CN110267578A - 膀胱映射 - Google Patents

膀胱映射 Download PDF

Info

Publication number
CN110267578A
CN110267578A CN201880010401.1A CN201880010401A CN110267578A CN 110267578 A CN110267578 A CN 110267578A CN 201880010401 A CN201880010401 A CN 201880010401A CN 110267578 A CN110267578 A CN 110267578A
Authority
CN
China
Prior art keywords
processor
contraction
marker
bladder wall
frame
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
Application number
CN201880010401.1A
Other languages
English (en)
Other versions
CN110267578B (zh
Inventor
布莱恩·瓦齐科
蒂莫西·哈拉
阿夫沙洛姆·谢哈夫
约西·哈桑
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.)
Boston Science Group Co ltd
Endors Technology Pte Ltd
Original Assignee
Boston Scientific Scimed Inc
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 Boston Scientific Scimed Inc filed Critical Boston Scientific Scimed Inc
Publication of CN110267578A publication Critical patent/CN110267578A/zh
Application granted granted Critical
Publication of CN110267578B publication Critical patent/CN110267578B/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
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/307—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the urinary organs, e.g. urethroscopes, cystoscopes
    • 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
    • A61B5/1107—Measuring contraction of parts of the body, e.g. organ, muscle
    • 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
    • A61B5/205—Determining bladder or urethral pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
    • A61B2018/00315—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for treatment of particular body parts
    • A61B2018/00505—Urinary tract
    • A61B2018/00517—Urinary bladder or urethra
    • 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
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A61B5/392—Detecting gastrointestinal contractions

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Optics & Photonics (AREA)
  • Urology & Nephrology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Endoscopes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本文描述了膀胱映射的各方面。根据一个方面，一种示例性方法包括：利用成像元件生成描绘膀胱壁的视频馈送；利用处理器在视频馈送中的膀胱壁上建立标记物；利用处理器跟踪标记物之间的相对移动；和/或基于相对移动，利用处理器识别膀胱壁收缩的位置。还描述了相关的装置和系统。

