CN106901717A - 三维心磁源定位方法、系统及服务器 - Google Patents

三维心磁源定位方法、系统及服务器 Download PDF

Info

Publication number
CN106901717A
CN106901717A CN201710117432.4A CN201710117432A CN106901717A CN 106901717 A CN106901717 A CN 106901717A CN 201710117432 A CN201710117432 A CN 201710117432A CN 106901717 A CN106901717 A CN 106901717A
Authority
CN
China
Prior art keywords
data
field components
homogeneous field
order gradient
heart
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
Application number
CN201710117432.4A
Other languages
English (en)
Inventor
陶蓉
张树林
张朝祥
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.)
Shanghai Institute of Microsystem and Information Technology of CAS
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
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 Shanghai Institute of Microsystem and Information Technology of CAS filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN201710117432.4A priority Critical patent/CN106901717A/zh
Publication of CN106901717A publication Critical patent/CN106901717A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
    • A61B5/243—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetocardiographic [MCG] signals
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供一种三维心磁源定位方法、系统及服务器，所述三维心磁源定位方法包括步骤：在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据；根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值；利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。本发明基于三维全张量心磁图数据，对空间离散分布源和时域重叠源有更高的分辨率；同时，建立三维的先验阵列优化算法，减少算法迭代次数，提高算法效率，减少定位误差。

