CN109498013A - 基于单层eit电极边缘效应的膀胱体积测量方法 - Google Patents
基于单层eit电极边缘效应的膀胱体积测量方法 Download PDFInfo
- Publication number
- CN109498013A CN109498013A CN201811514735.0A CN201811514735A CN109498013A CN 109498013 A CN109498013 A CN 109498013A CN 201811514735 A CN201811514735 A CN 201811514735A CN 109498013 A CN109498013 A CN 109498013A
- Authority
- CN
- China
- Prior art keywords
- bladder
- image
- vector
- group
- eit
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—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
- A61B5/0536—Impedance imaging, e.g. by tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
- A61B5/202—Assessing bladder functions, e.g. incontinence assessment
- A61B5/204—Determining bladder volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明公开了一种基于单层EIT电极边缘效应的膀胱体积测量方法,包括如下步骤:利用层析成像系统在受测者穿戴的单层EIT电极圈上获取电压数据;图像重建得到二维层析图像;利用电场的边缘效应估算膀胱的轴向位置I和轴向长度H;利用图像处理方法对获得的二维层析图像进行处理,得到膀胱截面积,并利用估算的轴向位置对所得到的膀胱截面积进行校正;通过估算的轴向长度和校正的膀胱截面积,估算膀胱体积。本发明利用传感器在膀胱体积变化过程中感知到的边缘效应的差异,通过测量这一差异推算出膀胱在传感器轴向上的位置和长度信息,以充分提取常规二维层析成像所包含的三维空间分布信息,提高膀胱体积估计的准确度。
Description
技术领域
本申请涉及电阻抗层析成像技术(EIT)在膀胱尿量监测领域的应用, 更具体地说,涉及一种基于单层EIT电极边缘效应的三维体积参数测量膀 胱体积的方法。
背景技术
因脑出血、中风等疾病或创伤所导致的脊髓损伤将会引起患者膀胱排尿 功能障碍或者尿意缺失,由此引发的膀胱过度充盈易导致严重的尿滞留和尿 路感染,继而引发慢性肾功能衰竭,成为脊髓损伤患者死亡的第一位原因。 传统的导尿管插入术由于是入侵式易导致尿失禁膀胱高压等并发症。其他方 法如计算机断层成像(CT),超声检测等非实时方法也可用于尿量监测,不 能满足连续监测的临床应用要求。
常规的实时测量方法有一维阻抗测量和电阻抗层析成像法。一维的二电 极法和四电极法,使用信号分析和处理方法从一维阻抗测量信号中提取有效 膀胱体积信息。但由于电极个数有限,空间分布信息较少,与膀胱体积变化 的相关性不够强(Li R H,Gao J W,Li Y N,Wu J P,Zhao Z Q and Liu Y.A preliminary study of assessing bladderurinary volume using electrical impedance tomography.J.Med.Biol.Eng.,2016,36:71 79.),并且受电极粘贴位置和尿 液电导率等因素影响较大,在实际应用中存在很大障碍。电阻抗层析成像法 一般使用多个电极对膀胱所在平面进行成像,如德国亚琛工业大学的 Leonhardt等人将体外一维电阻抗测量推广到二维电阻抗层析成像,通过提 高空间分辨率来改善膀胱体积的测量准确度(Leonhardt S,Cordes A,Plewa H,Pikkemaat R,Soljanik I,Moehring K,Gerner H J and Rupp R.Electric impedance tomography formonitoring volume and size of the urinary bladder. Biomed.Tech./Biomed.Eng.,2011,56:301 307.)。但这种方法仍是二维空间 信息提取,而膀胱随着体积增加是向三维空间扩展的,存在从三维简化到二 维的近似测量误差。重庆大学的研究人员利用平板式EIT电极阵列(8×8) 研究了膀胱的三维图像重建和空间信息提取方法(He W,Ran P,Xu Z,Li B and Li S N.A 3D visualization method for bladder filling examinationbased on EIT.Comput.Math.Methods Med.,2012,2012(1):528096.),在离体模拟实验 中同时得到了成像盐水块的深度和体积信息,相比二维层析成像改善了体积 估计的准确度,但是所设计的平板式电极阵列不好固定在人体腹部实现长期 连续监测。
例如,在现有技术中,专利申请号为201510026916.9的中山大学的一种 基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法所采用的通过所 采集到的电阻抗数据重构膀胱所在横断面的二维彩色图像,并通过后续算法 提取体积参数来预测膀胱积尿量。但是这种方法只提取了被测对象(如膀胱) 的二维截面信息,没有获得三维的空间分布信息,因而对诸如体积大小等参 数的估计存在模型上的简化误差。
发明内容
为了至少部分的解决上述已有技术存在的不足,本发明设计了一种基于 单层EIT电极边缘效应的膀胱体积测量方法,其利用传感器在膀胱体积变化 过程中感知到的边缘效应的差异,通过测量这一差异推算出膀胱在传感器轴 向上的位置和长度信息,以充分提取常规二维层析成像所包含的三维空间分 布信息,提高膀胱体积估计的准确度。
边缘效应原理说明:由于电场的“软场”特性(相对于X射线和光的 直线传播而言),二维成像传感器的电场分布存在边缘效应,即,电场在测 量电极上下两个边缘处发生扭曲,并扩散到传感器周围的三维空间。这一 现象的直接结果是二维层析成像可以探测到传感器周围三维空间内的物质 分布,而不仅仅是传感器横截面内的分布。以站立的人体为例(下同),考 虑到电极带的固定以及同人体接触阻抗的优化,一般电极带位于膀胱上方,即,电阻抗测量有赖于传感器的边缘场探测。然而以前的膀胱体积监测没 有评估电场边缘效应对成像和测量的影响,且没有对膀胱第三维上的长度 信息进行提取,只是利用二维测量结果来估算膀胱体积,这样的测量方式 存在较大的误差和不一致性。本发明对膀胱体积测量进行了优化,首先, 在模型上,膀胱充满时不是球形而是卵圆形,同椭球体更相近;其次在尿 量增加时,膀胱的体积和位置会同时发生变化,电阻抗层析成像所成图像 的变化,不仅由于膀胱体积增加,还同膀胱位置的偏移有关。本申请正是 通过对边缘效应的分析,将膀胱位置的偏移对图像的影响分离出来,进而 分析由于膀胱体积增加而导致图像的变化,从而提取膀胱体积的三维信息 提高体积监测的准确度。基于边缘效应,观察到对于偏离轴心的感兴趣物 体(如膀胱位于人体躯干靠前的位置),由于盆骨的约束膀胱在径向上变化 较小,在高度上即轴向偏移越大,膀胱距离电极平面越近,图像中最大灰 度值点的位置同膀胱中心所在位置差异越大。通过对最大灰度值点轴向偏 移的分析提取膀胱的高度变化值即轴向偏移距离。同时膀胱体积越大,所 成图像的最大灰度值越大,在确定膀胱轴向偏移距离后,通过同排空膀胱 时的图像最大灰度值进行比较,可以确定膀胱的轴向长度。(由于模型中椭 球体截面直径和轴向长度有一个比例关系,如1:1.2,可用轴向长度表征体 积)本发明正是利用边缘效应来提取膀胱在第三维空间分布信息并减小二 维测量的误差。
根据本发明的一方面,提供了一种基于单层EIT电极边缘效应的膀胱 体积测量方法,包括如下步骤:
S1:利用层析成像系统在受测者穿戴的单层EIT电极圈上获取电压数 据;
S2:使用获取的电压数据,图像重建得到二维层析图像;
S3:利用电场的边缘效应估算膀胱的轴向位置I和轴向长度H;
S4:利用图像处理方法对步骤S2中获得的二维层析图像进行处理,得 到膀胱截面积,并利用步骤S3中估算的轴向位置对所得到的膀胱截面积进 行校正;
S5:通过步骤S3中估算的轴向长度和步骤S4中校正的膀胱截面积, 估算膀胱体积。
进一步地,所述单层EIT电极圈包括i个EIT电极,所述步骤S1包括:
当膀胱内的尿量为零时,获取初始参考电压数据向量Vr;
随着膀胱内的尿量增加,实时获取N组电压数据向量,每组电压数据向 量包括i(i-3)个电压值。
进一步地,所述步骤S2具体为:
应用差分成像方法,通过灵敏度矩阵S将测量数据向量ΔVm和图像像素 点向量ΔGm关联起来,即,ΔVm=S*ΔGm,其中,ΔVm=(Vm-Vr)/Vr,Vm是获取的第m组电压数据向量,m=1,2,3,…,M;ΔGm为第m组电压数据向 量对应的EIT图像像素点向量,
基于ΔVm和灵敏度矩阵S,通过图像重建算法计算得到ΔGm。在一些实 施方式中,可以通过牛顿-拉夫森方法计算ΔGm,具体过程如下:
迭代过程中的测量数据向量ΔVm和图像像素点向量和ΔGm之间存在非 线性关系
ΔVm=F(ΔGm)
考虑以测量值和计算值的误差范数平方作为目标函数,有如下目标函 数:
由牛顿-拉夫森迭代形式,可知ΔGm的k+1次迭代为:
其中,梯度和Hessian矩阵Hk分别为:
其中,
Sk=F′(ΔGm,k)
式中,pk为第k次迭代方向,将上式带入可得:
ΔGm,k+1=ΔGm,k-[STS]-1ST(ΔVm,k-ΔVm)
设置灵敏度矩阵为常值矩阵且STS加一对角阵rI进行正则化,则最终迭代 过程为:
ΔGm,k+1=ΔGm,k-[STS+rI]-1ST(SΔGm,k-ΔVm)
在每一个像素点p上的EIT差分成像结果Fm,N(p)为当前数据N组EIT图像像 素点向量的标准偏差:
其中
其中,N为求当前像素点成像结果所需的EIT图像像素点向量的组数;n 是求解标准偏差时其中的某组图像像素点向量的组号,n=m-N+1,m-N+2…m; ΔGn(p)是求解标准偏差时其中的某组图像像素点向量是N组图像 像素点向量的均值,
获得求标准偏差后的最终图像。
进一步地,所述步骤S3具体为:
利用步骤S2中获得的膀胱的二维层析图像,获取每个图像的最大灰度 值am和图像的最大灰度值点的位置到中心的距离bm,以膀胱内的尿量为零 时的初始时刻的图像的最大灰度值a0为参考,计算第m组数据图像的最大 灰度值的相对偏差量d=am-a0,利用最大灰度值的相对偏差量同膀胱的 轴向长度的变化关系实验数据进行比较,确定膀胱的轴向长度H;
以膀胱内的尿量为零时的初始时刻的图像的最大灰度值的点的位置到 中心的距离b0为参考,计算第m组数据图像的最大灰度值的点的位置到中 心的距离偏差量c=bm-b0,利用距离偏差量同膀胱的轴向位置的变化关 系实验数据进行比较,确定膀胱的轴向长度I。
进一步地,所述步骤S4具体为:
对步骤S2中得到的图像像素点向量构成的二维层析图像,进行图像处 理:首先对图像进行Gaussian滤波和二值化处理,然后对二值化图像使用 形态学方法填充图像中的孔洞,最后计算图像中连通区域的中心点和面积, 靠近膀胱实际位置的的区域被认为是膀胱,利用步骤S3中得到的膀胱的轴 向位置l对此区域面积进行校正,得到校正后的膀胱截面积S。
进一步地,所述步骤S5具体为:
利用步骤S3中确定的轴向长度H和步骤S4中校正后的膀胱截面积S,估算 膀胱体积V:
本发明的有益效果
本发明采用基于二维电学层析成像边缘效应的三维体积测量方法,建 立了不同时间两帧二维图像最大值位置的相对差异和最大灰度值的相对偏 差同膀胱轴向长度和轴向位置的联系,同时应用图像处理的方法得到截面 中膀胱区域的大小,结合这三个信息对膀胱体积进行估计。这种方法兼具 二维层析成像的实时性和电极边缘效应对被测物体第三维信息获取的高准 确度,又能够制作成廉价便携的电极带对膀胱体积进行连续实时精确的监 测。
附图说明
图1为本发明的膀胱体积测量方法的原理框图。
图2是本发明所应用的边缘效应的示意图。
图3是本发明的最大灰度值差异随着膀胱轴向长度增大的变化趋势。
图4是本发明的最大灰度值位置相对偏差随着膀胱轴向位置偏移的变 化趋势。
具体实施方式
下面将结合本申请实施方式中的附图,对本申请的实施方式中的技术 方案进行清楚、完整的描述,显然,所描述的实施方式仅仅是作为例示, 并非用于限制本申请。
S1:利用层析成像系统在受测者穿戴的单层EIT电极圈上获取电压数 据;
S2:使用获取的电压数据,图像重建得到二维层析图像;
S3:利用电场的边缘效应估算膀胱的轴向位置I和轴向长度H;
S4:利用图像处理方法对步骤S2中获得的二维层析图像进行处理,得 到膀胱截面积,并利用步骤S3中估算的轴向位置对所得到的膀胱截面积进 行校正;
S5:通过步骤S3中估算的轴向长度和步骤S4中校正的膀胱截面积, 估算膀胱体积。
具体地:
(1)受试者排空膀胱后静躺在床上,将可穿戴的电极系统固定于腰部, 并对接触部分的人体皮肤进行清理,以减小接触阻抗。开始时,当膀胱内的 尿量为零时,使用层析成像系统在电极圈上获取数据作为差分性功能成像的 初始参考数据,即初始参考电压数据向量Vr。随后随着膀胱内的尿量增加, 实时获取N组电压数据向量,每组电压数据向量包括i(i-3)个电压值。在本 实施例中,每组数据有104个相互独立的电压值,共测量N组数据。
(2)使用获取的电压数据,计算EIT图像像素点向量,求N组EIT图像 像素点向量的标准偏差构成最终的二维层析图像。当前采集到的第m (m=1,2,3,…,N)组电压测量值按顺序排列为向量Vm,应用差分成像方法 有:
通过灵敏度矩阵S将ΔVm和ΔGm关联起来,即,ΔVm=S*ΔGm,其 中,ΔVm=(Vm-Vr)/Vr,Vm是获取的第m组电压数据向量,m= 1,2,3,…,M(注意:m是整个采集的序列,一共到M,N是它求标准偏差的个 数);ΔGm为第m组电压数据向量对应的EIT图像像素点向量,参考向量Vr通 过对一定数量的EIT帧(如800帧)求平均获得。
基于ΔVm和灵敏度矩阵S,通过图像重建算法计算得到ΔGm,从而获得 第m组数据图像,
基于ΔVm和灵敏度矩阵S,通过经典的图像重建算法得到ΔGm。
在本实例中,通过牛顿-拉夫森方法计算ΔGm,具体过程如下:
迭代过程中的测量数据向量ΔVm和图像像素点向量ΔGm之间存在非线 性关系
ΔVm=F(ΔGm)
考虑以测量值和计算值的误差范数平方作为目标函数,有如下目标函 数:
由牛顿-拉夫森迭代形式,可知ΔGm的k+1次迭代为:
其中,梯度和Hessian矩阵Hk分别为:
其中:
Sk=F′(ΔGm,k)
式中,pk为第k次迭代方向,将上式带入可得:
ΔGm,k+1=ΔGm,k-[STS]-1ST(ΔVm,k-Δm)
设置灵敏度矩阵为常值矩阵且STS加一对角阵rI进行正则化,则最终迭代 过程为:
ΔGm,k+1=ΔGm,k-[STS+rI]-1ST(SΔGm,k-ΔVm)
在每一个像素点p上的EIT差分成像结果Fm,N(p)为当前数据前N组EIT图像 像素点向量的标准偏差:
其中
其中,N为求当前像素点成像结果所需的EIT图像像素点向量的组数;n 是求解标准偏差时其中的某组图像像素点向量的组号,n=m-N+1,m-N+2…m; ΔGn(p)是求解标准偏差时其中的某组图像像素点向量;是N组图像 像素点向量的均值,
获得求标准偏差后的最终图像。
(3)利用获得的膀胱的二维层析图像,获取每个图像的最大灰度值am和图像的最大灰度值点的位置到中心的距离bm。使用初始时刻(膀胱排空时) 和当前时刻像素点灰度值的最大值的相对偏差量(以膀胱排空时测得的初始 图像最大灰度值为参考),d=am-a0,同实验得到的这一相对偏差量同膀胱轴 向长度的变化关系数据进行比较来确定膀胱的轴向长度H(如图4所示)。求 得两个距离的相对差异c(以初始图像最大灰度值到中心的距离为参 考),c=bm-b0。通过同实验得到的这一相对差异随膀胱轴向位置的变化关系 数据进行比较来确定膀胱的轴向位置l(如图4所示)。
(4)对于电极圈得到的二维层析图像,利用图像处理方法进行处理。 首先对图像进行Gaussian滤波和二值化处理,然后对二值化图像使用形态学 方法(腐蚀)填充图像中的孔洞,最后计算图像中连通区域的中心点和面积, 靠近膀胱实际位置的的区域被认为是膀胱。对此区域面积结合(3)中得到 的膀胱轴向位置l进行校正,得到校正后的膀胱截面积S。
(5)估算膀胱体积,通过前几步中获得轴向长度H和膀胱截面积S估算 膀胱体积,以椭球体为例,得到膀胱体积:
以上申请的仅为本申请的一些实施方式。对于本领域的普通技术人员 来说,在不脱离本申请创造构思的前提下,还可以做出若干变型和改进, 这些都属于本申请的保护范围。
Claims (7)
1.一种基于单层EIT电极边缘效应的膀胱体积测量方法,其特征在于,包括如下步骤:
S1:利用层析成像系统在受测者穿戴的单层EIT电极圈上获取电压数据;
S2:使用获取的电压数据,图像重建得到二维层析图像;
S3:利用电场的边缘效应估算膀胱的轴向位置I和轴向长度H;
S4:利用图像处理方法对步骤S2中获得的二维层析图像进行处理,得到膀胱截面积,并利用步骤S3中估算的轴向位置对所得到的膀胱截面积进行校正;
S5:通过步骤S3中估算的轴向长度和步骤S4中校正的膀胱截面积,估算膀胱体积。
2.根据权利要求1所述的方法,其特征在于,所述单层EIT电极圈包括i个EIT电极,所述步骤S1包括:
当膀胱内的尿量为零时,获取初始参考电压数据向量Vr;
随着膀胱内的尿量增加,实时获取N组电压数据向量,每组电压数据向量包括i(i-3)个电压值。
3.根据权利要求2所述的方法,其特征在于,所述步骤S2具体为:
应用差分成像方法,通过灵敏度矩阵S将测量数据向量ΔVm和图像像素点向量ΔGm关联起来,即,ΔVm=S*ΔGm,其中,ΔVm=(Vm-Vr)/Vr,Vm是获取的第m组电压数据向量,m=1,2,3,…,M;ΔGm为第m组电压数据向量对应的EIT图像像素点向量,
基于ΔVm和灵敏度矩阵S,通过图像重建算法计算得到ΔGm,
在每一个像素点p上的EIT差分成像结果Fm,N(p)为当前数据前N组EIT图像像素点向量的标准偏差:
其中
其中,N为求当前像素点成像结果所需的EIT图像像素点向量的组数;n是求解标准偏差时其中的某组图像像素点向量的组号,n=m-N+1,m-N+2…m;ΔGn(p)是求解标准偏差时其中的某组图像像素点向量;是N组图像像素点向量的均值,
最终获取求标准偏差后的最终图像。
4.根据权利要求3所述的方法,其特征在于,通过牛顿-拉夫森方法计算ΔGm,具体过程如下:
迭代过程中的测量数据向量ΔVm和图像像素点向量和ΔGm之间存在非线性关系:
ΔVm=F(ΔGm)
以测量值和计算值的误差范数平方作为目标函数,有如下目标函数:
由牛顿-拉夫森迭代形式,可知ΔGm的k+1次迭代为:
其中,梯度和Hessian矩阵Hk分别为:
其中,
Sk=F′(ΔGm,k)
式中,pk为第k次迭代方向,将上式带入可得:
ΔGm,k+1=ΔGm,k-[STS]-1ST(ΔVm,k-ΔVm)
设置灵敏度矩阵为常值矩阵且STS加一对角阵rI进行正则化,则最终迭代过程为:
ΔGm,k+1=ΔGm,k-[STS+rI]-1ST(GΔm,k-ΔVm)。
5.根据权利要求1所述的方法,其特征在于,所述步骤S3具体为:
利用步骤S2中获得的膀胱的二维层析图像,获取每个图像的最大灰度值am和图像的最大灰度值点的位置到中心的距离bm,以膀胱内的尿量为零时的初始时刻的图像的最大灰度值a0为参考,计算第m组数据图像的最大灰度值的相对偏差量d=am-a0,利用最大灰度值的相对偏差量同膀胱的轴向长度的变化关系实验数据进行比较,确定膀胱的轴向长度H;
以膀胱内的尿量为零时的初始时刻的图像的最大灰度值的点的位置到中心的距离b0为参考,计算第m组数据图像的最大灰度值的点的位置到中心的距离偏差量c=bm-b0,利用距离偏差量同膀胱的轴向位置的变化关系实验数据进行比较,确定膀胱的轴向长度I。
6.根据权利要求1所述的方法,其特征在于,所述步骤S4具体为:
对步骤S2中得到的图像像素点向量构成的二维层析图像,进行图像处理:首先对图像进行Gaussian滤波和二值化处理,然后对二值化图像使用形态学方法填充图像中的孔洞,最后计算图像中连通区域的中心点和面积,靠近膀胱实际位置的的区域被认为是膀胱,利用步骤S3中得到的膀胱的轴向位置l对此区域面积进行校正,得到校正后的膀胱截面积S。
7.根据权利要求1所述的方法,其特征在于,所述步骤S5具体为:
利用步骤S3中确定的轴向长度H和步骤S4中校正后的膀胱截面积S,估算膀胱体积V:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514735.0A CN109498013B (zh) | 2018-12-12 | 2018-12-12 | 基于单层eit电极边缘效应的膀胱体积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514735.0A CN109498013B (zh) | 2018-12-12 | 2018-12-12 | 基于单层eit电极边缘效应的膀胱体积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109498013A true CN109498013A (zh) | 2019-03-22 |
CN109498013B CN109498013B (zh) | 2020-10-09 |
Family
ID=65752305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811514735.0A Active CN109498013B (zh) | 2018-12-12 | 2018-12-12 | 基于单层eit电极边缘效应的膀胱体积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109498013B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110840457A (zh) * | 2019-12-12 | 2020-02-28 | 北京航空航天大学 | 一种基于边缘场检测的二维eit电极阵列结构优化方法 |
CN110859636A (zh) * | 2019-12-12 | 2020-03-06 | 北京航空航天大学 | 一种对尿液电导率不敏感的动态膀胱体积测量方法 |