Description

膀胱映射
技术领域
本公开的各方面总体涉及医疗装置和程序。特定方面涉及膀胱映射。
背景技术
多种紊乱可能挑战健康的膀胱功能，诸如源于年龄、损伤或疾病的紊乱。一些紊乱导致神经系统和膀胱肌肉之间的不适当的通信。例如，一些紊乱破坏膀胱的神经和肌肉之间的通信，导致了膀胱壁上的位置处的自发性收缩或移动。识别每次收缩的位置可能有助于治疗。因为收缩产生可测量的电活动，所以可以通过将电极放置成与膀胱壁物理接触并且利用电极测量电活动来识别一些收缩的位置。
利用基于电极的方法获得准确地识别收缩的位置可能是昂贵且耗时的。例如，收缩可发生在膀胱壁上的任何位置处，这意味着电极的位置可能不总是与收缩的位置一致，因而需要额外的操作时间来进行配置。作为另一个示例，将电极放置成与膀胱壁物理接触可能引起人工肌肉收缩，因而需要用户确定电测量是指示自发性肌肉收缩，还是仅仅指示与膀胱壁物理接触的伪象。该确定还可能需要额外的操作时间。
本文描述的膀胱映射的各方面可以解决现有技术的这些问题和/或其他缺陷。
发明内容
一个方面是一种方法。该方法可以包括：利用成像元件生成描绘膀胱壁的视频馈送；利用处理器在视频馈送中的膀胱壁上建立标记物；利用处理器跟踪标记物之间的相对移动；并且基于相对移动，利用处理器识别膀胱壁收缩的位置。
根据该方面，示例性方法还可以包括将成像元件邻近于在膀胱壁诸如邻近于膀胱壁的外表面或内表面而定位。建立标记物可以包括：利用处理器在视频馈送的第一帧中定位膀胱壁的自然特征；利用处理器将第一标记物分配给第一帧中的自然特征；利用处理器在视频馈送的第二帧中定位膀胱壁上的自然特征；并且利用处理器将第二标记物分配给第二帧中的自然特征。在一些方面，建立标记物可以包括利用处理器生成第一帧的第一二进制图像和第二帧的第二二进制图像；第一二进制图像和第二二进制图像中的每个可以包括限定了自然特征的综合几何的数据点；并且定位和分配步骤还可以包括：利用处理器，通过生成参考图案和来自综合几何的数据点之间的相关性，来在第一二进制图像和第二二进制图像中定位自然特征的位置；并且利用处理器，基于相关性，来将第一标记物和第二标记物分配给数据点。参考图案可以例如包括与血管分叉相对应的X或Y形状。
跟踪相对移动可以包括：利用处理器在第一帧和第二帧中建立包括第一标记物和第二标记物的膀胱壁的跟踪区域；并且利用处理器分析在跟踪区域中第一标记物和第二标记物之间的相对移动，以确定一个或多个移动矢量；并且识别收缩的位置可以包括分析一个或多个移动矢量。
识别收缩的位置可以包括：利用处理器定位跟踪区域中的一个或多个移动矢量的移动中心；并且利用处理器确定每个移动矢量的大小和每个移动矢量的距移动中心的距离。在一些方面，识别位置可以包括：利用处理器将每个移动矢量的大小和距离与已知的移动特性进行比较，以确定相对移动是否是由成像元件的移动或收缩引起的。该方法还可以包括：利用处理器生成每个移动矢量的大小与每个移动矢量的距移动中心的距离的比率；当比率为抛物线时，利用处理器使收缩被认为合格；并且当比率为线性时，利用处理器使收缩被认为不合格。
该方法还可以包括：利用处理器从相对移动确定收缩的特性，包括收缩强度、收缩频率、收缩曲线(profile)、收缩持续时间和收缩密度中的至少一个；并且基于收缩的特性，利用处理器诊断膀胱壁的状况。该方法还可以包括利用传感器监视膀胱壁的特性，包括施加到膀胱壁的流体压力和由膀胱壁保持的流体体积中的至少一个；利用处理器生成收缩的特性和膀胱壁的特性之间的相关性；并且基于收缩的特性、膀胱壁的特性以及它们之间的相关性中的至少一个，利用处理器诊断膀胱壁的状况。
该方法还可以包括利用处理器选择施加至收缩的位置的治疗；和/或施加治疗。治疗可以包括波能，诸如光或声。
另一方面是一种方法。该方法可以包括：利用处理器在视频馈送的帧中定位视频馈送中描绘的膀胱壁的自然特征；利用处理器将标记物分配给视频馈送的每个帧中的自然特征；利用处理器在视频馈送中建立包括第一标记物和第二标记物的膀胱壁的跟踪区域；利用处理器分析跟踪区域中标记物的相对移动，以确定一个或多个移动矢量；利用处理器定位一个或多个移动矢量的移动中心；并且利用处理器，基于每个移动矢量的大小与每个移动矢量的距移动中心的距离之间的比率，使膀胱壁的移动作为收缩被认为合格。例如，自然特征可包括血管分叉。
根据该方面的方法还可以包括：利用处理器生成视频馈送中的每个帧的二进制图像，每个二进制图像包括限定了膀胱壁的综合几何的数据点；通过生成参考图案和来自综合几何的数据点之间的相关性，利用处理器在每个二进制图像中定位自然特征；并且基于相关性，利用处理器将第一标记物和第二标记物分配给数据点。该方法还可以包括：基于一个或多个移动矢量，利用处理器识别每个合格的收缩的位置；利用处理器将视频馈送输出到显示装置；并且利用处理器将每个被认为合格收缩的位置和/或每个被认为合格收缩的特性覆盖到视频馈送上，该被认为合格收缩的特性包括例如收缩强度、收缩频率、收缩曲线、收缩持续时间和收缩密度中的至少一个。该方法还可以包括：利用一个或多个传感器监视膀胱壁的特性，包括施加到膀胱壁的流体压力和由膀胱壁保持的流体体积中的至少一个；利用处理器生成每个被认为合格收缩的特性与膀胱壁的特性之间的相关性；并且基于收缩的特性、膀胱的特性以及它们之间的相关性中的至少一个，利用处理器来诊断膀胱壁的状况。
又一方面是一种方法。该附加方法可以包括：利用处理器从视频馈送中选择描绘膀胱壁的第一帧和描绘膀胱壁的第二帧；利用处理器生成第一帧的第一二进制图像和第二帧的第二二进制图像；利用处理器在第一二进制图像和第二二进制图像中定位膀胱壁的一个或多个血管分叉；利用处理器分配相对于第一帧中的一个或多个血管分叉的第一标记物，以及相对于第二帧中的一个或多个血管分叉的第二标记物；利用处理器计算第一标记物和第二标记物之间的相对移动；并且基于相对移动，利用处理器识别膀胱壁的一个或多个收缩的位置。
根据该方面的方法可以包括在处理器处从邻近于膀胱壁定位的成像元件接收视频馈送。该方法还可以包括：利用处理器从相对移动确定收缩的特性；利用传感器监视膀胱壁的特性，包括施加到膀胱壁的流体压力和由膀胱壁保持的流体体积中的至少一个；并且利用处理器生成收缩的特性和膀胱壁的特性之间的相关性。例如，该方法可以包括：利用处理器基于收缩的特性、膀胱壁的特性以及它们之间的相关性中的至少一个来诊断膀胱壁的状况。
应理解，前述发明内容和以下详细描述都仅是示例性和说明性的，并不限制下面要求保护的发明。