Description

三维心磁源定位方法、系统及服务器
技术领域
本发明属于生物医学信号分析领域，涉及一种定位方法和系统，特别是涉及一种三维心磁源定位方法、系统及服务器。
背景技术
心磁图是一种基于SQUID系统的新型心脏监控手段，具有无创，无辐射，高灵敏度的特点。临床研究表明，心磁图在心律失常，心肌缺血等疾病的早期诊断方面优于心电等其他监控手段，有极大的应用前景。
心磁图源定位是一种重要的心磁图数据分析方法，将心脏细胞电活动产生的大量微电流集合等效为有限的电流源的活动，使用重建算法去计算电流源的位置，方向和幅度，，推测心脏的生理活动。心磁图的源定位结果与心磁图数据息息相关。目前，常用的心磁数据是单个轴向梯度分量，通过在空间排列形成36通道及以上的阵列测量心脏磁场。此类系统的缺陷是只能记录心脏磁场沿轴向的变化，无法探测磁场的水平分量，因而只能重建二维的平面电流源，无法反映心脏真实的三维电流源活动。为了弥补轴向梯度计的缺点，近年来新研制全张量心磁图系统。理论上，全张量心磁系统记录了空间三维张量信息，包括磁场的垂直分量和水平分量，基于全张量心磁图数据可以重建三维电流源。
除了全张量心磁图数据，合适的源定位算法和准确的先验信息对心磁图定位精度也会产生很大的影响。理论上，心磁源重建属于不适定问题。具体表现在，用少量等效电流源去模拟复杂的心肌电流时，寻优算法的结果往往不收敛或受限于局部最小值。目前，心磁源定位算法具有算法迭代次数多，算法效率低，定位误差大等缺陷。
因此，如何提供一种三维心磁源定位方法、系统及服务器，以解决现有心磁源定位算法具有算法迭代次数多，算法效率低，定位误差大等种种缺陷，实已成为本领域从业者亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于全张量心磁图数据的三维心磁源定位方法、系统及服务器，用于解决现有技术中心磁源定位算法具有算法迭代次数多，算法效率低，定位误差大的问题。
为实现上述目的及其他相关目的，本发明一方面提供一种三维心磁源定位方法，所述三维心磁源定位方法包括以下步骤：在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据；根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值；利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
于本发明的一实施例中，所述测量点的均匀场分量数据包括X轴方向的均匀场分量数据、Y轴方向的均匀场分量数据、和/或Z轴方向的均匀场分量数据；所述测量点的一阶梯度张量数据包括：X轴方向的均匀场分量数据偏x的一阶梯度张量数据、X轴方向的均匀场分量数据偏y的一阶梯度张量数据、X轴方向的均匀场分量数据偏z的一阶梯度张量数据；Y轴方向的均匀场分量数据偏x的一阶梯度张量数据、Y轴方向的均匀场分量数据偏y的一阶梯度张量数据、Y轴方向的均匀场分量数据偏z的一阶梯度张量数据；和/或Z轴方向的均匀场分量数据偏x的一阶梯度张量数据、Z轴方向的均匀场分量数据偏y的一阶梯度张量数据、Z轴方向的均匀场分量数据偏z的一阶梯度张量数据；其中，X轴方向的均匀场分量数据偏y的一阶梯度张量数据＝Y轴方向的均匀场分量数据偏x的一阶梯度张量数据；Y轴方向的均匀场分量数据偏z的一阶梯度张量数据＝Z轴方向的均匀场分量数据偏y的一阶梯度张量数据；X轴方向的均匀场分量数据偏z的一阶梯度张量数据＝Z轴方向的均匀场分量数据偏x的一阶梯度张量数据；X轴方向的均匀场分量数据偏x的一阶梯度张量数据+Y轴方向的均匀场分量数据偏y的一阶梯度张量数据+Z轴方向的均匀场分量数据偏z的一阶梯度张量数据＝0；原始的测量点磁场梯度场值＝{X轴方向的均匀场分量数据偏x的一阶梯度张量数据，X轴方向的均匀场分量数据偏y的一阶梯度张量数据，X轴方向的均匀场分量数据偏z的一阶梯度张量数据，Y轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据}。
于本发明的一实施例中，所述误差函数的表达式为：
其中，k为通过全张量心磁图仪获取的测量点的总数。
于本发明的一实施例中，重建的心磁源包括X轴的位置参数，Y轴的位置参数，Z轴的位置参数；及X轴的方向参数，Y轴的方向参数，Z轴的方向参数。
于本发明的一实施例中，在重建心磁源，计算原始测量的梯度场值的步骤之前，所述基于全张量心磁图的三维源定位方法还包括对测量点的均匀场分量数据和一阶梯度张量数据进行降噪、基线矫正、及均值化处理。
于本发明的一实施例中，重建心磁源的方式包括预存的列文伯格-马夸尔特算法、单纯形法、多重信号分类算法、模拟退火算法、和/或遗传算法。
于本发明的一实施例中，通过超声或CT三维图像中心脏的位置信息建立三维先验阵列。
本发明另一方面提供一种三维心磁源定位系统，所三维心磁源定位系统包括：数据获取模块，用于在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据，同时获取原始的测量点磁场梯度场值；计算模块，用于根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值；筛选模块，用于利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
于本发明的一实施例中，所述三维心磁源定位系统还包括与所述第一计算模块连接的数据处理模块，所述数据处理模块用于对均匀场分量数据和一阶梯度张量数据进行降噪、基线矫正、及均值化处理。
