以形成影像。特定放射性藥品在患者體內的分佈可受到生物機制(諸如血流或灌注)影響及/或決定，以及藉由特異性酶或受體結合交互作用。不同放射性藥品可經設計為利用不同的生物機制及/或特定的特異性酶或受體結合交互作用，且因此當投與患者時，選擇性地集中在患者體內之特定類型的組織及/或區。更大量的輻射自患者體內具有比其他區高的放射性藥品濃度，使得此等區在核醫學影像中顯得更亮。因此，核醫學影像內之強度變化可用於映射放射性藥品在患者體內的分佈。舉例而言，放射性藥品在患者體內的此映射分佈可用於推斷癌組織在患者身體之各種區內的存在。在某些實施例中，核醫學影像(例如PET影像)之體素強度表示標準攝取值(SUV) (例如，已針對注射的放射性藥品劑量及/或患者體重進行校準)。

舉例而言，在投與患者之後，鎝99m亞甲基二磷酸鹽( ^99mTc MDP)選擇性地累積在患者之骨骼區內，特定而言在具有與惡性骨病變相關聯的成骨異常的部位處。放射性藥品在此等部位的選擇性濃度產生核醫學影像中之可鑑別熱點—高強度之局部區。因此，存在與轉移性攝護腺癌相關的惡性骨病變可藉由在全身掃描患者中鑑別此類熱點來推斷。在某些實施例中，諸如藉由檢測及評估熱點之特徵，分析向患者投與 ^99mTc MDP之後獲得的全身掃描中的強度變化，可用於計算、與患者總體存活相關的風險指標及指示疾病狀態、進展、治療效果及其類似者的其他預後度量。在某些實施例中，其他放射性藥品亦可以類似的方式用於 ^99mTc MDP。

在某些實施例中，所使用的特定放射性藥品取決於所使用特定的核醫學造影診斷工具。舉例而言，18F氟化鈉(NaF)亦累積在骨病變中，類似於 ^99mTc MDP，但可用於PET造影。在某些實施例中，PET造影亦可利用放射性形式的維生素膽鹼，其容易被攝護腺癌細胞吸收。

在某些實施例中，可使用選擇性地結合於所關注的特定蛋白質或受體(特定而言在癌組織中表現增加的彼等)的放射性藥品。所關注此類蛋白質或受體包括但不限於腫瘤抗原，諸如在大腸直腸癌中表現的CEA、在多種癌症中表現的Her2/neu、在乳腺癌及卵巢癌中表現的BRCA 1及BRCA 2；及在黑色素瘤中表現的TRP-1及-2。

舉例而言，人類攝護腺特異性膜抗原(PSMA)在攝護腺癌中上調，包括轉移性疾病。PSMA表達為幾乎所有攝護腺癌且其在低分化、轉移性及激素難治性癌中表現進一步增加。因此，包含用一或多種放射性核素標記的PSMA結合劑(例如，對PSMA的高親和力的化合物)的放射性藥品可用於獲得患者之核醫學影像，自核醫學影像可評估患者之各種區(例如，包括但不限於骨骼區)內的攝護腺癌的存在及/或狀態。在某些實施例中，使用PSMA結合劑獲得的核醫學影像用於鑑別攝護腺內是否存在癌組織，當該疾病處於局部狀態時。在某些實施例中，使用包含PSMA結合劑的放射性藥品獲得的核醫學影像用於鑑別癌組織在各種區內的存在，該等區不僅包括攝護腺而且包括如當疾病轉移時係相關的其他器官及組織區，諸如肺、淋巴結及骨。

特定而言，在投與患者之後，放射性核素標記PSMA結合劑基於其對PSMA的親和力選擇性地累積在癌組織中。以類似於上文關於 ^99mTc MDP所描述的方式，放射性核素標記PSMA結合劑在患者體內之特定部位處的選擇性濃度在核醫學影像中產生可檢測熱點。當PSMA結合劑集中在表現PSMA之身體之各種癌組織及區內時，可檢測及評估患者之攝護腺內之局部癌症及/或患者身體之各種區中之轉移性癌。基於在將PSMA結合劑放射性藥品投與患者之後獲得的核醫學影像中之強度變化的自動分析，可計算與患者總體存活相關的風險指標及指示疾病狀態、進展、治療效果及其類似者的其他預後度量。

各種放射性核素標記的PSMA結合劑可用作用於核醫學造影的放射性藥品造影劑以檢測及評估攝護腺癌症。在某些實施例中，使用的特定放射性核素標記PSMA結合劑取決於諸如特定造影診斷工具(例如，PET；例如，SPECT)及欲造影之患者之特定區(例如，器官)等因素。例如，某些放射性核素標記PSMA結合劑適用於PET造影，而其他則適用於SPECT造影。舉例而言，某些放射性核素標記PSMA結合劑有助於對患者之攝護腺造影，且主要在定位疾病時使用，而其他有助於對患者全身的器官及區進行造影，且可用於評估轉移性攝護腺癌。

數個例示性PSMA結合劑及其放射性核素標記版本在本文中章節G中以及在美國專利第8,778,305號、第8,211,401號及第8,962,799號中且在美國專利公開案第US 2021/0032206 A1號進一步詳細描述，該等美國專利中之各者之內容以全文引用的方式併入本文中。 B. 核醫學造影中之影像分段

核醫學影像係功能影像。功能影像傳達與特定器官及/或組織內之生理活動(諸如新陳代謝、血流、區域化學成分、吸收等)有關的資訊。在某些實施例中，結合解剖影像，諸如電腦斷層攝影(CT)影像，採集及/或分析核醫學影像。解剖影像提供關於個體體內之解剖結構(諸如內臟、骨、軟組織及血管)之位置及範圍的資訊。解剖影像之實例包括但不限於X射線影像、CT影像、磁振造影，及超音波影像。

因此，在某些實施例中，解剖影像可與核醫學影像一起分析，以便為其(核醫學影像)傳達的功能資訊提供解剖學背景。舉例而言，雖然核醫學影像，諸如PET及SPECT傳達個體體內之放射性藥品的三維分佈，添加來自解剖造影診斷工具(諸如CT造影)的解剖上下文允許判定放射性藥品已累積其中的特定器官、軟組織區、骨等。

舉例而言，功能影像可與解剖影像對準，以使得可鑑別各影像內對應於相同的物理位置的位置—且因此彼此對應。舉例而言，功能影像及解剖影像內之座標及/或像素/體素可相對於共同座標系或解剖影像內之體素與建立的功能影像內之體素之間映射(亦即，功能關係)來界定。以此方式，解剖影像內之一或多個體素及功能影像內表示相同物理位置或體積的一或多個體素可鑑別為彼此對應。

舉例而言，圖1展示3D CT影像 102及3D PET影像 104的軸向切片，以及融合影像 106 ，其中3D CT影像之切片以灰階顯示，且其中PET影像顯示為半透明重疊。由於CT與PET影像之間的對準，熱點在PET影像內之位置(指示累積的放射性藥品且因此潛在病變)可在對應CT影像中鑑別，並在解剖上下文中查看，例如，在骨盆區中特定位置內(例如，攝護腺內)。

在某些實施例中，對準對為複合影像，諸如PET/CT或SPECT/CT。在某些實施例中，解剖影像(例如，3D解剖影像，諸如CT影像)及功能影像(例如，3D功能影像，諸如PET或SPECT影像)分別使用單獨的解剖及功能造影診斷工具獲取。在某些實施例中，解剖影像(例如，3D解剖影像，諸如CT影像)及功能影像(例如，3D功能影像，諸如PET或SPECT影像)使用單個多診斷工具造影系統獲取。功能影像及解剖影像可例如使用單個多診斷工具造影系統經由兩次掃描獲取—例如，首先執行CT掃描且然後其次執行PET掃描—在此期間，個體保持在大體上固定位置中。

在某些實施例中，所關注特定組織區之3D邊界可藉由分析3D解剖影像準確地鑑別。舉例而言，可對3D解剖影像執行自動分段以分段3D區(諸如特定器官、器官亞區及軟組織以及骨)邊界區。在某些實施例中，諸如攝護腺、膀胱、肝臟、主動脈(例如，主動脈之部分，諸如胸主動脈)、腮腺等器官經分段。在某些實施例中，一或多個特定骨骼經分段。在某些實施例中，整體骨架經分段。

在某些實施例中，3D解剖影像之自動分段可使用一或多個經訓練以接收3D解剖影像及/或其一部分作為輸入的機器學習模組來執行，並分段所關注一或多個特定區，產生3D分段圖作為輸出。舉例而言，如在標題為「Systems and Methods for Platform Agnostic Whole Body Segmentation」且於2020年7月16日發佈的PCT公開案WO/2020/144134 (其以全文引用的方式併入本文中)中所描述，實施卷積神經網路(CNN)的多個機器學習模組可用於分段個體之全身之3D解剖影像(諸如CT影像)，以及從而創建跨個體身體鑑別多個目標組織區的3D分段圖。

在某些實施例中，例如分段某些器官，其中功能影像被認為提供有助於分段的額外有用資訊，機器學習模組可接收解剖影像及功能影像兩者作為輸入，例如作為兩個不同輸入頻道(例如，類似於顏色、RGB、影像中的多個色彩頻道)及使用此兩個輸入來判定解剖分段。此多頻道方法進一步詳細描述於標題為「Systems and Methods for Deep-Learning-Based Segmentation of Composite Images」且於2021年10月28日的美國專利公開案第US 2021/0334974 A1號，該美國專利申請案的內容特此以全文引用的方式併入本文中。

在某些實施例中，如在圖2中所說明，解剖影像 204(例如，3D解剖影像，諸如CT影像)及功能影像 206(例如，3D功能影像，諸如PET或SPECT影像)可彼此(例如，共同對位)，例如如在複合影像(例如PET/CT影像)中。解剖影像 204可經分段以創建分段圖 210(例如，3D分段圖)，可分段圖區分鑑別所關注一或多個組織區及/或亞區，諸如一或多個特定器官及/或骨。已自解剖影像 204創建的分段圖 210與解剖影像 204對準，該解剖影像又與功能影像 206對準。因此，經由分段圖 210鑑別的諸如特定器官及/或骨的特定區(例如，分段遮罩)的邊界可傳送至及/或重疊在功能影像 206上以鑑別功能影像 206內的體積，以便對熱點進行分類，並判定用作癌症狀況、進展及對治療的回應的衡量及/或預測的有用指標。舉例而言，分段圖及遮罩亦可顯示為重疊在醫學影像上之圖形表示以導引醫師及其他開業醫師。 C. 病變檢測與表徵

在某些實施例中，本文中所描述之方法允許基於其與某些骨盆淋巴區的空間關係以詳細方式分類3D功能影像中鑑別的表示潛在病變的熱點。如本文中所描述，在某些實施例中，熱點為諸如3D功能影像之影像內相對於其周圍環境的高強度之局部(例如，連續的)區，且可指示存在於個體體內潛在癌性病變。

各種方法可用於檢測、分段及分類熱點。在某些實施例中，使用分析方法(諸如濾波技術，包括但不限於高斯(DoG)濾波器及高斯拉普拉斯(LoG)濾波器)來檢測及分段熱點。在某些實施例中，熱點使用機器學習模組進行分段，該機器學習模組接收3D功能影像(諸如PET影像)作為輸入，及產生區分經鑑別熱點之邊界與背景的熱點分段圖(「熱點圖」)作為輸出。在某些實施例中，熱點圖內之各個分段熱點係單獨可鑑別的(例如，單獨標記)。在某些實施例中，用於分段熱點之機器學習模組可除了3D功能影像外亦採用3D解剖影像(例如，CT影像)及3D解剖分段圖中之一者或兩者作為輸入。3D解剖學分段圖可經由3D解剖影像之自動分段(例如，如本文中所描述)產生。

在某些實施例中，分段熱點可根據其所在的解剖區進行分類。舉例而言，在某些實施例中，熱點圖內之單個分段熱點之位置(表示及鑑別分段熱點)可與3D解剖分段圖內之分段組織區(諸如各種器官及骨)之3D邊界進行比較，並根據其位置標記，例如，基於與特定器官的接近度及/或重疊。在某些實施例中，機器學習模組可用於對熱點進行分類。舉例而言，在某些實施例中，機器學習模組可產生熱點圖作為輸出，其中分段熱點不僅單獨標記，而且可鑑別的(例如，彼此可區分)，但例如亦被標記為對應於骨、淋巴或攝護腺病變中之一者。在某些實施例中，一或多個機器學習模組可彼此組合，以及與分析分段(例如，定限化)技術組合以並行且按順序執行各種任務以創建最終標記的熱點圖。

各種用於對3D解剖影像執行詳細分段及鑑別3D功能影像中表示病變之熱點的方法(其可與本文中所描述之各種方法一起使用)描述在以下公開案中：在標題為「Systems and Methods for Platform Agnostic Whole Body Segmentation」且於2020年7月16日公開的PCT公開案WO/2020/144134、標題為「Systems and Methods for Deep-Learning-Based Segmentation of Composite Images」且於2021年10月28日公開的美國專利公開案第US 2021/0334974 A1號及標題為「Systems and Methods for Artificial Intelligence-Based Image Analysis for Detection and Characterization of Lesions」且於2022年1月13日公開的PCT公開案WO/2022/008374，該等公開案中之各者的內容以全文引用的方式併入本文中。

圖3展示用於基於標題為「Systems and Methods for Artificial Intelligence-Based Image Analysis for Detection and Characterization of Lesions」且於2022年1月13日公開的PCT公開案WO/2022/008374中進一步詳細描述之實例方法進行分段及分類熱點的實例過程 300。圖3中所說明之方法使用兩個機器學習模組，該等機器學習模組中之各者接收3D功能影像 306、3D解剖影像 304及3D解剖分段圖 310作為輸入。機器學習模組 312a為二進位分類器，該二進位分類器藉由將體素標記為熱點或背景(非熱點)來產生單類熱點圖 320a。機器學習模組 312b執行多類分段，並產生多類熱點圖 320b，其中熱點既被分段又標記為三類(攝護腺、淋巴或骨)中之一者。除其他外，以此方式對熱點進行分類—經由機器學習模組 312b(例如，如與直接將熱點位置與分段圖 310之分段邊界進行比較相反)—消除分段某些區的需求。舉例而言，在某些實施例中，機器學習模組 312b可將熱點分類為屬於攝護腺、淋巴或骨，而無需自3D解剖影像 304鑑別及分段攝護腺區(例如，在某些實施例中，3D解剖分段圖 310不包含攝護腺區)。在某些實施例中，熱點圖 320a及 320b被合併，例如藉由將標籤自多類熱點圖 320b傳送至單類熱點圖 320a中(例如，基於重疊)鑑別的熱點分段。不希望受任何特定理論的約束，咸信此方法組合來自單類機器學習模組 312a 之熱點之經改良分段及檢測與來自多類機器學習模組 312b之分類結果。在某些實施例中，使用諸如標題為「Systems and Methods for Artificial Intelligence-Based Image Analysis for Detection and Characterization of Lesions」且於2022年1月13日公開的PCT公開案WO/2022/008374中描述之自適應定限化技術的分析技術，進一步完善經由此最終、合併熱點圖鑑別之熱點區。 D. 骨盆淋巴區之詳細鑑別

