CN109864733A - 心脑异常的检测方法、系统、介质及设备 - Google Patents
心脑异常的检测方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN109864733A CN109864733A CN201910040249.8A CN201910040249A CN109864733A CN 109864733 A CN109864733 A CN 109864733A CN 201910040249 A CN201910040249 A CN 201910040249A CN 109864733 A CN109864733 A CN 109864733A
- Authority
- CN
- China
- Prior art keywords
- heart
- brain
- electric current
- magnetic
- dipole source
- 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
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种心脑异常的检测方法、系统、介质及设备，心脑异常的检测方法包括：获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；在所述心脑磁图中查找成对匹配的极值点；根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。本发明通过从心脑磁图的特别特征出发，化非线性方程为线性方程组对电流偶极源进行重构，提供了一种在心或脑处检测电流偶极源位置的精确、简便的方法。
Description
技术领域
本发明属于生物电检测应用领域，涉及一种重构电流偶极源的方法，特别是涉及一种心脑异常的检测方法、系统、介质及设备。
背景技术
由心或脑生物电活动在任一时刻的电流偶极子会产生空间磁场，产生的磁场可以在临近的一个平面的不同位置上，由心磁图仪或脑磁图仪测量得到。从测量到的磁场值来获得产生这些磁场的电流偶极源是十分重要的，对于心磁和脑磁来说就是找到该时刻的电活动的位置，方向和大小，作为心脑电活动的直观图，也可用来辅助检测心脑活动的异常情况。
每一时刻都有对应的二维磁场图，由二维磁场图可以重构该时刻的电流偶极源。此重构需要解一个逆向非线性方程组。目前，关于这个电流偶极源重构的现有技术都是采用计算机的多次循环往复渐近法，计算繁复而且不精确。这些方法沒有充分利用心脑磁图的特别特征，而只是釆用解非线性方程的普遍性办法。
因此，如何提供一种在心或脑处检测电流偶极源位置的精确、简便的方法，实已成为本领域技术人员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心脑异常的检测方法、系统、介质及设备，用于解决现有技术重构电流偶极源时计算繁复且不精确的问题。
为实现上述目的及其他相关目的，本发明一方面提供一种心脑异常的检测方法，所述心脑异常的检测方法包括：获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；在所述心脑磁图中查找成对匹配的极值点；根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
于本发明的一实施例中，在所述获取待检测人体心脑的心脑磁图步骤之前，所述心脑异常的检测方法还包括：
在一空间坐标系中确定x-y平面为磁场测量平面，在所述磁场测量平面上确定6×6等距分布的36个点为磁场测量位置。
于本发明的一实施例中，获取源于心脑磁图仪所采集的待检测人体心脑的心脑磁图。
于本发明的一实施例中，所述在所述心脑磁图中查找成对匹配的极值点的步骤包括：
采用插入法和外延法获得所述心脑磁图中磁场等位线的封闭曲线，并确定所述磁场的极值点；
根据所述磁场测量平面到心脑的距离和心脑的空间尺寸进行限定，以限定出所述电流偶极源离开所述磁场测量平面的垂直距离；
根据所述成对匹配的极值点的连线距离与所述垂直距离的关系对所述连线距离进行限定，在限定的距离范围内查找到的极值点匹配成对。
于本发明的一实施例中，所述根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息的步骤包括：
依据时间顺序，在所述磁场数据中一帧心脑磁图中确定一电流偶极源的空间位置，在紧跟该帧心脑磁图的下一帧心脑磁图中确定另一电流偶极源，其中，另一电流偶极源的空间位置不同于一电流偶极源的空间位置；
确定在所述磁场数据中确定的电流偶极源的空间位置坐标，以重构所述电流偶极源的平面分量。
于本发明的一实施例中，所述确定在所述磁场数据中确定的电流偶极源的空间位置坐标的步骤包括：
确定所述成对匹配的极值点连线中点坐标在X轴方向上的分量数据，所述在X轴方向上的分量数据为所述电流偶极源的空间位置坐标的X轴方向的分量数据；