附图说明
附图并入本说明书中并构成本说明书的一部分。这些附图示出了本公开的各方面，其与本文的书面描述一起用于解释本公开。每个附图描绘了根据本公开的一个或多个示例性方面，如下所示：
图1描绘了示例性成像元件的各方面；
图2描绘了示例性方法的各方面；
图3A描绘了视频馈送的示例性帧的各方面；
图3B描绘了图3A的帧的二进制图像的各方面；
图4A描绘了利用二进制图像建立的标记物的各方面；
图4B描绘了覆盖有标记物的图3A的帧的各方面；
图5描绘了图4B的帧和标记物的另外的方面；
图6A描绘了示例性跟踪区域的各方面；
图6B描绘了示例性移动中心的各方面；
图7A描绘了示例性移动矢量的各方面；
图7B描绘了图7A的矢量的极坐标(polar)表示；
图8A描绘了缩放运动的各方面；
图8B描绘了收缩的各方面；
图9A描绘了缩放特性的各方面；
图9B描绘了移动特性的各方面；并且
图10描绘了标志物生存的各方面。
具体实施方式
现在参考用于膀胱映射的示例性装置、方法和系统来描述本公开的各方面。参考医疗程序描述了一些方面，其中成像元件邻近位于器官的壁诸如膀胱壁。对特定类型的程序诸如医疗程序；成像元件诸如相机；器官诸如膀胱；和/或器官壁诸如膀胱或肌肉壁的引用是为了方便而提供的，并不旨在限制本公开。因此，这里描述的概念可以用于任何类似的映射方法-医疗或其他。
本文描述了许多轴线。每个轴线可以是横向或者甚至垂直于下一个轴线以建立具有原点O的笛卡尔坐标系。一个轴线可以沿着对象的纵轴线延伸。方向术语“近端(proximal)”和“远端(distal)”以及它们相应的首字母“P”和“D”可以与诸如“平行(parallel)”和“横向(transverse)”的术语一起使用，以描述与本文描述的任何轴线有关的相对方面。近端指的是更靠近外部或身体或用户的位置，而远端指的是更靠近身体内部或更远离用户的位置。将首字母“P”或“D”附加到元件编号表示近端或远端位置或方向。
本文使用的术语“细长(elongated)”是指相对于其宽度基本上更长的任何对象，诸如沿其纵轴线长度比其宽度长至少两倍的对象。例如，一些细长对象沿轴线线在近端或远端方向上轴线向延伸。除非要求保护，否则这些术语是为了方便而提供的，并不旨在将本公开限制于特定的位置、方向或取向。
如本文所使用的，诸如“包括”、“包含”或类似变体的术语旨在涵盖非排他性包含，使得包括元件列表的任何方面不仅包括那些元件或步骤，而是可以包括未明确列出或固有的其他元件或步骤。除非另有说明，否则术语“示例性”在“示例”而不是“理想”的意义上使用。相反，术语“由…组成”和“由…构成”旨在涵盖排他性包含，使得由元件列表组成的方面仅包括那些元件。如本文所使用的，诸如“约”、“基本上”、“大约”或类似变体的术语可指示在所述值的+/-5％内的值范围。
现在描述许多方面。一些方面可以包括利用成像元件生成肌肉壁的视频馈送(例如，从广角视图)；利用处理器在视频馈送的所选帧中的肌肉壁上建立标记物；利用处理器跟踪标记物之间的相对移动(例如，以实时的、帧到帧的方式，同时由用户施加平滑的扫描移动)；并且利用处理器基于相对移动识别肌肉壁收缩的位置。另外的方面可以包括基于相对移动确定收缩的特性、利用传感器确定肌肉壁的特性、和/或基于收缩的特性和/或肌肉壁的特性之间的相关性来确定肌肉壁的状况。在一些方面，肌肉壁是膀胱壁。
现在参考图1中描绘的示例性镜10和图2中描绘的示例性方法100来描述本公开的各方面。如图1中示出的，镜10可包括：轴12，具有成像元件14，其被配置为捕获视频馈送20；以及处理器16，其被配置为实时分析视频馈送20。成像元件14可以是位于轴12的远端12D上的数字相机电路。图1的镜10可以是例如膀胱镜、输尿管镜或类似装置，具有纵向延伸通过轴12的内腔17。轴12可以是刚性的或柔性的。示例性镜10可以包括由波士顿科学公司(Boston Scientific Corporation)以名称销售的那些中的任何一种。如图3A中示出的，例如，可以参考包括由成像元件14可识别的自然特征(诸如示例性血管4)的膀胱或肌肉壁2来描述镜10。壁2的任何可识别部分可以被认为是自然特征。例如，血管4的任何部分可以被认为是自然特征，包括血管4的一个或多个分叉。
图2中示出了示例性方法100。如示出的，方法100可以包括：利用成像元件14生成膀胱壁2的视频馈送20(生成步骤120)；利用处理器16在视频馈送20中的膀胱壁2上建立多个标记物26(建立步骤140)；利用处理器16跟踪标记物26之间的相对移动(跟踪步骤160)；并且基于相对移动，利用处理器16识别膀胱壁2收缩的位置(识别步骤180)。现在依次描述每个步骤。
来自视频馈送20的示例性帧21在图3A中描绘。为了生成帧21，生成步骤120可包括将镜10邻近膀胱壁2定位，并用处理器16激活成像元件14。成像元件14可被邻近定位到或安装在膀胱壁2的任一侧上。例如，如图1中示出的，成像元件14可以安装在轴12的远端12D上，并且：通过身体皮下引导到邻近膀胱壁2的外表面的位置；或者通过尿道、膀胱和输尿管引导到邻近壁2的内表面的位置。成像元件14可以通过有线或无线连接可操作地耦接到处理器16。元件14可以安装在远端12D中或远端12D上，如图1中示出的。成像元件14也可以是独立装置。例如，元件14可以是被定位成观察膀胱壁2的可植入医疗装置；并且生成步骤120可以包括将元件14附贴到膀胱壁2的内表面或外表面，和/或鉴于壁2的其他表面。
生成步骤120可包括任何数量的配置步骤。例如，步骤120可以包括从视频馈送20(例如，图3A)选择一个或多个帧21，诸如第一帧21和第二帧21。步骤120还可以包括为成像元件14限定实际透镜生产的图像区域15。在镜10的初始配置期间，可以确定图像区域15一次(例如，通过处理器16和/或手动输入)。如图3A中示出的，图像区域15可以被限定为在其左下角具有原点O的矩形区域。图像区域15可呈现任何形状。在图3A中，区域15包括由镜10的内腔限定的截断的圆形区域。任何形状可以包括在区域15内，诸如非圆形和六边形。
生成步骤120可以被配置为增强视频馈送20中描绘的自然特征的可识别性。例如，步骤120可以包括将低通滤波施加至每个帧21；和/或为每个帧21选择颜色，以实现血管4和膀胱壁2之间的高对比度。可以选择示例性颜色以产生每个帧21的灰度图像。生成步骤120还可以包括对每个帧21施加中值滤波，以消除单个像素噪声。在步骤120内，可以使用任何附加或可替选的图形处理技术来增强所描绘的自然特征的可识别性。