轉向至圖4、圖5及圖6，在某些實施例中，本文中所描述之技術提供鑑別解剖結構(諸如骨盆淋巴結)及另外或替代地與其相關聯的亞區，該等亞區可難以單獨地或結合功能影像(例如，共通對準的功能影像)基於解剖影像之直接分析進行準確分段。

圖4基於在某些實施例中轉移分類框架(被稱為「miTNM」，且在艾貝爾(Eiber)等人之J. Nucl. Med. 2018; 59:469-478 (其內容特此以全文引用的方式併入本文中)中描述)並結合該轉移分類框架使用展示某些骨盆淋巴亞區的示意圖。特定而言，圖4展示骨盆淋巴亞區，各亞區對應於特定骨盆淋巴結，包括右內胯 402a及左內胯 402b(分別標記為「IIR」及「IIL」)、右外胯 404a及左外胯 404b(分別標記為「EIR」及「EIL」)、右總胯 406a及左總胯 406b(分別標記為「CIR」及「CIL」)、右閉孔 408a及左閉孔 408b(分別標記為「OBR」及「OBL」)，及薦前區 410(標記為「PS」)。亦展示腹膜後位 412盆外區之部分。

圖5展示鑑別骨盆區內之某些骨盆淋巴結及骨之3D分段圖 500之表示的兩個視圖。分段圖 500包括對應於上文關於圖4所描述之亞區之骨盆淋巴結之表示—特定而言，右內胯 502a及左內胯 502b、右外胯 504a及左外胯 504b、右總胯 506a及左總胯 506b、右閉孔 508a及左閉孔 508b，及薦前淋巴結 510，連同腹膜後位 512骨盆外淋巴結之一部分。圖5亦包括右髖骨 512a、左髖骨 512b及薦骨 512c之表示。

圖6A展示個體之骨盆區內之低劑量CT影像的軸向切片。圖6B展示相同切片，但具有重疊的胯動脈(特定而言，右內胯 602a、左內胯 602b、右外胯 604a及左外胯 604b)分段。比較圖6A與圖6B，說明與鑑別骨盆淋巴結及對應亞區相關聯的挑戰，諸如直接來自(例如，經由分段)低劑量CT影像之骨盆區內的本文中所描述之各種胯動脈及其他動脈。如自圖6A及圖6B可看出，此等淋巴結結構相對於周圍區具有有限對比度且難以鑑別(比較，例如與影像中可見更明亮的骨盆骨)。自解剖影像(諸如CT影像)直接分段骨盆淋巴結的困難因此限制決策支援系統為使用者提供與骨盆淋巴結相關的解剖學背景之能力及/或將功能影像內之熱點預先選擇或預先分類為屬於特定骨盆淋巴結(亦即，表示其內潛在癌性病變)。克服此等障礙並以自動或半自動方式提供鑑別諸如核醫學影像(例如，PET影像)之功能影像內之骨盆淋巴亞區的系統及方法提供優於先前技術的優點。特定而言，除其他事物外，其允許經由決策支援系統(例如，經由miTNM分類)進行更詳細自動化分析及報告以及改良精細區分(例如)局部腫瘤與分級區轉移(諸如涉及單個或多個淋巴結的區轉移)的能力。

在某些實施例中，本文中所描述之方法解決此挑戰並提供藉由組合解剖影像內之各種骨及軟組織之自動分段對熱點進行詳細淋巴結分類的能力，如本文中(例如，在上文章節B中)用圖譜影像技術所描述。特定而言，在某些實施例中，本文中所描述之系統及方法創建及/或利用包括鑑別(諸如參考標記、分段解剖區及擴展子體積，等)之一或多個骨盆圖譜影像並將其與經由目標CT影像之自動分段創建的分段圖對位。特定而言，藉由首先對目標CT影像執行解剖分段以鑑別可準確分段的彼等骨骼及軟組織區，並然後將其用作藉以將一或多個圖譜影像與解剖分段圖共同對位的標誌，本文中所描述之方法提供準確鑑別骨盆淋巴亞區。

圖7展示用於根據本文中所描述之技術變換骨盆圖譜影像以便例如將其與複合影像對之解剖影像及/或功能影像對準之實例流程 700。在某些實施例中，接收解剖影像 704(諸如CT影像)及功能影像 706(例如PET影像)。如本文中所描述，在某些實施例中，所接收功能影像 706及解剖影像 704為例如使用多診斷工具造影儀器獲得之複合影像(諸如PET/CT影像)之成員，並因此彼此對準。在某些實施例中，解剖影像 704及功能影像 706係單獨獲得並隨後共同對位。所接收解剖影像 704可為3D解剖影像，諸如CT影像。所接收功能影像 706可為3D功能影像，諸如PET或SPECT影像。

解剖影像 704可經分段 708以創建與解剖影像 704對準之分段圖 710並鑑別對應於所關注各種解剖結構(諸如特定器官、器官亞區、其他軟組織及骨)之區。在某些實施例中，解剖影像 704為3D解剖影像，且分段圖 710為3D分段圖。可使用本文中(舉例而言在上文章節B中)所描述之任何方法執行3D解剖影像之分段 708。舉例而言，在某些實施例中，經由諸如在標題為「Systems and Methods for Platform Agnostic Whole Body Segmentation」且於2020年7月16日發佈的PCT公開案WO/2020/144134 (其內容以全文引用的方式併入本文中)中所描述之彼等之方法，使用一或多個CNN執行解剖影像 704之分段 708。

在某些實施例中，分段圖 710包括一或多個骨盆骨區，諸如左髖骨區及右髖骨區、薦骨區及尾骨區。在某些實施例中，薦骨區及尾骨區經分組在一起，使得骨盆骨區中之一者為薦骨區及尾骨區。如本文中進一步詳細解釋，分段圖 710之骨骨盆骨區可用作標誌，藉以變換一或多個圖譜影像 712以便將其與分段圖 710共同對位 714。 D.i. 骨盆圖譜影像

在某些實施例中，接收及/或存取一或多個骨盆圖譜影像 712。轉向圖8，在某些實施例中，骨盆圖譜影像 802為參考影像，其包含(i)一或多個骨盆淋巴亞區 804之鑑別及(ii)一或多個參考骨盆骨區 806之鑑別。圖譜影像 802內之骨盆淋巴亞區 804 之鑑別可為，或包含鑑別骨盆圖譜影像 802內之特定子體積之一或多個所關注區及/或參考標記及/或將圖譜影像 802細分為特定子體積，各特定子體積與特定骨盆淋巴亞區相關聯。在某些實施例中，一或多個骨盆圖譜影像 712為3D影像—亦即，3D骨盆圖譜影像。 骨盆圖譜影像內之骨盆淋巴亞區之鑑別

各種方法及實施方案可用於鑑別骨盆圖譜影像 802內之骨盆淋巴亞區 804。

舉例而言，轉向圖9A，在某些實施例中，骨盆圖譜影像 902包含(作為一或多個骨盆淋巴亞區之鑑別)分段圖 904，其鑑別骨盆淋巴結結構，諸如各種胯動脈，閉孔淋巴結及薦前淋巴結。在某些實施例中，如在圖9A中所展示，骨盆圖譜影像 902亦可包含一或多個參考骨盆骨區 906之鑑別。舉例而言，骨盆圖譜影像 902可包含鑑別一或多個參考骨盆骨區之第二分段圖。在某些實施例中，單個分段圖可包含骨盆淋巴結結構 904連同參考骨盆骨區 906之鑑別，其方式允許區分骨盆淋巴結結構及參考骨盆骨區。骨盆圖譜影像(諸如骨盆圖譜影像 902)可因此為或包含分段圖。圖9B展示對應實例3D圖譜影像，其包含鑑別骨盆淋巴亞區[亦即，胯動脈、閉孔(左及右)以及薦前區]以及骨盆參考骨的3D分段圖 910。因此，在某些實施例中，解剖結構(亦即，一或多個骨盆淋巴結)之分段直接用作骨盆圖譜影像內之一或多個骨盆淋巴亞區之鑑別，其中一或多個骨盆淋巴亞區中之各者對應於分段骨盆淋巴結並由其鑑別。

在某些實施例中，骨盆圖譜影像(諸如在圖9A及圖9B中所展示彼等)內之骨盆淋巴亞區之鑑別可經由分段參考影像(諸如如同CT影像等3D解剖影像)創建。在某些實施例中，分段參考影像以便創建骨盆圖譜影像係手動及/或以半自動方式執行，例如基於來自專業核醫學物理學家、放射科醫師、技術人員及其類似者輸入的實例。

轉向圖9C，在某些實施例中，另外或替代地，骨盆圖譜影像 922將一或多個擴展子體積 924鑑別(例如)為骨盆淋巴亞區，各子體積位於諸如特定骨盆淋巴結之對應特定解剖結構周圍，並囊括其局部附近。此等擴展子體積可為大體上囊括對應骨盆淋巴結之體積及其在骨盆區內的周圍附近。各擴展亞區可對應於特定骨盆淋巴結，且大體上囊括骨盆淋巴結之表示(例如，在自其導出骨盆圖譜之解剖影像內)。圖9D展示一個此類圖譜影像 930之實例實施方案(圖9D中所展示之視圖在橫向平面上，不同於圖9C中之視圖，其說明冠狀面中之實例骨盆圖譜影像)。圖9D之骨盆圖譜影像 930包含五個骨盆淋巴亞區之鑑別，其中各骨盆淋巴亞區由對應於大體上環繞特定對應骨盆淋巴結之局部區之擴展子體積鑑別。特定而言，骨盆圖譜影像 930包含右外胯子體積 934a、左外胯子體積 934b、右內胯子體積 932a、左內胯子體積 932b，及薦前子體積 938。骨盆圖譜 930亦包括三個參考骨盆骨區之鑑別，亦即，經分段右髖骨 936a、經分段左髖骨 936b以及薦骨及尾骨區 936c。

轉向圖9E，在某些實施例中，另外或替代地，骨盆圖譜影像 942內之一或多個骨盆淋巴亞區之鑑別可經由使用一或多個參考標記 948來實施。例如，此類參考標記可為2D表面，其位於3D骨盆圖譜影像內且其區別兩個或多於兩個骨盆淋巴亞區 944之間的邊界及/或其部分。以此方式用作參考標記之二維表面可為平面或曲面。此類表面可在一或多個維度方面無限及/或在一或多個維度有限。

舉例而言，圖9E展示骨盆圖譜影像 942之實例示意圖(與圖9A及圖9C之示意圖的佈局相似)，該骨盆圖譜影像包含幾個平面表面 948，其區分骨盆淋巴亞區 944之邊界。圖9F展示一個此類骨盆圖譜之實例實施方案，其中平面表面位於大約平行於矢狀面，該矢狀面分離骨盆淋巴亞區之左手部分及右手部分，且大約軸向平面表面分離區，諸如總胯、外胯、內胯，及閉孔。圖9G及圖9H展示圖9E及圖9F中所展示之面向矢狀面的骨盆圖譜之視圖，並展示額外平面標記，該平面標記經定位大約平行於冠狀面並將位於個體之前的外胯亞區與內胯及閉孔分離，兩者皆朝向個體之背面。 骨盆圖譜影像內之參考骨盆骨區之鑑別

在某些實施例中，骨盆圖譜影像亦包括一或多個參考骨盆骨區 906之鑑別。骨盆圖譜影像內之參考骨盆骨區之鑑別可為經由分段特定骨盆骨獲得之區，諸如左髖骨或右髖骨、薦骨、尾骨或成組兩個或多於兩個特定骨盆骨，諸如(例如，組合)薦骨及尾骨區。特定骨盆骨及/或成組的骨盆骨之分段可經由區分鑑別特定骨盆骨及/或其組之多個單獨分段遮罩及/或分段圖表示。舉例而言，如在圖9D中所展示，骨盆圖譜影像 930包含3D分段圖，其包括經分段右髖骨 936a、經分段左髖骨 936b，及薦骨及尾骨區 936c。圖9B展示另一實例骨盆圖譜 910，其包括經分段左右髖骨(胯骨)及薦骨。在某些實施例中，鑑別一或多個參考骨骨盆骨，諸如參考骨骨盆骨圖(例如，分段圖)，可經由參考CT影像之自動分段獲得/創建。 D.ii 將骨盆圖譜影像對位於目標解剖 ( 例如， CT) 影像

再次轉向圖7，在某些實施例中，為了將骨盆圖譜影像 712與例如特定所關注功能影像及/或解剖影像對準，將骨盆圖譜影像 712變換以將其與解剖分段圖 710共同對位。在某些實施例中，將骨盆圖譜影像 712與分段圖 710共同對位利用骨盆圖譜影像 712內之一或多個已鑑別參考骨盆骨區連同分段圖 710中之對應骨盆骨區。

轉向圖8，將骨盆圖譜影像 802之參考骨盆骨區 806與目標分段圖 810之對應骨盆骨區 816(以黑色展示)對準的對位變換可經判定並然後將其應用於骨盆圖譜影像 802，包括且從而變換其中骨盆淋巴亞區之鑑別以將骨盆圖譜影像 802與目標分段圖 810共同對位。因此，在目標解剖影像(諸如CT影像)內分段且經由目標分段圖 810表示之骨盆骨可用作與匹配骨盆圖譜影像 802內之參考骨盆骨分段 806匹配之標誌以便將骨盆圖譜影像 802對準並變換至自特定解剖影像 704創建之分段圖 810。以此方式，骨盆圖譜影像之骨盆淋巴亞區與解剖影像 704對準，自解剖影像創建目標分段，並因此亦對準於功能影像 706，功能影像對準於解剖影像 704。

在某些實施例中，將骨盆圖譜影像 802與分段圖 810(例如，直接自目標CT影像創建)共同對位可包括經由一或多個操作變換 820骨盆圖譜影像 802，該等操作包括但不限於平移 822、剛性對位 824，及仿射對位 826。此類變換可使用骨盆圖譜影像 802內之分段圖 810之骨盆骨區 816及參考骨盆骨區 806來判定(例如，計算)。舉例而言，在某些實施例中，變換(例如，包含一或多個操作，如本文中所描述)可使用例如包含(例如，僅)參考骨盆骨區 806 之骨盆圖譜影像 802之版本及/或部分來計算。

在某些實施例中，使用骨盆圖譜影像內鑑別之所有參考骨盆骨區。在某些實施例中，骨盆圖譜影像之參考骨盆骨區之一部分(例如，子組)與目標分段圖之骨盆骨區之對應部分一起使用(例如，子組)，例如省略可為異常、分段不良或其他可不良影響對位的離群值之骨盆骨。