确定所述成对匹配的极值点连线中点坐标在Y轴方向上的分量数据，所述在Y轴方向的分量数据为所述电流偶极源的空间位置坐标的Y轴方向的分量数据；
根据所述成对匹配的极值点的连线距离与√2倍的所述电流偶极源离开所述测量平面的垂直距离的相等关系，确定所述电流偶极源的空间位置坐标在Z轴方向上的分量数据。
于本发明的一实施例中，所述重构所述电流偶极源的平面分量的步骤包括：
将表示所述磁场数据的磁场函数，转化为用于检测所述电流偶极源的平面分量的一线性方程组；
对所述线性方程组中的未知量进行检测，所述电流偶极源的平面分量为所述线性方程组中的未知量。
于本发明的一实施例中，所述磁场函数的表达式为：
其中，n表示检测到的所述电流偶极源的总数，k表示所述磁场测量平面上的所述磁场测量位置的总数，表示第k个磁场测量位置检测的第n个电流偶极源的位置矢量；
为：第k个磁场测量位置的空间位置坐标-第n个电流偶极源的空间位置坐标；
所述的模长由的表达式确定；
所述磁场函数的值为所述心脑磁图仪检测的所述磁场数据的值，其为已知量。
于本发明的一实施例中，所述电流偶极源的平面分量数据包括X轴方向的电流偶极源的平面分量数据和Y轴方向的电流偶极源的平面分量数据；
所述的平面分量数据包括X轴方向的的平面分量数据和Y轴方向的的平面分量数据。
于本发明的一实施例中，在所述心脑磁图上确定电流偶极源的空间位置信息步骤之后，所述心脑异常的检测方法还包括：
根据所述电流偶极源的空间位置信息与一心脑正常状态下出现的电流偶极源的空间位置信息比较，以判定出待检测人体心脑是否正常。
本发明另一方面提供一种心脑异常的检测系统，所述心脑异常的检测系统包括：
磁场数据获取模块，用于获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
极值匹配模块，用于在所述心脑磁图中查找成对匹配的极值点；
位置信息检测模块，用于根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
本发明又一方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述心脑异常的检测方法。
本发明最后一方面提供一种设备，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述设备执行所述心脑异常的检测方法。
如上所述，本发明所述心脑异常的检测方法、系统、介质及设备，具有以下有益效果：通过从心脑磁图的特别特征出发，化非线性方程为线性方程组对电流偶极源进行重构，提供了一种在心或脑处检测电流偶极源位置的精确、简便的方法。
附图说明
图1显示为本发明的一种心脑异常的检测方法于一实施例中的原理流程图。
图2显示为本发明的一种心脑异常的检测方法于一实施例中的磁场测量位置图。
图3显示为本发明的一种心脑异常的检测方法于一实施例中的多电流偶极源的封闭等位磁图。
图4显示为本发明的一种心脑异常的检测系统于一实施例中的系统原理图。
元件标号说明
21 第k个磁场测量位置
22 空间坐标系x轴
23 空间坐标系y轴
24 第一电流偶极源
31 极值点A
32 极值点B
33 极值点C
34 第二电流偶极源
35 极值点D
36 封闭等位曲线
4 心脑异常的检测系统
41 磁场数据获取模块
42 极值匹配模块
43 位置信息检测模块
S101～S103 心脑异常的检测方法步骤
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
本实施例提供一种心脑异常的检测方法，其特征在于，所述心脑异常的检测方法包括：
获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
在所述心脑磁图中查找成对匹配的极值点；
根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
以下将结合图示对本实施例所提供的一种心脑异常的检测方法进行详细说明。
请参阅图1，显示为本发明的一种心脑异常的检测方法于一实施例中的原理流程图。如图1所示，所述心脑异常的检测方法包括：
S101，获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
在本实施例中，在所述获取待检测人体心脑的心脑磁图步骤之前，所述心脑异常的检测方法还包括：
在一空间坐标系中确定x-y平面为磁场测量平面，在所述磁场测量平面上确定6×6等距分布的36个点为磁场测量位置。
具体地，请参阅图2，显示为本发明的一种心脑异常的检测方法于一实施例中的磁场测量位置图。如图2所示，空间坐标系x轴22与空间坐标系y轴23构成测量平面，在所述测量平面的第k个磁场测量位置21测量磁场强度，其中，k取值为1-36的整数，第一电流偶极源24位于所述测量平面下方，偶极的指向x的方向。
在本实施例中，获取源于心脑磁图仪所采集的待检测人体心脑的心脑磁图。
S102，在所述心脑磁图中查找成对匹配的极值点；
在本实施例中，所述在所述心脑磁图中查找成对匹配的极值点的步骤包括：
采用插入法和外延法获得所述心脑磁图中磁场等位线的封闭曲线，并确定所述磁场的极值点；
根据所述磁场测量平面到心脑的距离和心脑的空间尺寸进行限定，以限定出所述电流偶极源离开所述磁场测量平面的垂直距离；
根据所述成对匹配的极值点的连线距离与所述垂直距离的关系对所述连线距离进行限定，在限定的距离范围内查找到的极值点匹配成对。
具体地，当有多个电流偶极源J时，每一个电流偶极源对应的磁场图的一对极值点。请参阅图3，显示为本发明的一种心脑异常的检测方法于一实施例中的多电流偶极源的封闭等位磁图。如图3所示，由于测量是对于时间连续测量的，而且每一出现的电流偶极源都有一个短暂时间段，心脑生物电活动又有极好的重复性，因此可以先确定第一电流偶极源24的空间位置，在紧接着下一帧图象出现的第二电流偶极源34的位置通过排除所述第一电流偶极源24的空间位置得出。
在心脑电的活动的电流偶极源重构中，心脑电的活动有其独特的特征，这些特征是，空间位置发生的地点肯定在心脑的物理空间范围内，在每一时，至多不超过三个电流偶极源，每个电流偶极源只发生在一短暂的时间段内，几个到几十个毫秒内。
当有多个电流偶极源时，从测量得到的磁场图确定极值点的规则如下，以2个电流偶极源为例：
由测量值构建等位线图，等位线用数值计算方法获得，都是封闭的环路，极值对应为最小的封闭环，从磁图中的封闭等位曲线36确定极值点A31、极值点B32、极值点C33和极值点D35；
将所述极值点A31、极值点B32、极值点C33和极值点D35按下述规则成对，当等位线图中出现二个极值时，对应一个电流偶极源；当出现四个极值，对应二个电流偶极源，以此类推；
规则一，由平面到心脑的距离以及心脑本身的空间尺寸，可以确定电流偶极源离开平面的垂直距离z是在一定的范围内，从而成对的极值距离也是确定在一定的范围内，超出范围视为不成对，成对极值点之间的距离与所述电流偶极源离开平面的垂直距离z的数值关系为：d＝√2z，由此，先确定第一电流偶极源24相对应的极值点A31与极值点B32成对，所述极值点A31为负，所述极值点B32为正。
规则二，从时间顺序上，前一帧后一帧磁图的对比，可以确定新出现的第二电流偶极源34相对应的一对极值点：极值点C33和极值点D35，所述极值点C33为正，所述极值点D35为负。
S103，根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息；
在本实施例中，所述根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息的步骤包括：
依据时间顺序，在所述磁场数据中一帧心脑磁图中确定一电流偶极源的空间位置，在紧跟该帧心脑磁图的下一帧心脑磁图中确定另一电流偶极源，其中，另一电流偶极源的空间位置不同于一电流偶极源的空间位置；
确定在所述磁场数据中确定的电流偶极源的空间位置坐标，以重构所述电流偶极源的平面分量。
在本实施例中，所述确定在所述磁场数据中确定的电流偶极源的空间位置坐标的步骤包括：
确定所述成对匹配的极值点连线中点坐标在X轴方向上的分量数据，所述在X轴方向上的分量数据为所述电流偶极源的空间位置坐标的X轴方向的分量数据；
确定所述成对匹配的极值点连线中点坐标在Y轴方向上的分量数据，所述在Y轴方向的分量数据为所述电流偶极源的空间位置坐标的Y轴方向的分量数据；
根据所述成对匹配的极值点的连线距离与√2倍的所述电流偶极源离开所述测量平面的垂直距离的相等关系，确定所述电流偶极源的空间位置坐标在Z轴方向上的分量数据。
在本实施例中，所述重构所述电流偶极源的平面分量的步骤包括：
将表示所述磁场数据的磁场函数，转化为用于检测所述电流偶极源的平面分量的一线性方程组，所述转化为用于检测所述电流偶极源的平面分量的一线性方程组的方法包括但不限于最小二乘法；
对所述线性方程组中的未知量进行检测，所述电流偶极源的平面分量为所述线性方程组中的未知量。
在本实施例中，所述磁场函数的表达式为：
若磁场函数的表达式转换为公式的话，所述磁场函数的公式为：
其中，n表示检测到的所述电流偶极源的总数，k表示所述磁场测量平面上的所述磁场测量位置的总数，表示第k个磁场测量位置检测的第n个电流偶极源的位置矢量；
为：第k个磁场测量位置的空间位置坐标-第n个电流偶极源的空间位置坐标；
所述的模长由的表达式确定；
所述磁场函数的值为所述心脑磁图仪检测的所述磁场数据的值，其为已知量。
在本实施例中，所述电流偶极源的平面分量数据包括X轴方向的电流偶极源的平面分量数据和Y轴方向的电流偶极源的平面分量数据；
所述的平面分量数据包括X轴方向的的平面分量数据和Y轴方向的的平面分量数据。
在本实施例中，在所述心脑磁图上确定电流偶极源的空间位置信息步骤之后，所述心脑异常的检测方法还包括：
根据所述电流偶极源的空间位置信息与一心脑正常状态下出现的电流偶极源的空间位置信息比较，以判定出待检测人体心脑是否正常。