建立步骤140可以包括利用处理器16在视频馈送20中的膀胱壁2上建立多个标记物26。每个标记物26可以被分配给血管4的不同部分。步骤140可以在视频馈送20的连续的帧21中重复。例如，如图4B中示出的，步骤140可以包括利用处理器16在视频馈送20的第一帧21中定位膀胱壁2的自然特征(例如，血管4的分叉)；利用处理器16将第一标记物27分配给第一帧21中的自然特征；利用处理器16在视频馈送20的第二帧21中定位膀胱壁2上的相同自然特征(例如，血管4的相同分叉)；并且利用处理器16将第二标记物28分配给第二帧21中的自然特征。
在建立步骤140内，可以从每个视频帧21的二进制图像22确定每个标记物26的位置。图3B中描绘了示例性二进制图像22。可以参考以原点O(在图3B中的左下角示出，但可以位于任何地方)为中心的X-Y坐标平面来3在二进制图像22中限定每个标记物26的位置。建立步骤140可以包括：找到对每个帧21中的膀胱壁2的自然特征的检测的阈值(例如，从图像直方图)；为每个帧21创建二进制图像22；并将二进制图像中高于阈值的所有像素设置为“1”，并且将低于阈值的那些设置为“0”。如图3B中示出的，得到的二进制图像22可包括限定血管4的综合几何(synthetic geometry)的数据点。
可以在建立步骤140内利用该综合几何的各方面。例如，可以通过从综合几何搜索与自然特征相关的数据点来限定每个二进制图像22内的标记物26的位置(例如，表示为(Xi,Yi))。建立步骤140还可以包括：利用处理器16生成参考图案和来自综合几何的数据点之间的相关性。上面描述的定位步骤可以包括：通过生成参考图案和从综合几何选出的数据点之间的相关性，利用处理器16在第一和第二二进制图像22中定位自然特征(例如，血管4的分叉)；并且上面描述的分配步骤可以包括：基于相关性，利用处理器16将第一标记物27和第二标记物28分配给选出的数据点。示例性参考图案可包括与自然特征相对应的任何形状，包括与血管4的一个或多个分叉对应的任何“X”和/或“Y”形状。
为了帮助处理器16，建立步骤140可以包括将每个二进制图像22划分成段(例如，四个段)，以便在图像区域15内均匀地展开标记物26。为此目的，处理器16可以包括一个或多个子处理器和/或存储器组件或者与其通信。例如，建立步骤240可以包括利用处理器16以用相同数量的标记物26填充每个二进制图像22的段，从而允许并行处理。在一些方面，四个段中的每个可包括n/4个标记物26，并且每个标记物26可被指定给自然特征的不同部分。
建立步骤140可以包括被配置为确定和/或进一步细化标记物26的位置的迭代步骤。如图4A中示出的，例如，建立步骤140还可以包括覆盖多个二进制图像22以增强综合几何和/或基于局部峰值32限定附加标记物26。例如，可以通过当关联“X”形状时将成像元件14旋转固定次数(例如，四次旋转)、并且当关联“Y”形状时将成像元件14定向固定的次数(例如，一次定向)，来创建多个二进制图像22。这些步骤可以以经修改的放大率(例如通过针对总共10个相关性将原始分辨率降低2)来重复。可以通过以下方式来限定附加标记物26：覆盖多个二进制图像22，从而导致局部峰值32(例如，表示为Pk(Xi，Yi，值))，每个峰值32包括X-Y位置和位于附近的标记物26的集中数量(或值)。在图4A中描绘了这些迭代步骤的图形描绘，其中处理器16根据每个X-Y位置处的最大或最小数量的标记物26对局部峰值32进行画阴影。
为了简化数据，并进一步帮助处理器16，建立步骤140还可以包括：对局部峰值32进行排序，并选择前n/4个值以进行进一步分析。如果任何峰值32和/或标记物26之间的距离太近，则步骤140可包括消除峰值32和/或标记物26中的一个或多个。如图10中指示出的，例如，一些百分比的标记物26由于与其他标记物26的接近，可能无法在步骤140中存活。图10中描绘了示例性生存图。如示出的，例如，每帧的活动标记物26的平均数量可以是55，并且每个标记物26的平均寿命可能少于10帧。每个峰值32的平均寿命可以类似地受到限制。
跟踪步骤160可以包括利用处理器16跟踪标记物26之间的相对移动。可以参考图6B描述跟踪步骤160的各方面，该图6B描绘了第一标记物27和第二标记物28以及在其间延伸的移动矢量M。标记物27和28之间的相对移动可以量化为移动矢量M的大小D。在一些方面，大小D可以显示为邻近于标记物27和28，如图5中示出的。
跟踪步骤160可以包括使连续帧21和/或二进制图像22相关以确定它们之间的X-Y图像移动距离(例如，由(Xm,Ym)表示)。为了减少处理时间，跟踪步骤160可以包括选择帧21和/或图像22的公共部分(例如，图像区域15的中心部分)，并计算相对于公共部分的X-Y移动距离。与上面类似，可以在跟踪步骤160中减小分辨率(例如，在公共部分内减少1/3)以进一步帮助处理器16。
跟踪步骤160还可以包括利用处理器16建立包括标记物26的跟踪区域7。一旦建立了跟踪区域7，则跟踪步骤160还可以包括：利用处理器16分析在跟踪区域7中的标记物26之间的相对移动，以确定一个或多个移动矢量M。跟踪区域7可以相对于一个或多个峰值32定位。例如，跟踪区域7的尺寸可以由用户在初始配置步骤期间限定(例如，在生成步骤120期间或之前)，并且所述尺寸可以在跟踪步骤160中跨峰值32为中心。
跟踪步骤160可以被配置为通过考虑帧21之间的X-Y图像移动来确保跟踪区域7对于视频馈送20的每个帧21是公共的。例如，步骤160可以包括在第一帧21中建立第一跟踪区域7(例如，由#i Pk(Xi,Yi)(t-1)表示)。如上面提到的，所述第一跟踪区域7的尺寸(例如，由(Xi,Yi)(t-1)表示)可以在初始配置步骤期间由用户限定和/或相对于峰值32定位。跟踪步骤160还可以包括在第二帧21中建立第二跟踪区域7(例如，也由(Xi,Yi)(t-1)表示)。为了确保共性，第二跟踪区域7可以具有与第一跟踪区域7相同的尺寸、相对于相同的峰值32定位、和/或根据X-Y图像移动而移位(例如，由(Xi,Yi)(t)＝(Xi,Yi)(t-1)+(Xm,Ym)表示)。
跟踪步骤160还可以包括被配置为确定并进一步细化标记物26的位置的迭代步骤。例如，第一和第二跟踪区域7可以相关以找到一个或多个第二峰值(例如，由Pk(Xi,Yi,value)(t)表示)、和/或建立附加标记物26。可以基于第二峰值的位置和/或值来执行其他迭代步骤。例如，如果第二峰值的位置离相关跟踪区域7太远，或者该值太低，则该峰值可以设置为零。与上面类似，步骤160还可以包括计算每个附加标记物26之间的距离和/或一个或多个第二峰值，并且消除彼此非常接近的任何附加标记物26和/或第二峰值。
识别步骤180可以包括基于标记物26之间的相对移动，利用处理器16识别膀胱壁2收缩的位置。在具有或不具有图形显示的情况下，识别步骤180可以利用处理器16执行(例如，如图4B中示出的)。例如，步骤180可以包括：利用处理器16确定跟踪区域7中的一个或多个移动矢量M的移动中心6(例如，表示为C(x,y))；每个移动矢量M的大小D；以及对于每个移动矢量M，距移动中心6的距离Ri。如现在描述的，可以在步骤180内使用移动中心6、大小D和距中心的距离Ri来识别膀胱壁2上的收缩的位置和/或确定收缩和壁2的各种特性。
如图6A中示出的，例如，识别步骤180可以包括：在二进制图像22中通过每个移动矢量M投影纵轴线；识别纵轴线之间的交点31(例如，表示为X、Y)；并且相对于交点31限定移动中心6。这些轴线的接近度可用于定位移动中心6。例如，步骤180可包括生成移动阵列(例如，由d(Xi,Yi)＝(Pk(Xi,Yi)(t))–(Pk(Xi,Yi)(t-1))表示)；在补偿总图像移动之后计算相对移动阵列(例如，由d(Xi,Yi)(rel)＝Pk(Xi,Yi)(t)–(Xm,Ym)*(-Pk(Xi,Yi)(t-1)表示)；将相对移动阵列变换为极坐标表示(例如，在图7B中表示为d(tta,D))；并且从所有交点31的平均X和Y位置确定移动中心6(Xc,Yc)的坐标。
移动中心6可以由识别步骤180内的处理器16限定。如图6B中示出的，例如，每个交点31可以利用指示符标记(例如，在图6B中示出为圆)，并且移动中心6可以被限定为围绕交点31的圆形区域。移动中心6可以用于分析标记物26之间的相对移动。例如，识别步骤180还可以包括：利用处理器16将标记物26和移动中心6之间的相对移动与已知的移动特性进行比较；并且利用处理器16确定相对移动是否是由膀胱壁2的收缩或成像元件14的移动引起的。
在步骤180中，可以将大小M和距中心的距离Ri与已知的移动特性进行比较，以确定相对移动是否是由壁2的收缩和/或元件14的移动引起的。图7A中描绘了示例，其中距离Ri沿着矢量M的纵轴线在第一标记物27、第二标记物28和移动中心6之间延伸。大小D可用于确定相对移动是否包括收缩。例如，识别步骤180可以包括：如果距离Ri大于大约3个像素并且出现在至少2个连续的二进制图像22中，则利用处理器16使膀胱壁2的移动作为收缩被认为合格(qualify)。
大小D和距离Ri之间的关系(例如，比率)也可以用于使识别步骤180内的相对移动被认为合格。例如，步骤180可以包括：利用处理器16生成每个移动矢量M的大小D与距每个矢量M的距移动中心6的距离Ri的比率；当比率为抛物线时，利用处理器16使收缩被认为合格；和/或当比率为线性时，利用处理器16使收缩被认为不合格(disqualify)。D和Ri之间的示例性关系在图9A中描绘，其描绘了线性关系；并且图9B描绘了非线性或抛物线关系。根据本公开，线性关系可以与成像元件14的缩放移动相关联，而非线性关系可以与膀胱壁2的收缩相关联。
在图8A中描绘了示例性缩放运动，其中移动中心6由交点31(例如，图6A和图6B)限定，或者作为点31的平均值，如上面描述的。大小D与图8A中的距离Ri具有线性关系，意味着在图像区域15内的所有点处，矢量M的长度将随着距离Ri线性增长，这指示出缩放移动。在图8B中描绘了示例性收缩，其中大小D与距离Ri具有抛物线关系。在图8B中，例如，移动矢量M的长度随着距移动中心6的距离Ri线性增长，直到图像区域15的收缩区域9的末端为止，并且然后下降超过收缩区域9，这指示出收缩。
方法100可以包括用于确定膀胱壁2的收缩的特性的附加步骤。例如，方法100还可以包括利用处理器16从相对移动确定收缩的特性，包括收缩强度、收缩频率、收缩曲线、收缩持续时间和收缩密度中的至少一个。在一些方面，方法100还可以包括：基于收缩的特性，利用处理器16诊断膀胱2壁的状况。例如，诸如膀胱过度活动症或无张力膀胱等状况可以基于这些特性中的一个或多个利用处理器16诊断。如果膀胱壁2是不与膀胱相关联的肌肉壁，则可以类似地诊断该肌肉壁的状况。
方法100还可以包括用于确定膀胱壁2的特性的附加步骤。例如，方法100可以包括：利用传感器监视膀胱壁2的特性，包括施加到壁2的流体压力和由壁2保留的流体的体积中的至少一个；并且利用处理器16生成收缩的特性和膀胱壁2的特性之间的相关性。方法100还可以包括基于收缩的特性、膀胱壁2的特性、以及它们之间的相关性中的至少一个，利用处理器16诊断壁2的状况。传感器可以安装在轴12上，与成像元件14一体，或者是独立元件。在一些方面，例如，收缩强度可以与流体压力相关，以将膀胱过度活动症与其他状况进行进一步区分。可以进行类似的相关以诊断其他肌肉壁的状况。
一旦膀胱壁2的收缩被定位和/或使膀胱壁2的收缩被认为合格，方法100还可以包括：利用处理器16选择用于治疗的膀胱壁2的位置；利用处理器16确定治疗的特性；和/或将治疗施加至选出的位置。例如，膀胱壁2的位置可以基于收缩的特性诸如收缩强度、或膀胱壁的特性诸如流体压力来选择。治疗可以包括波能(例如，激光、声音等)，并且治疗的特性可以包括强度、功率水平、持续时间和脉冲等。如果波能是激光能量，则方法100可以包括：将激光能量递送到每个收缩的位置，例如，通过使光纤穿过内腔17，并通过光纤递送激光能量。
方法100的任何步骤还可以包括：利用处理器16将视频馈送20输出到显示装置(例如，二维或三维监视器)；和/或利用处理器16将指示符覆盖到帧21上。可以在每个收缩的位置处提供示例性指示符。如图5中示出的，还可以为每个标记物26提供指示符，每个矢量M从中延伸，并且每个大小D与其相关联。可以为本文描述的任何收缩和/或膀胱壁特性提供其他指示符。在一些方面，方法100还包括利用处理器16实时覆盖这些指示符以连续监视膀胱壁2。
虽然本文中参考特定应用的说明性方面描述了本发明的原理，但本发明不限于此。本领域普通技术人员和对本文提供的教导的访问将认识到等同物的其他修改、应用、方面和替换都落入本文描述的方面的范围内。因此，本公开不应被视为受前述描述的限制。

Claims (15)

1.一种方法，包括：
利用成像元件生成膀胱壁的视频馈送；
利用处理器在所述视频馈送中的膀胱壁上建立标记物；
利用处理器跟踪所述标记物之间的相对移动；并且
利用处理器基于所述相对移动来识别所述膀胱壁收缩的位置。
2.根据权利要求1所述的方法，还包括将所述成像元件邻近于所述膀胱壁定位。
3.根据权利要求2所述的方法，还包括将所述成像元件邻近于所述膀胱壁的内表面定位。
4.根据前述任一项权利要求所述的方法，其中建立所述标记物包括：
利用所述处理器在所述视频馈送的第一帧中定位所述膀胱壁的自然特征；
利用所述处理器将第一标记物分配给所述第一帧中的自然特征；
利用所述处理器在所述视频馈送的第二帧中定位所述膀胱壁上的自然特征；并且
利用所述处理器将第二标记物分配给所述第二帧中的自然特征。
5.根据权利要求4所述的方法，其中：
建立所述标记物还包括利用所述处理器生成所述第一帧的第一二进制图像和所述第二帧的第二二进制图像；
所述第一二进制图像和所述第二二进制图像中的每个包括限定了所述自然特征的综合几何的数据点；并且
定位和分配步骤还包括：
利用所述处理器通过生成参考图案和来自所述综合几何的数据点之间的相关性，来在所述第一二进制图像和所述第二二进制图像中定位所述自然特征的位置；并且
利用所述处理器基于所述相关性来将所述第一标记物和所述第二标记物分配给所述数据点。
6.根据权利要求5所述的方法，其中，所述参考图案包括与血管分叉相对应的X或Y形状。
7.根据权利要求4、5和6中任一项所述的方法，其中：
跟踪所述相对移动包括：
利用所述处理器在所述第一帧和所述第二帧中建立包括所述第一标记物和所述第二标记物的膀胱壁的跟踪区域；并且
利用所述处理器分析在所述跟踪区域中所述第一标记物和所述第二标记物之间的相对移动，以确定一个或多个移动矢量；并且
识别所述收缩的位置包括分析所述一个或多个移动矢量。
8.根据权利要求7所述的方法，其中识别所述收缩的位置包括：
利用所述处理器确定所述跟踪区域中的一个或多个移动矢量的移动中心；并且
利用所述处理器确定每个移动矢量的大小和每个移动矢量的距所述移动中心的距离。
9.根据权利要求8所述的方法，还包括：
利用所述处理器将每个移动矢量的大小和距离与已知的移动特性进行比较，以确定所述相对移动是否是由所述成像元件的移动或所述收缩引起的。
10.根据权利要求8和9中任一项所述的方法，还包括：
利用所述处理器生成每个移动矢量的大小与每个移动矢量的距所述移动中心的距离的比率；
当所述比率为抛物线时，利用所述处理器使所述收缩被认为合格；并且
当所述比率为线性时，利用所述处理器使所述收缩被认为不合格。
11.根据前述任一项权利要求所述的方法，还包括：
利用所述处理器从所述相对移动确定所述收缩的特性，包括收缩强度、收缩频率、收缩曲线、收缩持续时间和收缩密度中的至少一个。
12.根据权利要求11所述的方法，还包括：
利用传感器监视所述膀胱壁的特性，包括被施加到所述膀胱壁的流体压力和由所述膀胱壁保持的流体体积中的至少一个；并且
利用所述处理器生成所述收缩的特性和膀胱的特性之间的相关性。
13.根据权利要求12所述的方法，还包括：利用所述处理器基于所述收缩的特性、所述膀胱的特性以及它们之间的相关性中的至少一个，来诊断所述膀胱壁的状况。
14.根据前述权利要求中任一项所述的方法，还包括利用所述处理器选择施加至所述收缩的位置的治疗。
15.根据权利要求14所述的方法，其中，选出的治疗包括波能。
CN201880010401.1A 2017-02-06 2018-01-30 膀胱映射 Active CN110267578B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762455320P 2017-02-06 2017-02-06
US62/455,320 2017-02-06
PCT/US2018/015876 WO2018144427A1 (en) 2017-02-06 2018-01-30 Bladder mapping

Publications (2)

Publication Number Publication Date
CN110267578A true CN110267578A (zh) 2019-09-20
CN110267578B CN110267578B (zh) 2022-10-21

Family

ID=61258596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880010401.1A Active CN110267578B (zh) 2017-02-06 2018-01-30 膀胱映射

Country Status (9)

Country Link
US (2) US11020021B2 (zh)
EP (1) EP3576597A1 (zh)
JP (1) JP2020505999A (zh)
CN (1) CN110267578B (zh)
AU (1) AU2018214948A1 (zh)
CA (1) CA3052586A1 (zh)
IL (1) IL268434A (zh)
SG (1) SG11201907149TA (zh)
WO (1) WO2018144427A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113951905A (zh) * 2021-10-20 2022-01-21 天津大学 一种用于日常动态监测的多通道胃电采集系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1160340A (zh) * 1994-09-19 1997-09-24 企业实验室公司 用于检测平滑肌壁功能的方法及装置
CN1347410A (zh) * 1999-04-22 2002-05-01 德古萨股份公司 制备氰尿酰氯的方法
WO2007105213A2 (en) * 2006-03-13 2007-09-20 Given Imaging Ltd. Device, system and method for automatic detection of contractile activity in an image frame
CN105050473A (zh) * 2013-03-27 2015-11-11 奥林巴斯株式会社 图像处理装置、内窥镜装置、程序以及图像处理方法
US20160331450A1 (en) * 2012-04-22 2016-11-17 NewUro. B.V. Devices and methods for transurethral bladder partitioning