舉例而言，將骨盆圖譜影像 802與分段圖 810共同對位的變換可判定為一組一或多個操作，該等操作最佳化骨盆圖譜影像 804之參考骨盆骨區 806與目標分段圖 810之對應骨盆骨區 816之間的對準。此類變換操作可例如經由一或多個最佳化常規來判定，使用一或多個對準度量作為效能指標來最大化(或最小化，例如，取決於特定度量)。舉例而言，可使用Dice評分來評估效能，其定義為：

哪些措施在區域 A與區域 B之間以正規化方式在自0至1之規模上重疊。舉例而言， A可為骨盆圖譜影像內之一或多個參考骨盆骨區，且 B為目標分段圖內之相應骨盆骨區。

轉向圖7及圖8，一旦如本文中所描述使用骨盆骨標誌判定對位變換，可應用於整個骨盆圖譜影像—亦即，包括骨盆淋巴亞區之鑑別，從而創建與目標分段圖 710、 810對位之經變換骨盆圖譜影像 716、 852。由於目標分段圖 710、 810與從中創建目標分段圖之解剖影像 704對準，此方法將骨盆淋巴亞區與解剖影像 704對準，且又與對準於解剖影像之功能影像 706對準。 多步驟骨盆圖譜對位

在某些實施例中，骨盆圖譜影像可使用一或多個多步驟方法與分段圖對位。

舉例而言，在某些實施例中，藉此多個初步變換(其中各者將骨盆圖譜內鑑別之一或多個參考骨盆區之特定子組對準於目標分段圖之骨盆骨區之對應子組)可經判定且然後經組合以判定最終整體變換。

舉例而言，在某些實施例中，可使用兩步對位方法來判定將骨盆圖譜影像與分段圖共同對位的變換。在某些實施例中，判定第一變換，該第一變換將(i)在骨盆圖譜影像內鑑別之一或多個參考骨盆區之第一子組對準於(ii)分段圖之一或多個骨盆骨區之對應第一子組；及判定第二變換，該第二變換將(i)骨盆圖譜影像內鑑別之一或多個參考骨盆區之第二子組對準於(ii)分段圖之一或多個骨盆骨區之對應第二子組。在某些實施例中，一或多個骨盆參考區之第一子組，以及分段圖之一或多個骨盆骨區之對應第一子組表示個體之左側上之骨盆骨及/或其組。在某些實施例中，一或多個骨盆參考區之第二子組，以及分段圖之一或多個骨盆骨區之對應第二子組表示個體之右側上之骨盆骨及/或其群組。因此，第一變換可經最佳化以將骨盆圖譜影像之左側部分與分段圖之對應左側部分對準，且第二變換可經最佳化以將骨盆圖譜影像之右側部分分別與分段圖之對應右側部分對準。

在某些實施例中，基於多個初步變換判定最終整體變換，舉例而言，將骨盆圖譜影像之左及右部分與目標分段圖對準之第一及第二變換。舉例而言，最終總變換可經判定為兩個或多於兩個(例如，子組或全部)初步變換之加權平均值，諸如第一及第二變換的加權平均值。在某些實施例中，使用體素相依加權因子，其中各體素根據兩個或多於兩個初步變換的加權平均值進行變換，各初步變換之各別權重因體素而不同。在某些實施例中，基於彼特定體素距用於計算特定變換之骨盆參考區之特定子組的距離來判定特定體素處之特定變換之權重。一旦經判定，可應用以此方式判定之最終總變換以將骨盆圖譜對位於分段圖。

另外或替代地，在某些實施例中，依序判定及執行多個對位變換可。舉例而言，判定第一粗略對位變換，然後應用(例如，創建第一經變換骨盆圖譜影像)，後續接著為可進一步最佳化對準之第二精細對位變換。在某些實施例中，使用骨盆圖譜影像內之相同的一或多個參考骨盆骨區(連同目標分段圖中之其對應骨盆骨區) (例如，一或多個參考骨盆骨區之整個集合；例如，一或多個參考骨盆骨區之相同子組)來判定第一(例如，粗略)及第二(例如，精細)對位變換兩者。在某些實施例中，使用一或多個參考骨盆骨區之第一子組，連同目標分段圖之一或多個骨盆骨區之對應子組(例如，左及右髖骨以及薦骨及尾骨區)來判定第一對位變換，且使用一或多個參考骨盆骨區之第二子組以及分段圖之一或多個骨盆骨區之對應第二子組(例如，左及右髖骨)來判定第二對位變換。

在某些實施例中，使用骨盆圖譜影像之一或多個參考骨盆骨區，連同目標分段圖之對應一或多個骨盆骨區，以判定第一變換對目標分段圖之骨盆圖譜影像執行粗略共同對位的第一變換。在某些實施例中，骨盆圖譜影像可包含一或多個、額外次級參考組織區，該等次級參考組織區對應(亦即，表示相同的一或多個物理解剖結構)於目標分段圖中之一或多個(例如，自動分段)次級組織區。在某些實施例中，一或多個次級組織區包含軟組織區，諸如某些器官或器官亞區(例如，膀胱、輸尿管、直腸、攝護腺、左/右臀大肌等)。在某些實施例中，使用目標分段圖中之一或多個次級參考組織區及對應次級組織區來判定第二(例如，精細)對位變換。

另外或替代地，在某些實施例中，第一(例如，粗略)對位變換包含(例如，限於)第一組變換操作(例如，第一操作組合，諸如平移、剛性對位、仿射變換中之一或多者)及第二(例如，精細)對位變換包含(例如，限於)第二組變換操作(例如，第一操作組合，諸如平移、剛性對位、仿射變換中之一或多者)。在某些實施例中，第一對位變換限於平移及剛性對位操作，且第二對位變換為或包含仿射變換。在某些實施例中，使用多步驟方法(諸如兩步方法)來單獨地判定次級對位變換，該兩步方法單獨地基於左髖骨及然後右髖骨區來判定兩個共同對位變換，且然後使用距離相依體素加權來將其組合成最終總變換，如本文中所描述。以此方式，舉例而言，第二對位係非剛性的。

另外或替代地，在某些實施例中，使用第一解析度來判定第一(例如，粗略)對位變換，且使用第二解析度來判定第二(例如，精細)對位變換。

另外或替代地，在某些實施例中，為複數個初始、前瞻性骨盆圖譜影像判定第一(例如，粗略)對位變換以創建複數個經變換前瞻性骨盆圖譜影像，自骨盆圖譜影像選擇「最佳擬合」經變換骨盆圖譜影像。在某些實施例中，「最佳擬合」經變換骨盆圖譜影像基於一或多個度量選自複數個經變換前瞻性骨盆圖譜影像，一或多個度量評估骨盆圖譜影像之一或多個參考骨盆骨區之至少一部分(例如，高度全部)與目標分段圖之一或多個骨盆骨區之對應部分之間的重疊。在某些實施例中，然後為選定的「最佳擬合」經變換骨盆圖譜影像判定第二(例如，精細)對位變換，以進一步完善「最佳擬合」骨盆圖譜影像與目標分段圖對準。最終總變換可判定為第一變換後續接著第二次變換之組合(例如，按順序)，並應用於整個「最佳擬合」的骨盆圖譜影像，以創建最終經變換骨盆圖譜影像。

在某些實施例中，第一初始對位之部分可與第二、精細對位組合，以例如創建組合變換骨盆圖譜。舉例而言，在某些實施例中，可使用第一粗略對位來變換骨盆圖譜影像之部分，例如，對應於薦前區，且可使用第二精細對位來變換骨盆圖譜影像之其他部分。 多圖譜影像對位

轉向圖7，在某些實施例中，對多個骨盆圖譜影像重複步驟 714—亦即，多個骨盆圖譜影像 712可與分段圖 710共同對位。在某些實施例中，舉例而言，可使用多個骨盆圖譜來捕獲個體之各種不同的體型及類型。舉例而言，肥胖患者可具有更多脂肪組織，且因此使用與例如用於平均或低於平均身體質量指數之患者之骨盆圖譜不同的骨盆圖譜進行分析。

在某些實施例中，使用衡量對位效能之效能指標(諸如如上文所描述之Dice評分)來變換及評估多個前瞻性骨盆圖譜影像。在某些實施例中，可使用其他效能指標，諸如相似性度量(例如，測量兩個影像中之體素集之間的相似性)，包括但不限於特沃斯基指數(例如，Dice評分為特沃斯基指數)。在某些實施例中，選擇一或多個效能最高的骨盆圖譜，且其經變換版本用於下游加工。在某些實施例中，可使用其他準則(例如，不一定基於對位變換之後的骨盆骨之對準)。

因此，以此方式，可自一組一或多個(例如，預定義的)前瞻性骨盆圖譜影像選擇特定「最佳擬合」骨盆圖譜。 E. 根據局部骨盆淋巴對熱點進行分類

轉向圖10，在某些實施例中，可使用經變換骨盆圖譜影像 716(其已經共同對位於分段圖 710)來鑑別自其創建分段圖 710 之解剖影像 702及/或與解剖影像 704對準之功能影像 706內之區及邊界(例如，3D區及邊界)。在某些實施例中，此方法可用於根據其相對於一或多個骨盆淋巴亞區之位置對表示潛在病變之功能影像(例如，核醫學影像)內之熱點進行分類。

舉例而言，如本文中所描述，為了評估放射性藥品攝取並表徵個體內之病變，3D解剖影像(諸如CT影像)可與對應3D功能影像(諸如PET或SPECT影像)一起獲取。此方法允許例如CT影像之解剖/結構資訊與對應PET或SPECT影像之功能資訊相關。可使用單個多診斷工具造影系統(例如，PET/CT系統；例如，SPECT/CT系統)獲取解剖及功能影像，使得個體為大體上固定位置同時執行用以獲取解剖及功能影像之掃描。以此方式，兩個(解剖及功能)影像經對準，且可使用對應於特定器官及/或組織區之解剖影像內鑑別之體積來鑑別彼等體素，對應於彼等相同特定器官及/或組織區之功能影像。另外或替代地，在某些實施例中，解剖及功能影像可單獨獲取，且隨後彼此共同對位以將其對準。

功能影像 706可包括一或多個熱點，該等熱點對應於強度提高的局部區(例如，相對於其周圍環境)，該等局部區表示個體體內之潛在癌性病變。在某些實施例中，功能影像 706內之熱點可經檢測及/或分段 1002以創建熱點圖 1004，該熱點圖鑑別(例如，可區分地)功能影像 706內對應於熱點之區。熱點可使用分析技術(例如，定限化)、機器學習(例如，基於神經網路之分段及/或分類)及其組合進行檢測、分段及分類。用於鑑別及分類熱點之各種技術之實例，及其在例如評估疾病狀態、進展及治療反應的使用在本文中(例如，在上文章節C處)解釋，且在以下公開案中進一步詳細描述：在標題為「Systems and Methods for Platform Agnostic Whole Body Segmentation」且於2020年7月16日公開的PCT公開案WO/2020/144134、標題為「Systems and Methods for Deep-Learning-Based Segmentation of Composite Images」且於2021年10月28日公開的美國專利公開案第US 2021/0334974 A1號及標題為「Systems and Methods for Artificial Intelligence-Based Image Analysis for Detection and Characterization of Lesions」且於2022年1月13日公開的PCT公開案WO/2022/008374，該等公開案中之各者的內容以全文引用的方式併入本文中。

在某些實施例中，位於骨盆區內之熱點可根據其相對於經變換骨盆圖譜影像 716之骨盆淋巴亞區中之一或多者的位置分類，該經變換骨盆圖譜影像例如由於與目標分段圖 710共同對位而亦與功能影像 706共同對準。亦即，由於解剖影像 704及功能影像 706對準，將骨盆圖譜影像 716與分段圖(其經由解剖影像 704之分段創建，且因此與該解剖影像對準)共同對位將骨盆圖譜影像 716之骨盆淋巴亞區與功能影像 706對準，使得其可重疊在功能影像 706上及/或用於鑑別功能影像 706內之相應體積。例如，在某些實施例中，特定熱點可經鑑別為屬於在骨盆圖譜影像中鑑別之一或多個骨盆淋巴亞區中之特定者—亦即，表示定位在特定亞區內之潛在病變。以此方式分類熱點可例如使用熱點圖 1004連同變換骨盆圖譜影像 716來完成。根據其骨盆淋巴亞區對熱點進行分類可用於創建一組分類熱點 1008，其中(例如，熱點圖 1004之)各熱點根據經判定屬於(亦即，表示位於其內之病變)之特定骨盆淋巴結進行標記。

轉向圖11，在某些實施例中，此類分類可基於判定：特定熱點屬於對準的骨盆圖譜影像之特定骨盆淋巴亞區內，或與特定骨盆淋巴亞區重疊(例如，大多數)。如在圖11中所說明，可檢測存在於3D功能影像 1106 (諸如PET影像 )中之熱點 1122a、 1122b中並將其分段，使得鑑別其邊界(例如，經由熱點圖)。然後可基於例如熱點體積與特定骨盆淋巴亞區的接近度及/或重疊的度量，根據特定骨盆淋巴亞區對熱點進行分類，例如，如由經分段淋巴結區、擴展子體積及/或平面參考標記 1152、 1156所鑑別。

以此方式，在某些實施例中，位於骨盆區內之一或多個個別熱點中之各者可進一步分類為屬於特定骨盆淋巴結區，且因此表示其內之潛在病變，諸如左或右總肌、左外胯或右外胯，左內胯或右內胯、左閉孔或右閉孔，及薦前淋巴結。

在某些實施例中，額外類別可用於並非例如與特定骨盆淋巴亞區充分重疊及/或足夠接近於特定骨盆淋巴亞區之熱點。舉例而言，此類熱點可分類為「其他骨盆」(例如，捕獲所有類別)，經鑑別為不屬於骨盆淋巴結，及/或經標記以供放射科醫師進一步查看。

在某些實施例中，本章節中所描述之方法適用於(例如)使用一或多個機器學習模組產生之熱點圖內之特定熱點子組。舉例而言，如在上文章節C中所描述，本文中所描述之骨盆淋巴分類方法可應用於多類熱點圖之特定類別熱點，諸如熱點子組已經標記為對應於潛在淋巴病變(例如，且不適用於標記為骨及/或攝護腺之彼等熱點)。

在某些實施例中，基於將個別熱點分類為屬於骨盆淋巴區，可判定(例如，自動地)患者之區淋巴結的整體分類，例如根據艾貝爾等人之J. Nucl. Med. 2018; 59:469-478中所描述之miTNM分類方案，如在下文表1中所展示。在某些實施例中，熱點初始經分類為局部腫瘤(例如，標記為「T」)，遠處轉移(例如，在骨盆區外部) (例如，標記為「M」類型)或區域性骨盆淋巴結轉移(例如，標記為「N」)。在某些實施例中，根據其所位於之特定骨盆淋巴亞區(例如，淋巴結)對標記為「N」之熱點進一步分類—例如，各N型熱點經標記為屬於左內胯、右內胯、左外胯、右外胯、左總胯、右總胯、左閉孔、右閉孔及薦前淋巴結中之一或多者。表1：根據基於miTNM之框架對區淋巴結之實例分類