CN113069100A (zh) * | 2021-03-03 | 2021-07-06 | 桂林电子科技大学 | 一种可旋转电阻抗断层成像的三维边界测量结构及方法 |
US11911160B2 (en) | 2018-08-10 | 2024-02-27 | C. R. Bard, Inc. | Automated urine output measurement systems and methods thereof |
US11931151B2 (en) | 2020-12-22 | 2024-03-19 | C. R. Bard, Inc. | Automated urinary output measuring system |
US11938277B2 (en) | 2018-05-22 | 2024-03-26 | C. R. Bard, Inc. | Catheterization system and methods for use thereof |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103610463A (zh) * | 2013-11-28 | 2014-03-05 | 中山大学 | 一种尿液电导率动态监测装置及方法 |
CN104605850A (zh) * | 2015-01-19 | 2015-05-13 | 中山大学 | 一种基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法 |
CN107743378A (zh) * | 2015-05-06 | 2018-02-27 | 爱尔兰国立高威大学 | 对尿液的回流的非侵入式检测 |
-
2018
- 2018-12-12 CN CN201811514735.0A patent/CN109498013B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103610463A (zh) * | 2013-11-28 | 2014-03-05 | 中山大学 | 一种尿液电导率动态监测装置及方法 |
CN104605850A (zh) * | 2015-01-19 | 2015-05-13 | 中山大学 | 一种基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法 |
CN107743378A (zh) * | 2015-05-06 | 2018-02-27 | 爱尔兰国立高威大学 | 对尿液的回流的非侵入式检测 |
Non-Patent Citations (2)
Title |
---|
冉鹏等: "膀胱充盈的三维电阻抗成像算法", 《计算物理》 * |
王倩等: "生物电阻抗系统的电极位置对膀胱尿量测量的影响", 《北京生物医学工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11938277B2 (en) | 2018-05-22 | 2024-03-26 | C. R. Bard, Inc. | Catheterization system and methods for use thereof |
US11911160B2 (en) | 2018-08-10 | 2024-02-27 | C. R. Bard, Inc. | Automated urine output measurement systems and methods thereof |
CN110840457A (zh) * | 2019-12-12 | 2020-02-28 | 北京航空航天大学 | 一种基于边缘场检测的二维eit电极阵列结构优化方法 |
CN110859636A (zh) * | 2019-12-12 | 2020-03-06 | 北京航空航天大学 | 一种对尿液电导率不敏感的动态膀胱体积测量方法 |
CN110840457B (zh) * | 2019-12-12 | 2020-11-13 | 北京航空航天大学 | 一种基于边缘场检测的二维eit电极阵列结构优化方法 |
US11931151B2 (en) | 2020-12-22 | 2024-03-19 | C. R. Bard, Inc. | Automated urinary output measuring system |