本发明又一方面提供一种服务器，所述服务器包括所述的三维心磁源定位系统。
如上所述，本发明的三维心磁源定位方法、系统及服务器，具有以下有益效果：
本发明所述的三维心磁源定位方法、系统及服务器使用单个或少数几个全张量心磁图数据，可反演心磁的三维电流源活动，基于建立三维的先验阵列优化算法，减少算法迭代次数，提高算法效率，减少定位误差。
附图说明
图1显示为本发明的三维心磁源定位方法于一实施例中的流程示意图。
图2显示为本发明的三维心磁源定位系统于一实施例中的原理结构示意图。
图3显示为本发明的服务器于一实施例中的原理结构示意图。
元件标号说明
1 三维心磁源定位系统
11 数据获取模块
12 数据处理模块
13 计算模块
14 筛选模块
S1～S4 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
实施例一
本实施例提供一种三维心磁源定位方法，所述三维心磁源定位方法包括以下步骤：
在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据，同时获取原始的测量点磁场梯度场值；
根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值；
利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
以下将结合图示对本实施例所提供的三维心磁源定位方法进行详细描述。请参阅图1，显示为三维心磁源定位方法的流程示意图。如图1所示，所述三维心磁源定位方法包括以下几个步骤：
S1，在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据，同时获取原始的测量点磁场梯度场值。在本实施例中，所述测量点的均匀场分量数据包括X轴方向的均匀场分量数据GX、Y轴方向的均匀场分量数据GY、和/或Z轴方向的均匀场分量数据GZ，单位为nano-Tesla。
所述测量点的一阶梯度张量数据包括：X轴方向的均匀场分量数据偏x的一阶梯度张量数据X轴方向的均匀场分量数据偏y的一阶梯度张量数据X轴方向的均匀场分量数据偏z的一阶梯度张量数据
Y轴方向的均匀场分量数据偏x的一阶梯度张量数据Y轴方向的均匀场分量数据偏y的一阶梯度张量数据Y轴方向的均匀场分量数据偏z的一阶梯度张量数据
Z轴方向的均匀场分量数据偏x的一阶梯度张量数据Z轴方向的均匀场分量数据偏y的一阶梯度张量数据Z轴方向的均匀场分量数据偏z的一阶梯度张量数据所述测量点的一阶梯度张量数据的单位nano-Tesla/m。
其中，GX，GY，GZ分别为磁场强度矢量在空间三个方向的分量。如上面的公式，磁力梯度张量是对称的，即X轴方向的均匀场分量数据偏y的一阶梯度张量数据GXY＝Y轴方向的均匀场分量数据偏x的一阶梯度张量数据GYX；Y轴方向的均匀场分量数据偏z的一阶梯度张量数据GYZ＝Z轴方向的均匀场分量数据偏y的一阶梯度张量数据GZY；X轴方向的均匀场分量数据偏z的一阶梯度张量数据GXZ＝Z轴方向的均匀场分量数据偏x的一阶梯度张量数据GZX。在无源场中磁位遵守拉普拉斯方程，一阶梯度张量数据的矩阵的对角线之和为0，即X轴方向的均匀场分量数据偏x的一阶梯度张量数据GXX+Y轴方向的均匀场分量数据偏y的一阶梯度张量数据GYY+Z轴方向的均匀场分量数据偏z的一阶梯度张量数据GZZ＝0。
一阶梯度张量数据中只有5个元素是独立的。所以，在本实施例中，取5个独立通道GXX，GXY，GXZ，GYZ，GZZ，原始的测量点磁场梯度场值＝{X轴方向的均匀场分量数据偏x的一阶梯度张量数据，X轴方向的均匀场分量数据偏y的一阶梯度张量数据，X轴方向的均匀场分量数据偏z的一阶梯度张量数据，Y轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据}，即第i个测量点的磁场梯度场值Tim＝{GXX,GXY,GXZ,GYZ,GZZ,GZ}。
S2，对测量点的均匀场分量数据GX、GY、和/或GZ和一阶梯度张量数据进行降噪、基线矫正、及均值化等处理。
S3，根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值Tic；在本实施例中，根据处理后的测量点的均匀场分量数据GX、GY、和/或GZ和一阶梯度张量数据GXX，GXY，GXZ，GYZ，GZZ，重建心磁场的方式包括预存的列文伯格-马夸尔特算法、单纯形法、多重信号分类算法、模拟退火算法、和/或遗传算法等等。因此，本实施例采用预存的列文伯格-马夸尔特算法、单纯形法、多重信号分类算法、模拟退火算法、和/或遗传算法等等重构心磁场的算法重构出心磁源，根据预先建立的三维先验阵列作为预存算法的约束条件，可以减少预存算法的迭代次数，提高重构心磁场的精度。在本实施例中，所述预先建立的三维先验阵列可以通过超声，CT三维图像中心脏的位置信息，通用人体模型，和/或心脏模型获取。例如，取心脏位置，在它周围建立一个10×10×10cm的矩形点阵，测量点的距离0.5～1cm之间。方向取空间8个象限的对应45度角方向。
重建的心磁源包括X轴的位置参数X0，Y轴的位置参数Y0，Z轴的位置参数Z0；及X轴的方向参数QX，Y轴的方向参数QY，Z轴的方向参数QZ，即Source＝(X0，Y0，Z0，QX，QY，QZ)。由于矩阵[GXX，GXY，GXZ，GYZ，GZZ]的秩只有5，无法求解含有六个未知数的源。所以，使用了1～3个均匀场分量增加秩，比如用Tim＝[GXX，GXY，GXZ，GYZ，GZZ，GZ]求解，增加GZ后，该矩阵的秩已经变为6，可解6个未知数的源方程。