分類	說明/ 準則
miN0	無積極區淋巴結(例如，無熱點分類為屬於骨盆淋巴亞區)
miN1a	具有轉移的單個淋巴結區(例如，一或多個熱點皆分類為屬於一個特定骨盆淋巴亞區)
miN1b	多個(例如，兩個或多於兩個)具有轉移的淋巴結區(例如，兩個或多於兩個熱點經分類為屬於兩個或多於兩個不同的骨盆淋巴亞區)

F. 實例骨盆圖譜對位及骨盆淋巴分類方法

本文中呈現骨盆圖譜影像及用於將該等骨盆圖譜影像與目標分段對位以便根據局部骨盆淋巴亞區對(共同對準)對應PET影像之熱點進行分類之方法的三個實例實施方案。實例 1

在此實例中，創建將骨盆淋巴亞區鑑別為擴展體積之骨盆圖譜影像，將該骨盆圖譜影像與目標分段對位，並將其重疊在對應PET影像上，以便對熱點進行分類。

圖12A展示重疊有分段胯動脈的3D CT影像之切片。在圖12B及圖12C中展示經由手動註釋核醫學物理學家創建經分段胯動脈的三維視圖。

轉向圖13，為創建骨盆圖譜影像，環繞經分段胯動脈之區經擴展以創建關於各經分段結構之對應擴展子體積。如在圖13中所展示，對於各經分段結構(例如，胯動脈)，對應經擴展子體積可大體上(但不必完全)囊括經分段結構。

圖14A展示所得骨盆圖譜影像，包括鑑別骨盆淋巴亞區以及分段骨盆骨，例如左髖骨及右髖骨，薦骨及尾骨，其將用作用於將骨盆圖譜影像對位於分段圖之標誌。特定目標分段圖 1452在圖14B中展示，重疊在自其創建目標分段圖之CT影像 1454上。

圖15A至圖15C展示用於將骨盆圖譜影像對位於目標分段圖之各種影像變換的結果。圖15A至圖15C中之各者展示來自圖譜影像(變換之後)的重疊在目標分段圖 1452及CT影像 1454上之參考骨盆骨區 1502。圖15A展示平移操作的結果，圖15B展示剛性對位操作的結果，且圖15C展示仿射變換的結果。

在使用骨盆骨判定對位變換之後，例如如在圖15A至圖15C中所展示，將變換應用於整個骨盆圖譜影像(包括骨盆淋巴亞區)。從而將所得經變換骨盆圖譜影像與目標CT影像對準，且又與對應PET影像的PET對準。圖16展示重疊在目標CT影像上之經變換後骨盆圖譜影像。

圖17展示重疊在目標CT與目標PET影像的融合上經變換骨盆圖譜，展示與經變換圖譜影像之對準骨盆淋巴亞區相關的兩個熱點。基於重疊在熱點與骨盆淋巴亞區之間，內(右側)胯被建議為用於較小熱點的位置且外(左側)胯被建議為用於較大熱點之位置。

圖18說明展示某些圖譜影像可為(例如)更適合不同體重的患者的觀察效應。舉例而言，如在圖18中所展示，骨盆圖譜影像之部分 1802似乎擴展超過CT影像中造影之個體之胃，指示例如藉此多個版本的骨盆圖譜影像(例如，基於不同的患者體重或BMI)可提供經改良效能的方法。實例 2

此實例演示一實施例，藉此使用使用特定淋巴結結構之分段來鑑別骨盆淋巴亞區的骨盆圖譜。此實例亦演示多步驟對位方法的使用。

圖19展示鑑別胯動脈、閉孔及薦前區的3D分段圖。藉由核醫學物理學家(例如，基於對CT影像的查看)經由手動註釋對此等骨盆淋巴結結構進行分段。在此實例中使用三個不同個體之CT影像。對於各影像，經由手動(專家)方法分段骨盆淋巴結結構，且經由如本文中所描述之自動分段鑑別骨盆骨，以創建三個不同的圖譜影像。圖20展示以此方式為案例中之一者創建的圖譜影像的兩個視圖，展示經分段骨盆淋巴結構及經分段參考骨盆骨兩者。

圖21A至圖21F展示六個實例對位變換，該等對位變換經執行以針對三個狀況中之各者將來自彼狀況獲得之骨盆圖譜影像與另外兩個狀況之解剖分段中之各者對位。圖22展示將來自案例1之圖譜影像與來自案例3之分段圖進行對位的結果。基於結果(例如，在圖22中所展示)，在某些狀況下，使用非剛性對位及/或多步驟方法的方法可提供經改良效能。

圖23A至圖23D演示實例方法，藉此以多步驟方式使用仿射對位，其中使用左側上之骨盆骨標誌來執行第一對位(圖23A)，且使用右側上之骨盆骨標誌來執行第二對位(圖23B)。最終變形(例如，變換)係基於第一及第二對位變換來判定，在此實例中，作為具有基於各個像素與髖骨區之間的距離的權重的加權平均數。圖23C中展示最終對位結果，展示經變換圖譜影像之右及左髖骨重疊在目標CT影像上。圖23D展示軸向視圖，其中經變換骨盆圖譜影像之外胯及內胯區緊接近於目標CT影像之對應區。

圖24A至圖24F展示類似於圖23A至圖23D中所展示結果的結果，但用於多步驟對位方法。實例 3

此實例演示一實施例，藉此使用平面參考標誌鑑別骨盆淋巴亞區的多個骨盆圖譜用於提示分段熱點的骨盆淋巴分類。 骨盆圖譜影像創建

在此實例中，根據針對10位患者的一組十次低劑量CT掃描創建十個骨盆圖譜影像。對應於某些骨盆淋巴結位置的以下區由核醫學專家在低劑量CT掃描中註釋：左右總胯動脈、左右外胯動脈，左右內胯動脈動脈，淋巴結將被視為閉孔淋巴結的區(左側及右側兩者)，及淋巴結將被認為薦前淋巴結的區。(左右)閉孔區中之各者經擴展以亦包括其周圍的附近組織的某些部分，諸如閉孔肌。薦前區經擴展以囊括直腸的一部分及毗鄰肌肉。

十個低劑量CT影像亦被自動分段(例如，如本文中章節B中所描述)以鑑別對應於骨盆骨之3D表示的區。特定而言，鑑別左髖骨、右髖骨及(組合)薦骨及尾骨區(亦即，經鑑別為包含薦骨及尾骨表示的單個區)。

然後將對胯動脈區的上文所描述註釋與分段骨盆骨一起使用，以在各骨盆圖譜影像中創建六個平面參考標記，將骨盆體積細分為所關注各種骨盆淋巴區，如在圖26A及圖26B中所展示。

特定而言，創建第一平面參考標記 2602以將左側上的內胯動脈及外胯動脈與右側上的彼等胯動脈分離—例如，個體之中間平面。為定義此平面，下文表2中所描述之三個點 P ₁、 P ₂及 P ₄被手動置放在骨盆圖譜影像體積中。表2：用於界定圖26A及圖26B中所展示之實例骨盆圖譜影像中之平面參考標記的點。

P ₁	主動脈分叉
P ₂	總胯分叉的左右中點，位於第5腰椎之下點之高度處。
P ₃	個體之脊椎之最背點，在與 P ₂相同影像切片中。
P ₄	左恥骨與右恥骨交會處之點。
P ₅、 P ₆及 P ₇	置放在將內胯動脈與外胯動脈分開的平面中之點。
P ₈	股骨頭中之一者之最接近點。

創建第二平面參考標記 2604以將左側總胯與右總胯分離。與第一平面標記 2602類似，此第二平面標記 2604經設計為垂直於冠狀面，但略微傾斜，通過點 P ₂及 P ₃。此將考慮主動脈通常略微向患者左側延展，並且主動脈分叉位於中平面的左側處。第二平面參考標記 2604亦通過第三點 P ₁，該第三點置放在如上文表2中所描述之主動脈分叉處。

第三平面參考標記 2606經創建為相對於患者橫向並置放在腰椎5與薦骨相交之位置處。為此，(i)垂直於第一平面參考標記 2602及(ii)垂直於自 P ₁至 P ₂的向量且(iii)通過 P ₂的平面經創建為此第三平面標記 2606。

第四平面參考標記 2608經創建為平行於第三平面參考標記 2606，但通過 P ₁(與 P ₂相對)。第四平面參考標記 2608將總胯熱點與遠處淋巴熱點分離(例如，其中遠處淋巴熱點位於第四平面參考標記 2608上面)。

第五平面參考標記 2610經創建為(亦)平行於第三平面參考標記 2606，但通過P ₈(與P ₂相對)。第五平面參考標記 2610將內胯區與閉孔區分離，如在圖26A及圖26B中所展示。

第六平面參考標記 2612經創建為將外胯動脈與內胯動脈分離。第六平面參考標記 2612係藉由以下操作創建：在左右側總胯動脈之分叉處界定點(分別為P ₅及P ₆)及位於在矢狀面中之外胯動脈與內胯動脈之中間的第三點P ₇。

創建的所有十個骨盆圖譜影像使用平移後續接著仿射對位來彼此共同對位。此等對位然後藉由計算Dice評分進行評估。出於鑑別及分類熱點的目的，表現最佳(亦即，具有最高Dice評分)的兩個骨盆圖譜影像經選擇為欲使用的兩個前瞻性骨盆圖譜影像，並經選擇(如下文所描述)用於與目標解剖分段圖及共同對準PET影像對位。使用多個骨盆圖譜影像的此方法被認為考慮不同類型患者之間的體型(例如，體重、臀寬等)的變化。在此實例中所描述之特定實施方案中，兩個特定骨盆圖譜影像選自十個初始骨盆圖譜影像，以減少變換的前瞻性骨盆圖譜影像的數目，以與自PET/CT造影研究產生的目標分段圖共同對位(例如，為了計算效率)。本實例中所使用的特定方法(將初始組骨盆圖譜影像彼此共同對位並選擇一子組(在此實例中為兩個)具有最高總Dice評分的骨盆圖譜影像被認為自該組鑑別兩個最普遍使用骨盆圖譜影像。預期其他數目初始骨盆圖譜影像及用於選擇最終一組前瞻性骨盆圖譜影像的其他方法。 骨盆圖譜影像對位

PET/CT造影研究使用創建並選擇的兩個前瞻性骨盆圖譜影像分析，如本文中所描述。圖25展示說明骨盆圖譜影像 2502及與骨盆圖譜影像 2502共同對位之目標3D解剖分段圖 2522的示意圖。對於特定目標PET/CT複合影像，包含共同對準目標PET及目標CT影像，對目標CT影像進行分段以創建目標3D解剖分段圖 2522，該目標3D解剖分段圖包括骨盆骨的鑑別，包括左右髖骨，以及(單個組合)薦骨及尾骨區。在目標PET影像中檢測並分段熱點。

兩個前瞻性骨盆圖譜影像中之骨盆圖譜影像與目標3D解剖分段圖 2522共同對位，以便又將其與目標PET影像對準，以便其可用於將目標PET影像中之熱點分類為屬於特定骨盆淋巴亞區(例如，淋巴結)。多步驟方法，其包括初始圖譜選擇步驟，其中基於與在目標3D解剖分段圖 2522內鑑別之骨盆骨區 2524的粗略對位的效能而選擇兩個前瞻性骨盆圖譜影像中之特定者 2502 ；後續接著精細對位步驟，其中選定骨盆圖譜進一步變換以將個別參考骨盆骨區 2504對準於目標3D分段圖內之其對應區 2524。

圖譜選擇 ( 粗略對位 ) 。在第一圖譜選擇步驟中，兩個前瞻性骨盆圖譜影像中之各者經由粗略對位方法共同對位於目標3D解剖分段圖。粗略對位係使用影像之

mm/體素解析度及由此創建的遮罩/圖來執行。如本文中所描述，兩個前瞻性骨盆圖譜影像中之各者包含鑑別三個參考骨盆骨區—左髖骨、右髖骨以及薦骨及尾骨區。對應骨盆骨區亦在目標分段圖中，已在CT影像中分段。為變換前瞻性骨盆圖譜影像中之各特定者以將其共同對位於目標3D解剖分段圖，參考骨盆骨遮罩包含三個參考骨盆骨區(左右髖骨、以及薦骨及尾骨區)。然後，藉由為位於經遮蔽骨盆骨區外部的體素指派值零並為位於經遮蔽骨盆骨區內之各特定體素指派基於自特定體素至經遮蔽骨盆骨區之邊緣的距離所計算的一值，由參考骨盆骨遮罩創建參考骨距離圖。對應目標骨盆骨遮罩及目標骨距離圖由目標3D解剖分段圖創建。對於各骨盆圖譜影像，使用平移後續接著後仿射變換來將參考骨距離圖與目標骨盆骨距離圖共同對位，及將所得總變換應用於參考骨盆骨遮罩以創建經變換骨盆骨遮罩。對於各前瞻性骨盆圖譜影像，在經變換骨盆遮罩與目標骨盆骨遮罩之間計算Dice評分。具有最高Dice評分之前瞻性骨盆圖譜影像經選擇為最佳擬合骨盆圖譜影像，用於進一步對位並用於對熱點進行分類。

圖譜對位 ( 精細對位 ) 。然後經由精細對位方法對最佳擬合骨盆圖譜影像進行進一步對位(例如，變換)以最佳化擬合當前PET/CT造影研究。精細對位係多步驟方法，其中初步轉變使用左右髖骨區計算，且然後組合以創建最終總變換。精細對位係使用影像的

mm/體素解析度及由此創建的遮罩/圖來執行。

特定而言，使用最佳擬合骨盆圖譜影像之左髖骨參考區來創建左髖骨參考遮罩，且對應目標左髖骨遮罩由目標3D解剖分段圖之左髖骨區創建。距離圖經創建(例如，類似於如上文關於粗略對位步驟所描述)用於此等遮罩並使用平移後續接著仿射對位操作來進行共同對位。此程序經重複，使用目標3D解剖分段圖的最佳擬合骨盆圖譜影像的右髖骨參考區(例如，創建右髖骨參考遮罩)及對應右髖骨區(例如，且由其創建目標左髖骨遮罩)。以此方式，判定兩個變換操作，一個操作基於左側髖骨且另一操作基於右側髖骨。此等左右側變換經由具有

mm/體素解析度的兩個畸變場( D _hip-left及 D _hip-right)表示。畸變場位於目標3D分段圖之體素空間中，其中畸變場之各體素包含3D向量，該3D向量指向(例如，鑑別)最擬合骨盆圖譜影像中之其應自其提取其值之特定體素。