CN113069100A (zh) * | 2021-03-03 | 2021-07-06 | 桂林电子科技大学 | 一种可旋转电阻抗断层成像的三维边界测量结构及方法 |
CN113069100B (zh) * | 2021-03-03 | 2024-04-02 | 桂林电子科技大学 | 一种可旋转电阻抗断层成像的三维边界测量结构及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109498013B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109498013A (zh) | 基于单层eit电极边缘效应的膀胱体积测量方法 | |
Störchle et al. | Standardized ultrasound measurement of subcutaneous fat patterning: high reliability and accuracy in groups ranging from lean to obese | |
Schlebusch et al. | Bladder volume estimation from electrical impedance tomography | |
CN110859636B (zh) | 一种对尿液电导率不敏感的动态膀胱体积测量方法 | |
CN109584323A (zh) | 超声反射信息约束的腹部病变电阻抗图像重建方法 | |
CN109893146A (zh) | 一种女性盆底功能障碍评估方法及其系统 | |
MacGillivray et al. | 3D freehand ultrasound for in vivo determination of human skeletal muscle volume | |
CN108151670B (zh) | 一种后背三维对称度评价装置及方法 | |
CN104968280A (zh) | 超声成像系统和方法 | |
Wagenaar et al. | Electrical impedance tomography in 3D using two electrode planes: characterization and evaluation | |
CN106373194B (zh) | 一种人体肺部电阻层析成像有限元模型设计方法 | |
Grychtol et al. | Thoracic EIT in 3D: experiences and recommendations | |
CN111887847A (zh) | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 | |
Elia et al. | New techniques in nutritional assessment: body composition methods | |
CN102599907B (zh) | 基于网格位移模型的电阻抗断层成像方法 | |
JP2003339658A (ja) | 体脂肪測定装置 | |
CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测系统 | |
CN115311227A (zh) | 一种基于参数水平集三维eit图像重建的膀胱体积测量方法 | |
CN102599908B (zh) | 基于带平衡因子的网格位移模型的电阻抗断层成像方法 | |
CN114549417A (zh) | 一种基于深度学习和核磁共振Dixon的腹部脂肪定量方法 | |
JPH07369A (ja) | 内部インピーダンス分布の高速画像化法 | |
Sun et al. | Bladder Volume Estimation using 3D Electrical Impedance Tomography Based on Fringe Field Sensing | |
CN110840457B (zh) | 一种基于边缘场检测的二维eit电极阵列结构优化方法 | |
CN112634218B (zh) | 一种基于横断位磁共振图像的腰椎肌肉测量方法 | |
Zheng et al. | 3D Body shape for regional and appendicular body composition estimation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |