CN102341039A - 用于诊断受试者的组织中的疾病状况的方法和装置 - Google Patents
用于诊断受试者的组织中的疾病状况的方法和装置 Download PDFInfo
- Publication number
- CN102341039A CN102341039A CN2010800100067A CN201080010006A CN102341039A CN 102341039 A CN102341039 A CN 102341039A CN 2010800100067 A CN2010800100067 A CN 2010800100067A CN 201080010006 A CN201080010006 A CN 201080010006A CN 102341039 A CN102341039 A CN 102341039A
- Authority
- CN
- China
- Prior art keywords
- data
- target tissue
- impedance
- tissue region
- zone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 210000001519 tissue Anatomy 0.000 claims description 302
- 201000010099 disease Diseases 0.000 claims description 58
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 58
- 238000012549 training Methods 0.000 claims description 37
- 238000003745 diagnosis Methods 0.000 claims description 31
- 230000036541 health Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 21
- 231100000915 pathological change Toxicity 0.000 claims description 19
- 230000036285 pathological change Effects 0.000 claims description 19
- 201000000849 skin cancer Diseases 0.000 claims description 16
- 201000008261 skin carcinoma Diseases 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 12
- 201000001441 melanoma Diseases 0.000 claims description 11
- 230000008520 organization Effects 0.000 claims description 10
- 208000035250 cutaneous malignant susceptibility to 1 melanoma Diseases 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 206010004146 Basal cell carcinoma Diseases 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 6
- 230000003902 lesion Effects 0.000 claims description 6
- 206010015150 Erythema Diseases 0.000 claims description 4
- 231100000321 erythema Toxicity 0.000 claims description 4
- 210000002808 connective tissue Anatomy 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 241001269238 Data Species 0.000 claims 2
- 238000005259 measurement Methods 0.000 abstract description 23
- 238000002847 impedance measurement Methods 0.000 abstract description 10
- 241001465754 Metazoa Species 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 12
- 239000000523 sample Substances 0.000 description 12
- 210000003491 skin Anatomy 0.000 description 11
- 206010027145 Melanocytic naevus Diseases 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 206010061818 Disease progression Diseases 0.000 description 4
- 239000012620 biological material Substances 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000005750 disease progression Effects 0.000 description 4
- 239000011368 organic material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 208000003373 basosquamous carcinoma Diseases 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000000505 pernicious effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000002615 epidermis Anatomy 0.000 description 2
- 238000001453 impedance spectrum Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009022 nonlinear effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010002198 Anaphylactic reaction Diseases 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 206010048768 Dermatosis Diseases 0.000 description 1
- 208000000471 Dysplastic Nevus Syndrome Diseases 0.000 description 1
- 206010062805 Dysplastic naevus Diseases 0.000 description 1
- 208000007256 Nevus Diseases 0.000 description 1
- 206010039796 Seborrhoeic keratosis Diseases 0.000 description 1
- 208000000453 Skin Neoplasms Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 230000036783 anaphylactic response Effects 0.000 description 1
- 208000003455 anaphylaxis Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000010562 histological examination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 208000004649 neutrophil actin dysfunction Diseases 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 201000003385 seborrheic keratosis Diseases 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007390 skin biopsy Methods 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 206010041823 squamous cell carcinoma Diseases 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 210000000438 stratum basale Anatomy 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 238000007473 univariate analysis Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
本发明涉及一种用于诊断人类或动物受试者的组织中的疾病状况的方法和医疗设备(10),其中采用组织电阻抗测量。至少一组数据预处理规则(12a-12d)被应用至目标组织区域的阻抗以及参考组织区域(11)的阻抗,其中所述参考组织区域紧邻于所述目标组织区域。所述目标组织区域的阻抗数据和所述参考组织区域的阻抗数据包括在所述目标组织区域和所述参考组织区域中分别测量的多个阻抗值,其中基本上同时或紧密相续地执行所述两个组织区域中的组织测量。基于所述预处理数据,受训评估系统算法(14)诊断所述目标组织区域中的疾病状况。
Description
技术领域
本发明总体涉及人类或者动物受试者的组织中的生物状况(具体地,疾病状况)的诊断、确定、表征或评估。更具体地,本发明涉及通过采用组织的电阻抗数据对所述受试者的组织中的疾病状况(例如皮肤癌,诸如基底细胞癌或恶性黑色素瘤)的诊断。
背景技术
在全世界许多国家中,皮肤癌是一种快速增长的癌症形式。最常见的皮肤癌形式是基底细胞癌、鳞状细胞癌和黑色素瘤。黑色素瘤是一种较罕见类型的皮肤癌,但是造成大部分与皮肤癌相关的死亡。已经提出,大多数皮肤癌病例是由于过度暴露至太阳光所造成的。和其他类型的癌症一样,重要的是尽可能在早期阶段诊断皮肤癌,尤其是黑色素瘤。
然而,即使对于有经验的皮肤病医生,皮肤肿瘤的临床诊断也被证明可能是困难的,尤其在恶性黑色素瘤的病例中。因而,日益需要一种除了已建立的采用目测(ocular inspection)以及结合用于组织学检查的皮肤活检方法以外的诊断辅助设备。
如本领域已知的,电阻抗构成一个对有机材料和生物材料中的变化非常敏感的指示器,尤其是在诸如粘膜、皮肤和器官的体壁之类的组织中,从而可提供一种对有机材料和生物材料的结构性质中的变化进行非创伤性测量的有效工具。因而,已做出大量努力以获得一种简单且可靠的方式来测量有机材料和生物材料中的变化和改变,从而构建由于来自异常状况(例如,疾病状况)的不同状态、特征或刺激而造成的所述变化和改变的发生率。因此,现有技术中提出了许多采用电阻抗测量结果或电阻抗谱来确定生物状况的创伤性、微创性和非创伤性技术。
通常,期望的是尽可能在疾病发展的早期阶段确定组织中的疾病状况,与在疾病发展中的后期阶段应用预防措施相比,在所述疾病发展的早期阶段时很容易使预防措施有效和/或更加有效。
具体地,皮肤癌,尤其是恶性黑色素瘤,可极快速地扩散进入相邻组织和器官,从而使得它非常危险,甚至可能是致命的,要是在疾病发展的后期阶段才被诊断出来的话。其他类型的皮肤癌,例如,基底细胞癌和鳞状细胞癌,即使是恶性的,也较少可能地扩散至身体的其他部分。然而,如果未较早治疗,它们也可能局部损伤外形。与许多癌症相似,皮肤癌通常从癌前期病变开始,所述癌前期病变最初可非常小。就这一点而言,临床经验表明病变,尤其在早期阶段,可能包括非常小的恶性部分,具有直径小于1mm的恶性病灶。因而,非常期望的是能够在疾病的早期阶段诊断出甚至更小尺寸的肿瘤。
已提出了由电阻抗成像来形成身体区域中的电阻抗差异的图像。应注意,图像没有必要对应于异常状况(例如,病变)的实际图像,而是可宽泛地理解为可用于识别所述异常状况的图案。然而,基于电阻抗测量结果将诸如恶性肿瘤之类的疾病组织从健康组织或者仅轻度疾病组织(例如,良性病变)中分离出来需要进一步的研究。就这一点而言,当试图用阻抗数据构造图像或图案时,存在一些需要解决的基本问题。首先,身体内的电流沿最小阻抗的路径流动,这通常是不规则的路径,而不限于身体内的具体线路或者甚至平面,这在由阻抗数据来重构身体内的电气性能的空间分布时可能是一个问题。此外,从组织的阻抗测量结果所获得的电阻抗数据是多变量的,并且进一步包括复数,具有量值和相位。尽管存在分析复数的问题,但是这样的多变量数据通常还表示非常大的数据集,即使使用强大的数据处理设备,分析该数据集也很不方便。
用于诊断受试者的组织和内部器官中的疾病状况的传统方法和设备,通常缺少能够精确且有效地建立大组的多变量阻抗数据与可能存在的疾病状况之间的对应关系的通用装置。因而,为了识别可能存在的任何疾病状况,期望的是使用用于处理多变量阻抗数据的改进算法。
更重要的是,已经证明,用于测量有机材料和生物材料的结构性能中的变化的传统方法,尤其是疾病组织的小的恶性区域的确定,通常缺少所要求的精确度和/或结构分辨率(组织分辨率),这是由于用于检测和/或表征组织中微小尺寸的异常情况——例如小尺寸的病变——的所测量的阻抗谱的有限分辨率。
因而,本领域需要一种用于诊断受试者的组织——尤其是皮肤——的疾病状况的改进的方案或算法,所述改进的方案或算法提供一种用于精确且有效地处理大组的多变量阻抗数据从而识别可能存在的任何疾病状况的通用装置。此外,期望的是,使用改进的方案能够提供与传统方法相比增大的精确度和/或组织分辨率。具体地,期望的是,使用用于诊断皮肤癌——例如,恶性黑色素瘤、基底细胞癌、鳞状细胞癌或者它们的前兆(precursor)——的改进的技术,来提供与传统方法相比增大的精确度和/或结构分辨率。
发明内容
鉴于上述内容,本发明的一个目的是提供一种通过采用组织中所测量的电阻抗数据来诊断受试者的组织中的疾病状况的改进的方法和医疗装置。
利用根据独立权利要求的一种用于诊断受试者的组织中的疾病状况的装置和方法,上述和其他目的能够得到完全或者部分的实现。其他实施方案由从属权利要求来限定。
根据本发明的第一方面,提供了一种用于诊断受试者的组织的疾病状况的方法,包括:获得目标组织区域的阻抗数据,所述数据包括在所述目标组织区域中所测量的多个阻抗值;以及,获得参考组织区域的阻抗数据,所述数据包括在参考组织区域中所测量的多个阻抗值,其中所述参考组织区域紧邻于所述目标组织区域。至少一组数据预处理规则被应用至目标组织区域的阻抗数据和参考组织区域的阻抗数据,从而获得目标组织区域的分类数据集以及参考组织区域的分类数据集。该方法进一步包括:应用受训评估系统算法(trained evaluationsystem algorithm),基于目标组织区域的分类数据集,来诊断目标组织区域中的疾病状况。目标组织区域的阻抗数据和参考组织区域的阻抗数据是基本上同时或紧密相续地获得。
通过所述方法,提供一种允许诊断人类或动物受试者的组织中的疾病状况的技术,所述技术能够通过训练至少一组数据预处理规则以改进受训评估系统算法的性能(精确度)来提供改进的精确度。
根据本发明的一个实施方案,进一步基于参考组织区域的分类数据集,通过应用受训评估系统算法,执行目标组织区域中的疾病状况的诊断。通过除了考虑(潜在患病的)目标组织的数据外,还考虑(健康)参考组织的数据,可进一步增大精确度。就这一点而言,通过基本上同时或紧密相续地获得目标组织区域以及参考组织区域的电阻抗数据,可减小目标组织阻抗的生物噪声。电阻抗受由例如受试者年龄、受试者性别、组织温度、组织湿度以及身体上的部位所引起的生物噪声的影响。所述生物噪声——其可潜在地引入分类错误——可以这种方式消除或者保持为最小值。如果生物噪声过大,所述生物噪声可导致错误的诊断。
应理解,根据本发明的第一方面的方法可有利地在计算机程序或计算机可读数字存储媒体中实现,所述计算机程序包括用于执行所述方法的计算机代码,所述计算机可读数字存储媒体的非限制性实施例是CD、DVD、软盘、硬盘驱动、盒式磁带、存储器卡和USB存储器设备,在所述计算机可读数字存储媒体上存储有所述计算机程序。所述计算机程序和存储媒体在本发明的范围内。
预期的是,本发明可被应用至人类受试者以及其他动物受试者。
根据本发明的第二方面,提供一种用于诊断受试者的组织中的疾病状况的医疗装置,所述装置包括阻抗信号单元,所述阻抗信号单元适于获得目标组织区域的阻抗数据,所述数据包括在目标组织区域中所测量的多个阻抗值;以及,所述阻抗信号单元还适于获得参考组织区域的阻抗数据,所述数据包括在参考组织区域中所测量的多个阻抗值,所述参考组织区域紧邻于所述目标组织区域。所述阻抗信号单元进一步适于基本上同时或紧密相续地获得目标组织区域的阻抗数据以及参考组织区域的阻抗数据。所述装置进一步包括分类单元,所述分类单元适于将至少一组数据预处理规则应用至目标组织区域的阻抗数据以及参考组织区域的阻抗数据,从而获得目标组织区域的分类数据集以及参考组织区域的分类数据集。所述装置还包括诊断单元,所述诊断单元适于基于目标组织区域的分类数据集来执行受训评估系统算法,用于诊断目标组织区域中的疾病状况。
通过所述装置,获得了与根据本发明的第一方面的方法的优势相似或相同的优势。
根据本发明的一个实施方案,所述诊断单元适于进一步基于参考组织区域的分类数据集来执行受训评估系统算法,用于诊断目标组织区域中的疾病状况。
根据本发明的另一实施方案,目标组织区域和/或参考组织区域的阻抗数据在不同的组织层处获得,其中至少扫描所述组织的上部部分,从而获得来自小的连续组织分区的一系列阻抗值。
因而,可能的是获得具有高度分辨率的阻抗数据。这允许在组织中检测到小的异常现象。原理上,所述分辨率被用于获得阻抗数据的相邻电极之间的距离、交流电频率以及电极的总体设计(例如,电极的尺寸和形状)所限制。
此外,组织阻抗可在不同组织层——通常多个不同的组织层——处测量,其可从测量中包括的最顶层至最下层连续地布置。
因而,通过使得相邻组织层中的测量点之间的距离变小,可实现关于组织表面下方的深度处的高的组织分辨率,原理上所述分辨率仅被可实现的相邻组织层中的测量点之间的距离远近所限制。
根据本发明的另一实施方案,减小目标组织区域的阻抗数据和/或参考组织区域的阻抗数据中的噪声含量。减小阻抗数据中的噪声含量的过程可包括下列一个或多个:根据时间、空间、相位和/或量值来区分目标组织区域和/或参考组织区域的多个阻抗值中的至少一个;确定目标组织区域和/或参考组织区域的多个阻抗值中的至少一个的量值、相位、实部和/或虚部;确定目标组织区域的多个阻抗值中的至少一个和参考组织区域的多个阻抗值中的至少一个之间的差异;以及,确定目标组织区域的多个阻抗值中的至少一个的倒数以及参考组织区域的多个阻抗值中的至少一个的倒数。因此,由于移除了例如阻抗数据中的生物噪声,可进一步增大诊断的精确度。
根据本发明的另一实施方案,减小目标组织区域的阻抗数据和/或参考组织区域的阻抗数据的维度。这可通过线性减小——例如通过主成分分析法(PCA)——目标组织区域的阻抗数据和/或参考组织区域的阻抗数据,或非线性减小——例如通过非线性核PCA——目标组织区域的阻抗数据和/或参考组织区域的阻抗数据来执行。替代地或可选地,通过柯尔-柯尔(Cole-Cole)等效电路模型、自组织图和阻抗索引来执行维度减小。应理解,所述示例性列表并非穷尽性的。还可通过上述的两种或更多种技术的组合来执行维度减小,但是这些技术是示例性的且不限于上文所提及的这些技术。
通常,所获得的阻抗数据集包括非常大量的变量,这意味着由于信息冗余,而造成执行每一变量的单变量分析(一次进行一个变量的分析)可能是不明确的。通过本发明的实施方案,所述数据可被简化至较少数目的变量,但这些变量仍包含临床相关的信息,从而允许对阻抗数据的更快以及更强大的分析或处理,以用于随后诊断组织中的疾病状况。
根据本发明的另一实施方案,受试者身体状况的数据被接收,并且至少一些数据被参数化,其中通过执行受训评估系统算法,基于目标组织区域的分类数据集和参考组织区域的分类数据集的目标组织区域中的疾病状况的诊断,进一步基于受试者身体状况的参数化数据来完成。受试者身体状况的数据可包括受试者的年龄、病变ABCDE特征、受试者的性别、病变尺寸、病变的位置以及受试者的红斑易感性(erythema susceptibility)中的一个或多个。
这样,进一步基于附加的临床相关数据来执行疾病状况的诊断,从而,甚至可进一步提高疾病状况的诊断的精确度。所述附加数据可针对诊断特定类型的疾病状况,例如皮肤癌(对于此,上文列举的数据可能尤其相关)。因而,通过包括受试者身体状况的特别选定的附加数据,可确定具体的疾病状况。根据本发明的一个示例性实施方案,该方法和/或装置特别地布置用于诊断皮肤癌,例如基底细胞癌或恶性黑色素瘤或者其前兆,例如光化性角化症(鳞状细胞癌的前兆)以及发育不良痣(恶性黑色素瘤的前兆),或者皮肤状况,包括年龄、日光损害和胶原蛋白成分。
大范围的分类器——从简单的线性分类器至非常强大的人工网络,可应用于模式识别。
因而,根据本发明的另一实施方案,所述至少一组数据预处理规则由例如Fisher线性决策法(Fisher Linear Discriminant)、偏最小二乘决策分析法(Partial Least Squares Discriminant Analysis)、k-最近邻点法(k-Nearest Neighbors)、支持向量机(Support VectorMachines)、人工神经网络、贝叶斯分类器(Bayesian Classifier)和决策树中的一个或多个来确定。