由于心脑电的活动的电流偶极源重构有其独特的特征，该特征为空间位置发生的地点肯定在心脑的物理空间范围内，在每一时，至多不超过三个电流偶极源。本发明从心脑磁图的特别特征，化非线性方程为线性方程，直接计算重构。
具体地，在任一时刻的电流偶极子会产生空间磁场，磁场测量仪器测量出不同的空间位置的磁场，从测量到的磁场值来获得产生的磁场，对于心磁和脑磁来说即找到该时刻的电活动的位置、方向和大小，由此可得到心脑电活动的直观图。
在某一时刻，由心脑电活动产生的磁场可表示为心脑磁图仪在测量平面上测得的多个位置的磁场数据，所述多个位置的磁场数据为公式(1)中的Bz(x)值，而求J值需要逆向解这个非线性方程组。
其中为沿向量方向的磁感应强度，为第k个磁场测量位置构成的向量，μ0为真空磁导率，∑n为n个电流偶极源在所述第k个磁场测量位置的磁感应强度求和，为第n个电流偶极源所在空间位置的电流偶极源矢量函数，为所述电流偶极源空间位置点的向量；
所述是磁场测量位置，所述是电流偶极源J的对应位置。
由测量得到的平面上的磁场图获得电流偶极源J的空间位置坐标，则公式(1)就变成多点磁场数据Bz(x)和多个电流偶极源J之间的线性关系，然后解一个逆矩阵计算电流偶极源J的值。
平面上测量的磁场是z方向的分量，简写位置的测量得到的磁场为Bk，这里重构电流偶极源在平面上的投影的x-y分量为Jnx和Jny，釆用最小二乘法方法，将公式(1)的非线性方程通过最小二乘法，并且偏导为0时，转化为线性方程组，直接求解。
具体地，所述坐标为(xk，yk，zk)，其中，由x-y平面为磁场测量平面得zk＝0，坐标为(xn，yn，zn)，则坐标为(xkn，ykn，zkn)，三个分量的坐标运算如公式(2)、公式(3)和公式(4)：
xkn＝xk-xn 公式(2)
ykn＝yk-yn 公式(3)
zkn＝zk-zn＝-zn 公式(4)
Jnx与Jny为所述电流偶极源在x-y平面上的分量，将上述已知量代入公式(1)，且公式(1)的分子上与叉乘得：
公式(5)应用最小二乘法方法表示为：
其中，公式(6)中F()是最小二乘法中的常用函数。取m为n的其中一个数值，公式(6)对Jmx、Jmy求偏导，得公式(7)、公式(8)：
公式(7)、公式(8)为0，得线性方程组公式(9)与公式(10)：
解线性方程组(9)，(10)计算未知量Jnx与Jny。
在x-y平面的分量Jnx与Jny为最终所求结果，可表示为J(Jnx，Jny)，z轴分量不予考虑。
根据所述电流偶极源的空间位置信息与一心脑正常状态下出现的电流偶极源的空间位置信息比较，以判定出待检测人体心脑是否正常；所述心脑正常状态下出现的电流偶极源的空间位置信息为对大量样品进行检测后形成的正常的图像标准，所述电流偶极源偏离一定程度视为心脑异常。
在上述实施例中，本发明又一方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述心脑异常的检测方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例所提供的一种心脑异常的检测方法，通过从心脑磁图的特别特征出发，化非线性方程为线性方程组对电流偶极源进行重构，提供了一种在心或脑处检测电流偶极源位置的精确、简便的方法。
实施例二
本实施例提供一种心脑异常的检测系统，所述心脑异常的检测系统包括：
磁场数据获取模块，用于获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
极值匹配模块，用于在所述心脑磁图中查找成对匹配的极值点；
位置信息检测模块，用于根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
以下将结合图示对本实施例所提供的一种心脑异常的检测系统进行详细说明。本实施例所述的一种心脑异常的检测系统，应用于如图1、图2和图3所示的一种磁场数据重构电流偶极源方法。
请参阅图4，显示为本发明的一种心脑异常的检测系统于一实施例中的系统原理图。如图4所示，所述心脑异常的检测系统4包括：
磁场数据获取模块41，用于获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
极值匹配模块42，用于在所述心脑磁图中查找成对匹配的极值点；
位置信息检测模块43，用于根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
需要说明的是，应理解以上推荐系统的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，x模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)，或，一个或多个微处理器(digitalsingnalprocessor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammableGateArray，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessingUnit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
本实施例所提供的一种心脑异常的检测系统，通过从心脑磁图的特别特征出发，化非线性方程为线性方程组对电流偶极源进行重构，提供了一种在心或脑处检测电流偶极源位置的精确、简便的方法。
实施例三
本实施例提供一种设备，包括：处理器、存储器、收发器、通信接口和系统总线；存储器和通信接口通过系统总线与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于和其他设备进行通信，处理器和收发器用于运行计算机程序，使设备执行如上心脑异常的检测方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(PeripheralPomponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述，本发明所述的一种心脑异常的检测方法、系统、介质及设备，通过从心脑磁图的特别特征出发，化非线性方程为线性方程组对电流偶极源进行重构，提供了一种在心或脑处检测电流偶极源位置的精确、简便的方法。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 (13)
1.一种心脑异常的检测方法，其特征在于，所述心脑异常的检测方法包括：
获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
在所述心脑磁图中查找成对匹配的极值点；
根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
2.根据权利要求1所述的心脑异常的检测方法，其特征在于，在所述获取待检测人体心脑的心脑磁图步骤之前，所述心脑异常的检测方法还包括：
在一空间坐标系中确定x-y平面为磁场测量平面，在所述磁场测量平面上确定6×6等距分布的36个点为磁场测量位置。
3.根据权利要求1所述的心脑异常的检测方法，其特征在于，
获取源于心脑磁图仪所采集的待检测人体心脑的心脑磁图。
4.根据权利要求1所述的心脑异常的检测方法，其特征在于，所述在所述心脑磁图中查找成对匹配的极值点的步骤包括：
采用插入法和外延法获得所述心脑磁图中磁场等位线的封闭曲线，并确定所述磁场的极值点；
根据所述磁场测量平面到心脑的距离和心脑的空间尺寸进行限定，以限定出所述电流偶极源离开所述磁场测量平面的垂直距离；
根据所述成对匹配的极值点的连线距离与所述垂直距离的关系对所述连线距离进行限定，在限定的距离范围内查找到的极值点匹配成对。
5.根据权利要求1所述的心脑异常的检测方法，其特征在于，所述根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息的步骤包括：
依据时间顺序，在所述磁场数据中一帧心脑磁图中确定一电流偶极源的空间位置，在紧跟该帧心脑磁图的下一帧心脑磁图中确定另一电流偶极源，其中，另一电流偶极源的空间位置不同于一电流偶极源的空间位置；
确定在所述磁场数据中确定的电流偶极源的空间位置坐标，以重构所述电流偶极源的平面分量。
6.根据权利要求5所述的心脑异常的检测方法，其特征在于，所述确定在所述磁场数据中确定的电流偶极源的空间位置坐标的步骤包括：
确定所述成对匹配的极值点连线中点坐标在X轴方向上的分量数据，所述在X轴方向上的分量数据为所述电流偶极源的空间位置坐标的X轴方向的分量数据；
确定所述成对匹配的极值点连线中点坐标在Y轴方向上的分量数据，所述在Y轴方向的分量数据为所述电流偶极源的空间位置坐标的Y轴方向的分量数据；
根据所述成对匹配的极值点的连线距离与√2倍的所述电流偶极源离开所述测量平面的垂直距离的相等关系，确定所述电流偶极源的空间位置坐标在Z轴方向上的分量数据。
7.根据权利要求5所述的心脑异常的检测方法，其特征在于，所述重构所述电流偶极源的平面分量的步骤包括：
将表示所述磁场数据的磁场函数，转化为用于检测所述电流偶极源的平面分量的一线性方程组；
对所述线性方程组中的未知量进行检测，所述电流偶极源的平面分量为所述线性方程组中的未知量。
8.根据权利要求7所述的心脑异常的检测方法，其特征在于，所述磁场函数的表达式为：
其中，n表示检测到的所述电流偶极源的总数，k表示所述磁场测量平面上的所述磁场测量位置的总数，表示第k个磁场测量位置检测的第n个电流偶极源的位置矢量；
为：第k个磁场测量位置的空间位置坐标-第n个电流偶极源的空间位置坐标；
所述的模长由的表达式确定；
所述磁场函数的值为所述心脑磁图仪检测的所述磁场数据的值，其为已知量。
9.根据权利要求8所述的心脑异常的检测方法，其特征在于，
所述电流偶极源的平面分量数据包括X轴方向的电流偶极源的平面分量数据和Y轴方向的电流偶极源的平面分量数据；
所述的平面分量数据包括X轴方向的的平面分量数据和Y轴方向的的平面分量数据。
10.根据权利要求1所述的心脑异常的检测方法，其特征在于，在所述心脑磁图上确定电流偶极源的空间位置信息步骤之后，所述心脑异常的检测方法还包括：
根据所述电流偶极源的空间位置信息与一心脑正常状态下出现的电流偶极源的空间位置信息比较，以判定出待检测人体心脑是否正常。
11.一种心脑异常的检测系统，其特征在于，所述心脑异常的检测系统包括：
磁场数据获取模块，用于获取待检测人体心脑的心脑磁图，所述心脑磁图为记录了该待检测人体心脑于不同时刻的磁场数据；
极值匹配模块，用于在所述心脑磁图中查找成对匹配的极值点；
位置信息检测模块，用于根据查找到的成对匹配的极值点，在所述心脑磁图上确定电流偶极源的空间位置信息。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至10任一项所述心脑异常的检测方法。
13.一种设备，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述设备执行如权利要求1至10中任一项所述心脑异常的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910040249.8A CN109864733A (zh) | 2019-01-16 | 2019-01-16 | 心脑异常的检测方法、系统、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910040249.8A CN109864733A (zh) | 2019-01-16 | 2019-01-16 | 心脑异常的检测方法、系统、介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109864733A true CN109864733A (zh) | 2019-06-11 |
Family
ID=66917743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910040249.8A Pending CN109864733A (zh) | 2019-01-16 | 2019-01-16 | 心脑异常的检测方法、系统、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109864733A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1359656A (zh) * | 2000-12-18 | 2002-07-24 | 株式会社脑机能研究所 | 评估脑皮层中神经元损伤程度的方法与装置 |
| CN1471374A (zh) * | 2000-08-29 | 2004-01-28 | 心磁图检查中的局部缺血识别、量化和局部定位 | |
| CN1643403A (zh) * | 2002-02-06 | 2005-07-20 | 加利福尼亚大学董事会 | 超低场下squid检测的nmr和mri |
| US20060251303A1 (en) * | 2003-09-11 | 2006-11-09 | Bin He | Localizing neural sources in a brain |
| CN101897576A (zh) * | 2010-07-18 | 2010-12-01 | 北京大学 | 基于心脏单电流偶极子模型确定心磁测量范围的方法 |
| CN102077108A (zh) * | 2008-04-28 | 2011-05-25 | 康奈尔大学 | 分子mri中的磁敏度精确量化 |
| CN102488513A (zh) * | 2011-12-05 | 2012-06-13 | 中国人民解放军第四军医大学 | 基于偶极（电荷）源时空模型的脑电源定位装置 |
| CN103142223A (zh) * | 2011-12-07 | 2013-06-12 | 同济大学 | 一种基于极值差的心脏磁信号处理方法 |
| CN103142211A (zh) * | 2011-12-07 | 2013-06-12 | 同济大学 | 一种基于极值圆的心脏磁信号处理方法 |
| CN103654775A (zh) * | 2013-12-10 | 2014-03-26 | 同济大学 | 可视化crbbb/clbbb心脏电活动的等效源重构方法 |
| CN103900564A (zh) * | 2014-03-03 | 2014-07-02 | 哈尔滨工程大学 | 一种潜深辅助地磁异常反演测速/水下连续定位方法 |
| CN105212895A (zh) * | 2015-08-24 | 2016-01-06 | 中国科学院苏州生物医学工程技术研究所 | 动态脑磁源定位方法 |
| CN105769168A (zh) * | 2016-03-30 | 2016-07-20 | 中国科学院上海微系统与信息技术研究所 | 一种心磁图电流源的辅助定位方法、系统、及设备 |
| US20180184930A1 (en) * | 2017-01-02 | 2018-07-05 | Xuan Zhong Ni | Reconstructing current dipole sources from magnetic field data on one plane |
| CN108348761A (zh) * | 2015-10-28 | 2018-07-31 | 兹夫·波姆森 | 具有基于mri基导电率测量结果的在头部上的电极位置优化的ttfield治疗 |
-
2019
- 2019-01-16 CN CN201910040249.8A patent/CN109864733A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1471374A (zh) * | 2000-08-29 | 2004-01-28 | 心磁图检查中的局部缺血识别、量化和局部定位 | |
| CN1359656A (zh) * | 2000-12-18 | 2002-07-24 | 株式会社脑机能研究所 | 评估脑皮层中神经元损伤程度的方法与装置 |
| CN1643403A (zh) * | 2002-02-06 | 2005-07-20 | 加利福尼亚大学董事会 | 超低场下squid检测的nmr和mri |
| US20060251303A1 (en) * | 2003-09-11 | 2006-11-09 | Bin He | Localizing neural sources in a brain |
| CN102077108A (zh) * | 2008-04-28 | 2011-05-25 | 康奈尔大学 | 分子mri中的磁敏度精确量化 |
| CN101897576A (zh) * | 2010-07-18 | 2010-12-01 | 北京大学 | 基于心脏单电流偶极子模型确定心磁测量范围的方法 |
| CN102488513A (zh) * | 2011-12-05 | 2012-06-13 | 中国人民解放军第四军医大学 | 基于偶极（电荷）源时空模型的脑电源定位装置 |
| CN103142223A (zh) * | 2011-12-07 | 2013-06-12 | 同济大学 | 一种基于极值差的心脏磁信号处理方法 |
| CN103142211A (zh) * | 2011-12-07 | 2013-06-12 | 同济大学 | 一种基于极值圆的心脏磁信号处理方法 |
| CN103654775A (zh) * | 2013-12-10 | 2014-03-26 | 同济大学 | 可视化crbbb/clbbb心脏电活动的等效源重构方法 |
| CN103900564A (zh) * | 2014-03-03 | 2014-07-02 | 哈尔滨工程大学 | 一种潜深辅助地磁异常反演测速/水下连续定位方法 |
| CN105212895A (zh) * | 2015-08-24 | 2016-01-06 | 中国科学院苏州生物医学工程技术研究所 | 动态脑磁源定位方法 |
| CN108348761A (zh) * | 2015-10-28 | 2018-07-31 | 兹夫·波姆森 | 具有基于mri基导电率测量结果的在头部上的电极位置优化的ttfield治疗 |
| CN105769168A (zh) * | 2016-03-30 | 2016-07-20 | 中国科学院上海微系统与信息技术研究所 | 一种心磁图电流源的辅助定位方法、系统、及设备 |
| US20180184930A1 (en) * | 2017-01-02 | 2018-07-05 | Xuan Zhong Ni | Reconstructing current dipole sources from magnetic field data on one plane |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Quicksilver: Fast predictive image registration–a deep learning approach | |
| Proix et al. | How do parcellation size and short-range connectivity affect dynamics in large-scale brain network models? | |
| Du et al. | Group information guided ICA for fMRI data analysis | |
| Shi et al. | A new constrained spatiotemporal ICA method based on multi-objective optimization for fMRI data analysis | |
| CN102999937A (zh) | 心脏散乱点云数据曲面重建的方法 | |
| CN109726441B (zh) | 体和面混合gpu并行的计算电磁学dgtd方法 | |
| CN105877747B (zh) | 基于快速体积分方程和磁共振的人体电磁特性反演方法 | |
| Shirai | Limit theorems for random analytic functions and their zeros: dedicated to the late professor Yasunori Okabe (functions in number theory and their probabilistic aspects) | |
| Klepaczko et al. | Computer simulation of magnetic resonance angiography imaging: model description and validation | |
| CN103699578A (zh) | 一种基于谱图分析的图像检索方法 | |
| van der Heide et al. | High‐resolution in vivo MR‐STAT using a matrix‐free and parallelized reconstruction algorithm | |
| Chen et al. | Four-terminal imaging using a two-terminal electrical impedance tomography system | |
| CN116887752A (zh) | 脑磁图方法和系统 | |
| Ankele et al. | Versatile, robust, and efficient tractography with constrained higher-order tensor fODFs | |
| CN106901717A (zh) | 三维心磁源定位方法、系统及服务器 | |
| Young et al. | Clustering of heterogeneous populations of networks | |
| Meister et al. | Graph convolutional regression of cardiac depolarization from sparse endocardial maps | |
| Petrov et al. | Electric field encephalography as a tool for functional brain research: a modeling study | |
| CN113362407A (zh) | 一种基于复值卷积的gan增强磁感应成像方法及系统 | |
| Hashemzadeh et al. | Helmholtz decomposition of the neuronal current for the ellipsoidal head model | |
| Honkamaa et al. | Deformation equivariant cross-modality image synthesis with paired non-aligned training data | |
| CN109864733A (zh) | 心脑异常的检测方法、系统、介质及设备 | |
| Wu et al. | Globally optimized fiber tracking and hierarchical clustering—a unified framework | |
| Garcia et al. | Machine-learning-enhanced stabilized cr-MREPT for noise-robust and artifact-reduced electrical properties reconstruction | |
| US20230027988A1 (en) | Signal amplitude feature-based method for fast reconstructing a magnetic particle imaging and device |
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: 20190611 |
|
| RJ01 | Rejection of invention patent application after publication |