阅读说明：本技术 前列腺组织成分的非侵入性估计 (Non-invasive estimation of prostate tissue composition ) 是由 A·德瓦拉杰 G·S·卡尔茨马尔 A·奥托 A·查特吉 于 2018-09-18 设计创作，主要内容包括：一种存储有指令的非瞬态存储介质,所述指令能够由至少一个电子处理器(20)读取和运行以执行成像方法(100)。所述方法包括：获得针对患者的感兴趣区域(ROI)的多参数磁共振(MR)成像数据,所述多参数磁共振成像数据通过扩散加权或灌注加权参数以及磁化弛豫参数而被参数化；根据所述多参数MR成像数据确定所述ROI的针对多种组织类型中的每种组织类型的体积分数图；并且控制显示设备(24)以显示组织成分图,所述组织成分图包括所确定的体积分数图或根据所确定的体积分数图生成。(A non-transitory storage medium having stored thereon instructions readable and executable by at least one electronic processor (20) to perform an imaging method (100). The method comprises the following steps: obtaining multi-parameter Magnetic Resonance (MR) imaging data for a region of interest (ROI) of a patient, the multi-parameter MR imaging data being parameterized by a diffusion-weighted or perfusion-weighted parameter and a magnetization relaxation parameter; determining a volume fraction map of the ROI from the multi-parameter MR imaging data for each of a plurality of tissue types; and control a display device (24) to display a tissue composition map comprising or generated from the determined volume fraction map.)

前列腺组织成分的非侵入性估计

优先权

本申请要求2017年9月26日提交的序列号为US 62/563362的申请和2018年6月28日提交的序列号为US 62/691268的申请的优先权，其全部内容通过引用合并于此。

技术领域

以下总体涉及医学成像领域、腺组织监测领域、非侵入性组织监测领域、肿瘤学和肿瘤学成像领域以及相关领域。

背景技术

前列腺癌是美国男性中最常见的非皮肤癌症，也是第二大死亡原因(例如，参见Siegel R,Naishadham D,Jemal A.Cancer statistics,2012.CA:A Cancer Journal forClinicians.2012；62(1):10-29；以及Johnson LM,Choyke PL,Figg WD,Turkbey B.TheRole of MRI in Prostate Cancer Active Surveillance.BioMed ResearchInternational.2014；2014:6)。有效筛查和处置规划的关键是病变侵略性的知识。目前公认的评估前列腺癌侵略性的方法是格里森(Gleason)分级系统，所述系统基于关于组织学评估的组织架构变化。格里森分级系统描述的组织架构变化与前列腺组织的微结构即组织成分直接相关(例如，参见Chatterjee A,Watson G,Myint E,Sved P,McEntee M,BourneR.Changes in Epithelium,Stroma,and Lumen Space Correlate More Strongly withGleason Pattern and Are Stronger Predictors of Prostate ADC Changes thanCellularity Metrics.Radiology.2015；277(3):751-62；Langer DL,van der Kwast TH,Evans AJ等人的Prostate tissue composition and MR measurements:investigatingthe relationships between ADC,T2,K(trans),v(e),and corresponding histologicfeatures.Radiology.2010；255(2):485-94.；Kobus T,Laak JAWMvd,Maas Mc等人的Contribution of Histopathologic TissueComposition to Quantitative MRSpectroscopy and Diffusion-weighted Imaging of the Prostate.Radiology.2015；278(3):801-11；以及Zhao M,Myint E,Watson G,Bourne R.Comparison of conventionalhistology and diffusion weighted microimaging for estimation of epithelial,stromal,and acinar volumes in prostate tissue.Proceedings of the 21st AnnualMeeting of ISMRM.Salt Lake City,Utah,USA 2013；第3090页)。

已使用临床前16T MR对固定的前列腺组织进行磁共振成像(MRI)显微成像，以足够的分辨率(各向同性40μm)对单个前列腺进行成像，并且展示了腺体微结构的不同MR特性以及这些微结构与癌症相关联的变化(请参见，例如Bourne RM,Kurniawan N,Cowin G等人的Microscopic diffusivity compartmentation in formalin-fixed prostatetissue.Magn Reson Med.2012；68(2):614-20；以及Bourne R,Kurniawan N,Cowin G,SvedP,Watson G.16T diffusion microimaging of fixed prostate tissue:preliminaryfindings.Magn Reson Med.2011；66(1):244-7)。但是，临床MR扫描的空间分辨率太低而无法分辨腺体结构，因为前列腺腺泡的直径约为0.1毫米(例如，参见Bourne R.Magneticresonance microscopy of prostate tissue:How basic science can inform clinicalimaging development.Journal of Medical Radiation Sciences.2013；60(1):5-10)。

多参数磁共振成像(mpMRI)越来越多地用于前列腺癌的检测、表征和分期。当前大多数MR生物标记物(例如ADC和T2W图像)都是基于现象性模型的：单指数、双指数和峰度模型。尽管这些基于现象性模型的标记物在临床上已被前列腺癌检测广泛接受，但由于其针对正常腺体和良性疾病的相似性，许多前列腺癌未被发现，尤其是较小的显著病变常常未被发现(例如，参见Kitzing YX,Prando A,Varol C,Karczmar GS,Maclean F,OtoA.Benign Conditions That Mimic Prostate Carcinoma:MR Imaging Features withHistopathologic Correlation.RadioGraphics.2016；36(1):162-75；以及RosenkrantzAB,Taneja SS.Radiologist,Be Aware:Ten Pitfalls That Confound theInterpretation of Multiparametric Prostate MRI.American Journal ofRoentgenology.2013；202(1):109-20)，并且它们提供有限的表征病变的信息。这通常使放射科医师仅具有病变的大小和数量，也许还有纵向跟踪信息，以评估癌症的侵略性。因此，组织学改变仍然是评估癌症侵略性的参考标准。

基于结构模型的研究，像“针对肿瘤中的血细胞计数的血管、细胞外和限制扩散”(VERDICT)(参见例如Panagiotaki E，Chan RW，Dikaios N等人MicrostructuralCharacterization of Normal and MalignanTHuman Prostate Tissue With Vascular,Extracellular,and Restricted Diffusion for Cytometry in Tumours MagneticResonance Imaging.Investigative radiology.2015；50(4):218-27)表征了在三个不同的微结构区室中的扩散，并可能有助于以良好的准确性表征前列腺癌。但是，该模型使用增加的细胞性作为癌症的主要标志。这与已知与前列腺癌有关的组织学标志物有显著差异(参见，例如KM,Vettukattil R,Bertilsson H等人的Tissue Microstructure IsLinked to MRI Parameters and Metabolite Levels in Prostate Cancer.Frontiersin Oncology.2016；6(146))。

最近的一项研究表明前列腺体积成分(基质、上皮和管腔)的体积分数与癌症的存在和格里森分级的相关性比“细胞性”度量更强。在癌症中，上皮体积增加而管腔和基质体积减少。随着格里森等级的提高，这些变化更加明显。另外，组织成分：基质、上皮和管腔，具有明显的扩散性，因此这些扩散性可以用作非侵入性前列腺癌检测的生物标记物。最近的两项研究表明，可以使用双指数模型估算的管腔体积来拟合多回波T2加权图像或发光水成像(LWI)以检测前列腺癌(例如，参见Sabouri S,Fazli L,Chang Sd等人的MR measurementof luminal water in prostate gland:Quantitative correlation between MRI andhistology.Journal of Magnetic Resonance Imaging.2017:n/a-n/a；以及Sabouri S,Chang SD,Savdie R等人的Luminal Water Imaging:A New MR Imaging T2 MappingTechnique for Prostate Cancer Diagnosis.Radiology.2017；0(0):161687)。

以下公开了克服这些问题的新的和改进的系统和方法。

发明内容

在一个公开的方面中，一种非瞬态存储介质存储可由至少一个电子处理器读取和运行以执行成像方法的指令。所述方法包括：获得针对患者的感兴趣区域(ROI)的多参数磁共振(MR)成像数据，所述多参数磁共振成像数据通过扩散加权或灌注加权参数以及磁化弛豫参数而被参数化；根据所述多参数MR成像数据确定针对多种组织类型中的每种组织类型的ROI的体积分数图；控制显示设备以显示组织成分图，所述组织成分图包括所确定的体积分数图或根据所确定的体积分数图生成。

在另一个公开的方面中，一种医学成像工作站包括处理器，所述处理器配置为通过使用模型变换MRI数据的多维阵列来非侵入性地评估体积分数ADC以及前列腺组织成分的T2。

在另一个公开方面中，一种成像方法包括：获得针对患者的感兴趣区域(ROI)的多参数磁共振(MR)成像数据，所述多参数磁共振成像数据通过扩散加权参数以及磁化弛豫参数而被参数化；根据所述多参数MR成像数据确定针对多种组织类型中的每种组织类型的ROI的体积分数图；控制显示设备以显示组织成分图，所述组织成分图包括所确定的体积分数图或根据所确定的体积分数图生成。

一个优点在于非侵入性地检测患者的靶器官中的潜在肿瘤。

另一个优点在于提供对癌症的非侵入性的分级。

另一个优点在于在无需获得活检的情况下检测靶器官中的潜在肿瘤。

另一个优点在于提供对多种不同组织类型的体积分数的同时成像。

另一个优点在于基于每个区划的ADC和T2测量每个区划的特性。

另一个优点在于以与癌症相关联的有限的扩散和长的T2值检测和测量水的额外的间隔区。

给定实施例可以不提供前述优点，提供前述优点中的一个、两个、更多或全部，和/或可以提供其它优点，对于本领域普通技术人员而言，在阅读和理解了本公开后，这将变得显而易见。

附图说明

本公开可以采取各种部件和部件的布置以及各个步骤和步骤的安排的形式。附图仅出于图示优选实施例的目的，且不应被解释为限制本公开。

图1图解地示出了根据一个方面的说明性成像系统；

图2示出了图1的系统的操作的示例性流程图；

图3示出了由图1的系统生成的地图的示例示意图；并且

图4和5示出了由图1的系统执行的成像方法的结果。

具体实施方式

MRI前列腺癌成像可用于手术准备(即MRI规划图像)，或用于筛查、引导活检、癌症分级、非侵入性监测等。T2成像或扩散加权成像(DWI)是为此目的常用的成像技术。但是，由于T2和DWI对比机制的相互关联性，这些技术存在特定缺陷。

在本文公开的实施方式中，开发了MRI信号的参数化模型，其定义了各种组织类型(在前列腺或某些其他腺体的情况下为基质、上皮和管腔；组织类型有时也称为组织区划(tissue compartment))。模型参数包括针对每种组织类型的体积分数、T2和表观扩散系数(ADC)。对于基质/上皮/管腔模型，这将产生9个模型参数。通过采集多参数磁共振(MR)成像数据，例如，不同(TE，b值)对的3x3矩阵(或更常见的是9个不同(TE，b值)对))对，通过应用模型来预测针对每个(TE，b值)对的MR信号可以创建九个方程。此外，分数体积之合必须等于一，这提供了第十个方程。因此，对于每个体素，有9个未知数和10个方程。被应用于3x3多参数MR成像数据的该模型因此可以在针对每个体素处的基质、上皮和管腔的体积分数来求解。每个体素的所得体积分数值可以显示为前列腺组织成分图(pTCM)。这可以显示为三个图(每种组织类型一个)或复合图(例如使用颜色编码)。也可以使用更大的矩阵，但这会增加采集时间。

可以将这些技术推广到其他参数对(磁化弛豫参数，除(TE，b值)之外的DWI参数)。例如，可以通过改变扩散梯度幅度或梯度之间的扩散时间来获得b值调整。磁化弛豫参数可以例如是回波时间(TE)、翻转角、重复时间(TR)、引起磁化传递的脉冲或其他参数。另外，在一些实施例中，DWI参数化被扩散对比增强(DCE)成像参数化代替，即，可以使用(磁化弛豫参数，DCE参数)对来对多参数MR成像数据进行参数化。

所公开的系统和方法可以应用于具有基质、上皮和管腔组织类型(例如，前列腺、结肠直肠、乳腺、胰腺或甲状腺)的任何基于腺体的器官，并且更加一般地应用于假定合适的组织类型定义的其他器官。例如，可以使用以下组织类型类似地分析肝脏：生物管道、肝细胞、基质、以及脉管系统。

在本文公开的实施例中，在每个体素处对从三区划模型获得的所有九个参数独立地求解。在变体设想的方法中，可以利用各种相关性作为约束或额外的限制，例如，T2和/或ADC参数在体积上缓慢变化(甚至恒定)的约束。另外，预期采集多于9种不同的(TE，b值)组合，和/或使那些组合不形成3x3矩阵。

参考图1，示出了成像系统或设备10。如图1所示，设备10包括磁共振(MR)成像设备12，其被配置为使用具有针对特定b值设计的扩散梯度的DWI序列来采集MR成像数据(或者在替代实施例中，使用可以用于产生诸如Ktrans的参数的DCE(从图像中计算为成像生物标志物))，ve，最大增强率和初始增强时间。

设备10还包括医学成像工作站18，所述医学成像工作站18包括具有典型部件的计算机或其他电子数据处理设备，所述部件例如至少一个电子处理器20，至少一个用户输入设备(例如，鼠标、键盘、轨迹球等)22和显示设备24。应当注意，这些部件可以以各种方式分布。例如，电子处理器20可以包括工作站终端的本地处理器和由工作站终端访问的服务器计算机的处理器。在一些实施例中，显示设备24可以是与计算机18分开的部件。工作站18还可包括一个或多个数据库或非瞬态存储介质26。非瞬态存储介质26可以通过非限制说明性示例的方式，包括以下中的一个或多个：磁盘、RAID或其他磁存储介质；固态驱动器、闪存驱动器、电子可擦除只读存储器(EEROM)或其他电子存储器；光盘或其他光学存储介质；其各种组合；等等。显示设备24被配置为显示包括一个或多个字段的图形用户接口(GUI)28，以从用户输入设备22接收用户输入。可以在显示设备24上显示各种组织类型的体积分数的所生成的映射图30(下面将更详细地描述)。

系统10包括医学成像工作站18，所述学成像工作站18包括处理器，所述处理器被配置为通过使用模型来对MRI数据的多维数组进行变换来从MRI图像生成前列腺组织成分图(pTCM)以无创地评估前列腺组织成分的体积分数、ADC的和T2。在说明性实例中，组织成分包括基质、上皮和管腔，其是用于前列腺和一些其他腺体或腺体组织结构例如直肠和/或结肠、乳房、胰腺或甲状腺的合适的组织区划模型。

系统10被配置为执行成像方法或过程100，所述方法或过程100针对(磁化弛豫参数、DWI或DCE参数)对102的集合，并且更具体地在图1的前列腺癌成像的示例中针对(TE，b值)的集合，采集多参数MR成像数据，并且将参数化MRI信号值模型104应用于所采集的多参数MR成像数据，以针对感兴趣区域(ROI)的每个体素生成针对模型104的各种组织类型(例如，在说明性前列腺癌成像情况下的基质、上皮和管腔组织类型)的体积分数值，从而形成针对各种组织类型的体积分数图。体积分数图绘制方法106生成由成像方法或过程100输出的体积分数映射数据的一个或多个图绘制，即，(一个或多个)图30，所述图像被合适地绘制或显示在显示器24上。非瞬态存储介质(例如，非瞬态存储介质26)存储可由工作站18的至少一个电子处理器20读取和运行的指令，并且执行所公开的操作，包括执行处置规划方法或过程100和体积分数图绘制方法106。在一些实例中，一个或两个方法100、106可被至少部分地由云处理执行。

参考图2，作为流程图示意性地示出了处置规划方法100和绘制方法106的说明性实施例。在112处，对至少一个电子处理器20进行编程以针对患者的感兴趣区域(ROI)采集由扩散加权或灌注加权参数值和不同的磁化弛豫参数值(即，针对参数值对102的集合，参见图1)参数化的多参数MR成像数据。在一些示例中，扩散加权或灌注参数中的至少一个包括扩散权重参数，并且所述扩散权重参数包括b值、扩散时间或扩散梯度中的一项。在其他示例中，扩散加权或灌注参数值中的所述至少一个包括灌注加权参数。在另外的示例中，所述至少一个磁化弛豫参数包括回波时间(T_E)或翻转角中的一项。在一些示例实施例中，所述至少一个磁化弛豫参数值包括回波时间(T_E)，并且所述扩散加权参数值包括b值。

在114处，至少一个电子处理器20被编程为使用参数化的MRI信号值模型104(参见图1)来根据多参数MR成像数据确定针对多种组织类型中的每一种的ROI的体积分数图。例如，所述多种组织类型包括基质组织类型、上皮组织类型和管腔组织类型。在一些示例中，所述确定包括求解针对每个体素的方程组，以确定多种组织类型中的每种组织类型的体积分数值，其中针对每个体素的方程组包括针对如下的每个值对的方程：多参数MR成像数据中的(i)扩散加权或灌注加权参数，以及(ii)磁化弛豫参数。另外，针对每个体素的方程组还包括要求体积分数之和等于1的方程。可以任选地并入其他约束或限制。通过该过程，针对多种组织类型中的每种组织类型，确定体积分数以及模型104的任何其他变量(例如，T₂值和表观扩散系数(ADC)值)。

在一些实施例中，多参数MR成像数据包括针对至少九个(T_E，b值)参数值对来采集的MR成像数据。为了确定体积分数图，确定体积分数图包括至少针对每种组织类型的体积分数求解在每个体素处的方程组。针对每个(T_E，b值)参数值对，所述方程组包括取决于弛豫时间T₂和所述组织类型的ADC而将利用(T_E，b值)参数值对采集的体素的MR信号与每种组织类型的信号分量的加权和在功能上相关的方程，其中，每种信号分量按组织类型的体积分数加权。所述方程还可以表示为至少针对每种组织类型T_i∈{T}的所述体积分数求解在每个体素处的方程，其中，{T}表示多种组织类型的集合，其中，对于每个(T_E，b值)参数值对，方程组包括可表示为方程1的方程：

其中，S是体素处的MR信号，S₀是常数，T_E和b分别是(T_E，b值)参数值对的回波时间T_E和b值，并且和表示组织类型的弛豫时间T₂和ADC。因此，如方程1所示，针对每种组织类型的体积分数以及每种组织类型的弛豫时间T₂和ADC求解每个体素处的方程组。

此外，每个体素处的方程组还包括要求体积分数之和等于1的方程。

这可以表示为方程2：

要求体积分数之和等于1。预期额外的或其他方程和/或约束条件以提供更多的超定和/或约束的方程组。例如，可以使用硬约束(例如，不允许拟合的T₂超出某些指定的物理上现实的范围)或软约束(例如，通过拟合的T₂越远离针对组织的T₂的“典型”值则逐渐地增加大的惩罚值来进行惩罚)将T₂和/或ADC值约束在物理现实范围内。另一个预期的约束是惩罚过度的空间变化，尽管由于相邻体素的方程是相互依赖的而造成更大的计算复杂度为代价，但此方法可以提高拟合的平滑度。作为另一种预期的方法，可以将用于特定组织的T₂和/或ADC设置为组织的恒定“典型”值，这简化了计算复杂性并且可以使数据平滑，但是在确定的体积分数可能会增加误差。

在116处，至少一个电子处理器20被编程为生成每种组织类型的体积分数图的单独绘制。例如，可以通过将每个体积分数图(在说明性的前列腺示例中，一个针对基质，一个针对上皮，一个针对管腔)绘制为ROI中的体素的体积分数值的灰度或颜色编码的绘制。替代地，操作116可以生成融合体积分数图的单个合成绘制。一种方法是采用红-绿-蓝(RGB)颜色模型(或其他一些选择的三分量颜色模型)，并将绘制的每个体素的每个颜色分量的强度设置为对应的组织类型的体素体积分数。任选地，可以在操作116处生成单独的组织类型绘制和单个合成绘制。

在118处，至少一个电子处理器20被编程为控制显示设备24以显示在操作116处生成的(一个或多个)绘制，例如，用于显示包括所确定的体积分数图的组织成分图或从所确定的体积分数图生成的组织成分图。在一个示例中，显示设备24被控制为针对多种组织类型中的每种组织类型来显示组织成分图作为体积分数图的显示。在另一示例中，显示设备24被控制为将组织成分图显示为融合了多种组织类型的体积分数图的单个成分图。

图3示出了用于在显示设备24上显示的合成地图30的几个示例。图3中所示的图30包括：ADC图120和T₂图122；个体体积分数图，即基质体积分数图124、管腔体积分数图126和上皮体积分数图128；前列腺组织成分图(pTCM)130；以及从体积分数图124、126、128导出的预测的癌症图132和示出例如苏木精和曙红染色的组织上的确认的癌症的对应的图134。

范例

有利地，可以针对定量组织学来验证所公开的方法100。具体地说，MRI提供了与定量组织学密切相符的上皮、基质和管腔体积分数的测量结果。这首次展示了使用体内MRI的来无创地测量了上皮、基质和管腔的体积分数(参见下文和Chatterjee,A.,Bourne,R.M.,Karczmar,G.S.,Oto,A.等人的Diagnosis of Prostate Cancer with NoninvasiveEstimation of Prostate Tissue Composition by using Hybrid Multidimensional MRimaging:A Feasibility Study.,Radiology,2018)。

如果假设ADC和T2是独立的参数，则可以根据扩散数据建模来识别具有不同ADC的成分，并且可以根据自旋回波测量来识别具有不同T2的成分(例如，参见TH,GjesdalK-I,GadmarGeitung JT,N-E.Prostate magnetic resonance imaging:Multiexponential T2 decay in prostate tissue.Journal of Magnetic ResonanceImaging.2008；28(5):1166-72；以及Kjaer L,Thomsen C,Iversen P,Henriksen O.Invivo estimation of relaxation processes in benign hyperplasia and carcinomaof the prostate gland by magnetic resonance imaging.Magnetic resonanceimaging.1987；5(1):23-30)然而，在这种方法中，通过扩散和T2测量确定的不同成分是否具有直接的一一对应关系是未知的(参见，例如，Bourne R,Panagiotaki E.Limitationsand Prospects for Diffusion-Weighted MRI of the Prostate.Diagnostics.2016；6(2):21；以及Wange,S.,Oto,A.,Karczmar,G.S.等人的,Hybrid Multidimentional T2 anddiffusion-weighted MRI for prostate cancer detection,J Magnetic ResonanceImaging,2014)。

例如，通过与苏木精和曙红染色的整个前列腺组织的体内MRI共同配准，通过体内HM-MRI测量的上皮、基质和管腔的体积分数与金标准组织学非常吻合。具体来说，患者(n＝8，年龄＝62岁，PSA＝15.0ng/ml)，在接受根治性前列腺切除术之前接受了术前3T前列腺MRI检查活检证实了PCa。利用TE＝57、70、150、200ms和b值0、150、750、1500s/mm²的所有组合采集使用HM-MRI的轴向图像，从而得到与每个体素相关联4×4阵列的数据。通过将混合数据拟合到三区划信号模型中来计算组织成分的体积，其中基质、上皮和管腔具有与每个区划相关联的不同的成对的ADC和T2值。使用Image Pro Premier执行定量组织学分析，以计算对应于MR ROI(n＝16、8PCa，8个正常组织)的区域在矩形ROI上的组织成分的体积。

前列腺组织成分无显著差异(配对t检验)：基质(43.8±11.8vs 41.6±8.7，p＝0.20)，上皮细胞(34.2±18.1vs 36.7±15.3，p＝0.07)，以及管腔(22.0±13.1vs 21.7±10.9，p＝0.80)，使用HM-MRI测量和定量组织学。使用这些方法测得的前列腺组织成分之间存在极好的皮尔逊相关性(总体＝0.94，基质＝0.84，上皮＝0.97，管腔＝0.93，p<0.05)。ROC分析显示，使用HM-MRI(上皮＝0.89，官腔＝1.00)和组织学(上皮＝0.91，管腔＝0.93)时，曲线下面积较大，表明HM-MRI可以无创地将PCa与正常组织区分开，这是由于与正常组织相比，PCa中的上皮增加和管腔体积减小。

例如，当使用具有EPI读数的自旋回波模块测量ADC和T2时，ADC根据TE显著变化，并且T2根据b值显著变化。混合多维MRI(HM-MRI)成像分别测量ADC和T2随TE和b值变化的变化，并将这些变化用作有关基础组织微结构的信息源。结果，HM-MRI可以通过利用与每个组织成分相关的耦合的T2和ADC值来提供前列腺组织成分的定量图。

该脉冲序列用于采集具有一组TE(典型值为47、75和100毫秒)的图像。在每个TE处，以b值的一个范围(典型值为0、750和1500s/mm²)采集图像，从而形成多维数据阵列(如果上述TE和b值被采集，这将导致3×3阵列)的参数对值：

其与每个图像体素相关联。HM-MRI图像是在矢状面图像的引导下在轴向平面中采集的，并垂直于直肠壁定向。使用光谱绝热反转恢复(SPAIR)进行脂肪饱和。

来自前列腺组织的MR信号被建模为三个组织成分中未混合的水池：基质、上皮和管腔。通过拟合方程3(对应于特定的三组织型前列腺模型的方程1)，在逐个体素的基础上计算组织成分的体积：

其中V_基质，V_上皮和V_管腔是每个区划的体积分数，和是针对每个区划的T₂，并且ADC_基质，ADC_上皮和ADC_管腔是针对每个区划的ADC。

此外，仅存在三个组织成分(基质、上皮和管腔)(例如，未估计血液的贡献)，因此所有三个组织成分的体积分数之和为1，如方程4所示(对应于针对特定的三组织型前列腺模型的公式(2)：

V_基质+V_上皮+V_管腔＝1 (4)

前纤维肌基质(AFMS)具有密集的基质纤维，因此被假设比其他前列腺组织的基质具有更低的ADC和T₂值(参见，例如，Amin M,Khalid A,Tazeen N,Yasoob M.Zonal Anatomyof Prostate.Annals of King Edward Medical University.2011；16(3)；Ward E,BaadM,Peng Y等人的Multi-parametric MR imaging of the anterior fibromuscularstroma and its differentiation from prostate cancer.Abdom Radiol.2016:1-9；以及McNeal JE.Normal histology of the prostate.Am J Surg Pathol.1988；12(8):619-33)，基质ADC和T₂的下限是基于在AFMS中测量的ADC(0.7μm²/ms)和T₂(40ms)确定的(例如，参见Niaf E,Lartizien C,Bratan F等人的Prostate Focal Peripheral Zone Lesions:Characterization at Multiparametric MR Imaging—Influence of a Computer-aidedDiagnosis System.Radiology.2014；271(3):761-9；Baur AD,Maxeiner A,Franiel T等人的Evaluation of theprostate imaging reporting and data system for thedetection of prostate cancer by the results of targeted biopsy of theprostate.Invest Radiol.2014；49(6):411-20；Hoeks CMA,Vos EK,Bomers JGR,BarentszJO,Hulsbergen-van de Kaa CA,Scheenen TW.Diffusion-Weighted Magnetic ResonanceImaging in the Prostate Transition Zone:Histopathological Validation UsingMagnetic Resonance-Guided Biopsy Specimens.Investigative Radiology.2013；48(10):693-701；Akin O,Sala E,Moskowitz Cs等人的Transition Zone ProstateCancers:Features,Detection,Localization,and Staging at Endorectal MRImaging.Radiology.2006；239(3):784-92；Shiraishi T,Chikui T,Yoshiura K,YuasaK.Evaluation of T(2)values and apparent diffusion coefficient of the massetermuscle by clenching.Dentomaxillofacial Radiology.2011；40(1):35-41；以及LangerDL,van der Kwast TH,Evans AJ等人的Intermixed normal tissue within prostatecancer:effect on MR imaging measurements of apparent diffusion coefficientand T2--sparse versus dense cancers.Radiology.2008；249(3):900-8)。

癌症与ADC和T₂降低相关联。尽管癌症主要由上皮组成，但“纯”上皮的ADC和T₂值可能甚至比癌症病变更低(4)。因此，在从高等级癌症获得高等级值中的ADC(例如，0.7μm²/ms)和T₂(例如，70ms)被用作针对上皮成分的上限。

拟合管腔ADC和的上限被设置为低于37℃的纯水中的值。由于蛋白质的存在，管腔液体应该具有更低的ADC和T₂。

图4和图5示出了初步研究的结果。阴影值表示计算出的pTCM值对于检测癌症和预测癌症侵略性的能力。

己经参考优选实施例描述了本公开。本领域技术人员通过阅读和理解前述的详细描述，可以进行各种修改和变型。旨在将本公开理解为包括所有这样的修改和变更，只要它们落在所附权利要求或其等价方案的范围之内。