根据本发明的另一实施方案,至少一组数据预处理规则被应用至受试者身体状况的参数化数据,所述规则由例如Fisher线性决策法、偏最小二乘决策分析法、k-最近邻法、支持向量机、人工神经网络、贝叶斯分类器和决策树中的一个或多个来确定,从而也对受试者身体状况的参数化数据进行分类,这可增强组织的疾病状况的诊断的性能。
根据本发明的另一实施方案,在约10Hz和约10MHz之间的多个频率处和/或在多个不同的电流驱动振幅处获得目标组织区域的阻抗数据和/或参考组织区域的阻抗数据。
早期研究表明,为了精确地获得疾病状况的指示,必须将频率谱的很大部分,例如10Hz至10MHz,考虑在阻抗数据的分析中(参看,例如EP 1600104A1中的图2(a)-图2(d))。此外,通过考虑在多个不同电流驱动振幅处获得的阻抗数据,能够例如检测来自线性响应的偏差,这可用于指示细胞水平的组织中的局部电位变化何时变得足够大以超出细胞电位变化,从而允许利用新的离子传导路径。所述非线性通常在健康组织中并不出现,因此上述方法在进一步增强诊断组织的疾病状况的性能时是有用的。
例如,可在从约1kHz至约2.5MHz的范围的多个对数分布频率上测量目标组织区域和/或参考组织区域的电阻抗,例如在35个对数分布频率处。根据所述具体实施例,每十个使用十个测量频率。
根据本发明的另一实施方案,受训评估系统选自例如神经网络、专家系统和它们的组合。
在本发明的背景下,术语“基本上同时或紧密相续地”意为,例如,获得目标组织区域的阻抗数据和获得参考组织区域的阻抗数据可能够在相同时间发生,或者在中间仅有非常短的时间间隔而使得所述测量过程实际上是可行的情况下发生,这可能取决于所使用的探针的具体配置。这具有如下优势,其确保在非常相似的外部状况下执行获得目标组织区域的阻抗数据和获得参考组织区域的阻抗数据,从而在所获得的目标组织区域的阻抗数据和参考组织区域的阻抗数据中不引入任何人为因素。
在本发明的背景下,术语“病变”意为皮肤的肿瘤。
在本发明的背景下,术语“ABCDE标准”意为用于评估受试者的色素痣(mole)是否疑似恶性黑色素瘤的标准,即:不对称性(A),针对色素痣的一侧至另一侧的边界;边界不规则性(B),针对色素痣的边界粗糙度或者如果色素痣的边界处的颜色是不均匀的;颜色(C),针对单个色素痣中出现多种颜色;痣的直径(D),针对例如如果色素痣的直径超过约6mm;以及,色素痣的分辨率(E),针对形状、尺寸或颜色随着时间的改变。
在本发明的背景下,术语“ABCDE特征”意为根据上述ABCDE标准所表征的受试者或患者的组织区域,例如色素痣、病变等。
从下文的详细公开文本、随附的权利要求以及附图中,本发明的其他目的、特征和优势将变得明显。
通常,除非在本文中另有明确限定,权利要求中所使用的所有术语旨在根据它们在技术领域中的通常意义来解释。除非另有明确限定,所有关于“一/一个/该(元件、设备、部件、单元、装置、步骤等)”的指代旨在开放地解释为指的是所述元件、设备、部件、单元、装置、步骤等中的至少一个示例。除非明确声明,本文所公开的任何方法的步骤不需要以所公开的确切次序来执行。
附图说明
通过结合附图对本发明的优选实施方案的下列示例性和非限制性的细节性描述,将更好地理解本发明的上述以及附加目的、特征和优点,在附图中相同的参考数字用于相同或相似的元件,其中:
图1是根据本发明的一个示例性实施方案的医疗装置的示意图;
图2是根据本发明的一个示例性实施方案的一种用于测量组织阻抗的探针的示意图;
图3至图5是根据本发明的示例性实施方案的医疗装置的示意图;以及
图6是根据本发明的一个示例性实施方案的一种用于诊断受试者的组织中的疾病状况的方法的示意流程图。
具体实施方式
在前后文中,各种操作被描述为以一种有助于理解本发明的形式依序执行的多个分立步骤。然而,描述的次序不应解释为暗示这些步骤必须按它们呈现的次序来执行,也不应解释为暗示这些步骤或者甚至依赖于它们所呈现的次序。
通常,所谓的从组织的电阻抗测量结果获得的“原始”电阻抗数据是多变量的,并且还包括复数,该复数包括量值和相位,或实部或虚部。为了解释这样的原始数据,由此期望并且通常必要的是,将该数据拟合在模型中,或者将该数据简化为可管理的多个临床相关参数。例如,可通过将阻抗数据线性映射至下级子空间来处理所述阻抗数据,以用于减少变量数目。为此,可使用诸如主成分分析(PCA)之类的技术。替代地,可使用阻抗的非线性映射,例如通过非线性核PCA。另一些替代方法包括平行因子分析法(PARAFAC)、柯尔-柯尔等效电路模型、自组织映射或简单阻抗索引。所述技术在本领域中是已知的,因而省略其详细描述。所简化的数据进一步可通过例如经典统计分析或分类来处理。
电阻抗的数值分类和受试者的组织中的疾病状况(例如,病变),可被用于提供一种用于找出描述电阻抗和疾病状况(病变)的身份(identity)以及其他特征——例如,指出病变是否为恶性的——之间关系的规则的方法。然后可采用所述规则,使用阻抗测量结果来识别疾病状况(病变)和/或表征另一尚未识别的疾病状况(病变)。为此,首先必须使用训练集(training set)来调整所述规则,所述训练集即为良性以及具有已知身份和/或特征的疾病状况(病变)的阻抗测量结果(例如,通过目测结合组织学分析的组织活检的临床确定)。应理解,对规则的“调整”应宽泛地理解,原因在于它可包括修改具体分类规则或分类模型的参数的数值,或者甚至改变分类规则(或模型)自身。
在诊断疾病状况——例如,病变——的背景中,通常需要使分类器的性能生效,例如通过比较未被包括在用于训练分类规则的任何训练集中的新病变的电阻抗测量结果。在所述分类规则被确定以后,包括所谓的测试集的新病变的电阻抗测量结果——并为其建立身份和/或特征(例如,通过临床目测结合组织分析学的病变活检)——是使分类规则生效的一种可靠方式。此外,所述过程严格模拟分类器的预期用途。然后使用所建立的子集的身份和/或特征与使用分类器所预测的子集的身份和/或特征之间的关系来近似分类器的性能。应理解,可在任何疾病状况的背景下应用相同的过程。
如在上下文中所使用的,“分类规则”意为用于处理数据——诸如对数据进行分类——的数据处理规则。
根据本发明的一些示例性实施方案,分类规则通过例如Fisher线性决策法(FLD)、偏最小二乘分析法(PLS-DA)、分类软独立模式法(SIMCA)、k-最近邻点法(KNN)、支持向量机(SVM)、人工神经网络(ANN)、决策树和贝叶斯分类器中的一种或多种确定,如下文进一步描述的。所述用于确定分类规则的技术在本领域中是已知的,因而省略其详细描述。
图1是根据本发明的一个示例性实施方案的用于诊断受试者的组织中的疾病状况的医疗装置10的示意图。装置10包括用于执行所述装置的核心操作的主单元1,主单元1包括阻抗信号单元2和分类单元3。主单元1被连接至诊断单元4,用于基于由阻抗信号单元2所获得的阻抗数据来诊断组织中的疾病状况。
阻抗信号单元2适于获得受试者的组织的目标组织区域的阻抗数据,以及获得受试者的组织的参考组织区域的阻抗数据。应理解,目标组织区域的阻抗数据包括目标组织区域中所测量的多个阻抗值,以及参考组织区域的阻抗数据包括参考组织区域中所测量的多个阻抗值。根据一个示例性实施方案,受试者的组织包括受试者的皮肤。然而,本文所描述的方法和装置可同样很好地通过例如允许插入皮肤下方的锋利的、尖的电极被应用至组织活检(测试样品)或者受试者皮肤下方(皮下)一点处。目标组织区域意为待被诊断的组织区域,即疑似被疾病状况影响的组织区域。参考组织区域意为用于参考目的并且处于健康状态的组织区域。参考组织区域通常应被布置为使其紧邻于目标组织区域,或者至少尽可能邻近,同时仍允许获得有差别的电阻抗测量结果。
优选地,阻抗信号单元2适于基本上同时或紧密相续地获得目标组织区域的阻抗数据和参考组织区域的阻抗数据。这样就意味着基本上同时或紧密相续地执行用于获得各阻抗数据集的测量。在每一阻抗测量之前,可使用例如0.9%的盐水浸泡目标组织表面和参考组织表面。例如,在执行电阻抗测量之前,所述表面被浸泡约30秒。
通过集成在医疗装置10中的探针或者在医疗装置10外部而被连接至该医疗装置10的探针,可执行用于获得目标组织区域和/或参考组织区域的阻抗数据的组织阻抗测量结果。例如,不管在外部还是被集成,探针可包括适于被放置以接触待分析的组织——典型地,受试者的皮肤——的多个电极。可通过将AC电压施加在两个电极上并且测量所生成的电流来测量组织阻抗。当电极探针被放置以接触组织时,所述电极探针可例如包括五个电极,该五个电极被布置以基本覆盖组织表面区域。通过选择相邻对的电极,可通过所生成的电流路径来扫描组织的最顶层。通过选择不相邻的电极对,或者换句话说,选择中间布置有一个或多个电极的电极对,所生成的电流路径允许在较深组织层处进行扫描(测量)。这在图2中示出,其中指示了多个电流路径,以及多个组织层A、B、C和D,示意性地由虚线指示。组织的表面S示意性地由虚线指示。依次将电压施加在相邻电极对上(未示出电压施加装置)——即电极9a和9b、9b和9c、9c和9d或者9d和9e,通过测量所生成的电流路径,在组织的最顶层A中可得到四个阻抗测量结果。以这种方式,可完成最顶部组织层A的扫描。同样,依次将电压施加在中间布置有一个电极的电极对上,即根据示出的示例性实例的电极9a和9c、9b和9d或者9c和9e,通过测量所生成的电流路径,可在紧邻最顶部组织层A下方的组织层B中得到三个阻抗测量结果。同样,依次将电压施加在中间布置有两个电极的电极对上,即电极9a和9d以及9b和9e,通过测量所生成的电流路径,可在紧邻组织层B下方的组织层C中得到两个阻抗测量结果。根据图2示出的实施方案,通过将电压施加在中间布置有三个电极的电极对上——根据本具体实施例的电极9a和9e,并且测量所生成的电流路径,还可在紧邻组织层C下方的更深组织层D处得到最终测量结果。当然,电极的数目不限于五个,而是任何数目的电极,例如,四个、六个、十个、十二个或者二十个,都在本发明的范围内。通过所述配置,可测量更深组织深度处的电阻抗。
此外,通过沿着组织表面移动探针以及在多个位置处执行阻抗测量,可相对于组织表面做出横向扫描。
再次转向图1,如上获得的目标组织区域和参考组织区域的阻抗数据,随后被分类单元3所分类,所述分类单元3适于将至少一组分类规则应用至目标组织区域的阻抗数据和参考组织区域的阻抗数据,从而获得目标组织区域的分类数据集以及参考组织区域的分类数据集。
然后如上分类后的数据集被输入至诊断单元4,随后所述诊断单元4基于目标组织区域的分类数据集和参考组织区域的分类数据集来执行受训评估系统算法,用于诊断目标组织区域中的疾病状况。然后,例如通过合适的可视显示装置,例如LCD面板或打印机,诊断结果被输出至用户(临床医师)。还可预期的是,诊断结果可被传输至外部设备(未示出),例如临床医师的膝上型电脑或台式机,以数字地存储在其上。为此该装置可设有分立的通信单元,能够经由无线通信媒体或经由电导体与外部设备通信。此外,根据图1示出的实施方案,诊断结果还可通过一体式通信单元6被传输至外部设备(如图1中的双箭头所指示的),如下文进一步所描述的。应理解,图1中的双箭头指示各部件之间的通信可以是双向的。
应用至目标组织区域的阻抗数据以及参考组织区域的阻抗数据的分类规则集可例如由Fisher线性决策法、偏最小二乘决策分析法、k-最近邻点法、支持向量机、人工神经网络、贝叶斯分类器和决策树中的一个或多个来确定。在本领域中所述技术是已知的,因而省略其详细描述。所要达到的目的是所述技术可与本上下文所描述的任何实施方案结合。
阻抗信号单元2可进一步适于获得组织的不同层处的目标组织区域和/或参考组织区域的阻抗数据,其中扫描待分析组织的至少最顶部组织层,即测量至少属于最顶部层的组织中的一点处的电阻抗,从而获得来自最顶部组织层的一系列阻抗值。换句话说,可测量属于不同组织层的组织中的一些点处的组织阻抗,所述不同组织层通常是多个不同组织层,它们可以从包括在测量中的最顶层至最下层连续地布置。这例如可通过根据前文与图2相关联的描述来执行。还可采用同一申请人的标题为“Switch probe for multiple electrode measurementof impedance(用于多电极阻抗测量的开关探针)”的共同未决申请中描述的一个或多个装置来执行所述组织阻抗的测量。这样,通过使得相邻组织层中的测量点之间的距离变小,可获得关于组织表面下方的深度的高的组织分辨率。理论上,可实现的分辨率仅由相邻组织层中的测量点之间的距离的大小来限制,而该测量点之间的距离可在装置中实现。目的是配置(例如上文刚刚所描述的)可与上下文所描述的任一实施方案结合。
如图1中所示,医疗装置10可进一步包括处理单元5,适于减小目标组织区域的阻抗数据和/或参考组织区域的阻抗数据中的噪声含量。替代地或可选地,处理单元5还可适于减小目标组织区域的阻抗数据和/或参考组织区域的阻抗数据的维度。
为了减小目标组织区域的阻抗数据和/或参考组织区域的阻抗数据的噪声含量,处理单元5可进一步关于时间、空间、相位和/或量值来区分目标组织区域和/或参考组织区域的多个阻抗值中的至少一个。替代地或可选地,处理单元5可进一步适于确定目标组织区域和/或参考组织区域的多个阻抗值中的至少一个的量值、相位、实部和/或虚部。此外,替代地或可选地,处理单元5可进一步适于确定目标组织区域的多个阻抗值的至少一个和参考组织区域的多个阻抗值的至少一个之间的差异。同样,替代地或可选地,处理单元5可进一步适于确定目标组织区域的多个阻抗值的至少一个的倒数以及参考组织区域的多个阻抗值的至少一个的倒数。因此,由于移除例如由此获得的阻抗数据中的生物噪声,可进一步提高医疗装置10的精确度。
在上下文所描述的实施方案中的任一医疗装置10,可包括处理单元5,例如上文刚刚描述的以及本文其他地方所描述的。
如图1中所示,该装置可进一步包括通信单元6,所述通信单元6能够发送数据至外部设备(未示出)/接收来自外部设备(未示出)的数据,可以是膝上型计算机、掌上型计算机、数据库等。通过这种方式,可向该装置提供例如便于诊断组织的疾病状况的数据,如下文将描述的。例如,通信单元6可适于接收受试者身体状况的数据,所述数据可以包括但是不限于,受试者年龄、病变ABCDE特征、受试者性别、病变尺寸、病变的位置以及受试者红斑易感性。处理单元5可适于将如上——直接或者经由主单元1从通信单元6输入至处理单元——所接收的数据中的至少一些数据参数化,如图1中所示出的。然后,进一步基于受试者身体状况的参数化数据,诊断单元4可执行受训评估系统算法,用于目标组织区域中的所述疾病状况的诊断。
通信单元6可被布置为经由无线通信媒体或者经由连接在通信单元6和外部设备之间的电导体(“线”)来发送/接收数据。如图1中所示,为此通信单元6可包括天线7,所述天线7适于经由无线通信网络8与外部设备(未示出)进行通信。进一步应理解,可以不受第三方干扰地执行通信,如本领域所公知的。
本上下文所描述的实施方案中的任一医疗装置10可包括通信单元6,例如上文刚刚描述的以及本文其他地方所描述的。
根据本发明,采用受训评估系统算法来诊断受试者的组织中的疾病状况。通过训练所述至少一组分类规则,可改进受训评估系统算法的性能(精确度)。通常采用受训评估系统算法,其非限制性实施例是专家系统和/或神经网络,以在包括目标组织区域和/或参考组织区域中所测量的多个阻抗值的多变量数据中识别和学习不同组织类型或状况——包括癌性组织和癌前组织——的标记模式(signaturepattern)。为使受训评估系统算法识别和学习不同组织类型和状况的标记模式,可使用模式识别算法来识别多变量数据空间中的对应于不同组织类型和状况的区域。为了精确且可靠地操作根据本发明的实施方案的方法和装置,受训评估系统算法必须能够基于目标组织区域和/或参考组织区域的分类数据集来进行精确且可靠的评估,这通过训练用于对目标组织区域和/或参考组织区域的阻抗数据进行分类的至少一组分类规则来确保。为此,通过前文所描述的方式,使用训练集来逐渐调整分类规则并且随后使其生效。
应理解,本发明不限于仅训练分类规则,而且通过训练算法架构,即,通常不同的分类规则和/或前文所描述的其他数据处理步骤的结合,还可改进受训评估系统算法的性能(精确度)。可通过类似于分类规则的训练来执行所述训练。
图3至图5是用于根据本发明的三个示例性实施方案来诊断受试者的组织中的疾病状况的医疗装置10的示意图。图3至图5中示出的医疗装置10在许多方面类似于参考图1所描述的医疗装置10。然而,如图3中所示,医疗装置10的主单元1可进一步包括诊断单元4。因而,根据图3中所示的实施方案,诊断单元4可被集成在主单元1中。此外,如图4中所示,医疗装置10的主单元1可选地包括处理单元5,由此被集成在主单元1中。替代地或可选地,还可预期的是,医疗装置10的主单元1可包括通信单元6,如图5中所示。还可预期的是,在其他实施方案中,主单元1可包括诊断单元4、处理单元5和/或通信单元6。因而,一个或多个诊断单元4、处理单元5和通信单元6可被集成在医疗装置10的主单元1中。
图6是示出了根据本发明的一个示例性实施方案的一种用于诊断受试者的组织中的疾病状况的方法的示例流程图。该方法从获得受试者的组织的阻抗数据开始。在步骤11,获得目标组织区域的阻抗数据——所述数据包括在目标组织区域中所测量的多个阻抗值,以及参考组织区域的阻抗数据——所述数据包括在参考组织区域中所测量的多个阻抗值。如前文所描述的,优选使得所述参考组织区域紧邻于所述目标组织区域。此外,基本上同时或紧密相续地获得目标组织区域的阻抗数据和参考组织区域的阻抗数据,这样使得基本上同时或紧密相续地执行目标组织区域和参考组织区域的组织阻抗的测量,如在先前上文所描述的。
如图6中所示,该方法继续步骤12a-12d,每一步骤包括将一组分类规则应用至如上所获得的目标组织区域和/或参考组织区域的阻抗数据。通常,所应用在步骤12a-12d中的每一步骤中的分类规则组可彼此互不相同。步骤12a-12d中的每一步骤可进一步包括阻抗数据的进一步处理,并优选地在执行分类程序以前。所述处理可包括目标组织区域和/或参考组织区域中的阻抗数据中的噪声含量的减少,和/或目标组织区域和/或参考组织区域的阻抗数据的维度的减少,如在前文中所描述的。
如图6中所示,该方法可进一步包括步骤13,包括接收受试者身体状况的数据并且将如上接收到的受试者身体状况的至少一些数据参数化。随后如上所参数化的受试者身体状况的数据在步骤12e中可被分类和/或作进一步处理,与步骤12a-12d相似。
该方法继续至步骤14,包括基于在步骤12a-12d所获得的目标组织区域的分类数据集和参考组织区域的分类数据集以及在步骤12e所获得的受试者身体状况的分类参数化数据,通过应用受训评估系统算法,诊断目标组织区域中的疾病状况。应理解,步骤13和12e是可选的,并且可仅基于步骤12a-12d中的一个或多个步骤所获得的目标组织区域的分类数据集和参考组织区域的分类数据集,来执行通过应用受训评估系统算法诊断目标组织区域中的疾病状况。
在步骤15处该方法结束,在此将受训评估系统算法的输出,即,受试者的组织中的疾病状况的诊断,提供给用户(例如,临床医师或皮肤科医生)。
人类皮肤是具有电子非线性性质的一个复杂不均匀且各向异性的多层结构。具体地,通过高度非线性效应和非常高的电阻抗来表征角质层(即,表皮的最外层),诸如皮肤癌之类的疾病和过敏反应在该角质层的下方显现。因而,依赖于测量探针的具体设计,皮肤的非创伤性电阻抗谱可以由角质层的介电性质主导,尤其在低频率处。此外,角质层具有大且宽的所谓α色散(alpha dispersion),所述α色散可导致来自下方有生存力的皮肤层的响应与来自角质层的响应相混淆,从而减弱来自有生存力的皮肤的临床相关信息。
为了改进对角质层下方显现的电阻抗现象的评估,根据本发明的另一实施方案,通过具有多个电极的导电探针来获得阻抗数据,其中多个电极的每一电极包括至少一个长钉或显微针,每一长钉或显微针具有足够的长度以穿透受试者皮肤的至少一层,或者具有足够的长度以穿透受试者皮肤表面下方直至表皮的最底层,即生发层。例如,每一长钉或显微针具有最高达1mm的长度以用于皮肤癌评估,然而其他组织和器官——其可能包在较厚的外皮中——可要求更长的长钉或显微针。此外,多个电极的每一电极可包括至少两个、三个、四个、五个、六个、七个、八个、九个、十个、十二个、十五个、十八个、二十个、二十二个、三十个、四十个或至少五十个所述的长钉或显微针。通过所述配置,除了可能地减弱角质层的非线性效应的问题,还可实现增加的多功能性和增加的涉及电容需求的适配性。根据另一实施方案,探针的长钉或显微针彼此横向间隔开,从而当通过例如将电压施加在一对长钉电极或一对显微针电极上并测量所生成的电流以此来测量阻抗时彼此不干涉。
根据一个示例性实施方案,探针包括布置在底部基底——例如,硅晶圆——上的多个显微针。从硅晶圆的平面上延伸的显微针的制造在本领域中是已知的,参看例如S. Roy和A.J.F leischman的标题为“Microneedle array module and method of fabricating the same(显微针阵列模块及其制造方法)”的专利US 2004/0243063。
应理解,在本发明的上下文中并且关于电连接至彼此的电部件,术语连接的涵义不限于直接连接,而且包括具有中间部件的功能连接。例如,一方面,如果第一部件的输出被联接至第二部件的输入,这包括直接连接。另一方面,如果电导体将来自第一部件的输出的信号基本上未改变地直接供应至第二部件的输入,替代地经由一个或多个附加部件,第一部件和第二部件也是连接的。然而,所述连接具有如下功能意义,即来自第一部件的输出的信号中的逐渐或突然变化造成了输入至第二部件的信号中的对应或修正的变化。
总之,本发明涉及一种用于诊断人类或动物受试者的组织中的疾病状况的方法和医疗设备,其中采用组织电阻抗测量。至少一组数据预处理规则被应用至目标组织区域的阻抗数据和参考组织区域的阻抗数据,其中参考组织区域紧邻于目标组织区域。目标组织区域的阻抗数据和参考组织区域的阻抗数据分别包括在目标组织区域和参考组织区域中所测量的多个阻抗值,其中基本上同时或紧密相续地执行两个组织区域中的组织测量。基于预处理数据,受训评估系统算法诊断目标组织区域中的疾病状况。
上文主要参考几个实施方案来描述本发明。然而,如本领域普通技术人员容易理解的,不同于上文公开的实施方案的其他实施方案同样可能落入如随附的权利要求所限定的本发明的范围。
Claims (20)
1.一种用于诊断受试者的组织的疾病状况的方法,包括如下步骤:
(a)获得目标组织区域的阻抗数据,所述数据包括在所述目标组织区域中所测量的多个阻抗值;
(b)获得参考组织区域的阻抗数据,所述数据包括在紧邻于所述目标组织区域的所述参考组织区域中所测量的多个阻抗值;
(c)将至少一组数据预处理规则应用至所述目标组织区域的阻抗数据以及所述参考组织区域的阻抗数据,从而获得所述目标组织区域的分类数据集以及所述参考组织区域的分类数据集;以及
(d)基于所述目标组织区域的分类数据集,应用受训评估系统算法来诊断所述目标组织区域中的所述疾病状况;
其中步骤(a)和(b)被基本上同时或紧密相续地执行。
2.根据权利要求1所述的方法,其中进一步基于所述参考组织区域的分类数据集来执行步骤(d)。
3.根据权利要求1所述的方法,其中所述步骤(a)和/或(b)进一步包括:
(e)在不同组织层处获得阻抗数据,其中至少扫描所述组织的上部部分,从而获得来自小的连续组织分区的一系列阻抗值。
4.根据权利要求1所述的方法,进一步包括如下步骤中的一个或多个:
(f)减少所述目标组织区域的阻抗数据中的噪声含量和/或所述参考组织区域的阻抗数据中的噪声含量;以及
(g)减少所述目标组织区域的阻抗数据的维度和/或所述参考组织区域的阻抗数据的维度。
5.根据权利要求4所述的方法,其中所述步骤(f)包括如下操作中的一个或多个:
根据时间、空间、相位和/或量值来区分所述目标组织区域的多个阻抗值中的至少一个,和/或所述参考组织区域的多个阻抗值中的至少一个;
确定所述目标组织区域的多个阻抗值中的至少一个的量值、相位、实部和/或虚部,和/或所述参考组织区域的多个阻抗值中的至少一个的量值、相位、实部和/或虚部;
确定所述目标组织区域的多个阻抗值中的至少一个与所述参考组织区域的多个阻抗值中的至少一个之间的差异;以及
确定所述目标组织区域的多个阻抗值中的至少一个的倒数以及所述参考组织区域的多个阻抗值中的至少一个的倒数。
6.根据权利要求4所述的方法,其中步骤(g)包括如下操作中的一个或多个:
线性减小所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据,例如通过主成分分析法;
非线性减小所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据,例如通过非线性核主成分分析法;以及
通过采用柯尔-柯尔等效电路模型、自组织图和阻抗索引中的一个或多个来减小所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据。
7.根据权利要求1所述的方法,进一步包括如下步骤:
(h)接收所述受试者身体状况的数据;以及
(i)将如上接收的所述受试者身体状况的数据中的至少一些数据参数化;
其中在步骤(d)中基于所述目标组织区域的分类数据集和/或所述参考组织区域的分类数据集,通过应用所述受训评估系统算法来执行的所述目标组织区域中的所述疾病状况的诊断,进一步基于所述受试者身体状况的参数化数据来执行。
8.根据权利要求7所述的方法,其中所述受试者身体状况的数据包括所述受试者的年龄、病变ABCDE特征、所述受试者的性别、病变尺寸、所述病变的位置以及所述受试者的红斑易感性中的一个或多个。
9.根据权利要求7所述的方法,进一步包括如下步骤:
(j)将至少一组数据预处理规则应用至由Fisher线性决策法、偏最小二乘决策分析法、k-最近邻点法、支持向量机、人工神经网络、贝叶斯分类器和决策树中的一个或多个所确定的所述受试者身体状况的参数化数据。
10.根据权利要求1所述的方法,其中步骤(c)中的所述至少一组数据预处理规则由Fisher线性决策法、偏最小二乘决策分析法、k-最近邻点法、支持向量机、人工神经网络、贝叶斯分类器和决策树中的一个或多个确定。
11.根据权利要求1所述的方法,其中所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据在约10Hz和约10MHz之间的多个频率处和/或多个不同电流驱动振幅处获得。
12.根据权利要求1所述的方法,被布置用于诊断皮肤癌,例如基底细胞癌或恶性黑色素瘤。
13.根据权利要求1所述的方法,其中所述受训评估系统算法选自:专家系统、神经网络和它们的组合。
14.一种用于诊断受试者的组织的疾病状况的医疗装置,包括:
阻抗信号单元,所述阻抗信号单元适于获得目标组织区域的阻抗数据,所述数据包括在所述目标组织区域中所测量的多个阻抗值;所述阻抗信号单元适于获得参考组织区域的阻抗数据,所述数据包括在紧邻于所述目标组织区域的所述参考组织区域中所测量的多个阻抗值;其中所述阻抗信号单元进一步适于基本上同时或紧密相续地获得所述目标组织区域的阻抗数据和所述参考组织区域的阻抗数据;
分类单元,适于将至少一组数据预处理规则应用至所述目标组织区域的阻抗数据以及所述参考组织区域的阻抗数据,从而获得所述目标组织区域的分类数据集以及所述参考组织区域的分类数据集;以及
诊断单元,适于基于所述目标组织区域的分类数据集来执行受训评估系统算法,用于诊断所述目标组织区域中的疾病状况。
15.根据权利要求14所述的装置,其中所述诊断单元适于进一步基于所述参考组织区域的分类数据集来执行所述受训评估系统算法,用于诊断所述目标组织区域中的所述疾病状况。
16.根据权利要求14所述的装置,其中所述阻抗信号单元进一步适于获得不同组织层处的所述目标组织区域和/或所述参考组织区域的阻抗数据,其中至少扫描所述组织的上部部分,从而获得来自小的连续组织分区的一系列阻抗值。
17.根据权利要求14所述的装置,进一步包括处理单元,适于:
减小所述目标组织区域的阻抗数据中的噪声含量和/或所述参考组织区域的阻抗数据中的噪声含量;和/或
减小所述目标组织区域的阻抗数据的维度和/或所述参考组织区域的阻抗数据的维度。
18.根据权利要求17所述的装置,其中所述处理单元进一步适于:
根据时间、空间、相位和/或量值来区分所述目标组织区域的多个阻抗值中的至少一个,和/或所述参考组织区域的多个阻抗值中的至少一个;
确定所述目标组织区域的多个阻抗值中的至少一个的量值、相位、实部和/或虚部,和/或所述参考组织区域的多个阻抗值中的至少一个的量值、相位、实部和/或虚部;
确定所述目标组织区域的多个阻抗值中的至少一个和所述参考组织区域的多个阻抗值中的至少一个之间的差异;和/或
确定所述目标组织区域的多个阻抗值中的至少一个的倒数以及所述参考组织区域的多个阻抗值中的至少一个的倒数。
19.根据权利要求17所述的装置,其中所述处理单元进一步适于:
线性减小所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据,例如通过主成分分析法;
非线性减小所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据,例如通过非线性核主成分分析法;以及
通过采用柯尔-柯尔等效电路模型、自组织图和阻抗索引中的一个或多个来减小所述目标组织区域的阻抗数据和/或所述参考组织区域的阻抗数据。
20.根据权利要求14所述的装置,进一步包括:通信单元,能够发送数据至外部设备/接收来自外部设备的数据;以及,处理单元;所述通信单元适于接收所述受试者身体状况的数据,以及其中所述处理单元适于将由此接收的所述受试者身体状况的数据中的至少一些参数化,并且所述诊断单元适于执行受训评估系统算法,用于进一步基于所述受试者身体状况的参数化数据来诊断所述目标组织区域的所述疾病状况。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14761709P | 2009-01-27 | 2009-01-27 | |
US61/147,617 | 2009-01-27 | ||
PCT/EP2010/050922 WO2010086326A2 (en) | 2009-01-27 | 2010-01-27 | Method and apparatus for diagnosing a diseased condition in tissue of a subject |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102341039A true CN102341039A (zh) | 2012-02-01 |
Family
ID=42313012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800100067A Pending CN102341039A (zh) | 2009-01-27 | 2010-01-27 | 用于诊断受试者的组织中的疾病状况的方法和装置 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20100191141A1 (zh) |
EP (1) | EP2391268B1 (zh) |
JP (1) | JP5642709B2 (zh) |
KR (1) | KR20110123753A (zh) |
CN (1) | CN102341039A (zh) |
AU (1) | AU2010209801B2 (zh) |
CA (1) | CA2750794A1 (zh) |
WO (1) | WO2010086326A2 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859597A (zh) * | 2017-01-11 | 2017-06-20 | 深圳市心上信息技术有限公司 | 一种远程监护方法和装置 |
CN107710205A (zh) * | 2015-04-14 | 2018-02-16 | 优比欧迈公司 | 用于心血管疾病状况的微生物组来源的表征、诊断和治疗的方法及系统 |
CN107884458A (zh) * | 2012-04-13 | 2018-04-06 | 索尼公司 | 凝血系统分析仪以及确定凝血程度的方法 |
CN110199358A (zh) * | 2016-11-21 | 2019-09-03 | 森索姆公司 | 表征和识别生物结构 |
CN110432903A (zh) * | 2018-04-06 | 2019-11-12 | 麦层移动健康管理有限公司 | 一种用于提取生物组织特征信息的非侵入性方法及其系统 |
CN110755073A (zh) * | 2019-10-09 | 2020-02-07 | 华中科技大学 | 基于阻抗谱信号的智能骨骼及关节信息处理系统及方法 |
CN111599426A (zh) * | 2020-04-28 | 2020-08-28 | 芯海科技(深圳)股份有限公司 | 用户身份识别方法、装置、电子设备和存储介质 |
CN113299388A (zh) * | 2021-05-12 | 2021-08-24 | 吾征智能技术(北京)有限公司 | 基于发热伴皮疹的跨模态医学生物特征认知疾病的系统 |
CN113413148A (zh) * | 2021-08-24 | 2021-09-21 | 常州先趋医疗科技有限公司 | 一种提高阻抗生物传感器效果的信号处理方法及装置 |
WO2023138694A1 (en) * | 2022-01-24 | 2023-07-27 | Gense Technologies Limited | Electrical impedance tomography based diagnostic systems and methods |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2609111C (en) | 2005-07-01 | 2016-10-18 | Scott Chetham | A method and apparatus for performing impedance measurements in accordance with determining an electrode arrangement using a displayed representation |
WO2007002991A1 (en) | 2005-07-01 | 2007-01-11 | Impedimed Limited | Monitoring system |
WO2007041783A1 (en) | 2005-10-11 | 2007-04-19 | Impedance Cardiology Systems, Inc. | Hydration status monitoring |
US11617518B2 (en) * | 2007-03-05 | 2023-04-04 | Wisys Technology Foundation, Inc. | Method for detecting both pre-cancerous and cancerous tissues |
JP5419861B2 (ja) | 2007-04-20 | 2014-02-19 | インぺディメッド リミテッド | インピーダンス測定装置および方法 |
US20110046505A1 (en) | 2007-08-09 | 2011-02-24 | Impedimed Limited | Impedance measurement process |
CN102316797B (zh) * | 2009-01-27 | 2014-08-20 | 科学基础有限公司 | 用于阻抗的多电极测量的开关探针 |
US8781576B2 (en) | 2009-03-17 | 2014-07-15 | Cardiothrive, Inc. | Device and method for reducing patient transthoracic impedance for the purpose of delivering a therapeutic current |
EP2408521B1 (en) | 2009-03-17 | 2014-06-25 | Cardio Thrive, Inc | External defibrillator |
US9615767B2 (en) | 2009-10-26 | 2017-04-11 | Impedimed Limited | Fluid level indicator determination |
CA2778770A1 (en) | 2009-11-18 | 2011-05-26 | Chung Shing Fan | Signal distribution for patient-electrode measurements |
CA2858244A1 (en) | 2011-12-14 | 2013-06-20 | Intersection Medical, Inc. | Devices, systems and methods for determining the relative spatial change in subsurface resistivities across frequencies in tissue |
RU2492806C1 (ru) * | 2012-03-05 | 2013-09-20 | Общество с ограниченной ответственностью "Научно-исследовательский центр биотехнологий" | Способ дифференциальной диагностики опухолей |
US20160007879A1 (en) * | 2013-03-15 | 2016-01-14 | The Regents Of The University Of California | Multifrequency signal processing classifiers for determining a tissue condition |
US9616243B2 (en) | 2013-06-14 | 2017-04-11 | Cardiothrive, Inc. | Dynamically adjustable multiphasic defibrillator pulse system and method |
US9833630B2 (en) | 2013-06-14 | 2017-12-05 | Cardiothrive, Inc. | Biphasic or multiphasic pulse waveform and method |
US10149973B2 (en) | 2013-06-14 | 2018-12-11 | Cardiothrive, Inc. | Multipart non-uniform patient contact interface and method of use |
US9907970B2 (en) | 2013-06-14 | 2018-03-06 | Cardiothrive, Inc. | Therapeutic system and method using biphasic or multiphasic pulse waveform |
US10279189B2 (en) | 2013-06-14 | 2019-05-07 | Cardiothrive, Inc. | Wearable multiphasic cardioverter defibrillator system and method |
US9147245B1 (en) | 2014-07-10 | 2015-09-29 | King Fahd University Of Petroleum And Minerals | Method, system and computer program product for breast density classification using fisher discrimination |
FR3026631B1 (fr) | 2014-10-03 | 2016-12-09 | Ecole Polytech | Dispositif medical implantable muni de capteurs |
EP3234559B1 (en) | 2014-12-16 | 2019-05-22 | Oxford University Innovation Limited | Detecting composition of a sample based on thermal properties |
JP6467669B2 (ja) * | 2015-03-19 | 2019-02-13 | 株式会社ヒューマン・エンジニアリング | 判定装置および判定プログラム |
KR101726054B1 (ko) * | 2015-07-08 | 2017-04-12 | 성균관대학교산학협력단 | 생체조직 판별 장치 및 방법, 이를 이용한 수술 장치 |
FR3042873A1 (fr) | 2015-10-23 | 2017-04-28 | Ecole Polytech | Procede et systeme de discrimination de cellules |
CN105534524A (zh) * | 2016-02-05 | 2016-05-04 | 思澜科技(成都)有限公司 | 用于甲状腺术中甲状旁腺的快速识别设备及其方法 |
FR3049843A1 (fr) | 2016-04-06 | 2017-10-13 | Instent | Dispositif medical muni de capteurs |
WO2017178817A1 (en) | 2016-04-15 | 2017-10-19 | Oxford University Innovation Limited | A needle probe, apparatus for sensing compositional information, medical drain, method of measuring a thermal property, and method of sensing compositional information |
KR102241685B1 (ko) * | 2017-08-31 | 2021-04-19 | 주식회사 지파워 | 피부 질환 진단 장치 및 시스템 |
US11723583B2 (en) | 2017-10-25 | 2023-08-15 | Skindicator Ab | Device and a method for detection of changes in tissue |
US20200253504A1 (en) * | 2017-11-01 | 2020-08-13 | Daniel Shen | Systems and methods for tissue characterization |
US10828500B2 (en) | 2017-12-22 | 2020-11-10 | Cardiothrive, Inc. | External defibrillator |
US10736536B2 (en) * | 2018-01-12 | 2020-08-11 | NovaScan, Inc. | Techniques for predicting recurrence of cancerous cells using impedance detection |
WO2019223874A1 (en) * | 2018-05-24 | 2019-11-28 | Scibase Ab | Impedance measurement device |
KR102091828B1 (ko) * | 2019-05-24 | 2020-03-20 | 주식회사 에프앤디파트너스 | 임피던스를 이용한 인공지능 기반 피부질환 진단시스템 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5987346A (en) * | 1993-02-26 | 1999-11-16 | Benaron; David A. | Device and method for classification of tissue |
WO2001064095A2 (en) * | 2000-02-28 | 2001-09-07 | Barbara Ann Karmanos Cancer Institute | Multidimensional bioelectrical tissue analyzer |
WO2002032335A1 (en) * | 2000-07-25 | 2002-04-25 | Rita Medical Systems Inc. | Apparatus for detecting and treating tumors using localized impedance measurement |
US20030050548A1 (en) * | 2001-09-07 | 2003-03-13 | Schmidt Robert N. | Dry penetrating recording device |
US20030078482A1 (en) * | 2001-10-22 | 2003-04-24 | Gad Kenan | Diagnosis probe |
WO2004049937A1 (en) * | 2002-12-05 | 2004-06-17 | University Of Ulster | Tissue mapping system and method |
EP1437091A1 (en) * | 2002-10-11 | 2004-07-14 | Stig Ollmar | Determination of biological conditions using impedance measurements |
WO2005074796A1 (en) * | 2004-02-05 | 2005-08-18 | Dermal Therapy (Barbados) Inc. | Method and apparatus for measuring glucose in body fluids using sub-dermal body tissue impedance measurements |
US20060116599A1 (en) * | 2004-11-13 | 2006-06-01 | The Boeing Company | Electrical impedance tomography using a virtual short measurement technique |
US20070135729A1 (en) * | 2005-12-14 | 2007-06-14 | Scibase Ab | Medical apparatus for determination of biological conditions using impedance measurements |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2354745A2 (fr) * | 1976-06-14 | 1978-01-13 | Duroux Jean | Perfectionnement aux procedes et appareillages d'investigation des phenomenes physiologiques internes |
SE466987B (sv) * | 1990-10-18 | 1992-05-11 | Stiftelsen Ct Foer Dentaltekni | Anordning foer djupselektiv icke-invasiv, lokal maetning av elektrisk impedans i organiska och biologiska material samt prob foer maetning av elektrisk impedans |
US6317617B1 (en) * | 1997-07-25 | 2001-11-13 | Arch Development Corporation | Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images |
US6735468B2 (en) * | 2000-02-02 | 2004-05-11 | Massachusetts Institute Of Technology | Arthroscopic impedance probe to detect cartilage degeneration |
EP1311310A4 (en) * | 2000-08-21 | 2004-11-24 | Cleveland Clinic Foundation | MICRO NEEDLE NETWORK AND MANUFACTURING METHOD |
AUPR571801A0 (en) * | 2001-06-15 | 2001-07-12 | Polartechnics Limited | Apparatus for tissue type recognition using multiple measurement techniques |
US20030074482A1 (en) * | 2001-10-16 | 2003-04-17 | Christensen Erik B. | Composable messaging protocol |
US6780154B2 (en) * | 2002-01-17 | 2004-08-24 | Siemens Medical Solutions Usa, Inc. | Segmented handheld medical ultrasound system and method |
US6748044B2 (en) * | 2002-09-13 | 2004-06-08 | Ge Medical Systems Global Technology Company, Llc | Computer assisted analysis of tomographic mammography data |
KR101350626B1 (ko) * | 2005-12-14 | 2014-01-10 | 싸이베이스 에이비 | 임피던스 측정을 이용하여 생물학적 상태를 결정하는 의료장치 |
-
2010
- 2010-01-19 US US12/689,404 patent/US20100191141A1/en not_active Abandoned
- 2010-01-27 WO PCT/EP2010/050922 patent/WO2010086326A2/en active Application Filing
- 2010-01-27 AU AU2010209801A patent/AU2010209801B2/en active Active
- 2010-01-27 CN CN2010800100067A patent/CN102341039A/zh active Pending
- 2010-01-27 KR KR1020117019980A patent/KR20110123753A/ko not_active Application Discontinuation
- 2010-01-27 EP EP10706167.3A patent/EP2391268B1/en active Active
- 2010-01-27 CA CA2750794A patent/CA2750794A1/en not_active Abandoned
- 2010-01-27 JP JP2011546829A patent/JP5642709B2/ja active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5987346A (en) * | 1993-02-26 | 1999-11-16 | Benaron; David A. | Device and method for classification of tissue |
WO2001064095A2 (en) * | 2000-02-28 | 2001-09-07 | Barbara Ann Karmanos Cancer Institute | Multidimensional bioelectrical tissue analyzer |
WO2002032335A1 (en) * | 2000-07-25 | 2002-04-25 | Rita Medical Systems Inc. | Apparatus for detecting and treating tumors using localized impedance measurement |
US20030050548A1 (en) * | 2001-09-07 | 2003-03-13 | Schmidt Robert N. | Dry penetrating recording device |
US20030078482A1 (en) * | 2001-10-22 | 2003-04-24 | Gad Kenan | Diagnosis probe |
EP1437091A1 (en) * | 2002-10-11 | 2004-07-14 | Stig Ollmar | Determination of biological conditions using impedance measurements |
EP1600104A1 (en) * | 2002-10-11 | 2005-11-30 | Stig Ollmar | Determination of biological conditions using impedance measurements |
WO2004049937A1 (en) * | 2002-12-05 | 2004-06-17 | University Of Ulster | Tissue mapping system and method |
WO2005074796A1 (en) * | 2004-02-05 | 2005-08-18 | Dermal Therapy (Barbados) Inc. | Method and apparatus for measuring glucose in body fluids using sub-dermal body tissue impedance measurements |
US20060116599A1 (en) * | 2004-11-13 | 2006-06-01 | The Boeing Company | Electrical impedance tomography using a virtual short measurement technique |
US20070135729A1 (en) * | 2005-12-14 | 2007-06-14 | Scibase Ab | Medical apparatus for determination of biological conditions using impedance measurements |
Non-Patent Citations (3)
Title |
---|
PETER ABERG等: "Assessment of skin lesions and skin cancer using simple electrical impedance indices", 《SKIN RESEARCH AND TECHNOLOGY》 * |
李杰等: "线性与非线性主成分分析和独立成分分析数据降维的比较", 《2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)》 * |
王妍: "电阻抗断层成像电极数与激励模式对成像结果的影响", 《天津生物医学工程》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107884458A (zh) * | 2012-04-13 | 2018-04-06 | 索尼公司 | 凝血系统分析仪以及确定凝血程度的方法 |
CN107884458B (zh) * | 2012-04-13 | 2020-05-12 | 索尼公司 | 凝血系统分析仪以及确定凝血程度的方法 |
CN107710205A (zh) * | 2015-04-14 | 2018-02-16 | 优比欧迈公司 | 用于心血管疾病状况的微生物组来源的表征、诊断和治疗的方法及系统 |
CN110199358A (zh) * | 2016-11-21 | 2019-09-03 | 森索姆公司 | 表征和识别生物结构 |
CN110199358B (zh) * | 2016-11-21 | 2023-10-24 | 森索姆公司 | 表征和识别生物结构 |
CN106859597B (zh) * | 2017-01-11 | 2020-10-13 | 深圳市心上信息技术有限公司 | 一种远程监护方法和装置 |
CN106859597A (zh) * | 2017-01-11 | 2017-06-20 | 深圳市心上信息技术有限公司 | 一种远程监护方法和装置 |
CN110432903A (zh) * | 2018-04-06 | 2019-11-12 | 麦层移动健康管理有限公司 | 一种用于提取生物组织特征信息的非侵入性方法及其系统 |
CN110755073B (zh) * | 2019-10-09 | 2020-11-17 | 华中科技大学 | 基于阻抗谱信号的智能骨骼及关节信息处理系统及方法 |
CN110755073A (zh) * | 2019-10-09 | 2020-02-07 | 华中科技大学 | 基于阻抗谱信号的智能骨骼及关节信息处理系统及方法 |
CN111599426A (zh) * | 2020-04-28 | 2020-08-28 | 芯海科技(深圳)股份有限公司 | 用户身份识别方法、装置、电子设备和存储介质 |
CN111599426B (zh) * | 2020-04-28 | 2024-04-30 | 芯海科技(深圳)股份有限公司 | 用户身份识别方法、装置、电子设备和存储介质 |
CN113299388A (zh) * | 2021-05-12 | 2021-08-24 | 吾征智能技术(北京)有限公司 | 基于发热伴皮疹的跨模态医学生物特征认知疾病的系统 |
CN113299388B (zh) * | 2021-05-12 | 2023-09-29 | 吾征智能技术(北京)有限公司 | 基于发热伴皮疹的跨模态医学生物特征认知疾病的系统 |
CN113413148A (zh) * | 2021-08-24 | 2021-09-21 | 常州先趋医疗科技有限公司 | 一种提高阻抗生物传感器效果的信号处理方法及装置 |
WO2023138694A1 (en) * | 2022-01-24 | 2023-07-27 | Gense Technologies Limited | Electrical impedance tomography based diagnostic systems and methods |
Also Published As
Publication number | Publication date |
---|---|
AU2010209801A2 (en) | 2011-09-08 |
WO2010086326A2 (en) | 2010-08-05 |
US20100191141A1 (en) | 2010-07-29 |
EP2391268A2 (en) | 2011-12-07 |
AU2010209801B2 (en) | 2014-07-10 |
WO2010086326A3 (en) | 2010-09-23 |
CA2750794A1 (en) | 2010-08-05 |
EP2391268B1 (en) | 2020-09-30 |
JP5642709B2 (ja) | 2014-12-17 |
JP2012515588A (ja) | 2012-07-12 |
AU2010209801A1 (en) | 2011-08-18 |
KR20110123753A (ko) | 2011-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102341039A (zh) | 用于诊断受试者的组织中的疾病状况的方法和装置 | |
Heibel et al. | A review of noninvasive techniques for skin cancer detection in dermatology | |
Mechler et al. | Dipole characterization of single neurons from their extracellular action potentials | |
EP2563215B1 (en) | Method and device for quality assessment of an electrical impedance measurement on tissue | |
Murdoch et al. | Use of electrical impedance spectroscopy to detect malignant and potentially malignant oral lesions | |
Birgersson | Electrical impedance of human skin and tissue alterations: mathematical modeling and measurements | |
WO2003084383A2 (en) | Breast classification based on impedance measurements | |
US11617518B2 (en) | Method for detecting both pre-cancerous and cancerous tissues | |
WO2018157381A1 (zh) | 病理切片图像智能分类方法及装置 | |
CN105534524A (zh) | 用于甲状腺术中甲状旁腺的快速识别设备及其方法 | |
Blundo et al. | Comparative analysis of diagnostic techniques for melanoma detection: a systematic review of diagnostic test accuracy studies and meta-analysis | |
Grewal et al. | Pilot study: electrical impedance based tissue classification using support vector machine classifier | |
Ng et al. | The use of tissue electrical characteristics for breast cancer detection: a perspective review | |
Wessels et al. | Functional optical coherence tomography of pigmented lesions | |
Luo et al. | Electrical characterization of basal cell carcinoma using a handheld electrical impedance dermography device | |
JP2011505169A (ja) | 電気インピーダンス測定に基づいた肝脂肪症の診断およびモニター装置 | |
CN105555188A (zh) | 诊断恶性肺肿瘤的方法 | |
EP3801243B1 (en) | Impedance measurement device | |
Tian et al. | Combining hyperspectral imaging techniques with deep learning to aid in early pathological diagnosis of melanoma | |
KR102091828B1 (ko) | 임피던스를 이용한 인공지능 기반 피부질환 진단시스템 | |
Meani et al. | Electrical Impedance Spectroscopy for Ex-Vivo Breast Cancer Tissues Analysis | |
Deng et al. | Three-dimensional bioelectrical impedance spectroscopic tomography for visualization of breast tumor | |
Shetiye et al. | Neural network based breast cancer classifier using electrical impedance | |
Ayyappan et al. | Novel classification approach-1 on breast tissue dataset | |
Fidaner et al. | Wavelet Transform Analysis of Bio-impedance Spectroscopy for Accurate Cancer Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120201 |