待得到重建的心磁源Source＝(X0，Y0，Z0，QX，QY，QZ)后，利用Source的参数重新计算正向磁场梯度场值Tic(其中，i表示多个测量点中的某一个测量点)。在本实施例中，采用有限元方法计算正向磁场值。
已知心磁源的参数为：位置矢量rq＝[xq,yq,zq]；方向矢量q＝[qx,qy,qz]；
已知心磁源位于真实的容积导体网格模型中；
求该偶极子源在容积导体外空间任一点r＝[x,y,z]处产生的磁场B，推导得如下公式
其中，根据毕奥-萨伐尔定律(Biot-SavartLaw)推导磁感应强度B(r)。矩阵I为单位矩阵；矩阵A，H，Gv仅和容积导体模型和探头位置/方向相关，即当容积导体模型确定时，矩阵A，H，Gv是已知的固定的矩阵，使用有限元法计算得到。
S4，利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
所述误差函数的表达式为：
其中，k为通过全张量心磁图仪获取的测量点的总数。
若误差函数的表达式转换为公式的话，所述误差函数的公式为：
其中，Tic为重建的测量点磁场梯度场值，Tim为原始的测量点梯度场值，k为通过全张量心磁图仪获取的测量点的总数，在本实施例中，Rsq越接近0，重建的磁场越接近真实的磁场，说明重建的心磁源越精确。因此，确定最小的误差函数的数值对应的心磁源。
本实施例所述的三维心磁源定位方法使用单个或少数几个全张量心磁图数据，可反演心磁的三维电流源活动，基于建立三维的先验阵列优化算法，减少算法迭代次数，提高算法效率，减少定位误差。
实施例二
本实施例提供一种三维心磁源定位系统1，请参阅图2，显示为三维心磁源定位系统于一实施例中的原理结构示意图。如图2所示，所述三维心磁源定位系统1包括：数据获取模块11、处理模块12、计算模块13、及筛选模块14。
所述数据获取模块11用于通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据，同时获取原始的测量点磁场梯度场值。在本实施例中，所述测量点的均匀场分量数据包括X轴方向的均匀场分量数据GX、Y轴方向的均匀场分量数据GY、和/或Z轴方向的均匀场分量数据GZ，单位为nano-Tesla。
所述测量点的一阶梯度张量数据包括：X轴方向的均匀场分量数据偏x的一阶梯度张量数据X轴方向的均匀场分量数据偏y的一阶梯度张量数据X轴方向的均匀场分量数据偏z的一阶梯度张量数据
Y轴方向的均匀场分量数据偏x的一阶梯度张量数据Y轴方向的均匀场分量数据偏y的一阶梯度张量数据Y轴方向的均匀场分量数据偏z的一阶梯度张量数据
Z轴方向的均匀场分量数据偏x的一阶梯度张量数据Z轴方向的均匀场分量数据偏y的一阶梯度张量数据Z轴方向的均匀场分量数据偏z的一阶梯度张量数据所述测量点的一阶梯度张量数据的单位nano-Tesla/m。
其中，GX，GY，GZ分别为磁场强度矢量在空间三个方向的分量。如上面的公式，磁力梯度张量是对称的，即X轴方向的均匀场分量数据偏y的一阶梯度张量数据GXY＝Y轴方向的均匀场分量数据偏x的一阶梯度张量数据GYX；Y轴方向的均匀场分量数据偏z的一阶梯度张量数据GYZ＝Z轴方向的均匀场分量数据偏y的一阶梯度张量数据GZY；X轴方向的均匀场分量数据偏z的一阶梯度张量数据GXZ＝Z轴方向的均匀场分量数据偏x的一阶梯度张量数据GZX。在无源场中磁位遵守拉普拉斯方程，一阶梯度张量数据的矩阵的对角线之和为0，即X轴方向的均匀场分量数据偏x的一阶梯度张量数据GXX+Y轴方向的均匀场分量数据偏y的一阶梯度张量数据GYY+Z轴方向的均匀场分量数据偏z的一阶梯度张量数据GZZ＝0。
一阶梯度张量数据中只有5个元素是独立的。所以，在本实施例中，取5个独立通道GXX，GXY，GXZ，GYZ，GZZ，原始的测量点磁场梯度场值＝{X轴方向的均匀场分量数据偏x的一阶梯度张量数据，X轴方向的均匀场分量数据偏y的一阶梯度张量数据，X轴方向的均匀场分量数据偏z的一阶梯度张量数据，Y轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据}，即第i个测量点的磁场梯度场值Tim＝{GXX,GXY,GXZ,GYZ,GZZ,GZ}。
与所述数据获取模块11连接的处理模块12用于对测量点的均匀场分量数据GX、GY、和/或GZ和一阶梯度张量数据进行降噪、基线矫正、及均值化等处理。
与所述处理模块12连接的计算模块13用于根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值Tic。在本实施例中，所述计算模块13重建心磁源的方式包括预存的列文伯格-马夸尔特算法、单纯形法、多重信号分类算法、模拟退火算法、和/或遗传算法等等。因此，本实施例采用预存的列文伯格-马夸尔特算法、单纯形法、多重信号分类算法、模拟退火算法、和/或遗传算法等等重构心磁源的算法重构出心磁源，
与所述计算模块13连接的筛选模块14用于利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
所述误差函数的表达式为：
其中，k为通过全张量心磁图仪获取的测量点的总数。
若误差函数的表达式转换为公式的话，所述误差函数的公式为：
其中，Tic为拟合的测量点磁场梯度场值，Tim为原始的测量点梯度场值，k为通过全张量心磁图仪获取的测量点的总数，在本实施例中，Rsq越接近0，重建的磁场越接近真实的磁场，说明重建的心磁源越精确。因此，所述筛选模块15用于确定最小的误差函数的数值对应的心磁源。
本实施例还提供一种服务器2，该服务器2与全张量心磁图仪连接，以便通过所述全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，以获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据。请参阅图3，显示为服务器于一实施例中的原理结构示意图。如图3所示，所述服务器2包括上述三维心磁源定位系统1。
综上所述，本发明所述的三维心磁源定位方法、系统及服务器使用单个或少数几个全张量心磁图数据，可反演心磁的三维电流源活动，基于建立三维的先验阵列优化算法，减少算法迭代次数，提高算法效率，减少定位误差。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种三维心磁源定位方法，其特征在于，所述三维心磁源定位方法包括以下步骤：
在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据，；
根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值；
利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
2.根据权利要求1所述的三维心磁源定位方法，其特征在于：
所述测量点的均匀场分量数据包括X轴方向的均匀场分量数据、Y轴方向的均匀场分量数据、和/或Z轴方向的均匀场分量数据；
所述测量点的一阶梯度张量数据包括：
X轴方向的均匀场分量数据偏x的一阶梯度张量数据、X轴方向的均匀场分量数据偏y的一阶梯度张量数据、X轴方向的均匀场分量数据偏z的一阶梯度张量数据；
Y轴方向的均匀场分量数据偏x的一阶梯度张量数据、Y轴方向的均匀场分量数据偏y的一阶梯度张量数据、Y轴方向的均匀场分量数据偏z的一阶梯度张量数据；和/或
Z轴方向的均匀场分量数据偏x的一阶梯度张量数据、Z轴方向的均匀场分量数据偏y的一阶梯度张量数据、Z轴方向的均匀场分量数据偏z的一阶梯度张量数据；
其中，X轴方向的均匀场分量数据偏y的一阶梯度张量数据＝Y轴方向的均匀场分量数据偏x的一阶梯度张量数据；
Y轴方向的均匀场分量数据偏z的一阶梯度张量数据＝Z轴方向的均匀场分量数据偏y的一阶梯度张量数据；
X轴方向的均匀场分量数据偏z的一阶梯度张量数据＝Z轴方向的均匀场分量数据偏x的一阶梯度张量数据；
X轴方向的均匀场分量数据偏x的一阶梯度张量数据+Y轴方向的均匀场分量数据偏y的一阶梯度张量数据+Z轴方向的均匀场分量数据偏z的一阶梯度张量数据＝0；
原始的测量点磁场梯度场值＝{X轴方向的均匀场分量数据偏x的一阶梯度张量数据，X轴方向的均匀场分量数据偏y的一阶梯度张量数据，X轴方向的均匀场分量数据偏z的一阶梯度张量数据，Y轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据偏z的一阶梯度张量数据，Z轴方向的均匀场分量数据}。
3.根据权利要求2所述的三维心磁源定位方法，其特征在于：所述误差函数的表达式为：
其中，k为通过全张量心磁图仪获取的测量点的总数。
4.根据权利要求1所述的三维心磁源定位方法，其特征在于：重建的心磁源包括X轴的位置参数，Y轴的位置参数，Z轴的位置参数；及X轴的方向参数，Y轴的方向参数，Z轴的方向参数。
5.根据权利要求1所述的三维心磁源定位方法，其特征在于：在重建心磁源，计算原始测量的梯度场值的步骤之前，所述基于全张量心磁图的三维源定位方法还包括对测量点的均匀场分量数据和一阶梯度张量数据进行降噪、基线矫正、及均值化处理。
6.根据权利要求1所述的三维心磁源定位方法，其特征在于：重建心磁源的方式包括预存的列文伯格-马夸尔特算法、单纯形法、多重信号分类算法、模拟退火算法、和/或遗传算法。
7.根据权利要求1所述的三维心磁源定位方法，其特征在于：通过超声或CT三维图像中心脏的位置信息建立三维先验阵列。
8.一种三维心磁源定位系统，其特征在于，所述三维心磁源定位系统包括：
数据获取模块，用于在通过全张量心磁图仪在人体胸腔上方的指定区域内进行测量之后，获取一个测量点或多个测量点的均匀场分量数据和均匀场分量数据对应的一阶梯度张量数据；
计算模块，用于根据预先建立的三维先验阵列，重建心磁源，并推算出拟合的测量点磁场梯度场值；
筛选模块，用于利用用于筛选所述心磁源最优解的误差函数，筛选出最小的误差函数的数值对应的心磁源。
9.根据权利要求7所述的三维心磁源定位系统，其特征在于：所述三维心磁源定位系统还包括与所述第一计算模块连接的数据处理模块，所述数据处理模块用于对均匀场分量数据和一阶梯度张量数据进行降噪、基线矫正、及均值化处理。
10.一种服务器，其特征在于，所述服务器包括如权利要求8-9中任一项所述的三维心磁源定位系统。
CN201710117432.4A 2017-03-01 2017-03-01 三维心磁源定位方法、系统及服务器 Pending CN106901717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710117432.4A CN106901717A (zh) 2017-03-01 2017-03-01 三维心磁源定位方法、系统及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710117432.4A CN106901717A (zh) 2017-03-01 2017-03-01 三维心磁源定位方法、系统及服务器

Publications (1)

Publication Number Publication Date
CN106901717A true CN106901717A (zh) 2017-06-30

Family

ID=59186030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710117432.4A Pending CN106901717A (zh) 2017-03-01 2017-03-01 三维心磁源定位方法、系统及服务器

Country Status (1)

Country Link
CN (1) CN106901717A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107749677A (zh) * 2017-10-27 2018-03-02 珠海格力电器股份有限公司 原副边线圈盘对准方法、对准设备及无线电能传输系统
CN110074774A (zh) * 2019-04-28 2019-08-02 漫迪医疗仪器（上海）有限公司 基于心磁图的心脏室间隔异常的分析方法、系统、介质及终端
CN112842343A (zh) * 2021-02-01 2021-05-28 北京航空航天大学 一种基于serf原子磁强计的心磁三维源位置估计方法
CN117100276A (zh) * 2023-10-23 2023-11-24 山东大学齐鲁医院 心功能检测系统、计算机存储介质及终端

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104545875A (zh) * 2013-10-18 2015-04-29 中国科学院上海微系统与信息技术研究所 用于生物磁检测的全张量空间梯度补偿方法及系统
CN106343999A (zh) * 2016-10-10 2017-01-25 中国科学院上海微系统与信息技术研究所 心磁图仪、基于其的补偿优化方法、系统及服务器

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104545875A (zh) * 2013-10-18 2015-04-29 中国科学院上海微系统与信息技术研究所 用于生物磁检测的全张量空间梯度补偿方法及系统
CN106343999A (zh) * 2016-10-10 2017-01-25 中国科学院上海微系统与信息技术研究所 心磁图仪、基于其的补偿优化方法、系统及服务器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MENGPEI CHEN, SHIQIN JIANG, LU BING, ET AL: "Sparse current source reconstruction in MCG", 《SCIENCE BULLETIN》 *
YIN GANG, ZHANG YINGTANG, FAN HONGBO, ET AL: "Detection, localization and classification ofmultiple dipole-likemagnetic sources using magnetic gradient tensor data", 《 JOURNAL OF APPLIED GEOPHYSICS 128 (2016)》 *
苑彬: "应用单纯形算法解决心磁源定位问题", 《硅谷》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107749677A (zh) * 2017-10-27 2018-03-02 珠海格力电器股份有限公司 原副边线圈盘对准方法、对准设备及无线电能传输系统
CN110074774A (zh) * 2019-04-28 2019-08-02 漫迪医疗仪器（上海）有限公司 基于心磁图的心脏室间隔异常的分析方法、系统、介质及终端
CN112842343A (zh) * 2021-02-01 2021-05-28 北京航空航天大学 一种基于serf原子磁强计的心磁三维源位置估计方法
CN117100276A (zh) * 2023-10-23 2023-11-24 山东大学齐鲁医院 心功能检测系统、计算机存储介质及终端
CN117100276B (zh) * 2023-10-23 2024-01-12 山东大学齐鲁医院 心功能检测系统、计算机存储介质及终端

Similar Documents

Publication Publication Date Title
Hämäläinen et al. Interpreting magnetic fields of the brain: minimum norm estimates
Haueisen et al. The influence of brain tissue anisotropy on human EEG and MEG
Baillet et al. Electromagnetic brain mapping
Hallez et al. A finite difference method with reciprocity used to incorporate anisotropy in electroencephalogram dipole source localization
CN106901717A (zh) 三维心磁源定位方法、系统及服务器
JP2012179352A (ja) 電流双極子を構築するシステムおよび電流双極子を構築する方法
Oyama et al. Dry phantom for magnetoencephalography—Configuration, calibration, and contribution
Marhl et al. Transforming and comparing data between standard SQUID and OPM-MEG systems
JP2012157696A (ja) 心磁図システムおよび心磁図画像を作成する方法
CN116887752A (zh) 脑磁图方法和系统
KR20190005891A (ko) 생체 자기장을 측정하는 장치
Medani et al. Realistic head modeling of electromagnetic brain activity: an integrated Brainstorm-DUNEuro pipeline from MRI data to the FEM solutions
Wang et al. Optimization of signal space separation for optically pumped magnetometer in magnetoencephalography
Müller et al. Multimodal imaging in neurology: special focus on MRI applications and MEG
Schmitt et al. Numerical aspects of spatio-temporal current density reconstruction from EEG-/MEG-data
Haberkorn et al. Pseudo current density maps of electrophysiological heart, nerve or brain function and their physical basis
Boughariou et al. Spatial resolution improvement of EEG source reconstruction using swLORETA
Cao et al. Effects of different head models in wearable OPM-MEG
Fernández-Corazza et al. Effects of head model inaccuracies on regional scalp and skull conductivity estimation using real EIT measurements
Singh et al. Neuromagnetic localization using magnetic resonance images
Hallez et al. Dipole estimation errors due to not incorporating anisotropic conductivities in realistic head models for EEG source analysis
Chang et al. Sparse current source estimation for MEG using loose orientation constraints
Razorenova et al. On-scalp Yttrium-Iron Garnet sensor arrays for brain source localization: Cramér-Rao bound analysis
Schrader et al. A novel method for calibrating head models to account for variability in conductivity and its evaluation in a sphere model
Nagarajan et al. Magnetoencephalographic imaging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170630

RJ01 Rejection of invention patent application after publication