為了組合左右髖畸變場，分別基於距目標3D分段圖內之左右髖骨區的距離而產生兩個距離圖— d _hip-left及 d _hip-right。特定而言， d _hip-left經產生為3D矩陣，其中(i)基於(例如，等於)自彼體素至左髖骨區的距離為目標3D分段圖之左髖骨區外部的各體素指派一值，且(ii)為左髖骨區內部之體素指派零值。同樣地， d _hip-right經產生為3D矩陣，其中(i)基於(例如，等於)自彼體素至右髖骨區的距離為目標3D分段圖之右髖骨區外部的各體素指派一值，且(ii)為右髖骨區內部之體素指派零值。經加權畸變場 D _w係根據 d _hip-left及 d _hip-right距離圖經由 D _hip-left及 D _hip-right的逐體素加權創建，如下文方程式(1)中所展示：

此操作允許將D _w創建為非剛性畸變場。

然後，使用 D _w對最佳擬合骨盆圖譜影像 A進行變換以使其位移至目標座標空間之座標空間(亦即，目標3D分段圖之座標空間)以創建經變換骨盆圖譜影像 P _w–亦即，

。

由於經加權畸變場 D _w係使用左右髖骨而非組合薦骨及尾骨區計算，因此創建最終變換以合併用於選擇最佳擬合骨盆圖譜影像之初始粗略對位變換影像，該最佳擬合骨盆圖譜影像係使用組合薦骨及尾骨區計算，以將薦前淋巴結亞區自骨盆圖譜影像映射至目標影像空間。特定而言，參考使用上文所描述之用於選擇最佳擬合骨盆圖譜影像作為 D _best-fit的粗略對位方法判定的畸變場，第二經變換骨盆圖譜影像 P _best-atlas經創建為

。

然後根據下文方程式(2)構建最終組合經變換圖譜 P _comb，從而將根據左右臀部經加權畸變場變換的圖譜用於胯骨及閉孔區，及最佳擬合選擇變換，此考慮薦骨及尾骨區的定位，以將薦前區傳送至目標座標空間。

然後對最終所得變換骨盆圖譜進行重新採樣以匹配目標3D解剖分段圖之原始解析度，並張貼至對應於目標CT掃描之全體積的座標系統中。然後對此結果進行重新採樣以匹配目標PET影像之座標系統及解析度，其中然後可使用結果來根據圖26A及圖26B中所展示之位置來對熱點位置進行分類。 F. 遠處淋巴轉移的分類

在某些實施例中，對應於位於骨盆區外部的病變的熱點，可對諸如遠處淋巴進行分類。舉例而言，如在圖27中所展示，在某些實施例中，可基於該等熱點是否對應於個體橫膈膜 (例如，橫膈上) 2702上方及/或腹腔(例如，腹膜後位) 2704之後的位置中之病變來對熱點進行分類。

圖28說明用於基於CT影像內所鑑別之各種標誌以此方式對熱點進行分類的實例過程 2800。在某些實施例中，可基於對由解剖影像的分段創建的分段圖的分析來鑑別標誌。用於對遠處轉移進行分類的解剖影像的分段可經由如本文中且在以下公開案中進一步詳細描述之各種方法來完成：標題為「Systems and Methods for Platform Agnostic Whole Body Segmentation」且於2020年7月16日公開的PCT公開案WO/2020/144134、標題為「Systems and Methods for Deep-Learning-Based Segmentation of Composite Images」且於2021年10月28日公開的美國專利公開案第US 2021/0334974 A1號及標題為「Systems and Methods for Artificial Intelligence-Based Image Analysis for Detection and Characterization of Lesions」且於2022年1月13日公開的PCT公開案WO/2022/008374，該等公開案中之各者的內容以全文引用的方式併入本文中。

舉例而言，如在圖28中所展示，解剖分段圖可用於鑑別冠狀面內之胸脊之中線 2902，及位於對應矢狀面中之肝臟之上點處之軸向平面 2904。平面 2906將骨盆區與腹膜後位區分離。在某些實施例中，根據此等全身標誌對熱點進行分類。特定而言，在某些實施例中，位於平面 2906下面的熱點經鑑別為位於骨盆區內，且可根據例如如本文中所描述之用於對骨盤淋巴亞區進行分類的方法進行進一步分類。位於軸平面 2906上面但位於軸向平面 2904下面之熱點經分類為表示潛在腹膜後位轉移。位於軸向平面上面之熱點經分類為橫膈上，其中平面 2902用於區分右側與左側橫膈上病變。以此方式，一或多個全身標誌可自藉由分段解剖影像計算的解剖分段圖判定，並用於對遠處轉移進行分類。 G. 造影劑

如本文中所描述，各種放射性核素標記的PSMA結合劑可用作用於核醫學造影的放射性藥品造影劑以檢測及評估攝護腺癌症。在某些實施例中，某些放射性核素標記PSMA結合劑適用於PET造影，而其他則適用於SPECT造影。 i.PET 造影放射性核素標記 PSMA 結合劑

在某些實施例中，放射性核素標記PSMA結合劑為適用於PET造影的放射性核素標記PSMA結合劑。

在某些實施例中，放射性核素標記PSMA結合劑包含[18F]DCFPyL (亦被稱為PyL ^TM；亦被稱為DCFPyL-18F)：

[18F]DCFPyL，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含[18F]DCFBC：

[18F]DCFBC，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含 ⁶⁸Ga-PSMA-HBED-CC (亦被稱為 ⁶⁸Ga-PSMA-11)：

⁶⁸Ga-PSMA-HBED-CC，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含PSMA-617：

PSMA-617，或其醫藥上可接受性鹽。在某些實施例中，放射性核素標記PSMA結合劑包含 ⁶⁸Ga-PSMA-617，其為標記有 ⁶⁸Ga之PSMA-617，或其醫藥上可接受性鹽。在某些實施例中，放射性核素標記PSMA結合劑包含 ¹⁷⁷Lu-PSMA-617，其為標記有 ¹⁷⁷Lu之PSMA-617，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含PSMA-I&T：

PSMA-I&T，或其醫藥上可接受性鹽。在某些實施例中，放射性核素標記PSMA結合劑包含 ⁶⁸Ga-PSMA-I&T，其為標記有 ⁶⁸Ga之PSMA-I&T，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含PSMA-1007：

PSMA-1007，或其醫藥上可接受性鹽。在某些實施例中，放射性核素標記PSMA結合劑包含 ¹⁸F-PSMA-1007，其為標記有 ¹⁸F之PSMA-1007，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含18F-JK-PSMA-7：

18F-JK-PSMA-7，或其醫藥上可接受性鹽。 ii.SPECT 造影放射性核素標記 PSMA 結合劑

在某些實施例中，放射性核素標記PSMA結合劑為適用於SPECT造影之放射性核素標記PSMA結合劑。

在某些實施例中，放射性核素標記PSMA結合劑包含1404 (亦被稱為MIP-1404):

1404，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含1405 (亦被稱為MIP-1405):

1405，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含1427 (亦被稱為MIP-1427):

1427，或其醫藥上可接受性鹽。

在某些實施例中，放射性核素標記PSMA結合劑包含1428 (亦被稱為MIP-1428):

1428，或其醫藥上可接受性鹽。

在某些實施例中，PSMA結合劑係用放射性核素藉由將放射性核素螯合至金屬之放射性同位素來標記[例如，鎝(Tc)之放射性同位素(例如，鎝-99m ( ^99mTc))；例如，錸(Re)之放射性同位素(例如，錸-188 ( ¹⁸⁸Re)；例如，錸-186 ( ¹⁸⁶Re))；例如，釔(Y)之放射性同位素(例如， ⁹⁰Y)；例如，鑥(Lu)之放射性同位素(例如， ¹⁷⁷Lu)；例如，鎵(Ga)之放射性同位素(例如， ⁶⁸Ga；例如， ⁶⁷Ga)；例如，銦之放射性同位素(例如， ¹¹¹In)；例如，銅(Cu)之放射性同位素(例如， ⁶⁷Cu)]。

在某些實施例中，1404係用放射性核素(例如，螯合至金屬之放射性同位素)標記。在某些實施例中，放射性核素標記PSMA結合劑包含 ^99mTc-MIP-1404，其為用 ^99mTc標記(例如，螯合)之1404：

^99mTc-MIP-1404，或其醫藥上可接受性鹽。在某些實施例中，1404可螯合至其他金屬放射性同位素[例如，錸(Re)之放射性同位素(例如，錸-188 ( ¹⁸⁸Re)；例如，錸-186 ( ¹⁸⁶Re))；例如，釔(Y)之放射性同位素(例如， ⁹⁰Y)；例如，鑥(Lu)之放射性同位素(例如， ¹⁷⁷Lu)；例如，鎵(Ga)之放射性同位素(例如， ⁶⁸Ga；例如， ⁶⁷Ga)；例如，銦之放射性同位素(例如， ¹¹¹In)；例如，銅(Cu)之放射性同位素(例如， ⁶⁷Cu)]以形成具有類似於上文針對 ^99mTc-MIP-1404所展示之結構的結構的化合物，其中其他金屬放射性同位素替代 ^99mTc。

在某些實施例中，1405係用放射性核素(例如，螯合至金屬之放射性同位素)標記。在某些實施例中，放射性核素標記PSMA結合劑包含 ^99mTc-MIP-1405，其為用 ^99mTc標記(例如，螯合)之1405：

^99mTc-MIP-1405，或其醫藥上可接受性鹽。在某些實施例中，1405可螯合至其他金屬放射性同位素[例如，錸(Re)之放射性同位素(例如，錸-188 ( ¹⁸⁸Re)；例如，錸-186 ( ¹⁸⁶Re))；例如，釔(Y)之放射性同位素(例如， ⁹⁰Y)；例如，鑥(Lu)之放射性同位素(例如， ¹⁷⁷Lu)；例如，鎵(Ga)之放射性同位素(例如， ⁶⁸Ga；例如， ⁶⁷Ga)；例如，銦之放射性同位素(例如， ¹¹¹In)；例如，銅(Cu)之放射性同位素(例如， ⁶⁷Cu)]以形成具有類似於上文針對 ^99mTc-MIP-1405所展示之結構的結構的化合物，其中其他金屬放射性同位素替代 ^99mTc。

在某些實施例中，1427用金屬放射性同位素標記(例如，螯合至金屬放射同位素)以根據以下公式形成化合物：

螯合至金屬之1427，或其藥學上可接受性鹽，其中M為金屬放射性同位素[例如，鎝(Tc)之放射性同位素(例如，鎝-99m ( ^99mTc))；例如，錸(Re)之放射性同位素(例如，錸-188 ( ¹⁸⁸Re)；例如，錸-186 ( ¹⁸⁶Re))；例如，釔(Y)之放射性同位素(例如， ⁹⁰Y)；例如，鑥(Lu)之放射性同位素(例如， ¹⁷⁷Lu)；例如，鎵(Ga)之放射性同位素(例如， ⁶⁸Ga；例如， ⁶⁷Ga)；例如，銦之放射性同位素(例如， ¹¹¹In)；例如，銅(Cu)之放射性同位素(例如， ⁶⁷Cu)]，用該金屬放射性同位素標記1427。

在某些實施例中，1428用金屬放射性同位素標記(例如，螯合至金屬放射性同位素)以根據以下公式形成化合物。

螯合至金屬之1428，或其藥學上可接受性鹽，其中M為金屬放射性同位素[例如，鎝(Tc)之放射性同位素(例如，鎝-99m ( ^99mTc))；例如，錸(Re)之放射性同位素(例如，錸-188 ( ¹⁸⁸Re)；例如，錸-186 ( ¹⁸⁶Re))；例如，釔(Y)之放射性同位素(例如， ⁹⁰Y)；例如，鑥(Lu)之放射性同位素(例如， ¹⁷⁷Lu)；例如，鎵(Ga)之放射性同位素(例如， ⁶⁸Ga；例如， ⁶⁷Ga)；例如，銦之放射性同位素(例如， ¹¹¹In)；例如，銅(Cu)之放射性同位素(例如， ⁶⁷Cu)]，用該金屬放射性同位素標記1428。

在某些實施例中，放射性核素標記PSMA結合劑包含PSMA I&S：

PSMA I&S，或其醫藥上可接受性鹽。在某些實施例中，放射性核素標記PSMA結合劑包含 ^99mTc-PSMA I&S，其為標記有 ^99mTc之PSMA I&S，或其醫藥上可接受性鹽。 H. 電腦系統與網路架構

如在圖30中所展示，展示並描述用於提供本文中所描述之系統、方法及架構的網路環境 3000的實施方案。簡要概括而言，現在參考圖30，展示並描述例示性雲端計算環境 3000的方塊圖。雲端計算環境 3000可包括一或多個資源提供者 3002a、 3002b 、 3002c(統稱為 3002)。各資源提供者 3002可包括計算資源。在一些實施方案中，計算資源可包括用於處理資料的任何硬體及/或軟體。舉例而言，計算資源可包括能夠執行演算法、電腦程式及/或電腦應用程式的硬體及/或軟體。在一些實施方案中，例示性計算資源可包括具有儲存及檢索能力的應用程式伺服器及/或資料庫。各資源提供者 3002可連接至雲端計算環境 3000中之任何其他資源提供者 3002。在一些實施方案中，資源提供者 3002可經由電腦網路 3008而連接。各資源提供者 3002可經由電腦網路 3008連接至一或多個計算裝置 3004a、 3004b、 3004c(統稱為 3004)。

雲端計算環境 3000可包括資源管理器 3006。資源管理器 3006可經由電腦網路 3008連接至資源提供者 3002及計算裝置 3004。在一些實施方案中，資源管理器 3006可有助於藉由一或多個資源提供者 3002將計算資源提供至一或多個計算裝置 3004。資源管理器 3006可接收對來自特定計算裝置 3004之計算資源的請求。資源管理器 3006可識別能夠提供由計算裝置 3004所請求的計算資源之一或多個資源提供者 3002。資源管理器 3006可選擇資源提供者 3002以提供計算資源。資源管理器 3006可有助於資源提供者 3002與特定計算裝置 3004之間的連接。在一些實施方案中，資源管理器 3006可在特定資源提供者 3002與特定計算裝置 3004之間建立連接。在一些實施方案中，資源管理器 3006可將特定計算裝置 3004重定向至具有所請求計算資源之特定資源提供者 3002。

圖31展示可用於實施本揭示內容中所描述之技術的計算裝置 3100及移動計算裝置 3150之實例。計算裝置 3100意欲表示各種形式的數位電腦，諸如膝上型電腦、桌上型電腦、工作站、個人數位助理、伺服器、刀片式伺服器、大型電腦及其他適當電腦。移動計算裝置 3150意欲表示各種形式的行動裝置，諸如個人數位助理、蜂巢式電話、智慧型電話及其他類似計算裝置。此處所展示的組件、其連接及關係及其功能意味著僅為實例且並不意味著具限制性。

計算裝置 3100包括處理器 3102、記憶體 3104、儲存裝置 3106、連接至記憶體 3104及多個高速擴展埠 3110之高速介面 3108，及連接至低速擴展埠 3114及儲存裝置 3106 之低速介面 3112。處理器 3102、記憶體 3104、儲存裝置 3106、高速介面 3108、高速擴展埠 3110及低速介面 3112中之各者使用各種匯流排互連，且可安裝在共同主板上或酌情以其他方式安裝。處理器 3102可處理供在計算裝置 3100內執行的指令，包括儲存於記憶體 3104中或儲存裝置 3106上以在外部輸入/輸出裝置(諸如耦接至高速介面 3108之顯示器 3116)上顯示用於GUI的圖形資訊的指令。在其他實施方案中，多個處理器及/或多個匯流排可酌情連同多個記憶體及多個記憶體類型一起使用。此外，可連接多個計算裝置，其中各裝置提供必要操作的若干部分(例如，作為伺服器組、刀片式伺服器群組或多處理器系統)。因此，由於該術語係在本文中使用，其中複數個功能經描述為正由「處理器」執行，此囊括其中複數個功能由任何數目個計算裝置(一或多個)中之任何數目個處理器(一或多個)執行的實施例。此外，其中功能經描述為正由「處理器」執行，此囊括其中功能由(例如，分佈式計算系統中之)任何數目個計算裝置(一或多個)中之任何數目個處理器(一或多個)執行的實施例。

記憶體 3104將資訊儲存在計算裝置 3100內。在一些實施方案中，記憶體 3104為一或多個揮發性記憶體單元。在一些實施方案中，記憶體 3104為一或多個非揮發性記憶體單元。記憶體 3104亦可為另一形式之電腦可讀媒體，諸如磁碟或光碟。

儲存裝置 3106能夠提供用於計算裝置 3100的大容量儲存。在一些實施方案中，儲存裝置 3106可為或含有電腦可讀媒體，諸如軟碟裝置、硬碟裝置、光碟裝置或磁帶裝置、快閃記憶體或其他類似固態記憶體裝置或裝置陣列，包括儲存區網路或其他組態中之裝置。指令可儲存於資訊載體中。指令在由一或多個處理裝置(例如，處理器 3102)執行時執行一或多種方法，諸如上文所描述之彼等方法。指令亦可由一或多個儲存裝置(諸如電腦或機器可讀媒體(例如，記憶體 3104、儲存裝置 3106或處理器 3102上之記憶體))儲存。

高速介面 3108管理計算裝置 3100之帶寬密集型操作，而低速介面 3112管理較低帶寬密集型操作。此功能分配僅為實例。在一些實施方案中，高速介面 3108耦接至記憶體 3104、顯示器 3116(例如，通過圖形處理器或加速器)且耦接至可接受各種擴展卡(未展示)的高速擴展埠 3110。在實施方案中，低速介面 3112耦接至儲存裝置 3106及低速擴展埠 3114。可包括各種通信埠(例如，USB、Bluetooth®、乙太網路、無線乙太網路)之低速擴展埠 3114可(例如)藉由網路適配器耦接至一或多個輸入/輸出裝置，諸如鍵盤、指向裝置、掃描器或聯網裝置(例如交換機或路由器)。

如在圖中所展示，計算裝置 3100可以多種不同形式實施。舉例而言，可將其實施為標準伺服器 3120或在此類伺服器的群組中實施多次。另外，其可實施於個人電腦(諸如膝上型電腦 3122)中。其亦可實施為機架式伺服器系統 3124之一部分。替代地，來自計算裝置 3100之組件可與行動裝置(未展示) (諸如移動計算裝置 3150)中之其他組件組合。此類裝置中之各者可含有計算裝置 3100及移動計算裝置 3150中之一或多者，且整個系統可由彼此通信的多個計算裝置構成。

除其他組件外，移動計算裝置 3150亦包括處理器 3152、記憶體 3164、輸入/輸出裝置(諸如顯示器 3154)、通信介面 3166及收發器 3168。移動計算裝置 3150亦可設置有儲存裝置(諸如微型驅動器或其他裝置)以提供額外儲存。處理器 3152、記憶體 3164、顯示器 3154、通信介面 3166及收發器 3168中之各者使用各種匯流排而互連，且幾個組件可安裝於共同主板上或酌情以其他方式安裝。

處理器 3152可執行移動計算裝置 3150內之指令，包括儲存於記憶體 3164中之指令。處理器 3152可實施為包括單獨及多個類比及數位處理器之晶片的晶片組。舉例而言，處理器 3152可提供移動計算裝置 3150的其他組件的協調，諸如使用者介面的控制件、由移動計算裝置 3150運行的應用程式及藉由移動計算裝置 3150進行的無線通信。

處理器 3152可藉由耦接至顯示器 3154之控制介面 3158及顯示介面 3156與使用者通信。舉例而言，顯示器 3154可為TFT (薄膜電晶體液晶顯示器)顯示器或OLED (有機發光二極體)顯示器或其他適當顯示技術。顯示介面 3156可包含用於驅動顯示器 3154以向使用者再現圖形及其他資訊的適當電路系統。控制介面 3158可自使用者接收命令並變換其以供提交至處理器 3152。另外，外部介面 3162可提供與處理器 3152的通信，以便實現移動計算裝置 3150與其他裝置的近區通信。舉例而言，外部介面 3162可在一些實施方案中提供有線通信或在其他實施方案中提供無線通信，且亦可使用多個介面。

記憶體 3164儲存移動計算裝置 3150內之資訊。記憶體 3164可實施為以下各項中之一或多者：一或多個電腦可讀媒體、一或多個揮發性記憶體單元，或一或多個非揮發性記憶體單元。擴展記憶體 3174亦可藉由擴展介面 3172提供及連接至移動計算裝置 3150，舉例而言，擴展介面可包括SIMM (單列直插式記憶體模組)卡介面。擴展記憶體 3174可為移動計算裝置 3150提供額外儲存空間，或亦可儲存移動計算裝置 3150之應用程式或其他資訊。具體而言，擴展記憶體 3174可包括用以實施或補充上文所描述之過程的指令，且亦可包括安全資訊。因此，舉例而言，擴展記憶體 3174可提供為移動計算裝置 3150的安全模組，且可藉助准許移動計算裝置 3150的安全使用的指令而進行程式化。另外，安全應用程式可連同額外資訊一起經由SIMM卡而提供，諸如以非黑客方式將鑑別資訊置放於SIMM卡上。

舉例而言，記憶體可包括快閃記憶體及/或NVRAM記憶體(非揮發性隨機存取記憶體)，如下文所論述。在一些實施方案中，指令儲存於資訊載體中。指令在由一或多個處理裝置(例如，處理器 3152)執行時執行一或多種方法，諸如上文所描述之彼等方法。指令亦可由一或多個儲存裝置儲存，諸如一或多個電腦或機器可讀媒體(例如，記憶體 3164、擴展記憶體 3174或處理器 3152上之記憶體)。在一些實施方案中，指令可(例如)經由收發器 3168或外部介面 3162以所傳播信號形式接收。

移動計算裝置 3150可藉由通信介面 3166無線地通信，該通信介面在需要的情況下可包括數位信號處理電路系統。通信介面 3166可提供在各種模式或協定下的通信，諸如GSM語音呼叫(全球行動通信系統)、SMS (短訊息服務)、EMS (增強型訊息服務)或MMS資訊(多媒體訊息服務)、CDMA (分碼多重存取)、TDMA (分時多重存取)、PDC (個人數位蜂巢)、WCDMA (寬頻分碼多重存取)、CDMA2000或GPRS (通用封包無線電服務)以及其他模式或協定。舉例而言，此類通信可使用射頻藉由收發器 3168而發生。另外，短程通信可(諸如)使用Bluetooth®、Wi-Fi™或其他此類收發器(未展示)而發生。另外，GPS (全球定位系統)接收器模組 3170可將額外導航及位置相關無線資料提供至移動計算裝置 3150，移動計算裝置適當地可由移動計算裝置 3150上運行的應用程式使用。

移動計算裝置 3150亦可使用音訊編解碼器 3160以音訊方式通信，音訊編解碼器可自使用者接收口語資訊並將其變換為可用數位資訊。音訊編解碼器 3160同樣地可(例如)在移動計算裝置 3150之手機中(諸如)藉由揚聲器向使用者產生可聽聲音。此聲音可包括來自語音電話呼叫的聲音、可包括所記錄聲音(例如，語音訊息、音樂檔案等)且亦可包括由在移動計算裝置 3150上操作的應用程式產生的聲音。

如圖中所展示，可以多種不同形式來實施移動計算裝置 3150。舉例而言，其可實施為蜂巢式電話 3180。其亦可實施為智慧型電話 3182、個人數位助理或其他類似行動裝置之一部分。

此處所描述之系統及技術的各種實施方案可以數位電子電路系統、積體電路系統、專門設計的ASIC (特殊應用積體電路)、電腦硬體、韌體、軟體及/或其組合而實現。此等各種實施方案可包括可在可程式化系統上執行及/或解譯的一或多個電腦程式中之實施方案，可程式化系統包括可為專用或通用的至少一個可程式化處理器(其經耦接以從儲存系統接收資料及指令且將資料及指令傳輸至儲存系統)、至少一個輸入裝置及至少一個輸出裝置。

此等電腦程式(亦稱為程式、軟體、軟體應用程式或代碼)包括用於可程式化處理器的機器指令且可以高階程序及/或物件導向程式設計語言及/或以彙編/機器語言實施。如本文中所使用，術語機器可讀媒體及電腦可讀媒體係指用於將機器指令及/或資料提供至可程式化處理器的任何電腦程式產品、設備及/或裝置(例如，磁碟、光碟、記憶體、可程式化邏輯裝置(PLD))，可程式化處理器包括接收機器指令作為機器可讀信號的機器可讀媒體。術語機器可讀信號係指用於將機器指令及/或資料提供至可程式化處理器的任何信號。

為提供與使用者的互動，此處所描述之系統及技術可實施於具有用於向使用者顯示資訊的顯示裝置(例如，CRT (陰極射線管)或LCD (液晶顯示器)監視器)及使用者可藉以將輸入提供至電腦之鍵盤及指向裝置(例如，滑鼠或軌跡球)的電腦上。亦可使用其他種類的裝置來提供與使用者的互動；舉例而言，提供至使用者的回饋可為任何形式的感觀回饋(例如，視覺回饋、聽覺回饋或觸覺回饋)；且來自使用者之輸入可以任何形式(包括聲音、語音或觸覺輸入)而接收。

此處所描述之系統及技術可實施於計算系統(包括後端組件(例如，作為資料伺服器)；或包括中間軟體組件(例如，應用程式伺服器)；或包括前端組件(例如，具有使用者可藉以與本文所描述之系統及技術的實施方案互動的圖形使用者介面或Web瀏覽器的用戶端電腦)；或此類後端、中間軟體或前端組件的任一組合)中。系統的組件可藉由任何數位資料通信形式或媒體(例如，通信網路)互連。通信網路之實例包括區域網路(LAN)、廣域網路(WAN)及網際網路。

計算系統可包括用戶端及伺服器。用戶端與伺服器通常彼此遠離且通常藉由通信網路互動。用戶端與伺服器的關係係藉助在各別電腦上運行且彼此具有用戶端-伺服器關係的電腦程式而產生。

在一些實施方案中，本文中所描述之各種模組可分離、組合或合併至單個或組合模組中。所描述之模組圖中無意將本文中所描述之系統限制在其中所展示之軟體架構。

本文中所描述之不同實施方案之元件可組合以形成其他上面未明確闡述之實施方案。元件可自本文中所描述之過程、電腦程式、資料庫等刪除而不會對其操作產生不利影響。另外，圖中所描繪之邏輯流程不需要所展示之特定次序，或順序次序以達到理想結果。各種單獨的元件可組合成一或多個單獨的元件來執行本文中所描述的功能。

貫穿說明，其中將設備及系統描述為具有、包括或包含特定組件，或其中將過程及方法描述為具有、包括或包含特定步驟，另外預期存在基本上由所敍述之組件組成或由所敍述之組件組成的本發明之設備及系統，且存在基本上由所敍述之處理步驟組成或由所敍述之處理步驟組成的根據本發明之過程及方法。

除非技術上不相容，否則本發明之各種所描述實施例可結合一或多個其他實施例使用。應理解，只要本發明保持可操作，各步驟的次序或執行特定動作的次序並不重要。此外，可同時進行兩個或多於兩個步驟或動作。

儘管已參考特定優選實施例特別地展示及描述了本發明，但熟習此項技術者應理解，在不背離如由所附請求項書界定的本發明之精神及範疇的情況下，可在其中做出在形式及細節上的各種改變。

102:3D CT影像 104:3D PET影像 106:融合影像 202:解剖影像 204:解剖影像 206:功能影像 210:分段圖 300:過程 304:3D解剖影像 306:3D功能影像 310:3D解剖分段圖 312a:機器學習模組 312b:機器學習模組 320a:熱點圖 320b:熱點圖 402a:右內胯 402b:左內胯 404a:右外胯 404b:左外胯 406a:右總胯 406b:左總胯 408a:右閉孔 408b:左閉孔 410:薦前區 412:腹膜後位 500:3D分段圖 502a:右內胯 502b:左內胯 504a:右外胯 504b:左外胯 506a:右總胯 506b:左總胯 508a:右閉孔 508b:左閉孔 510:薦前淋巴結 512:腹膜後位 512a:右髖骨 512b:左髖骨 512c:薦骨 602a:右內胯 602b:左內胯 604a:右外胯 604b:左外胯 700:流程 704:解剖影像 706:功能影像 708:分段 710:分段圖 712:圖譜影像 714:步驟 716:經變換骨盆圖譜影像 802:骨盆圖譜影像 804:骨盆淋巴亞區 806:參考骨盆骨區 810:目標分段圖 816:骨盆骨區 822:平移 824:剛性對位 826:仿射對位 852:經變換骨盆圖譜影像 902:骨盆圖譜影像 904:分段圖 906:參考骨盆骨區 910:3D分段圖 922:骨盆圖譜影像 924:擴展子體積 930:圖譜影像 932a:右內胯子體積 932b:左內胯子體積 934a:右外胯子體積 934b:左外胯子體積 936a:經分段右髖骨 936b:經分段左髖骨 936c:薦骨及尾骨區 938:薦前子體積 942:骨盆圖譜影像 944:骨盆淋巴亞區 948:平面表面 1002:分段 1004:熱點圖 1008:熱點 1106:3D功能影像 1122a:熱點 1122b:熱點 1152:平面參考標記 1156:平面參考標記 1452:目標分段圖 1454:CT影像 1502:參考骨盆骨區 1802:部分 2502:骨盆圖譜影像 2504:參考骨盆骨區 2522:目標3D解剖分段圖 2524:骨盆骨區 2602:第一平面參考標記 2604:第二平面參考標記 2606:第三平面參考標記 2608:第四平面參考標記 2610:第五平面參考標記 2612:第六平面參考標記 2702:橫膈膜 2704:腹腔 2800:過程 2902:中線 2904:軸向平面 2906:平面 3000:網路環境 3002a:資源提供者 3002b:資源提供者 3002c:資源提供者 3004a:計算裝置 3004b:計算裝置 3004c:計算裝置 3006:資源管理器 3008:電腦網路 3100:計算裝置 3102:處理器 3104:記憶體 3106:儲存裝置 3108:高速介面 3110:高速擴展埠 3112:低速介面 3114:低速擴展埠 3116:顯示器 3120:標準伺服器 3124:機架式伺服器系統 3150:移動計算裝置 3152:處理器 3154:顯示器 3156:顯示介面 3158:控制介面 3160:音訊編解碼器 3162:外部介面 3164:記憶體 3166:通信介面 3168:收發器 3170:接收器模組 3172:擴展介面 3174:擴展記憶體 3182:智慧型電話

藉由參考結合隨附圖式作出之以下闡述，本揭示內容之前述及其他目標、態樣、特徵及優點將變得更顯而易見及更好理解，在圖式中：

圖1為根據說明性實施例的PET/CT掃描的CT影像、PET影像及PET/CT融合的一組對應切片。

圖2為根據說明性實施例的說明分段解剖影像及鑑別共同對準功能影像中之解剖邊界的實例過程。

圖3為根據說明性實施例說明對熱點進行分段及分類的實例過程的圖。

圖4為根據說明性實施例的說明某些骨盆淋巴亞區的圖。

圖5為根據說明性實施例的3D骨盆圖譜影像的一組兩個視圖。

圖6A為根據說明性實施例的CT影像的視圖。

圖6B根據說明性實施例展示圖6A的CT影像的視圖，其中展示某些胯動脈的鑑別。

圖7為根據說明性實施例展示用於將骨盆圖譜影像與目標分段圖對位以便將其與對應目標解剖及/或目標功能影像對準的實例過程的圖。

圖8為展示用於變換骨盆圖譜影像以將其與目標解剖對位的實例方法的示意圖。

圖9A為根據說明性實施例展示實例骨盆圖譜影像的示意圖。

圖9B為根據說明性實施例的根據圖9A中所示的骨盆圖譜影像的實例實施方案。

圖9C為根據說明性實施例展示另一實例骨盆圖譜影像的示意圖。

圖9D為根據說明性實施例的根據圖9C中所示的骨盆圖譜影像的實例實施方案。

圖9E為根據說明性實施例展示另一實例骨盆圖譜影像的示意圖。

圖9F為根據說明性實施例的根據圖9E中所示的骨盆圖譜影像的實例實施方案。

圖9G為根據說明性實施例展示圖9E中之示意圖的不同視圖(在矢狀面中)的示意圖。

圖9H為根據說明性實施例的圖9F中所示的骨盆圖譜影像的實例實施方案的另一視圖(在矢狀面上)。

圖10為根據說明性實施例的展示根據骨盆淋巴亞區對熱點進行分類的實例過程的圖。

圖11為根據說明性實施例的展示經由與PET影像對準的骨盆圖譜影像的熱點分類的實例性示意圖。

圖12A為根據說明性實施例的胯動脈分段重疊的CT影像的切片。

圖12B為根據說明性實施例的鑑別胯動脈的分段圖的3D渲染。

圖12C為根據說明性實施例的圖12B中所展示的3D渲染的另一視圖。

圖13為根據說明性實施例的與胯動脈分段及鑑別各胯動脈周圍的局部區的對應擴展子體積重疊的CT影像切片。

圖14A為根據說明性實施例的骨盆圖譜影像的影像。

圖14B為根據說明性實施例的與分段骨盆骨區重疊的CT影像切片。

圖15A為根據說明性實施例的與經由CT影像自動分段產生的分段骨盆骨區重疊的CT影像切片，以及已經由平移操作與其對準的骨盆圖譜影像的參考骨盆骨區。

圖15B為根據說明性實施例的與經由CT影像自動分段產生的分段骨盆骨區重疊的CT影像切片，以及已經由剛性對位操作與其對準的骨盆圖譜影像的參考骨盆骨區。

圖15C為根據說明性實施例的與經由CT影像自動分段產生的分段骨盆骨區重疊的CT影像切片，以及已經由仿射變換操作與其對準的骨盆圖譜影像的參考骨盆骨區。

圖16為根據說明性實施例的與骨盆圖譜影像重疊的CT影像切片。

圖17為根據說明性實施例的與骨盆圖譜影像及PET影像重疊的CT影像切片。

圖18為根據說明性實施例的與骨盆圖譜影像及PET影像重疊的CT影像切片。

圖19為根據說明性實施例的鑑別某些骨盆淋巴結結構的3D分段圖的3D渲染。

圖20為根據說明性實施例的鑑別某些骨盆淋巴結結構及骨盆骨的3D分段圖的3D渲染的兩個視圖。

圖21A為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖21B為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖21C為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖21D為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖21E為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖21F為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖22為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖23A為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖23B為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖23C為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖23D為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的視圖。

圖24A為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖24B為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖24C為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖24D為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖24E為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖24F為根據說明性實施例的與骨盆圖譜影像重疊的CT影像的一組三個視圖。

圖25為根據說明性實施例展示圖譜對位概況的示意圖。

圖26A為根據說明性實施例的分為6個平面的骨盆區的說明。

圖26B為根據說明性實施例的來自圖26A的分為6個平面的骨盆區的說明的另一視圖。

圖27為根據說明性實施例示出與遠處淋巴的轉移的分類相關的某些區的圖。

圖28為根據說明性實施方案說明對表示潛在的遠處轉移的熱點進行分類的實例過程的圖。

圖29為根據說明性實施例展示用於對遠處淋巴進行分類的標記的一組影像。

圖30為在某些實施例中使用的例示性雲端計算環境的方塊圖。

圖31為供在某些實施例中使用的實例計算裝置及實例移動計算裝置的方塊圖。

當結合圖式時，依據下文所陳述的詳細說明將更明瞭本揭示內容之特徵及優點，其中在通篇中相似參考字符識別對應元件。在圖式中，相似參考號碼通常指示相同、功能上類似及/或結構上類似的元件。

700:流程

704:解剖影像

706:功能影像

708:分段

710:分段圖

712:圖譜影像

714:步驟

716:經變換骨盆圖譜影像

Claims

一種用於自動地處理個體之3D影像以鑑別及/或表徵該個體體內之癌性病變的方法，該方法包含： (a) 藉由計算裝置之處理器，接收(i)使用功能造影診斷工具獲得的該個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的該個體之3D解剖影像，其中該3D功能影像及該3D解剖影像經對準並包括該個體之骨盆區之表示，且其中該3D功能影像包括一或多個表示該個體之該骨盆區內之潛在病變的熱點； (b) 藉由該處理器，對該個體之該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之一或多個骨盆骨之表示，從而創建與該個體之該3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別該3D解剖影像內之該特定骨盆骨及/或成組的一或多個骨盆骨之表示； (c) 藉由該處理器，接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含： (A) 該3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別；及 (B) 該3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中該3D骨盆圖譜影像中之該一或多個參考骨盆骨區之至少一部分對應於該3D分段圖之該等骨盆骨區中之一或多者； (d) 藉由該處理器，變換該3D骨盆圖譜影像，以使用(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將其與該3D分段圖共同對位，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與該3D解剖影像及其分段對準的該經鑑別一或多個骨盆淋巴亞區；及 (e) 藉由該處理器，對於該3D功能影像之該一或多個熱點中之各者，使用該經變換3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區的該鑑別來判定骨盆淋巴分類。
如請求項1之方法，其中該3D功能影像為在對該個體投與放射性藥品之後獲得的正電子發射斷層攝影(PET)影像，且視情況，其中該3D解剖影像為CT影像。
如請求項2之方法，其中該放射性藥品包含攝護腺特異性膜抗原(PSMA)結合劑。
如前述請求項中任一項之方法，其中在步驟(c)處接收之該3D骨盆圖譜影像選自一組多個前瞻性3D骨盆圖譜影像。
如前述請求項中任一項之方法，其中該3D骨盆圖譜影像包含一或多個參考標記，該等參考標記中之各者定界該等骨盆淋巴亞區中之兩者或多於兩者之間的邊界，從而鑑別該3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區。
如前述請求項中任一項之方法，其中該3D骨盆圖譜影像包含擴展子體積之一或多個表示，各擴展子體積對應於該一或多個骨盆淋巴亞區中之特定者，且表示關於特定骨盆淋巴結的局部體積，從而鑑別該3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區。
如前述請求項中任一項之方法，其中該3D骨盆圖譜影像包含鑑別一或多個骨盆淋巴結的3D骨盆淋巴分段圖。
如前述請求項中任一項之方法，其中步驟(d)包含：判定第一變換，該第一變換將(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區之第一子組對準於(ii)該3D分段圖之該一或多個骨盆骨區之對應第一子組；判定第二變換，該第二變換將(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區之第二子組對準於(ii)該3D分段圖之該一或多個骨盆骨區之對應第二子組；及基於該第一變換及該第二變換來判定最終總變換，並使用該最終總變換來變換該3D骨盆圖譜影像。
如前述請求項中任一項之方法，其包含：對複數個前瞻性3D骨盆圖譜影像執行步驟(c)及(d)來對於該等前瞻性3D骨盆圖譜影像中之各者判定對應變換版本，並藉由該處理器選擇該等前瞻性3D骨盆圖譜影像中之特定者作為最佳擬合3D骨盆圖譜影像；及使用該最佳擬合3D骨盆圖譜影像的該變換版本作為該經變換3D骨盆圖譜影像來在步驟(e)處判定對該一或多個熱點中之各者的該骨盆淋巴分類。
如前述請求項中任一項之方法，其中步驟(d)包含：執行粗略對位以使用以下步驟來將該3D骨盆圖譜影像與該3D分段圖共同對位：(i)該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區；及完善該3D骨盆圖譜影像以創建該經變換3D骨盆圖譜影像，例如，使用在該骨盆圖譜影像內鑑別之一或多個參考器官區及該3D分段圖之一或多個對應器官區。
如前述請求項中任一項之方法，其包含：在步驟(c)處，接收複數個前瞻性3D骨盆圖譜影像；在步驟(d)處：對於該複數個前瞻性3D骨盆圖譜影像中之各特定者，判定第一對位變換，以使用(i)在該特定前瞻性3D骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將該特定前瞻性3D骨盆圖譜影像與該3D分段圖共同對位，及根據該第一對位變換來變換該特定前瞻性3D骨盆圖譜影像，從而創建複數個經變換前瞻性骨盆圖譜影像；選擇該等經變換前瞻性骨盆圖譜影像中之特定者作為初始最佳擬合骨盆圖譜影像；及對於該初始最佳擬合骨盆圖譜影像，判定第二對位變換，以使用(i)初始最佳擬合骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來完善該初始最佳擬合骨盆圖譜影像與該3D分段圖之共同對位，及根據該第二對位變換來變換該初始最佳擬合骨盆圖譜影像，從而創建最終經變換骨盆圖譜影像；及使用該最終經變換骨盆圖譜影像作為該經變換3D骨盆圖譜影像，以在步驟(e)針對該一或多個熱點中之各者判定該骨盆淋巴分類。
如前述請求項中任一項之方法，其中在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區包含選自由以下各項組成之群組的一或多個成員：右髖骨區、左髖骨、薦骨區、尾骨區以及薦骨及尾骨區。
如前述請求項中任一項之方法，其中該一或多個骨盆淋巴亞區包含選自由以下各項組成之群組之一或多個成員：左內胯區、右內胯區、左外胯區、右外胯區、左總胯區、右總胯區、左閉孔區、右閉孔區及薦前區。
如前述請求項中任一項之方法，其中該3D分段圖之該一或多個骨盆骨區包含選自由以下各項組成之群組的一或多個成員：右髖骨區、左髖骨、薦骨區、尾骨區以及薦骨及尾骨區。
一種用於自動地處理個體之3D影像以鑑別及/或表徵該個體體內之癌性病變的方法，該方法包含： (a) 藉由計算裝置之處理器，接收(i)使用功能造影診斷工具獲得的該個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的該個體之3D解剖影像，其中該3D功能影像及該3D解剖影像經共同對位並包括該個體之軀幹之至少一部分之表示，且其中該3D功能影像包括一或多個表示該個體之該軀幹之該部分內之潛在病變的熱點； (b) 藉由該處理器，對該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之複數個所關注體積，各VOI對應於特定目標組織區； (c) 藉由該處理器，使用該等VOI來判定一或多個全身標誌；及 (d) 藉由該處理器，對於該3D功能影像之該一或多個熱點中之各者，使用該一或多個全身標誌判定遠處轉移分類。
一種用於自動地處理個體之3D解剖影像以鑑別其中之一或多個骨盆淋巴區的方法，該方法包含： (a) 藉由計算裝置之處理器，接收該個體之該3D解剖影像，該3D解剖影像已使用解剖造影診斷工具獲得並包括該個體之骨盆區之表示； (b) 藉由該處理器，對該個體之該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之一或多個骨盆骨之表示，從而創建與該個體之該3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別該3D解剖影像內之該特定骨盆骨及/或成組的一或多個骨盆骨之表示； (c) 藉由該處理器，接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含： (A) 該3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別；及 (B) 該3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中該3D骨盆圖譜影像中之該一或多個參考骨盆骨區之至少一部分對應於該3D分段圖之該等骨盆骨區中之一或多者； (d) 藉由該處理器，變換該3D骨盆圖譜影像，以使用(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將其與該3D分段圖共同對位，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與該3D解剖影像及其分段對準的該經鑑別一或多個骨盆淋巴亞區；及 (e) 藉由該處理器，儲存及/或提供該經變換3D骨盆圖譜影像。
一種用於自動地處理個體之3D影像以鑑別及/或表徵該個體內之癌性病變的系統，該系統包含：計算裝置之處理器；及記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器： (a) 接收(i)使用功能造影診斷工具獲得的該個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的該個體之3D解剖影像，其中該3D功能影像及該3D解剖影像經對準並包括該個體之骨盆區之表示，且其中該3D功能影像包括一或多個表示該個體之該骨盆區內之潛在病變的熱點； (b) 對該個體之該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之一或多個骨盆骨之表示，從而創建與該個體之該3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別該3D解剖影像內之該特定骨盆骨及/或成組的一或多個骨盆骨之表示； (c) 接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含： (A) 該3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別；及 (B) 該3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中該3D骨盆圖譜影像中之該一或多個參考骨盆骨區之至少一部分對應於該3D分段圖之該等骨盆骨區中之一或多者； (d) 變換該3D骨盆圖譜影像，以使用(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將其與該3D分段圖共同對位，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與該3D解剖影像及其分段對準的該經鑑別一或多個骨盆淋巴亞區；及 (e) 對於該3D功能影像之該一或多個熱點中之各者，使用該經變換3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區的該鑑別來判定骨盆淋巴分類。
如請求項17之系統，其中該3D功能影像為在對該個體投與放射性藥品之後獲得的正電子發射斷層攝影(PET)影像。
如請求項18之系統，其中該放射性藥品包含攝護腺特異性膜抗原(PSMA)結合劑。
如請求項17至19中任一項之系統，其中該3D解剖影像為CT影像。
如請求項17至20中任一項之系統，其中在步驟(c)處該等指令致使該處理器自一組多個前瞻性3D骨盆圖譜影像選擇該3D骨盆圖譜影像。
如請求項17至21中任一項之系統，其中該3D骨盆圖譜影像包含一或多個參考標記，該等參考標記中之各者定界該等骨盆淋巴亞區中之兩者或多於兩者之間的邊界，從而鑑別該3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區。
如請求項17至22中任一項之系統，其中該3D骨盆圖譜影像包含擴展子體積之一或多個表示，各擴展子體積對應於該一或多個骨盆淋巴亞區中之特定者，且表示關於特定骨盆淋巴結的局部體積，從而鑑別該3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區。
如請求項17至23中任一項之系統，其中該3D骨盆圖譜影像包含鑑別一或多個骨盆淋巴結的3D骨盆淋巴分段圖。
如請求項17至24中任一項之系統，其中在步驟(d)處，該等指令致使該處理器：判定第一變換，該第一變換將(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區之第一子組對準於(ii)該3D分段圖之該一或多個骨盆骨區之對應第一子組；判定第二變換，該第二變換將(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區之第二子組對準於(ii)該3D分段圖之該一或多個骨盆骨區之對應第二子組；及基於該第一變換及該第二變換來判定最終總變換，並使用該最終總變換來變換該3D骨盆圖譜影像。
如請求項17至25中任一項之系統，其中該指令致使該處理器：對複數個前瞻性3D骨盆圖譜影像執行步驟(c)及(d)來對於該等前瞻性3D骨盆圖譜影像中之各者判定對應變換版本，並藉由該處理器選擇該等前瞻性3D骨盆圖譜影像中之特定者作為最佳擬合3D骨盆圖譜影像；及使用該最佳擬合3D骨盆圖譜影像的該變換版本作為該經變換3D骨盆圖譜影像來在步驟(e)處判定對該一或多個熱點中之各者的該骨盆淋巴分類。
如請求項17至26中任一項之系統，其中在步驟(d)處該等指令致使該處理器：執行粗略對位以使用(i)該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將該3D骨盆圖譜影像與該3D分段圖共同對位；及完善該3D骨盆圖譜影像，以創建該經變換3D骨盆圖譜影像。
如請求項17至27中任一項之系統，其中該等指令致使該處理器：在步驟(c)處，接收複數個前瞻性3D骨盆圖譜影像；在步驟(d)處：對於該複數個前瞻性3D骨盆圖譜影像中之各特定者，判定第一對位變換，以使用(i)在該特定前瞻性3D骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將該特定前瞻性3D骨盆圖譜影像與該3D分段圖共同對位，及根據該第一對位變換(針對該特定前瞻性3D骨盆圖譜影像判定)來變換該特定前瞻性3D骨盆圖譜影像，從而創建複數個經變換前瞻性骨盆圖譜影像；選擇該等經變換前瞻性骨盆圖譜影像中之特定者作為初始最佳擬合骨盆圖譜影像；及對於該初始最佳擬合骨盆圖譜影像，判定第二對位變換，以使用(i)初始最佳擬合骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來完善該初始最佳擬合骨盆圖譜影像與該3D分段圖之共同對位，及根據該第二對位變換來變換該初始最佳擬合骨盆圖譜影像，從而創建最終經變換骨盆圖譜影像；及使用該最終經變換骨盆圖譜影像作為該經變換3D骨盆圖譜影像，以在步驟(e)處針對該一或多個熱點中之各者判定該骨盆淋巴分類。
如請求項17至28中任一項之系統，其中在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區包含選自由以下各項組成之群組的一或多個成員：右髖骨區、左髖骨、薦骨區、尾骨區以及薦骨及尾骨區。
如請求項17至29中任一項之系統，其中該一或多個骨盆淋巴亞區包含選自由以下各項組成之群組之一或多個成員：左內胯區、右內胯區，左外胯區、右外胯區、左總胯區、右總胯區、左閉孔區、右閉孔區及薦前區。
如請求項17至30中任一項之系統，其中該3D分段圖之該一或多個骨盆骨區包含選自由以下各項組成之群組的一或多個成員：右髖骨區、左髖骨、薦骨區、尾骨區以及薦骨及尾骨區。
一種用於自動地處理個體之3D影像以鑑別及/或表徵該個體體內之癌性病變的系統，該系統包含：計算裝置之處理器；及記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器： (a) 接收(i)使用功能造影診斷工具獲得的該個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的該個體之3D解剖影像，其中該3D功能影像及該3D解剖影像經共同對位並包括該個體之軀幹之至少一部分之表示，且其中該3D功能影像包括一或多個表示該個體之該軀幹之該部分內之潛在病變的熱點； (b) 對該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之複數個所關注體積，各VOI對應於特定目標組織區； (c) 使用該等VOI來判定一或多個全身標誌；及 (d) 對於該3D功能影像之該一或多個熱點中之各者，使用該一或多個全身標誌判定遠處轉移分類。
一種用於自動地處理個體之3D解剖影像以鑑別其中之一或多個骨盆淋巴區的系統，該系統包含：計算裝置之處理器；及記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器： (a) 接收該個體之該3D解剖影像，該3D解剖影像已使用解剖造影診斷工具獲得並包括該個體之骨盆區之表示； (b) 對該個體之該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之一或多個骨盆骨之表示，從而創建與該個體之該3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別該3D解剖影像內之該特定骨盆骨及/或成組的一或多個骨盆骨之表示； (c) 接收3D骨盆圖譜影像，該3D骨盆圖譜影像包含： (A) 該3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別；及 (B) 該3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中該3D骨盆圖譜影像中之該一或多個參考骨盆骨區之至少一部分對應於該3D分段圖之該等骨盆骨區中之一或多者； (d) 變換該3D骨盆圖譜影像，以使用(i)在該骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區及(ii)該3D分段圖之該一或多個骨盆骨區來將其與該3D分段圖共同對位，從而創建經變換3D骨盆圖譜影像，該3D骨盆圖譜影像包含從而與該3D解剖影像及其分段對準的該經鑑別一或多個骨盆淋巴亞區；及 (e) 儲存及/或提供該經變換3D骨盆圖譜影像。
一種用於自動地處理個體之3D影像以鑑別其中之一或多個骨盆淋巴區的方法，該方法包含： (a) 藉由計算裝置之處理器，接收(i)使用功能造影診斷工具獲得的該個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的該個體之3D解剖影像，其中該3D功能影像及該3D解剖影像經對準並包括該個體之骨盆區之表示，且其中該3D功能影像包括一或多個表示該個體之該骨盆區內之潛在病變的熱點； (b) 藉由該處理器，對該個體之該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之一或多個骨盆骨之表示，從而創建與該個體之該3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別該3D解剖影像內之該特定骨盆骨及/或成組的一或多個骨盆骨之表示，且其中該一或多個骨盆骨區包含鑑別該3D解剖影像內之左髖骨之表示的左髖骨區及鑑別該3D解剖影像內之右髖骨之表示的右髖骨區； (c) 藉由該處理器，接收複數個前瞻性3D骨盆圖譜影像，各特定前瞻性3D骨盆圖譜影像包含： (A) 該特定前瞻性3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別；及 (B) 該特定3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中該一或多個參考骨盆骨區包含對應於該3D分段圖之該左髖骨區的參考左髖骨區，及對應於該3D分段圖之該右髖骨區的參考右髖骨區； (d) 對於該複數個前瞻性3D骨盆圖譜影像之各特定前瞻性骨盆圖譜影像，藉由該處理器判定對應粗略對位變換，該粗略對位變換將(i)包含該特定前瞻性骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區之參考骨盆骨區對準於(ii)目標骨盆骨區，該目標骨盆骨區包含該3D分段圖之該一或多個骨盆骨區； (e) 藉由該處理器，根據其對應的粗略對位變換來變換該複數個前瞻性3D骨盆圖譜影像中之各者以創建複數個經變換前瞻性骨盆圖譜影像； (f) 藉由該處理器，基於該複數個經變換前瞻性骨盆圖譜影像自該複數個前瞻性3D骨盆圖譜影像選擇最佳擬合骨盆圖譜影像； (g) 藉由該處理器，藉由以下操作判定該最佳擬合骨盆圖譜影像的精細對位變換：判定左側變換，該左側變換將(i)該最佳擬合骨盆圖譜影像之該參考左髖骨區與(ii)該3D分段圖之該左髖骨區對準；判定右側變換，該右側變換將(i)該最佳擬合骨盆圖譜影像之該參考右髖骨區與(ii)該3D分段圖之該右髖骨區對準；及基於該左側變換及該右側變換來判定加權變換； (h) 藉由該處理器，使用該加權變換來變換該最佳擬合骨盆圖譜影像以創建最終經變換骨盆圖譜影像；及 (i) 藉由該處理器，對於該3D功能影像之該一或多個熱點中之各者，使用該最終經變換3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區的該鑑別來判定骨盆淋巴分類。
如請求項34之方法，其中：該3D分段圖之該一或多個骨盆骨區包含鑑別該3D解剖影像內之薦骨及尾骨之表示的薦骨及尾骨區；該一或多個骨盆淋巴亞區包含薦前區；該等骨盆圖譜影像之該一或多個參考骨盆骨區包含參考薦骨及尾骨區；步驟(d)包含，對於各特定前瞻性骨盆圖譜影像，將變換判定為該對應粗略對位變換，該變換將(i)該特定前瞻性骨盆圖譜影像內包含該參考左髖骨區、該參考右髖骨區及該參考薦骨及尾骨區的參考骨盆骨區對準於(ii)該3D分段圖之包含該左髖骨區、該右髖骨區及該薦骨及尾骨區的目標骨盆骨區；及步驟(g)包含藉由應用該粗略對位變換來變換該最佳擬合骨盆圖譜影像之該薦前區並應用該加權變換來變換該最佳擬合骨盆圖譜影像之其他區，將該加權變換與在步驟(d)處為該最佳擬合骨盆圖譜影像所判定的該粗略對位變換組合。
一種用於自動地處理個體之3D影像以鑑別其中之一或多個骨盆淋巴區的系統，該系統包含：計算裝置之處理器；及記憶體，其上儲存有指令，其中該等指令在由該處理器執行時致使該處理器： (a) 接收(i)使用功能造影診斷工具獲得的該個體之3D功能影像及(ii)使用解剖造影診斷工具獲得的該個體之3D解剖影像，其中該3D功能影像及該3D解剖影像經對準並包括該個體之骨盆區之表示，且其中該3D功能影像包括一或多個表示該個體之該骨盆區內之潛在病變的熱點； (b) 對該個體之該3D解剖影像進行分段，以鑑別該個體之該3D解剖影像內之一或多個骨盆骨之表示，從而創建與該個體之該3D解剖影像對準的3D分段圖並包含一或多個骨盆骨區，其中各骨盆骨區對應於特定骨盆骨及/或成組的一或多個骨盆骨，並鑑別該3D解剖影像內之該特定骨盆骨及/或成組的一或多個骨盆骨之表示，且其中該一或多個骨盆骨區包含鑑別該3D解剖影像內之左髖骨之表示的左髖骨區及鑑別該3D解剖影像內之右髖骨之表示的右髖骨區； (c) 接收複數個前瞻性3D骨盆圖譜影像，各特定前瞻性3D骨盆圖譜影像包含： (A) 該特定前瞻性3D骨盆圖譜影像中之一或多個骨盆淋巴亞區的鑑別；及 (B) 該特定3D骨盆圖譜影像中之一或多個參考骨盆骨區的鑑別，其中該一或多個參考骨盆骨區包含對應於該3D分段圖之該左髖骨區的參考左髖骨區，及對應於該3D分段圖之該右髖骨區的參考右髖骨區； (d) 對於該複數個前瞻性3D骨盆圖譜影像之各特定前瞻性骨盆圖譜影像，判定對應粗略對位變換，該粗略對位變換將(i)包含該特定前瞻性骨盆圖譜影像內鑑別之該一或多個參考骨盆骨區中之參考骨盆骨區對準於(ii)目標骨盆骨區，該目標骨盆骨區包含該3D分段圖之該一或多個骨盆骨區； (e) 根據其對應的粗略對位變換來變換該複數個前瞻性3D骨盆圖譜影像中之各者以創建複數個經變換前瞻性骨盆圖譜影像； (f) 基於該複數個經變換前瞻性骨盆圖譜影像自該複數個前瞻性3D骨盆圖譜影像選擇最佳擬合骨盆圖譜影像； (g) 藉由以下操作判定該最佳擬合骨盆圖譜影像的精細對位變換：判定左側變換，該左側變換將(i)該最佳擬合骨盆圖譜影像之該參考左髖骨區與(ii)該3D分段圖之該左髖骨區對準；判定右側變換，該右側變換將(i)該最佳擬合骨盆圖譜影像之該參考右髖骨區與(ii)該3D分段圖之該右髖骨區對準；及基於該左側變換及該右側變換來判定加權變換； (h) 使用該加權變換來變換該最佳擬合骨盆圖譜影像以創建最終經變換骨盆圖譜影像；及 (i) 對於該3D功能影像之該一或多個熱點中之各者，使用該最終經變換3D骨盆圖譜影像內之該一或多個骨盆淋巴亞區的該鑑別來判定骨盆淋巴分類。
如請求項36之系統，其中：該3D分段圖之該一或多個骨盆骨區包含鑑別該3D解剖影像內之薦骨及尾骨之表示的薦骨及尾骨區；該一或多個骨盆淋巴亞區包含薦前區；該等骨盆圖譜影像之該一或多個參考骨盆骨區包含參考薦骨及尾骨區；在步驟(d)處，該等指令致使該處理器對於各特定前瞻性骨盆圖譜影像，將變換判定為該對應粗略對位變換，該變換將(i)該特定前瞻性骨盆圖譜影像內包含該參考左髖骨區、該參考右髖骨區及該參考薦骨及尾骨區的參考骨盆骨區對準於(ii)該3D分段圖之包含該左髖骨區、該右髖骨區及該薦骨及尾骨區的目標骨盆骨區；及在步驟(g)處，該等指令致使該處理器藉由應用該粗略對位變換來變換該最佳擬合骨盆圖譜影像之該薦前區並應用該加權變換來變換該最佳擬合骨盆圖譜影像之其他區，將該加權變換與在步驟(d)處針對該最佳擬合骨盆圖譜影像所判定的該粗略對位變換組合。