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060127880A1 (en) 2004-12-15 2006-06-15 Walter Harris Computerized image capture of structures of interest within a tissue sample
US8600135B2 (en) 2007-06-28 2013-12-03 Mayo Foundation For Medical Education And Research System and method for automatically generating sample points from a series of medical images and identifying a significant region
US9492113B2 (en) 2011-07-15 2016-11-15 Boston Scientific Scimed, Inc. Systems and methods for monitoring organ activity
US10206616B2 (en) * 2012-06-14 2019-02-19 Autonomix Medical, Inc. Devices, systems, and methods for diagnosis and treatment of overactive bladder
US10660699B2 (en) 2014-10-31 2020-05-26 Medtronic, Inc. Ablation therapy to disrupt coordinated bladder contractions
US10198872B2 (en) * 2015-08-10 2019-02-05 The Board Of Trustees Of The Leland Stanford Junior University 3D reconstruction and registration of endoscopic data
US10456580B2 (en) 2015-09-04 2019-10-29 Medtronic, Inc. Managing therapy delivery based on physiological markers

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1160340A (zh) * 1994-09-19 1997-09-24 企业实验室公司 用于检测平滑肌壁功能的方法及装置
CN1347410A (zh) * 1999-04-22 2002-05-01 德古萨股份公司 制备氰尿酰氯的方法
WO2007105213A2 (en) * 2006-03-13 2007-09-20 Given Imaging Ltd. Device, system and method for automatic detection of contractile activity in an image frame
US20160331450A1 (en) * 2012-04-22 2016-11-17 NewUro. B.V. Devices and methods for transurethral bladder partitioning
CN105050473A (zh) * 2013-03-27 2015-11-11 奥林巴斯株式会社 图像处理装置、内窥镜装置、程序以及图像处理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113951905A (zh) * 2021-10-20 2022-01-21 天津大学 一种用于日常动态监测的多通道胃电采集系统
CN113951905B (zh) * 2021-10-20 2023-10-31 天津大学 一种用于日常动态监测的多通道胃电采集系统

Also Published As

Publication number Publication date
SG11201907149TA (en) 2019-09-27
CN110267578B (zh) 2022-10-21
CA3052586A1 (en) 2018-08-09
EP3576597A1 (en) 2019-12-11
US20180220938A1 (en) 2018-08-09
JP2020505999A (ja) 2020-02-27
AU2018214948A1 (en) 2019-09-05
IL268434A (en) 2019-09-26
US20210244319A1 (en) 2021-08-12
US11020021B2 (en) 2021-06-01
WO2018144427A1 (en) 2018-08-09

Similar Documents

Publication Publication Date Title
US11937771B2 (en) Articulated structured light based-laparoscope
EP1997074B1 (en) Device, system and method for automatic detection of contractile activity in an image frame
US11553828B2 (en) Diagnosis support apparatus, diagnosis support method and computer-readable non-transitory storage medium for storing program
US20180096491A1 (en) System and method for size estimation of in-vivo objects
CN111340800B (zh) 图像检测方法、计算机设备和存储介质
CN111035351B (zh) 用于胃肠道中的胶囊相机的行进距离测量的方法及装置
JPWO2012153568A1 (ja) 医用画像処理装置
Péntek et al. Image-based 3D surface approximation of the bladder using structure-from-motion for enhanced cystoscopy based on phantom data
JP6578058B2 (ja) 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム
Qin et al. Indoor localization of hand-held OCT probe using visual odometry and real-time segmentation using deep learning
CN110267578A (zh) 膀胱映射
CN116958147B (zh) 基于深度图像特征的目标区域确定方法、装置和设备
Kumar et al. Surface reconstruction from endoscopic image sequence
WO2011107393A1 (de) Verfahren und einrichtung zum erfassen von information über die dreidimensionale struktur der innenoberfläche eines körperhohlraums
Ben-Hamadou et al. Construction of extended 3D field of views of the internal bladder wall surface: A proof of concept
JP3919722B2 (ja) 肌形状計測方法及び肌形状計測装置
US11978199B2 (en) Optical imaging system and related apparatus, method and computer program
CN109953743A (zh) 中医面像采集分析装置及方法
CN113705807A (zh) 神经网络的训练装置及方法，消融布针规划装置及方法
CN112967235A (zh) 图像检测方法、装置、计算机设备和存储介质
Hussain et al. 3D landmark detection for augmented reality based otologic procedures
Zheng et al. Adaptive Optimal Electrical Resistance Tomography for Large-Area Tactile Sensing
Gessert et al. Towards deep learning-based eeg electrode detection using automatically generated labels
Shinkle et al. Voxelwise Modeling Reveals Selectivity for Body Part Identity and Location in BOLD fMRI Responses to Complex Naturalistic Stimuli
Horovistiz et al. Computer vision-based solutions to overcome the limitations of wireless capsule endoscopy

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
TA01 Transfer of patent application right

Effective date of registration: 20220113

Address after: Singapore ayaraja Bay

Applicant after: Endors Technology Pte. Ltd.

Address before: Holland

Applicant before: Boston Science Group Co.,Ltd.

Effective date of registration: 20220113

Address after: Holland

Applicant after: Boston Science Group Co.,Ltd.

Address before: Minn

Applicant before: BOSTON SCIENTIFIC SCIMED, Inc.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant