CN102933142B - 基于幅度/斜率的运动时相映射 - Google Patents

基于幅度/斜率的运动时相映射 Download PDF

Info

Publication number
CN102933142B
CN102933142B CN201180027598.8A CN201180027598A CN102933142B CN 102933142 B CN102933142 B CN 102933142B CN 201180027598 A CN201180027598 A CN 201180027598A CN 102933142 B CN102933142 B CN 102933142B
Authority
CN
China
Prior art keywords
signal
maximum
phase
amplitude
cycle
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.)
Active
Application number
CN201180027598.8A
Other languages
English (en)
Other versions
CN102933142A (zh
Inventor
A·J·科维奇
P·克拉尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102933142A publication Critical patent/CN102933142A/zh
Application granted granted Critical
Publication of CN102933142B publication Critical patent/CN102933142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A61B6/527—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion using data from a motion artifact sensor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种方法包括获取包括多个周期的信号以及生成映射图，所述映射图基于所述信号的幅度和斜率两者将运动时相映射至所述信号。一种系统包括处理器，所述处理器基于预定感兴趣运动时相和时相到幅度/斜率的映射，针对指示运动对象的周期运动的运动信号中的多个运动周期，识别一组运动信号时间戳，其中，所述组运动信号时间戳对应共同的信号幅度。一种方法包括在具有不规则周期性的噪声周期信号的运动周期中识别多个峰中的一峰值，其中，所述峰值对应位于在幅度低于预定阈值的两点间的点，所述方法还包括将所述峰值之前和之后的点与所述峰值进行比较，以及包括当所述峰值大于所述点时，识别所述峰值为局部最大值。

Description

基于幅度/斜率的运动时相映射
技术领域
下文总体涉及时相到幅度/斜率的映射，并在本文中结合对具有不规则周期性的周期信号的具体应用加以描述；本文也想到了其他应用。
背景技术
在成像过程中，呼吸信号（在扫描患者的同时获取的）的基于呼吸时相的选通已经被用于针对在其中患者自由呼吸而非屏住他/她的呼吸的流程识别与特定的感兴趣呼吸时相（例如，完全吸气、完全呼气或介于其间的某处）对应的投影数据。利用这种方法，呼吸信号被分为个体呼吸周期（基于多个信号最大值和最小值），并且每个周期被分为范围从周期的开始（0%）（例如，完全吸气或呼气或）到周期的结束（99%）的各个时相。
图1示出了以上的范例。在图1中，y轴表示信号幅度（即肺的机械状态，包括扩张和收缩），而x轴表示时间。对于这一范例，呼吸周期102被定义为以完全吸气或肺扩张开始，其对应于周期102的信号最大值104。在这一范例中，0%时相被指定为最大值104。周期102的其余部分被线性地分为相对于多个最大值104的多个时相，诸如周期102的25%、50%、75%和99%。
为了进行重建，基于周期的百分比识别针对特定感兴趣时相的一组时间戳并将其传送至重建器，重建器使用所述时间戳来识别投影数据以进行重建。通过举例的方式，在图1中，其中75%时相是感兴趣时相，识别针对周期102的时间戳112并将其传送至重建器。对于图1中的其他周期，时间戳112、114、116、118和120被识别为对应于75%时相，并且被传送至重建器。
遗憾的是，这种假设存在若干问题：（a）呼气的速率通常低于吸气的速率，因此时相并不是线性横跨一周期；（b）呼吸周期形状可能逐个周期都是不同的（如在图1中能够看出的）；以及（c）在吸入过程中肺的机械状态（幅度）不保证与呼出过程中的相同。例如，在图1中，对应于点112、116和120的时间戳更接近或处于完全呼气处，在完全呼气时，肺被收缩并且幅度为最小值，而时间戳114和118对应于吸气过程中的机械状态，在吸气过程中，肺被部分地扩张并且具有较大的幅度。结果，重建图像数据中的解剖结构可能不能对准，这可能导致在重建图像数据中引入运动伪影。发明内容
本申请的各方面解决了上述问题和其他问题。
根据一个方面，一种方法，包括：获取包括多个周期的信号并基于所述信号的幅度和斜率两者生成将运动时相映射至所述信号的映射图（map）。
根据另一方面，一种系统，包括：处理器，所述处理器基于预定感兴趣运动时相和时相到幅度/斜率的映射，针对指示运动对象的周期运动的运动信号中的多个运动周期，识别一组运动信号时间戳，其中，所述组的运动信号时间戳对应共同的信号幅度。
根据另一方面，一种方法，包括：从具有不规则周期性的噪声周期信号的运动周期中的多个峰值中识别一峰值，其中，所述峰值对应于位于在幅度低于预定阈值的两点之间的点；将所述峰值之前和之后的点与所述峰值进行比较；并在所述峰值大于周围的点时，识别所述峰值为局部最大值。
附图说明
本发明可以采取各种部件和部件布置以及各种步骤和步骤安排的形式。附图仅用于图示说明优选实施例，而不应将其解释为限制本发明。
图1图示了现有技术。
图2图示了与运动时相相关器相结合的示例性成像系统。
图3图示了示例性运动时相相关器。
图4图示了用于将运动时相映射至运动信号中的周期的幅度和斜率的示例性方法。
图5图示了在不使用运动时相相关器的情况下生成的示例性图像。
图6图示了利用运动相位相关器所选择的投影数据生成的示例性图像。
图7图示了用于在运动信号中识别多个最大值的示例性方法。
图8图示了用于在周期中的多个最大值之间识别局部最大值的示例性方法。
图9图示了用于排除周期的多个候选最大值中的最大值的示例性方法。
图10图示了用于增强运动信号的示例性方法。
图11图示了用于识别用于重建的针对感兴趣运动时相的投影数据的示例性方法。
图12图示了用于确定信号中的一组多个局部最大值的示例性方法。
具体实施方式
图2图示了成像系统200，诸如计算机断层摄影（CT）扫描器。然而，在其他实施例中，成像系统200可以包括一种或多种其他成像模态，诸如X射线、正电子发射断层摄影（PET）、单光子发射计算机断层摄影（SPECT）、磁共振成像（MRI）、超声（US）和/或其他成像模态。
成像系统200包括静止机架202和旋转机架204，旋转机架204由静止机架202支撑。旋转机架204关于纵轴或z轴围绕检查区域206旋转。
辐射源208，诸如X-射线管，由旋转机架204支撑并随旋转机架204一起旋转，并发射辐射。辐射敏感的探测器阵列210，其在源208的对侧并跨检查区域206定位，探测贯穿检查区域206的辐射并生成与探测的辐射对应的投影数据
支撑物212，诸如卧榻，支撑检查区域206中的对象或受试者。运动监测器214在扫描过程中监测运动对象的运动状态并生成指示其的运动信号。运动对象的范例包括，但不限于，患者的（一个或多个）肺或心脏，或者具有重复有规律或无规律周期运动的其他对象。
运动时相相关器216将运动时相与成像或扫描采集时间戳相关。如在下文更详细描述的，在一种情况下，这通过基于运动信号中的周期的幅度和斜率两者将运动时相与运动信号相关来实现。所得到的相关能够用于针对不同周期识别投影数据的时间戳，其对应于相同的运动时相并且具有共同的或相同的机械幅度或状态。这可以方便减轻由于跨不同周期的结构的不匹配造成的运动伪影。
重建器218重建投影数据并生成指示检查区域206的体积图像数据。重建器218被配置成针对感兴趣时相基于经由运动时相相关器216识别的时间戳有选择地重建投影数据。重建器218可以采用各种重建算法，并且可以重建来自单次或多次采集的投影数据以生成单幅图像。
通用计算系统充当操作员控制台220，其包括诸如显示器和/或打印机的人类可读输出装置，以及诸如键盘和/或鼠标的输入装置。驻留在控制台220上的软件例如通过允许操作员选择扫描方案、初始化扫描、选择重建算法（例如，运动选通重建）等来允许操作员控制系统200的操作。
应当认识到，运动时相相关器216可以是系统100的一部分，例如，是控制台220或者远离系统100的其他装置的一部分，例如，是工作站的一部分，通过网络分布和/或以其他形式分布。此外，运动时相相关器216可以由处理嵌入在或编码在诸如存储器的计算机可读介质上的计算机可读指令的一个或多个处理器来实施。
图3图示了示例性运动时相相关器216。
信号特征识别器302识别运动信号的一个或多个特征。这可以包括针对所述运动信号的一个或多个周期识别一个或多个特征。这样的特征的范例包括，但不限于，多个最大值和最小值和/或其他数据点。
信号特征处理器304处理（一个或多个）所识别的信号的特征。这可以包括确定一个或多个统计结果（例如，平均值、中值、最大值、最小值等）和/或针对（一个或多个）所识别的信号的特征的其他信息。在一种情况下，所述数据涉及针对一个或多个周期的信号的幅度。
信号斜率识别器306识别所述运动信号中的周期中的下降和上升区域。
时相到幅度/斜率映射器308基于处理的识别的信号特征和识别的斜率将运动时相映射至运动信号。
时间戳识别器310基于所述映射在所述运动信号中识别与感兴趣运动时相对应并且具有相似信号幅度的时间戳。
运动时相相关器216当前是结合处理具有不规则周期性的周期信号加以描述的，所述具有不规则周期性的周期信号诸如是在对受试者成像的同时获取的呼吸信号。其他合适的信号包括其他周期信号，包括但不限于，具有不规则周期性的噪声周期信号。
转向图4，信号400包括具有不同幅度和时间宽度的多个呼吸（吸气和呼气）周期4021-4026。在图4中，y轴表示信号幅度（机械幅度），而x轴表示时间。
信号特征识别器302识别呼吸信号400的呼吸周期4021-4026的多个最大值4041-4046和多个最小值4061-4066。在这一范例中，对于特定的周期，最大值（或最大幅度）对应于完全吸气，在其中，肺被扩张或膨胀，并且最小值（或最小幅度）对应于完全呼气，在其中，肺被收缩或塌陷。
信号特征处理器304针对识别的多个最大值4041-4046和多个最小值4061-4066分别确定平均（平均值）最大值408和平均（平均值）最小值410。
斜率识别器306基于多个最大值4041-4046和多个最小值4061-4066针对每个周期识别下降（呼气或吸气）和上升（吸气或呼气）区域或斜率。出于清晰的目的，在图4中通过参考数字仅标识了针对周期4022的斜率412和414。注意到在图4中，呼气的速率（斜率412）比吸气的速率（斜率414）慢。
时相到幅度/斜率映射器308在平均最大值408和平均最小值410之间将运动时相分别映射至呼气和吸气斜率412和414。例如，周期4022从最大值4042横跨至下一最大值4043，并且0%时相被映射至平均最大值408，以及49%时相被映射至平均最小值410。
发生在周期4022的0%与49%时相之间的呼气被映射至呼气斜率412，并且发生在周期4022的49%与99%时相之间的吸气被映射至吸气斜率414。这样，分离地确定呼气和吸气的时相，这考虑了平均呼气速率通常低于平均吸气速率。这样，每个周期都保证具有与0%到99%之间的时相对应的数据点。
一些周期可能具有对应于特定时相的超过一个点。在这些情况下，选择第一或其他候选点。当一周期（例如，周期4021）包括小于平均最大值（例如，最大值4041）的最大值，该周期最大值被认为在0%。因此，在图4中，时相映射可以适当缩放以横跨最大值4041和最小值4061。
时间戳识别器310针对运动时相识别成像或扫描采集时间戳。例如，在图4中，时间戳识别器310被用于识别与运动周期4021-4026的25%时相对应的时间戳4161-4166。当然，也能够识别与25%之外的时相对应的时间戳。时间戳识别器310生成指示时间戳的信号并将所述信号传送至重建器218（图2），重建器218可以基于所述信号选择投影数据进行重建。
当这些时间戳与基本上相似的运动对象的机械幅度相关时，可能很好地匹配了重建图像数据中的运动对象的结构。这能够在图5和图6中看出。
图5示出了图像500，其是在这样的时间戳未被用来选择投影数据进行重建的情况下重建的，并且所述投影数据中的解剖结构未对准或误匹配，导致图像500中的伪影502，如在图中以箭头指示的。提供图5中的伪影是用于解释的目的，并且在图像中可能呈现其他或不同的伪影。
图6示出了图像600，其是基于与由运动时相相关器216针对特定的运动时相识别的时间戳对应的投影数据重建的。在此，对准投影数据中的解剖结构，并且在图像500没有伪影，如在图中以箭头指示的。
如在上文所论述的，信号特征识别器302针对运动信号中的周期识别运动信号的一个或多个特征，诸如多个最大值和最小值。应当认识到，所述运动信号可以包括噪声，所述噪声可能在信号中提供假的多个最大值和/或最小值，和/或掩盖真实的多个最大值和/或最小值。图7-9图示了一种用于在存在噪声的情况下确定多个最大值和最小值的方法。这样信号的范例包括呼吸、心脏和/或其他信号。
首先参考图7，图示了噪声信号702的子部分。针对预定评估范围，在信号702中识别峰值或多个最大值。在图示的范例中，峰值704被识别为在两个点706和708之间的单个最高点，其比预定义的检测阈值710更小。在这一范例中，阈值710被定义为信号的全局动态范围的十分之一（1/10），或者全局最大值和全局最小值之间的差的十分之一（1/10）。在其他实施例中，阈值710能够以其他方式进行定义。
之后评估在评估范围内的信号702的每个数据点。搜索在评估范围内的信号702的数据点704之前的数据点，直到一数据点下降到第二阈值712之下，第二阈值712对应于从最小值到小于阈值710的最大值的幅度。同样地，搜索在评估范围内的信号702的数据点704之后的数据点，直到一数据点降到第二阈值712之下。之后将评估范围内的所有数据点与数据点704进行比较。
如果峰值704在整个评估范围上为最大值，其被识别为局部最大值。否则，继续搜索下一点。这在图8和图9中进一步图示出。在图8中，基于阈值806在评估范围804中识别的峰值802被识别为局部最大值，因为其是范围804中的最高点。在图9中，基于阈值906在评估范围904内识别的峰值902未被识别为局部最大值，因为其在范围904中不是最高点。
图10图示了用于增强信号的非限制性技术。
利用这种技术，在运动信号1000的两个峰值1004和1006之间的时间距离1002超过了增加峰值的阈值时，将一个或多个峰值1008和1010添加到信号1000。在峰值1014和先前峰值1016之间的时间距离1012以及在最大值1014和随后的峰值1020之间的时间距离1018都小于提取峰值阈值时，信号1000中移除峰值1014。所述阈值可以基于平均峰值间隔或其他。
图11图示了一种方法用于识别针对感兴趣运动时相的投影数据以用于进行重建的方法。
在1102，在扫描具有重复周期运动的运动对象的同时获取运动信号。所述运动可以涉及呼吸、心跳或其他周期运动。
在1104，在运动信号中识别多个最大值和最小值幅度。
在1106，基于识别的多个最大值和最小值确定局部平均最大幅度和局部平局最小幅度。
在1108，局部平局最大幅度被用于针对每个周期的第一区域定义开始或0%点，所述每个周期的第一区域为从周期的最大值延伸到周期的最小值。在局部最大值大于周期最大值时，所述开始或0%点被定义在周期最大值处。在局部最大值小于周期最大值时，开始或0%点被定义在周期最大值接下来的点处，该点的幅度最佳地匹配局部最大值。
在1110，所述局部平局最小幅度被用于为每个周期的第二区域定义50%点，所述每个周期的第二区域从周期的最小值延伸到下个周期的最大值。在局部最小值小于周期最小值时，所述50%点被定义在周期最小值处。在局部最小值大于周期最小值时，所述50%点被定义在周期最小值接下来的点处，该点的幅度最佳地匹配局部最小值。
在1112，从0%到49%的运动时相被映射至所述第一区域。
在1114，从50%到99%的运动时相被映射至所述第二区域。
在1116，识别感兴趣时相。
在1118，在识别的时相与幅度/斜率之间的映射被用于确定每个周期的与映射的幅度对应的扫描采集时间戳。
在1120，将在识别的时间戳处采集的投影数据重建为图像体积。
图12图示了一种用于确定信号最大值的方法。
在1202，通过预定阈值将一峰值被确定为第一点，其幅度大于所述峰值之前直到前一周期最大值的任何点的幅度。
在1204，确定所述峰值接来下的点是否超过所述峰值。
如果是，那么动作1202在下一个点重复。
如果不是，那么在1206中，通过预定阈值确定是所述峰值接下来的点否小于所述峰值。
如果是，那么在1208中，所述峰值被识别为周期最大值。
如果不是，那么动作1204在下一个点重复。
在1210，确定多个最大值是否比预定阈值更紧靠在一起。
如果是，那么在1212中，这些多个最大值中的一个或多个被去识别（移除）为最大值。通过一个非限制性实施例，计算多个最大值之间的间隔的平均值和标准差，并且比平坊值-x*标准差更紧靠在一起的多个最大值中的一个或多个被去识别为最大值。
如果是，或如果不是，那么在1214中，确定多个最大值是否比预定阈值相距更远。
如果是，那么在1216中，添加这些多个最大值的一个或多个。通过一个非限制性的实施例，计算多个最大值之间的间隔的平均值和标准差，并且如果多个最大值中的一个或多个比平均值+x*标准差（其中x在输入参数中）距离更远，那么在边界峰值之间添加一个或多个最大值，这一过程使用动作1202到1208，其中迭代地减小分类阈值，直到识别了合适的多个最大值。
上述动作可以通过计算机可读指令的方式实施，所述计算机可读指令，在由（一个或多个）计算机处理器运行时，令（一个或多个）所述处理器执行本文中描述的动作。在这种情况下，所述指令被存储在计算机可读介质上，诸如与相关计算机相关联或以其他方式接入相关计算机的内存。
尽管在CT和呼吸信号的背景下论述了上述内容，应当认识到，本文公开的方法能够用于识别在另一具有不规则周期性的噪声周期信号中的基本等同的数据点。
已经参考优选实施例描述了本发明。他人可以根据阅读和理解之前的详细描述做出修改和变化。其意图是将本发明解释为包括所有这样的修改和变化，只要其落入了所附权利要求或其等要件的范围内。

Claims (13)

1.一种成像方法，包括：
获取包括多个周期的信号；
识别所述信号的一个或多个特征；
处理所识别的所述信号的特征以确定一个或多个统计结果，所述统计结果涉及针对所述多个周期的所述信号的幅度；并且
基于所述信号的所确定的一个或多个统计结果和斜率两者生成将运动时相映射至所述信号的映射图。
2.根据权利要求1所述的成像方法，还包括：
基于所述映射图识别针对多个周期的预定感兴趣时相的一组时间戳，其中，所识别的一组时间戳对应共同的信号幅度；并生成指示所述组时间戳的信号。
3.根据权利要求1到2中的任一项所述的成像方法，其中，在对具有重复周期运动和与所述重复周期运动对应的多个周期的运动对象进行成像的同时检测所述信号。
4.根据权利要求3所述的成像方法，其中，所述运动对象是受试者并且所述信号指示所述受试者的多个呼吸周期或心脏周期。
5.根据权利要求1所述的成像方法，其中，周期具有下降幅度区域和上升区域，并且生成所述映射图包括将一组时相映射至所述下降幅度区域并将另一组运动时相映射至所述上升区域。
6.根据权利要求5所述的成像方法，其中，所述下降幅度区域对应于对象的收缩或扩张中的一个，并且所述上升幅度区域对应于所述对象的扩张或收缩中的另一个。
7.根据权利要求5到6中的任一项所述的成像方法，其中，所述时相从0％至99％横跨所述周期，并且一组时相的范围从0％至49％，而另一组时相的范围从50％至99％。
8.根据权利要求1所述的成像方法，还包括：
针对所述多个周期识别多个信号最大值和最小值；
基于所识别的多个信号最大值和最小值分别确定平均信号最大值和平均信号最小值；以及
将所述时相映射至每个周期的在横跨从所述平均信号最大值和周期最大值中的较小者至所述平均信号最小值和周期最小值中的较大者的范围中的幅度。
9.一种成像系统，包括：
信号特征识别器(302)，其被配置为识别指示运动对象的周期运动的运动信号的一个或多个特征；
信号特征处理器(304)，其被配置为处理所识别的所述运动信号的特征以确定一个或多个统计结果，所述统计结果涉及针对多个运动周期的所述运动信号的幅度；以及
时相到幅度/斜率映射器(308)，其被配置为通过基于所述运动信号的所确定的一个或多个统计结果和斜率两者将运动时相映射到所述运动信号来生成时相到幅度/斜率的映射。
10.根据权利要求9所述的成像系统，还包括
时间戳识别器(310)，其被配置为基于预定感兴趣运动时相和所述时相到幅度/斜率的映射，针对所述运动信号中的所述多个运动周期识别一组运动信号时间戳，其中，所述组运动信号时间戳对应共同的信号幅度。
11.根据权利要求10所述的成像系统，其中：
所述信号特征识别器(302)被配置为针对所述运动信号的一个或多个周期识别多个信号最大值和最小值；以及
所述信号特征处理器(304)被配置为基于所识别的多个最大值和最小值确定平均最大值和平均最小值。
12.根据权利要求11所述的成像系统，其中，所述信号特征识别器被配置为将针对运动周期内的评估范围的最大值识别为位于幅度低于最大确定阈值的两点之间的点，将在所述评估范围中的所述最大值之前和之后的其他点与所述最大值进行比较；并且当所述最大值大于所述其他点时，将所述最大值识别为针对所述评估范围的局部最大值。
13.根据权利要求11到12中的任一项所述的成像系统，还包括：
信号斜率识别器(306)，其被配置为针对每个周期识别下降幅度区域和上升幅度区域；其中
所述时相到幅度/斜率映射器(308)被配置为基于多个所述平均最大值和最小值以及所述下降和上升幅度区域，将运动时相映射至所述运动信号。
CN201180027598.8A 2010-06-04 2011-04-27 基于幅度/斜率的运动时相映射 Active CN102933142B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US35131010P 2010-06-04 2010-06-04
US61/351,310 2010-06-04
PCT/IB2011/051840 WO2011151740A2 (en) 2010-06-04 2011-04-27 Phase-to-amplitude/slope mapping

Publications (2)

Publication Number Publication Date
CN102933142A CN102933142A (zh) 2013-02-13
CN102933142B true CN102933142B (zh) 2015-09-02

Family

ID=45067145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180027598.8A Active CN102933142B (zh) 2010-06-04 2011-04-27 基于幅度/斜率的运动时相映射

Country Status (6)

Country Link
US (2) US9265452B2 (zh)
EP (1) EP2575616B1 (zh)
JP (1) JP5878920B2 (zh)
CN (1) CN102933142B (zh)
RU (1) RU2589641C2 (zh)
WO (1) WO2011151740A2 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011151740A2 (en) * 2010-06-04 2011-12-08 Koninklijke Philips Electronics N.V. Phase-to-amplitude/slope mapping
WO2015113915A1 (en) * 2014-01-30 2015-08-06 Koninklijke Philips N.V. Improvements in the detection of walking in measurements of the movement of a user
DE102015215584B4 (de) * 2015-08-14 2022-03-03 Siemens Healthcare Gmbh Verfahren und System zur Rekonstruktion von Planungsbildern
CN106548473B (zh) * 2016-11-07 2019-03-08 赛诺联合医疗科技（北京）有限公司 一种构建相位图像的方法及装置
US10624599B2 (en) * 2017-07-31 2020-04-21 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for motion signal correction
US10912522B1 (en) * 2020-01-25 2021-02-09 Aura Devices, Inc. Systems and methods for counting features in motion signals
CN113749637A (zh) * 2020-06-04 2021-12-07 西门子(深圳)磁共振有限公司 磁共振数据采集触发方法、装置及可读存储介质
EP4198548A1 (en) * 2021-12-17 2023-06-21 Siemens Healthcare GmbH Imaging an object subjected to a cyclic motion
CN115089163B (zh) * 2022-06-20 2023-08-22 推想医疗科技股份有限公司 呼吸信号检测方法及其装置、手术导航方法及其装置

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4122454A (en) * 1977-07-25 1978-10-24 Nasa Conical scan tracking system employing a large antenna
DE3514542A1 (de) * 1985-04-22 1986-10-23 Siemens AG, 1000 Berlin und 8000 München Verfahren und vorrichtung zur zusammensetzung eines mr-bildes aus atemgesteuert aufgenommenen bilddaten
US4777648A (en) * 1986-12-15 1988-10-11 Trw Inc. Line tilt compensation method and apparatus
US4967751A (en) * 1988-05-04 1990-11-06 Mmtc, Inc. Apparatus and method for monitoring the waveform of cyclic movement within the thorax of an individual
US5315512A (en) * 1989-09-01 1994-05-24 Montefiore Medical Center Apparatus and method for generating image representations of a body utilizing an ultrasonic imaging subsystem and a three-dimensional digitizer subsystem
JPH0723945A (ja) * 1993-07-07 1995-01-27 Toshiba Corp 医用画像撮影装置
US5482046A (en) * 1994-11-23 1996-01-09 General Electric Company Acoustic power control technique
US5924980A (en) * 1998-03-11 1999-07-20 Siemens Corporate Research, Inc. Method and apparatus for adaptively reducing the level of noise in an acquired signal
US6658276B2 (en) * 1999-01-25 2003-12-02 Masimo Corporation Pulse oximeter user interface
US7620444B2 (en) * 2002-10-05 2009-11-17 General Electric Company Systems and methods for improving usability of images for medical applications
WO2004062501A2 (en) * 2003-01-09 2004-07-29 Koninklijke Philips Electronics N.V. Respiration monitor for computed tomography
US7177386B2 (en) * 2004-03-15 2007-02-13 Varian Medical Systems Technologies, Inc. Breathing synchronized computed tomography image acquisition
US20050249667A1 (en) * 2004-03-24 2005-11-10 Tuszynski Jack A Process for treating a biological organism
US7574249B2 (en) 2005-02-08 2009-08-11 General Electric Company Device-less gating of physiological movement for improved image detection
EP1913421B1 (en) * 2005-08-04 2013-01-30 Koninklijke Philips Electronics N.V. Motion compensation in functional imaging
JP2008042869A (ja) * 2005-10-05 2008-02-21 Seiko Epson Corp 静電型超音波トランスデューサ、超音波スピーカ、音声信号再生方法、超指向性音響システム及び表示装置
US7678063B2 (en) 2006-01-06 2010-03-16 Mayo Foundation For Medical Education And Research Motion monitor system for use with imaging systems
US7443946B2 (en) 2006-04-10 2008-10-28 General Electric Company Methods and apparatus for 4DCT imaging systems
GB2441550A (en) * 2006-09-05 2008-03-12 Vision Rt Ltd Surface-imaging breathing monitor
US9248312B2 (en) * 2007-10-26 2016-02-02 Accuray Incorporated Automatic correlation modeling of an internal target
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
EP2378965B1 (en) 2008-12-08 2013-05-22 Elekta AB (PUBL) Analysis of radiographic images
DE102009043633A1 (de) * 2009-09-29 2011-03-31 Siemens Aktiengesellschaft Verbesserte Abtastung eines zyklisch bewegten Untersuchungsobjektes unter Einsatz eines Kontrastmittels im Rahmen einer Voruntersuchung mittels eines CT-Gerätes
WO2011151740A2 (en) * 2010-06-04 2011-12-08 Koninklijke Philips Electronics N.V. Phase-to-amplitude/slope mapping
JP5400015B2 (ja) * 2010-11-10 2014-01-29 富士フイルム株式会社 超音波診断装置およびその作動方法

Also Published As

Publication number Publication date
CN102933142A (zh) 2013-02-13
RU2589641C2 (ru) 2016-07-10
WO2011151740A2 (en) 2011-12-08
US20160135718A1 (en) 2016-05-19
US10362970B2 (en) 2019-07-30
US20130073262A1 (en) 2013-03-21
EP2575616B1 (en) 2018-01-10
JP2013532009A (ja) 2013-08-15
EP2575616A2 (en) 2013-04-10
WO2011151740A3 (en) 2012-03-01
JP5878920B2 (ja) 2016-03-08
US9265452B2 (en) 2016-02-23
RU2012156856A (ru) 2014-07-20

Similar Documents

Publication Publication Date Title
CN102933142B (zh) 基于幅度/斜率的运动时相映射
CN102781331B (zh) 使用飞行时间信息来探测和校正成像扫描中的运动的方法和设备
CN101765865B (zh) 核成像中的运动校正
US8055050B2 (en) Motion compensation in energy-sensitive computed tomography
US8600132B2 (en) Method and apparatus for motion correcting medical images
JP5947813B2 (ja) ゲート信号を持つリストモードｐｅｔデータにおいて運動を検出し補正する方法及び装置
US8331639B2 (en) Radiological imaging incorporating local motion monitoring, correction, and assessment
CN104395933B (zh) 运动参数估计
WO2011002874A1 (en) Image reconstruction incorporating organ motion
CN103533892A (zh) 运动补偿成像
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
CN107468267B (zh) 数据处理方法及医学成像设备
JP6386060B2 (ja) Ｃｔ画像再構成方法、ｃｔ画像再構成装置およびｃｔシステム
CN110536640B (zh) 从pet列表数据中的呼吸运动信号的噪声鲁棒的实时提取
Hu et al. Dynamic small animal lung imaging via a postacquisition respiratory gating technique using micro-cone beam computed tomography1
Van Stevendaal et al. A motion‐compensated scheme for helical cone‐beam reconstruction in cardiac CT angiography
US11270434B2 (en) Motion correction for medical image data
KR101473893B1 (ko) 재구성 영상의 잡음 제거 장치 및 그 방법
CN103717137A (zh) 图像生成装置
US20140133707A1 (en) Motion information estimation method and image generation apparatus using the same
Müller et al. Evaluation of interpolation methods for surface‐based motion compensated tomographic reconstruction for cardiac angiographic C‐arm data
Hinkle et al. 4D MAP image reconstruction incorporating organ motion
Lu et al. Reduction of motion blurring artifacts using respiratory gated CT in sinogram space: a quantitative evaluation
Liu et al. NMAR3: Normalized Metal Artifact Reduction for Cone Beam Computed Tomography
JP2021525145A (ja) 時間ゲーティング３次元イメージング

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant