CN110337312A - 基于刺激场建模的最佳脑深部刺激电极的选择与放置 - Google Patents

基于刺激场建模的最佳脑深部刺激电极的选择与放置 Download PDF

Info

Publication number
CN110337312A
CN110337312A CN201780087510.9A CN201780087510A CN110337312A CN 110337312 A CN110337312 A CN 110337312A CN 201780087510 A CN201780087510 A CN 201780087510A CN 110337312 A CN110337312 A CN 110337312A
Authority
CN
China
Prior art keywords
data
electrical stimulation
target
stimulation device
computer
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
CN201780087510.9A
Other languages
English (en)
Other versions
CN110337312B (zh
Inventor
瓦尔库蒂·巴林
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.)
Brainlab AG
Original Assignee
Brainlab AG
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 Brainlab AG filed Critical Brainlab AG
Publication of CN110337312A publication Critical patent/CN110337312A/zh
Application granted granted Critical
Publication of CN110337312B publication Critical patent/CN110337312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A61B5/061—Determining position of a probe within the body employing means separate from the probe, e.g. sensing internal probe position employing impedance electrodes on the surface of the body
    • A61B5/062—Determining position of a probe within the body employing means separate from the probe, e.g. sensing internal probe position employing impedance electrodes on the surface of the body using magnetic field
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/4893—Nerves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
    • A61N1/0526—Head electrodes
    • A61N1/0529—Electrodes for brain stimulation
    • A61N1/0534—Electrodes for deep brain stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
    • A61N1/36082—Cognitive or psychiatric applications, e.g. dementia or Alzheimer's disease
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A61N1/36146—Control systems specified by the stimulation parameters
    • A61N1/36182—Direction of the electrical field, e.g. with sleeve around stimulating electrode

Abstract

公开了一种用于规划电刺激装置的位置的计算机实施的医学数据处理方法，以用于对放置在患者身体的解剖身体部位中的至少两个目标区域(TV1、…、TVN)进行神经刺激，该电刺激装置(7)包括至少两个电触点，该方法包括在至少一个计算机(3)的至少一个处理器上执行以下步骤：a)在至少一个处理器处获取(S1.1)描述了解剖身体部位的数字图像的医学图像数据，其中解剖身体部位包含至少两个目标区域(TV1、…、TVN)；b)通过至少一个处理器并且基于医学图像数据来确定(S1.2)目标位置数据，该目标位置数据描述了在解剖身体部位中的每个目标区域(TV1、…、TVN)的位置；c)在至少一个处理器处获取(S1.3)电刺激装置几何数据，该电刺激装置几何数据描述了在电刺激装置(7)的至少两个触点之间的距离；d)通过至少一个处理器并且基于目标位置数据来确定(S1.4)目标距离数据，该目标距离数据描述了在至少两个目标区域中的每一对之间的距离；e)通过至少一个处理器并且基于目标位置数据和目标距离数据以及电刺激装置几何数据来确定(S1.5)电刺激装置位置数据，该电刺激装置位置数据描述了刺激位置，该刺激位置是在至少两个目标区域(TV1、…、TVN)与所述电刺激装置(7)之间的相对位置并且允许通过电刺激装置(7)来刺激至少两个目标区域(TV1、…、TVN)。

Description

基于刺激场建模的最佳脑深部刺激电极的选择与放置
技术领域
本发明涉及一种用于规划电刺激装置的位置以便对设置在患者身体的解剖身体部位中的至少两个目标区域进行神经刺激的计算机实施的方法，该电刺激装置包括至少两个电触点、被配置成执行相应程序的计算机、以及用于规划包括了这种计算机的电刺激装置的位置的医疗系统。
技术背景
当大脑各区域要由脑深部刺激(DBS)进行刺激时，这些要被刺激的区域在外科植入术之前是已知的，然而装置的刺激能力很少用于模拟目标区域的最佳覆盖范围，并且很少基于这个信息来推断最佳的手术轨迹放置法或选择正确的装置——由于触点数量，导致各种脑深部刺激电极在它们能够刺激的组织体积、它们的跨度和它们的方向性能力方面差别很大。这在装置进行了单次植入之后要对两个或多个区域进行刺激的情况中是特别相关的。通过本发明，装置的选择与外科手术在所选择方法上的灵活性之间的折衷被量化，以辅助用户在手术之前为患者做出最佳选择。
先前的解决方案仅关注于回避区域并且仅使用球形刺激场，球形刺激场允许虚拟的360度的可能方法向量/轨迹。在另一方面，随着定向刺激系统的出现，非球形刺激场可以带来能构成有效的临床实际方法向量的有限数量的解决方案。对当前技术(特别是针对抗困倦和促困倦纤维刺激的展望)的增补是要以解剖学上有用的方式给这些评定等级并同时考虑到多目标方法。
本发明被设计成提供一种用于改进解剖身体部位的电刺激模拟和合适的刺激装置选择的方法和系统。
以下公开了本发明的各方面、示例和示例性步骤及它们的实施方案。只要技术上方便和可行，本发明的不同示例性特征可以根据本发明进行组合。
本发明的示例简短描述
在下文中，给出了对本发明的具体特征的简短描述，不应将其理解为将本发明仅限于本部分中描述的特征或特征的组合。
所公开的用于规划电极位置的方法涵括：将用于例如脑深部刺激的刺激电极的位置和刺激场特性拟合到多个目标区域和回避区域的位置。为此，关于电极的几何形状和至少设想的目标区域的位置的信息被组合，来确定电极相对于所有目标区域的位置，该电极位置适于至少以预定程度来刺激所有目标区域。另外，可以附加地确定电极的位置，以使得通过电极的至少一个轨迹或由电极发射的刺激电场的效果，至少在预定程度上避免回避区域。所公开的方法是模拟方法，并且不涵括将电极实际插入患者身体的任何部位或者将刺激电场施加到患者身体的任何部位。
发明内容
在这个部分中，例如通过参考本发明的可能的实施例给出了对本发明的一般特征的描述。
通常，本发明通过在第一方面中提供一种用于规划电刺激装置(例如多触点电极)的位置以便对设置在患者身体的解剖身体部位中的至少两个目标区域进行神经刺激的计算机实施的医学方法来实现上述目的。值得注意的是，这种电极的放置不是所公开方法的一部分。另外，在执行所公开的方法时，所公开的方法在执行的同时不需要放置电极。相反，该方法例如是数据处理方法，并且包括在至少一个计算机(例如，至少一个计算机是脑深部刺激校准或调整系统的一部分)的至少一个处理器上执行由至少一个处理器执行的以下示例性步骤。
在(例如，第一)示例性步骤中，获取的描述(例如，表示或限定)解剖身体部位的数字图像的医学图像数据。解剖身体部位包含例如至少两个目标区域。在某些示例中，解剖身体部位正好包含两个目标区域，然后通过执行根据第一方面的方法而进行的数据处理正好应用于两个目标区域。在一个示例中，每个目标区域包含至少一个神经纤维，即至少一个神经纤维穿过每个目标区域。然而，目标区域(具体地，全部目标区域)可以不包含任何神经纤维(例如，解剖身体部位包括作为将被刺激的目标区域的肌肉)。在另外的示例中，根据第一方面的方法认为，目标区域的数量正好是三个或多于三个、正好四个或多于四个、正好五个或多于五个、或者正好十个或多于十个。医学图像数据可以在开始执行所公开的方法之前生成，但是在所公开的方法的一个示例中，医学图像数据的生成作为所公开的方法的步骤来执行。
用于生成医学图像数据的成像模态例如是断层摄影成像模态，诸如X射线计算机断层摄影(computed x-ray tomography，CT)、磁共振断层摄影(magnetic resonance，MR)、正电子发射断层摄影(PET)或者超声断层摄影(超声)中的至少一个。在特定示例中，成像模态是弥散加权磁共振成像(magnetic resonance imaging，MRI)(例如通过磁共振弥散张量成像-MR-DTI生成)。在一般示例中，医学图像数据限定在三维空间维度中，并因此构成三维图像数据。在这个示例中，从医学图像数据导出的或应用于医学图像数据的所有数据集也可以限定在三维空间中。具体地，以下描述的搜索区域数据(例如，由搜索限定的网格/栅格)可以限定在三维空间中。
通常，解剖身体部位可以是包含了至少一个神经纤维的任何解剖身体部位，该神经纤维可以从解剖身体部位的外部被电磁刺激，并且例如靠近于解剖身体部位的表面延伸，但是当然仍然位于解剖身体部位内。在更具体的示例中，解剖身体部位是脑的至少一部分。
在另外的(例如，第二)示例性步骤中，确定出描述了(例如，表示了或限定了)在解剖身体部位中的每个目标区域的位置的目标位置数据。基于医学图像数据确定目标位置数据。例如，通过在参考系(该参考系限定了与医学图像数据相关联的位置信息)中限定出(具体地，通过医学图像数据限定出)每个目标区域的位置，来确定目标位置数据。
这种情况的具体示例，例如第二示例性步骤涵括：获取图谱数据，该图谱数据描述了(例如，表示了或限定了)解剖身体部位的基于图像的模型。在这个具体示例中，该方法包括以下步骤i)或ii)中的至少一个：
i)基于图谱数据和医学图像数据来确定目标位置数据；
ii)通过所述至少一个处理器并且基于图谱数据和医学图像数据来确定回避区域数据，该回避区域数据描述了在所述解剖身体部位中不应受刺激影响的至少一个回避区域的位置。
步骤i)可以通过建立一种参考系之间的变换来实施，在这些参考系中分别限定了图谱数据和医学图像数据中的位置信息。在本公开内，变换被理解为例如可以是由多列矩阵或向量表示的线性映射，其根据线性代数的已知原理建立，例如在两个参考系(例如，坐标系)之间。建立这种变换的一种方式是通过将融合算法(诸如弹性或刚性融合算法)应用于(至少)两个数据集，这两个数据集均包括各自所限定的位置参考系(坐标系)的信息。图谱数据与医学图像数据之间的变换可以例如通过比较两个数据集中的颜色值(诸如灰度值)来建立，并由此将描述了两个数据集中的相同解剖结构的图像内容彼此相关联。从而，可以确定在各个图像内容相对于其他图像内容的位置的潜在差异，并且可以确定两个数据集的图像内容之间的平移和/或旋转(例如，失真)。然后，(例如，以相反的方式)确定变换，以使得该变换限定出了这种平移和/或旋转。在建立医学图像数据与图谱数据之间的变换之后，该变换可以用于根据图谱数据的参考系中已知的目标区域的位置输出，通过将该变换(其可以限定为是从图谱数据的参考系到医学图像数据的参考系的方向，即，使该变换能将图谱数据的参考系中限定的位置变换成医学图像数据的参考系中的位置)应用于图谱数据的参考系中的目标区域的位置，来确定医学图像数据的参考系中(即，在医学图像数据中)的目标区域的位置。
步骤ii)可以通过建立一种参考系统之间的变换来实施，在这些参考系中分别限定了图谱数据和医学图像数据中的位置信息，如以上关于步骤i)所描述的那样。该变换可以用于根据图谱数据的参考系中已知的目标区域的位置输出，通过将该变换(其可以限定为是从图谱数据的参考系到医学图像数据的参考系的方向，即，使该变换能将图谱数据的参考系中限定的位置变换成医学图像数据的参考系中的位置)应用于图谱数据的参考系统中的回避区域的位置，来确定医学图像数据的参考系统中(即，在医学图像数据中)的回避区域的位置。回避区域例如是处于危险中的器官或者不应受到刺激影响(例如没有负面影响)的至少部分器官。这种部分器官的示例是脑的特定功能区域，诸如呼吸中枢或语音中枢。
图谱数据可以描述解剖身体部位的多模式图谱和各个模型的解剖学对应部位之间的变换规则，其中该多模式图谱中存储有分别利用了不同的成像模态生成的解剖身体部位的多个模型。这允许将医学图像数据变换成与用于生成该医学图像数据的成像模态所不同的成像模态，例如使得医学图像数据可与不同的成像模态进行比对。可以基于组织类别信息针对每个模型来存储变换规则，该组织类别信息描述了在相应成像模态中的解剖身体部位的组成的图像外观(例如，诸如多色值或灰度值的色值)。
另外，图谱数据可能已经从多个患者的解剖身体部位的医学图像中生成。可替换地，图谱数据可能已经仅从某特定患者(医学图像数据仅针对该特定患者而生成)的解剖身体部位的至少一个医学图像中生成，即模型可以是患者专用图谱的一部分。
图谱数据包括例如在三维坐标系(表示用于限定图谱数据中包含的位置信息的参考系)中限定的位置信息。例如，已经从解剖身体部位的断层摄影图像生成了图谱数据。在一个示例中，图谱数据包含描述了(例如，限定了或表示了)在外部部位与基于图像的模型中的神经纤维之间的相对位置的位置信息。例如，图谱数据包含描述了(例如，限定了或表示了)用于限定在位置参考系(例如，坐标系，其用于限定在基于图像的模型中的位置)中的目标区域位置的信息。根据这个信息，可以计算外部部位的位置与神经纤维的位置之间的相对位置。因此，关于外部部位和神经纤维中的每一个的位置的信息也限定出了相对位置。
如果该方法包括步骤i)，可替换地，可以通过将在基于图像的模型中由图谱数据描述的潜在目标位置的统计地图应用于医学图像数据、或者通过将描述了在基于图像的模型中的至少一个潜在目标区域的位置的图谱数据的分割应用于医学图像数据，来确定目标位置数据。如果该方法包括步骤ii)，可替换地，可以通过将在基于图像的模型中的由图谱数据描述的潜在回避区域的位置的统计地图应用于医学图像数据、或者通过将描述在基于图像的模型中的至少一个回避区域的位置的图谱数据的分割应用于医学图像数据，来确定回避区域数据。统计地图是包含了关于设想的目标区域在解剖身体部位中的统计空间分布的信息的预定数据集。
在另外的(例如第三)示例性步骤中，获取电刺激装置几何数据，该电刺激装置几何数据描述了(例如，表示了或限定了)电刺激装置的至少两个触点之间的距离。电刺激装置几何数据例如是预定的(即，固定的或已知的中的至少一种)，并且例如取决于要用于所设想的刺激的电刺激装置。电刺激装置几何数据可以通过用于特定电刺激装置的几何模板来体现，该几何模板可以例如由电刺激装置的制造商提供。例如，电刺激装置是电极，并且电刺激装置几何数据描述了(例如，表示了或限定了)在电极的触点之间的最大距离(例如，沿着细长电极的纵向轴线)。例如，该距离是最远端触点(最接近电极的尖端的触点，即患者侧端部)与最近端触点(最远离电极的尖端的触点)之间的距离(例如，沿着电极的纵向轴线、可替换地为在各个触点的指定部位之间的直接距离)。如果电刺激装置是细长电极，则其形状可以近似为圆柱形，并且其轴线可由此被定限定为是该圆柱形的迹线。
在另外的(例如第四)示例性步骤中，确定目标距离数据，该目标距离数据描述了(例如表示了或限定了)在每对至少两个目标区域之间的距离。基于目标位置数据确定目标距离数据。例如，建立至少两个目标区域中每两个的所有可能配对，排除重复配对。每个配对描述一对(确切的)两个目标区域。然后，计算在组成每对的两个目标区域之间的距离(例如，在它们的中心点之间，例如重心、几何重心)。根据包含在目标位置数据中的位置信息，即根据定义了每个目标区域的由目标位置数据所描述的位置的坐标，来计算距离。
在一个示例中，在目标区域之间的距离被计算为Hausdorff距离，其描述了两个结构彼此间的最大可能位置偏差，并且被限定为：
其中，A是比较结构(形成一对的两个目标区域中的一个)的所有表面点的集合，B是参考结构(形成一对的两个目标区域中的另一个)的所有表面点的集合，以及d(a；b)是在实数的度量空间中的A和B的两个表面点的距离，其中常见度量由绝对值d＝|a-b|推导。更一般而言，在这个示例中，距离被计算为从集合A中的一个点到集合B中的一个点的所有距离中的最大值。
在例如第四示例性步骤的一个具体示例中，例如通过仅考虑两个目标区域之间的距离，进一步基于电刺激装置几何数据来确定目标距离数据，该距离与至少两个触点之间的距离具有预定关系(例如不大于两个触点之间的距离)。例如，这样，只有彼此之间的距离不超过用作刺激装置的电极的两个最远触点之间的最大距离的目标区域可以被选择作为用于要规划的刺激的目标区域。这有助于确保在触点的位置之间生成的所规划的电场实际上覆盖所有要考虑的目标区域。
在另外的(例如第五)示例性步骤中，基于目标位置数据和目标距离数据以及电刺激装置几何数据来确定电刺激装置位置数据。电刺激装置位置数据描述了(例如，表示了或限定了)刺激位置，该刺激位置是在至少两个目标区域与电刺激装置之间的相对位置，该相对位置允许通过电刺激装置刺激至少两个目标区域。具体地，确定刺激位置，以使得至少两个目标区域能够位于由电刺激装置发射的(例如，能发射的)电场所覆盖的区域中。确定该区域，以使得由目标距离数据、电刺激装置数据以及描述了电刺激装置几何数据的信息(例如，电极之间的最大距离)所描述的距离作为边界条件而被满足。例如，边界条件被限定成使得从电刺激装置的位置到在目标区域的一个中的任何点的距离小于或等于电极之间的最大距离。针对要被全部考虑的所有目标区域来确定相对位置，即对在核查下的目标区域的集合而不是单独地对每个目标区域确定相对位置。换句话说，确定相对位置，不仅使得在核查下的目标区域的一个或真实子集可以由电场覆盖，而且使得在核查下的所有目标区域可以同时(至少以期望的程度)被覆盖。例如，电场的范围应当不小于触点之间的最大距离，且同时仍然覆盖至少两个目标区域。例如，刺激位置允许通过至少两个触点来刺激至少两个目标区域。理想地，每个目标区域将要由单独的电场刺激。可以通过用于确定至少两个目标区域之间的合适相对位置的迭代方法来确定电刺激装置位置数据，例如通过保持至少一个相关参数(诸如目标区域的位置、要由电刺激装置发射的电场的强度和时间行为、或电场的空间范围中的至少一个，其中电场的空间范围例如由电极之间的最大距离或者在作为电刺激装置的电极的不同触点上的电场强度的分布来确定)不变并改变相关参数中的至少另一个(诸如电刺激装置的位置)直到满足边界条件(例如，至少一个刺激至少以预定程度覆盖了所有目标区域，或者至少以预定程度回避掉至少一个回避区域)。
例如，根据第一方面的方法包括确定搜索区域数据的步骤，该搜索区域数据描述了(例如，表示了或限定了)围绕着至少两个目标区域中的每一个的位置的每一个搜索区域。基于目标位置数据来确定搜索区域数据。搜索区域构成在每个目标体积周围的最大距离，该最大距离是为了获得在电刺激装置与相应目标区域之间的适当相对位置而应当搜索的距离。搜索区域的范围可以例如通过在电极的触点之间的最大距离来限定，即，在一个示例中，基于电刺激装置几何数据来确定搜索区域数据。然后，可以进一步基于搜索区域数据来确定电刺激装置位置数据。例如，通过在一个搜索区域中搜索电刺激装置和与该搜索区域相关联的目标区域之间的适当相对位置，来确定用于确定电刺激装置位置数据的迭代方法。如果已经确定了这样的相对位置，考虑到例如电刺激装置的细长(例如，线性)配置(诸如沿着作为电刺激装置的电极的纵向延伸的电极的线性设置)，则电刺激装置的相关联位置是固定的，并且在至少两个目标区域中的另一个周围的搜索区域中搜索电刺激装置和该另一个目标区域之间的适当相对位置。例如，相对于第一目标区域的一个触点的位置保持固定，并且改变纵向延伸点的方向，直到利用期望电场实现对另一个目标区域的期望覆盖。可以对任意数量的目标区域重复该过程，直到实现对考虑当中的整个目标区域集合的最佳化覆盖。为此，可以附加地执行优化过程以确定与目标区域的至少一个中的期望覆盖范围的任何偏差或与考虑当中的回避区域的回避的任何偏差是否是可接受的，从而考虑针对其他目标区域的可实现的覆盖范围(例如，对每个目标区域或者对全部目标区域的覆盖范围的可接受性应用单独边界条件中的至少一个，或者对每个回避区域或者总共多个(即至少两个)回避区域的可接受性应用单独边界条件中的至少一个)。
例如，搜索区域由具有网格(格栅)点的网格(格栅)限定，并且电刺激装置的纵向延伸位于第一搜索区域中的网格点之一上。该位置保持固定，并且刺激的纵向位置被放置成使得电刺激装置的另一个点位于与第二、其他搜索区域相关联的网格的网格点之一上。可以对整个搜索区域集重复该过程，其中电刺激装置在第一搜索区域的网格点上的位置：可以保持固定作为边界条件，以用于确定电刺激装置在其他搜索区域中应当被放置的其他可应用网格点上；或者可以改变，以使得电刺激装置所放置在第一搜索区域中的网格点也可以在迭代过程期间改变，直到根据可应用的边界条件已经实现对所有目标区域的最优覆盖或对回避区域的回避中的至少一种。例如，上述过程包括通过确定多个轨迹来确定电刺激装置位置数据，该多个轨迹穿过与至少两个目标区域中的第一目标区域相关联的搜索区域的网格点，并且穿过与至少两个目标区域中的第二(另一)目标区域相关联的搜索区域的网格点。在一个示例中，轨迹是类似于细长电刺激装置(诸如线性电极)的几何形状的直线轨迹。然后，可以通过从多个轨迹中选择一个最佳轨迹来确定刺激位置，该最优轨迹可以用作用于将电刺激装置插入解剖身体部位中的轨迹，以使得在考虑到至少两个触点之间的距离时，由电刺激装置刺激对至少两个目标区域的覆盖范围或对回避区域的回避中的至少一种呈现最佳。例如，根据第一方面的方法可以包括上述步骤ii)，并且如果最佳轨迹相对于解剖体部位中不应受刺激影响的回避区域具有预定的空间关系(例如不与该回避区域相交或与其具有最小距离)，则可以选择该最佳轨迹。
在第二方面中，本发明涉及一种计算机程序，当该计算机程序在至少一个计算机(例如，计算机)的至少一个处理器(例如，处理器)上运行时，或者当该计算机程序被加载到至少一个计算机(例如，计算机)的至少一个存储器(例如，存储器)中时，导致至少一个计算机执行根据第一方面的上述方法。
在第三方面中，本发明涉及一种其上存储有根据第四方面的程序的非暂时性计算机可读程序存储介质。
在第四方面中，本发明涉及至少一个计算机(例如，计算机)，该计算机包括至少一个处理器(例如，处理器)和至少一个存储器(例如，存储器)，其中根据第四方面的程序在处理器上运行或者被加载到存储器中，或者其中至少一个计算机可操作地耦接到根据第五方面的程序储存介质，用于执行存储在程序储存介质上的程序。
在第七方面中，本发明涉及(物理的、例如电气的、例如技术上生成的)信号波，例如携带表示根据第二方面的程序的信息的数字信号波。
在第八方面中，本发明涉及用于规划电刺激装置的位置的医疗系统，该系统包括：
a)根据第四方面的至少一个计算机；以及
b)至少一个电子数据存储装置，其存储医学图像数据或电刺激装置几何数据或图谱数据中的至少一个，
其中，至少一个计算机可操作地耦接到至少一个电子数据存储装置，该电子数据存储装置用于从至少一个数据存储装置获取医学图像数据或电刺激装置几何数据或图谱数据中的至少一个。
在一个示例中，根据第八方面的系统进一步包括：
电刺激装置，其中：
电刺激装置可操作地耦接到至少一个计算机，该计算机用于将电刺激装置导航到刺激位置。
在另外的示例中，根据第八方面的系统包括校准仪器，该校准仪器用于基于(即，根据)电刺激装置位置数据来确定电刺激装置是否已经被适当地放置在解剖身体部位中。例如，可以通过采用被植入解剖身体部位中的电刺激装置的(例如数字)医学图像(例如射线照相术或计算机X射线断层摄影)的基于图像的验证来确定正确位置，所述医学图像可以用作与电刺激装置位置数据进行比较的基础。如果已知医学图像的位置参考系统和电刺激装置位置数据的位置参考系统之间的空间关系，则可以比较两者所描述的电刺激装置位置。如果比较结果是电刺激装置位置例如至少达到预定程度的类似(例如相等)，则可以确定电刺激装置已经如期地被放置在解剖身体部位中。可替代地或附加地，可以确定电刺激装置是否如期地通过例如经颅磁刺激来刺激目标区域。对于这样的过程，该系统可以包括测量装置，诸如包括感应线圈的感应装置，该感应线圈被放置在解剖身体部位的外部(例如，运行穿过目标区域的神经纤维的外(子体表面)端部)。然后，通过适当地激活电刺激装置来刺激各个目标区域。然后，如果感应装置从解剖身体部位接收(交变)电信号，则在感应装置中的可测量的感应电流将显示这一点。如果测量到这样的电流，则然后可以如期望的那样确定电刺激装置已经被放置在解剖身体部位中。如果图谱数据包括关于神经纤维的相应端部的位置的信息，则对于这样的过程，可以例如根据图谱数据来确定测量装置应当放置的位置。测量装置还可以被导航，例如配备有至少一个光学跟踪标记器，用于使用光学导航系统(具有跟踪单元，例如用于跟踪至少一个标记器装置的立体照相机，并且输出可转换为数字数据的相应电信号)来跟踪其位置。这样的导航系统包括计算机，该计算机评估由跟踪单元输出的信号并且基于它们来计算测量装置在相关联的位置参考系统中的位置。假设导航系统的位置参考系统和图谱数据的位置参考系统之间的空间关系是已知的，则可以确定测量装置是否已经相对于神经纤维被适当地放置。
通常，期望通过电刺激装置刺激预定(已知或期望的至少一种)神经纤维来施加所要施加的刺激信号。实际上放置感应线圈不一定是所公开方法的必要部分，而是可以是所公开方法的一部分。所公开的方法在任何情况下都涵括读取从测量装置接收的测量数据，该测量数据可以存储在电子数据存储装置中，并且在已取得了测量数据之后的某一时间通过所公开的方法读取。电刺激装置需要相对于外部部位被定位以便刺激外部部位的那个位置例如使用导航系统来确定。例如，标记器装置以预定(已知或固定中的至少一个)相对位置附接到电刺激装置。标记器装置适于通过使用立体定向导航系统来光学地导航电刺激装置的位置，所述立体定向导航系统还例如从包括在医学图像数据中的预定位置信息知道外部区域在用于光学导航的参考系统中的位置。因此，电刺激装置可以被导航到相对于外部部位而适于通过电刺激装置刺激该外部部分的位置处。
所发射的刺激信号通常是时间依赖电信号，诸如交变电流和/或交变电磁场。如果测量装置(例如感应线圈)被放置在这样的电磁场中，这将在感应线圈中引起测量电流，该测量电流具有允许将其与由刺激信号数据描述的相应已知特性进行比较的物理特性(诸如频率)。这允许检测出是否已经刺激了预定神经纤维：如果测量装置被放置在已知要被连接到预定神经纤维的外部部位，并且如果施加所施加的刺激信号导致检测到神经纤维的近端中的相应的(可比较的)所发射刺激信号，则将有理由假设已经利用所施加的刺激信号刺激了预定神经纤维，并且假设当施加所施加的刺激信号时，用于测量所发射的刺激信号的电极已经相对于预定神经纤维的位置被正确地放置。然后可以进一步假设电极的位置也适合于使用电极来刺激神经纤维。如果没有检测到发射的刺激信号，则将证明尽管通过电刺激装置施加了所施加的刺激信号，但是没有刺激到预定的神经纤维。当施加所施加的刺激信号时，这将是用于检测所发射的刺激信号的电极没有相对于预定神经纤维的位置正确放置的指示。然后可以进一步假设电极的位置不适于使用电极来刺激神经纤维。因此，这个过程允许经由电极来找到适合于脑深部刺激的电极位置。
通常，本发明不涉及或例如不包括或不涵括侵入性步骤，该侵入性步骤将表示利用需要专业的医学知识进行对身体的实质性物理干扰，并且即使当利用所需的专业护理和技能进行时也会伴随实质性的健康风险。例如，本发明不包括利用电离辐射照射解剖身体部位和/或患者身体的步骤，由此本发明不包括人体或动物体的任何治疗步骤，例如其不包括任何治疗或手术步骤。更具体地，本发明不涉及或特别地不包括或不涵括任何手术或治疗活性。相反，本发明可针对应用于读取对应于施加到神经纤维的电信号(施加的刺激信号)，并且读取从与神经纤维具有导电连接的外部部位发射出的电信号(发射的刺激信号)。仅出于这个原因，通过实施本发明不需要或暗示手术或治疗活动，特别是不需要或暗示手术或治疗步骤。
在本发明的范围内，结合本发明的一个或多个实施例或各方面的一个或多个特征，以便在技术上便利和/或可行的任何地方形成新的实施例。具体地，具有与另一实施例的另一特征相同或相似功能的一个实施例的特征可以与所述另一特征交换，并且将附加功能添加到另一实施例的一个实施例的特征可以例如被添加到所述另一实施例。
定义
在这个部分中，提供了本公开中使用的特定术语的定义，其也形成本公开的一部分。
根据本发明的方法例如是计算机实施的方法。例如，根据本发明的方法的所有步骤或仅一些步骤(即，少于步骤的总数)可以由计算机(例如，至少一个计算机)执行。计算机实施的方法的实施例是用于执行数据处理方法的计算机的使用。计算机实施的方法的实施例是涉及能使计算机被操作以执行该方法的一个、多个或所有步骤的计算机操作的方法。
计算机例如包括至少一个处理器和例如至少一个存储器，以便(技术上)例如电子地和/或光学地处理数据。处理器例如由是半导体(例如至少部分n-和/或p-掺杂半导体，例如II-、III-、IV-、V-、VI-半导体材料中的至少一个，例如(掺杂的)硅和/或砷化镓)的物质或组合物制成。所描述的计算步骤例如是由计算机执行的。确定步骤或计算步骤例如是在技术方法的框架内(例如在程序的框架内)确定数据的步骤。计算机例如是任何类型的数据处理装置，例如电子数据处理装置。计算机可以是通常认为是这样的设备，例如桌面PC、笔记本、上网本等，但也可以是任何可编程设备，例如移动电话或嵌入式处理器。计算机例如可以包括“子计算机”的系统(网络)，其中每个子计算机代表了计算机的自有权限。术语“计算机”包括云计算机，例如云服务器。术语“云计算机”包括云计算机系统，其例如包括至少一个云计算机和例如多个可操作地互连的云计算机(诸如服务器群)的系统。这种云计算机优选地连接到诸如万维网(WWW)的广域网，并且位于全部连接到万维网的所谓的计算机的云中。这种基础设施用于“云计算”，其描述了不需要终端用户知道递送特定服务的计算机的物理位置和/或配置的计算、软件、数据访问和存储服务。例如，术语“云”在这个方面被用作因特网(万维网)的隐喻。例如，云提供计算基础设施作为服务(IaaS)。云计算机可以用作为操作系统和/或用于执行本发明方法的数据处理应用的虚拟主机。云计算机例如是像由Amazon Web ServicesTM提供的弹性计算云(elastic compute cloud，EC2)。计算机例如包括接口，以便接收或输出数据和/或执行模拟数字转换。该数据例如是表示物理特性和/或从技术信号生成的数据。技术信号例如借助于(技术)检测装置(例如用于检测标记器装置的装置)和/或(技术)分析装置(例如用于执行(医学)成像方法的装置)生成，其中技术信号例如是电信号或光信号。技术信号例如表示由计算机接收或输出的数据。计算机优选地可操作地耦接到显示装置，其允许例如要被由用户显示的由计算机输出的信息。显示装置的一个示例是增强现实装置(也称为增强现实眼镜)，其可以被用作为导航的“护目镜”。这种增强现实眼镜的具体示例是Google Glass(Google公司的商标)。增强现实装置既可以用于通过用户交互将信息输入到计算机中，也可以用于显示由计算机输出的信息。显示装置的另一示例将会是标准计算机监视器，其包括例如可操作地耦接到计算机的液晶显示器，用于从用于生成在显示装置上显示图像信息内容的信号的计算机接收显示控制数据。这种计算机监视器的特定实施例是数字灯箱。监视器还可以是诸如智能电话或个人数字助理或数字媒体播放器的便携式(例如手持)装置的监视器。
在本发明的框架内，计算机程序元件可以由硬件和/或软件(这包括固件、驻留软件、微代码等)来实现。在本发明的框架内，计算机程序元件可以采取可以计算机程序产品的形式，该计算机程序产品可以由计算机可用的(例如包括计算机可用的计算机可读数据存储介质、例如计算机可读程序指令)、在所述数据存储介质中的、用于在指令执行系统上或与指令执行系统结合使用的“代码”或“计算机程序”。这种系统可以是计算机；计算机可以是包括用于执行计算机程序元件和/或根据本发明的程序的装置的数据处理装置，例如包括执行计算机程序元件的数字处理器(中央处理单元或CPU)的数据处理装置，以及可选地，用于存储用于和/或通过执行计算机程序元件而产生的数据的易失性存储器(例如随机存取存储器或RAM)。在本发明的框架内，计算机可用的例如计算机可读数据存储介质可以是任何数据存储介质，其可以包括存储、通信、传播或传输用于在指令执行系统、设备或装置上或结合指令执行系统、设备或装置使用的程序。计算机可用的例如计算机可读数据存储介质可以是(例如是，但不限于)电子的、磁的、光的、电磁的、红外的或半导体的系统、设备或装置、或传播介质(诸如因特网)。计算机可用的或计算机可读数据存储介质甚至可以是例如纸或其上打印有程序的另一合适的介质，因为程序可以例如通过光学扫描纸或其它合适的介质来电子地捕获，并且然后编译、解释或除此之外以合适的方式处理。数据存储介质优选地是非易失性数据存储介质。这里描述的计算机程序产品和任何软件和/或硬件形成用于执行在示例实施例中的本发明的功能的各种装置。计算机和/或数据处理装置可以例如包括引导信息装置，该导信息装置包括用于输出引导信息的装置。引导信息可以例如通过视觉指示装置(例如，监视器和/或灯)可视地、和/或通过声学指示装置(例如，扬声器和/或数字语音输出装置)声学地、和/或通过触觉指示装置(例如，结合到仪器中的振动元件或振动元件)触觉地输出到用户。为了本文件的目的，计算机是例如包括技术的、例如有形的部件、例如机械和/或电子部件的技术计算机。同样地，在这个文件中提及的任何装置都是技术的以及例如有形的装置。
表述“获取数据”例如(在计算机实施的方法的框架内)涵括这样的场景，在该场景中由计算机实施的方法或程序来确定数据。确定数据例如涵括测量物理量并将所测量的值转换成数据，例如数字数据、和/或借助于计算机并且例如在根据本发明的方法的框架内的计算数据。“获取数据”的含义还例如涵括这样的场景，在该场景中由计算机实施的方法或程序例如从另一程序、先前的方法步骤或数据存储介质接收或检索数据，用于例如由计算机实施的方法或程序进一步处理。要获取的数据的生成可以但不必是根据本发明的方法的一部分。因此，表述“获取数据”还可以例如意味着等待接收数据和/或将接收数据。所接收的数据例如可以经由接口输入。表述“获取数据”还可以意味着计算机实施的方法或程序执行步骤以便(主动地)从数据源(例如数据存储介质(例如ROM、RAM、数据库、硬盘驱动器等))或经由接口(例如从另一计算机或网络)接收或检索数据。由所公开的方法或装置分别获取的数据可以从位于数据存储装置中的数据库获取，该数据存储装备这对用于在数据库和计算机之间进行数据传输(例如从数据库到计算机)的计算机是可操作的。计算机获取数据以用作为“确定数据”步骤的输入。所确定的数据可以被再次输出到相同或另一数据库以存储用于供稍后使用。数据库或用于实施所公开的方法的数据库可以位于网络数据存储装置或网络服务器(例如，云数据存储装置或云服务器)或本地数据存储装置(诸如可操作地连接到执行所公开的方法的至少一个计算机的大容量存储装置)上。在获取步骤之前通过执行附加步骤，可以使数据“准备好被使用”。根据这个附加步骤，生成数据以供被获取。数据例如是被检测或捕获的(例如通过分析装置)。可替换地或附加地，根据附加步骤，例如经由接口输入数据。所生成的数据例如是可以被输入(例如输入到计算机中)的。根据附加步骤(这先于获取步骤之前)，还可以通过执行将数据存储在数据存储介质(例如ROM、RAM、CD和/或硬盘驱动器)中的附加步骤来提供数据，使得它们准备好在根据本发明的方法或程序的框架内使用。因此，“获取数据”的步骤还可以包含命令装置以获得和/或提供要获取的数据。特别地，获取步骤不包括侵入性步骤，该侵入性步骤将表示对身体的实质性的物理干扰，从而要执行需要的专业医学专门知识，并且即使当利用所需要的专业护理和专门知识执行时也会带来实质健康风险。特别地，获取数据(例如确定数据)的步骤不涉及手术步骤，并且特别地不涉及使用手术或治疗来治疗人体或动物体的步骤。为了区分本方法所使用的不同数据，数据被显示(即，称为)为“XY数据”等，并且根据它们描述的信息来限定，然后优选地将其称为“XY信息”等。
在医学领域中，成像方法(也称为成像模态和/或医学成像模态)被用于生成人体的解剖结构(例如软组织、骨、器官等)的图像数据(例如二维或三维图像数据)。术语“医学成像方法”应理解为意指(有利地基于设备的)成像方法(例如所谓的医学成像模态和/或放射成像方法)，例如计算机断层摄影(CT)和锥形束计算机断层摄影(cone beam computedtomography，CBCT，诸如体积CBCT)，x射线断层摄影、磁共振断层摄影(MRT或MRI)、常规x射线、超声波核查和/或超声波核查以及正电子发射断层断层摄影。例如，医学成像方法由分析装置执行。通过医学成像方法应用的医学成像模态的实例是：X射线放射照相术、磁共振成像、医学超声或超声、内窥镜检查、弹性成像、触觉成像、热成像、医学摄影和核医学功能成像技术如正电子发射断层摄影(positron emission tomography，PET)和单光子发射计算机断层摄影(Single-photon emission computed tomography，SPECT)，如Wikipedia所述。因此，所生成的图像数据也称为“医学成像数据”。例如，分析装置用于在基于设备的成像方法中生成图像数据。成像方法例如用于医学诊断，以分析解剖体以便生成由图像数据描述的图像。成像方法还例如用于检测人体中的病理变化。然而，解剖结构中的一些变化(诸如结构(组织)中的病理变化)可能是不可检测的，并且例如在由成像方法生成的图像中可能是不可见的。肿瘤表示解剖结构中变化的实例。如果肿瘤生长，那么则可以说它表示扩展的解剖结构。这种扩展的解剖结构可能是不可检测的；例如，可以仅检测扩展的解剖结构的一部分。例如，当使用造影剂渗透肿瘤时，初级/高级脑肿瘤通常在MRI扫描中可见。MRI扫描表示了成像方法的一种实例。在这种脑肿瘤的MRI扫描的情况下，MRI图像中的信号增强(由于造影剂渗入肿瘤)被认为表示实体肿瘤块。因此，肿瘤是可检测的，并且例如在由成像方法生成的图像中是可辨别的。除了被称为“增强”肿瘤的这些肿瘤之外，我们认为大约10％的脑肿瘤在扫描时是不可辨别的，并且例如对于观看了由成像方法生成的图像的用户是不可见的。
图像融合可以是弹性图像融合或刚性图像融合。在刚性图像融合的情况下，2D图像的像素和/或3D图像的体素之间的相对位置是固定的，而在弹性图像融合的情况下，允许相对位置改变。
在本申请中，术语“图像变形”也用作术语“弹性图像融合”的替代，但是具有相同的含义。
弹性融合变换(例如，弹性图像融合变换)例如被设计成使得能够从一个数据集(例如，诸如第一图像的第一数据集)到另一数据集(例如，诸如第二图像的第二数据集)的无缝转变。该变换例如被设计成使得第一数据集和第二数据集(图像)中的一个发生变形，例如通过如下这种方式，即：使对应的结构(例如，对应的图像元素)被布置在与在第一图像和第二图像中的另一个中的位置相同的位置处。从第一图像和第二图像中的一个变换来的变形后(变换后)图像例如尽可能地类似于第一图像和第二图像中的另一个。优选地，应用(数值)优化算法以便找到导致最佳相似度的变换。相似性程度优选地通过对相似性的度量(在下文中也称为“相似性度量”)来测量。优化算法的参数例如是变形场的向量。这些向量由优化算法以那种能导致最佳相似度程度的方式来确定。因此，最佳相似度程度表示用于优化算法的一种条件，例如一种约束。向量的基例如位于第一图像和第二图像中要被变换的那一个的体素位置处，并且向量的尖端位于变换后的图像中的相应体素位置处。优选地提供多个这些向量，例如多于二十个或一百个或一千个或一万个等。优选地，对变换(变形)存在(其它)约束，例如，为了避免病理性变形的约束(例如，通过变换将所有体素移位到相同位置)。这些约束例如包括：“变换是规则性的”的约束，这例如意味着根据变形场的矩阵(例如，向量场)计算的雅可比行列式大于零，并且还包括：“变换后(变形后)图像不是自相交的”的约束，以及例如“变换后(变形后)图像不包括断层和/或破裂”的约束。约束包括例如这样的约束，即：如果规则网格与图像同时并以相应的方式进行变换，则不允许网格在其任何位置处交错折叠。例如可借助于优化算法来迭代地求解优化问题，该优化算法例如是一阶优化算法，诸如梯度下降算法。优化算法的其它示例包括不使用导数(诸如下山单纯形算法、或者使用高阶导数的算法(诸如牛顿类算法))的优化算法。优化算法优选地执行局部优化。如果存在多个局部最佳值，则可以使用诸如模拟退火算法或通用算法的全局算法。在线性优化问题的情况下，例如可以使用单纯形方法。
在优化算法的步骤中，例如，体素在能使得相似度增加的方向上移位了一幅度。该幅度优选地小于预定的限值，例如小于图像直径的十分之一或百分之一或千分之一，并且例如约等于或小于相邻体素之间的距离。例如由于大量(迭代)步骤，可以实施较大的变形。
所确定的弹性融合变换可以例如用于确定在第一数据集与第二数据集(第一图像与第二图像)之间的相似度(或相似性度量，参见上文)。为此，确定出在弹性融合变换与恒等变换之间的偏差。偏差程度例如可以通过确定弹性融合变换的行列式与恒等变换之间的差来计算。偏差越高，相似度越低，因此偏差程度可以被用于确定相似度度量。
相似性度量例如可以基于在第一数据集与第二数据集之间所确定的相关性来确定。
优选地，获取图谱数据，图谱数据描述了(例如限定，更具体地表示和/或为)解剖身体部位的一般三维形状。因此，图谱数据表示解剖身体部位的图谱。图谱通常由多个对象的通用模型组成，其中对象的通用模型一起形成复杂的结构。例如，图谱构成了患者身体(例如身体的一部分)的统计模型，该统计模型已经根据从多个人体收集的解剖信息来生成，例如根据包含了这些人体的图像的医学图像数据来生成。因此，原则上，图谱数据表示多个人体的这种医学图像数据的统计分析结果。这个结果可以作为图像输出——因此图谱数据包含或等同于医学图像数据。这种比较可以例如通过应用图像融合算法来执行，其中该图像融合算法在图谱数据与医学图像数据之间进行图像融合。比较的结果可以是在图谱数据与医学图像数据之间的相似性度量。图谱数据包括位置信息，该位置信息可以与例如包含在医学图像数据中的位置信息相匹配(例如通过应用弹性或刚性图像融合算法)，以使得例如将图谱数据与医学图像数据进行比较，以便确定医学图像数据中对应于由图谱数据限定的解剖结构的解剖结构的位置。
多个人体(其解剖结构用作生成图谱数据的输入)有利地共享共同特征，诸如性别、年龄、种族、身体测量值(例如尺寸和/或质量)以及病理状态中的至少一个。解剖信息描述例如人体的解剖结构，并且例如从关于人体的医学图像信息中提取。例如，股骨的图谱可以包括头部、颈部、身体、股骨大转子、股骨小转子以及下肢，来作为一起构成了完整结构的对象。例如，脑的图谱可以包括端脑、小脑、间脑、脑桥、中脑以及延髓，来作为一起构成复杂结构的对象。这种图谱的一个应用是在医学图像的分割中的，其中图谱与医学图像数据相匹配，并且将图像数据与所匹配的图谱进行比较，以便将图像数据的点(像素或体素)分配给所匹配的图谱的对象，从而将图像数据分割成对象。
标记器的功能是由标记器检测装置(例如，照相机或超声接收器，或诸如CT或MRI装置的分析装置)以能够确定该标记器的空间位置(即其空间位置和/或对准)方式来检测。该检测装置例如是基于计算机的导航系统的一部分，并且可以是立体定向相机，该立体定向相机对预定波长范围内的电磁波敏感，该预定波长范围诸如是红外波长范围，或任何能被用于辐射标记器并能被标记器反射的其他波长范围。标记器可以是有源标记器。有源标记器可以例如发射电磁辐射和/或处于红外、可见和/或紫外光谱范围内的波。然而，标记器也可以是无源的，即例如可以反射处于红外、可见和/或紫外光谱范围内的电磁辐射，或者可以阻挡x射线辐射。为此，标记器可以设置有具有相应反射特性的表面，或者可以由金属制成以便阻挡x射线辐射。标记器还可以反射和/或发射电磁辐射和/或处于射频范围内或在超声波波长处的波。标记器优选具有球形和/或球状体形状，并且因此可以称为标记器球体；然而，标记器也可以呈现有角的(例如立方体的)形状。
标记器装置例如可以是参考星或指针或单一标记器，或多个(单独的)标记器，然后这多个标记器优选地处于预定的空间关系中。标记器装置包括一个、两个、三个或更多个标记器，其中两个或更多个这样的标记器处于预定的空间关系中。这种预定空间关系例如对于导航系统是已知的，并且例如存储在导航系统的计算机中。
在另一实施例中，标记器装置包括例如在二维表面上的光学图案。光学图案可以包括多个几何形状，像圆形、矩形和/或三角形。光学图案可以在由照相机捕获的图像中被识别，并且可以根据图像中的图案大小、图像中的图案取向以及图像中的图案失真，来确定标记器装置相对于照相机的位置。这允许根据单一的二维图像来确定在多达三个旋转维度和多达三个平移维度中的相对位置。
可以例如通过医学导航系统来确定标记器装置的位置。如果标记器装置附着到诸如骨或医疗器械的对象上，则可以根据标记器装置的位置以及标记器装置与物体之间的相对位置来确定对象的位置。确定这个相对位置也被称为记录标记器装置和对象。标记器装置或对象可以被跟踪，这意味着标记器装置或对象的位置随着时间被确定两次或更多次。
附图说明
在下文中，参考表示本发明的特定实施例的附图描述本发明。然而，本发明的范围不限于在附图的上下文中公开的特定特征，其中
图1是示出根据第一方面的所公开的方法的基本步骤的流程图；
图2至图11示出了根据第一方面的方法的步骤的细节；以及
图12示出了根据第八方面的系统。
具体实施方式
图1是示出了根据第一方面的所公开的方法的基本步骤的流程图，这个流程图在图1的说明性示例中从获取医学图像数据的步骤S1.1开始。在随后的步骤S1.2中，确定目标位置数据。然后，步骤S1.3继续获取电刺激装置几何数据，接着为步骤S1.4，其涵括了确定目标距离数据。最后，执行步骤S1.6，其包括确定电刺激装置位置数据。
以下是参照图2至图11对根据第一方面的方法的更具体的实施例的描述，并且包括以下步骤1至步骤17。
参照图2说明步骤1至步骤4。
步骤1：基于用户输入或根据统计地图(来自通用图谱空间)或经由对医学图像数据(其已被预先获取)的分割选择(基于通用图谱的分割)，来接收表示了目标区域TV1、…、TVN的刺激目标场。这个步骤对应于获取目标位置数据。
实例：将左、右丘脑底核STN(0.15mm3)和左、右SN(黑质)的一部分(0.05mm3)绘制到医学图像数据中
步骤2：基于用户输入或根据统计地图(来自通用图谱空间)或经由分割选择(基于通用图谱的分割)，来接收表示了(多个)回避区域的回避场AV1、…、AVN。这个步骤对应于确定回避区域数据。
实例：沟分割体积、脑室分割体积、血管分割对象
步骤3：基于用户输入以X的安全裕度(例如2mm)使所有回避区域发生膨胀——这个步骤是完全任选的。
步骤4：计算在TV1、…、TVN之间的表面距离(Hausdorff距离)，得到具有N x N条目的对称的刺激目标场表面距离矩阵，其中每条条目描述了两个目标体积之间的距离。
实例：
左STN 右STN 左SN 右SN
左STN X 400mm 3mm 423mm
右STN X 416mm 5mm
左SN X 410mm
右SN X
参照图3说明步骤5。
步骤5：可用电极类型的负载模板列表——这个步骤对应于获取电刺激装置几何数据，并且可以基于用户输入来执行。
实例：可用电极类型为：
1.线性引线：最近端至最远端的触点距离是15mm
2.定向引线：最近端至最远端的触点距离是7.5mm
参照图4说明步骤6
步骤6：针对每个模板条目(穿透模型，在一个优选的替代性实施例中，如果触点可以接触一个或两个目标区域而不必穿透分割结构(即分割的目标体积)，则这就足够了；这是由于这样的事实，即在场大小/强度足够的情况下电场能够在所讨论的触点之下和之上延伸)，在表面距离矩阵中搜索小于最大电极触点距离的那些表面距离。这个步骤对应于确定目标距离数据。
实例：
左STN 右STN 左SN 右SN
左STN X N/A L或D N/A
右STN X N/A L或D
左SN X N/A
右SN X
参见图5说明步骤7至步骤9。图5示出了两种类型的电极，即类型A电极(线性引线电极)和类型B电极(定向引线电极)。电极的触点被示出为电极上的黑色区域。在最远触点距离于最近端触点之间的最大距离对于类型A电极是15mm，对于类型B电极是7.5mm。
步骤7：通过消除其中表面距离太高而无法被可用的电极覆盖的条目(即，其中目标区域距离数据表明：在目标区域之间的距离大于例如电极的触点之间的最大距离)来减小表面距离矩阵，过滤掉所得的各对目标区域(如果对于三元组目标或四元组目标的配置存在多于一对的检查)。
步骤8：在步骤6之后，将初始搜索分辨率设置为在稀疏表面距离矩阵中列出的最小直径可用电极类型的直径的一半(该步骤既针对计算效率又针对手术原因来执行，在手术相关差异小于0.5mm的情况下进行规划几乎毫无意义)。
实例：1.3mm直径限定了0.65mm的搜索分辨率
步骤9：确定所有刺激目标场TV1、…、TVN的质心坐标(x，y，z)。
步骤10至步骤16对应于确定电刺激装置位置数据。
参照图6说明步骤10。
步骤10：通过确定那些位于体积TV1、…、N内并且在x/y/z步骤中与质心坐标相距了搜索分辨率距离的长度的所有点，来确定三维搜索网格(再次假设为穿透模型，其中引线将通过至少一个触点穿透目标体积，在接触模型的一个代替性优选实施例中，目标体积可以触点直径的值发生膨胀，并且经过相同的计算)。这个步骤对应于确定搜索区域数据，其中搜索区域由网格形成。搜索网格可以具有立方体的基本形状，并且在一个示例中被限定为直角坐标，但是也可想到以球面坐标来定义。
实例：
左STN：5个点
右STN：6个点
左SN：8个点
右SN：7个点
参照图7说明步骤11。
步骤11：确定是否存这样的线(潜在手术轨迹)：这些线连接在步骤6中识别的多对网格点并且不与(多个)回避场AV1、…、AVN中限定的体积相交。
b.实例：多对：左SN+左STN、右SN+右STN
1.对于左SN+左STN，有5*8＝40行需要检查。
2.对于右SN+右STN，有6*7＝42行需要检查。
参照图8说明步骤12。
步骤12：剩余的线构成可行的手术轨迹(其由电刺激装置位置数据来限定)，现在针对所有可用的电极类型，执行每个可行的手术轨迹的场模拟。用于确定某条线构成了可行轨迹的条件例如是：该线不与回避区域相交，并且它在每个搜索区域中与至少一个网格点相交。
实例：剩余
1.对于左SN+右STN是3个轨迹。
2.对于右SN+右STN是2个轨迹。
参照图9说明步骤13。
步骤13：针对每个引线类型生成虚拟引线位置模拟
1.5个线性电极的引线位置模拟(3用于左SN+左STN，2用于右SN+右STN)
2.5个定向电极的引线位置模拟(3用于左SN+左STN，2用于右SN+右STN)
步骤14是完全任选的，并参照图10进行说明。
步骤14：沿着可行的轨迹，如果与所有“成对”目标区域相交的线上的最远表面点小于该电极类型的最大触点距离，则电极放置的深度可以以等于最小电极电流导引增量/减量(对于sEEG电极，可以使用触点到触点距离)的步长来变化：
1.对于针对左SN+左STN可行的3个轨迹，在表面上的最大距离为：
a.轨迹1：2mm(线性引线和定向引线两者在深度放置上都可以变化，并且仍然在目标体积内具有触点)
b.轨迹2：3mm(线性引线和定向引线两者在深度放置上都可以变化，并且仍然在目标体积内具有触点)
c.轨迹3：8mm(只有线性引线可以在深度位置上变化并且在目标体积内仍然具有触点，定向引线具有7.5mm的最大距离)
2.对所有其他各对目标区域进行重复。
参照图11说明步骤15和步骤16。
步骤15：所得到的列表详细说明了哪个轨迹可以与哪种引线类型一起用于哪对目标区域。
实例：
1.轨迹1：左SN+左STN，定向引线和线性引线可以使用，两者都可以在深度上变化
2.轨迹2：左SN+左STN，定向引线和线性引线可以使用，两者都可以在深度上变化
3.轨迹3：左SN+左STN，线性引线可以使用、定向引线不可以使用，因为线性引线可以在深度上变化
步骤16：现在沿着具有最小增量步长(例如0.5mm)变化量的长度来检查：对于那个位置以及显示功耗、覆盖范围和溢出(通过优化要满足的边界条件通常包括刺激场的最大覆盖范围和最小溢出)而言，哪些刺激配置是可以使用的。这个步骤使用用户输入的边界条件(约束)的(例如，除了被设置为60ms的刺激脉冲宽度之外的所有变量)。步骤16是完全任选的。
实例：
1.轨迹1可以利用直线引线类型和线性引线类型到达目标，并且允许深度变化，深度增量的数量例如对于L类型为10，并且对于定向类型引线为5(因为定向类型引线可以模拟更短更少的步长，却仍然能达到两个目标)
2.对于每个位置(对于线性引线是10，对于定向引线是5)，(例如经由GUIDE)执行可能的刺激模拟并存储刺激目标的覆盖范围(例如场的Dice系数)，这个优化问题可以经由下方式解决：
a.强力(brute force)
b.区域增长方法，其中选择了最接近目标体积/场质心的触点并且从该起始点变化刺激模拟
c.选择具有如下变量的遗传算法：触点(类型或身份中的至少一个)、阳极、阴极配置、电流(mA)、触点上的电流/电压分布、脉冲宽度和频率(用户选择或这些变量的子集的适配都可以约束搜索)
3.根据引线类型，可以模拟交替式刺激或同时式刺激。
用于执行强力方法的程序的伪代码表示如下(以“％”开头的行是注释)：
For t＝1:numberofTrajectories
％在步骤14中检查number
％Variation＝已经在Step 14中针对Trajectory的每个引导类型而确定的包含mm值的阵列。
％计算为Trajectory_depth_maximum(距脑表面最深且触点仍在目标中)减去Trajectory_depth_minimum(“最高”且触点仍在目标中)
RunType＝[1 1]；
％RunType阵列设置为1和1，因为对于两种类型的电极(定向和线性)用于这个轨迹的定位模拟是可能的(Step 14也是如此)并且应该执行。
StepSize＝0.5；
％StepSize变量以例如0.5mm设置
For a＝1:length(nonzero(RunTypes))
RunNumbers(a)＝Variation(a)/StepSize；
end
％例如RunNumber(1)＝2mm/0.5mm；
RunNumber(1)＝4；
For K＝1:nonzero(RunTypes)
For times＝1:RunNumbers(K)
Depth_forlead_type(K)＝tractor_depth_maximum+((times-1)*stepsize)；
％Genetic_Optimization
D＝0；
％对于这里给定的引线类型，优化并存储这种深度处的所有体积交叉点
Delta_Fitness＝1；
While Delta_Fitness>0
D＝D+1；
Position_to_be_tested＝Depth_forLeadType(K)；
Lead＝LeadType(K)；
％适合度被优化，以使得当PowerNeeded最小但组合目标覆盖范围在两个目标中的百分比％最高时，Fitness最好(最低)，
％W1和W2可以是用户定义的权重，关于目标的覆盖范围是否更重要或者例如电池寿命
％Fitness＝f(PowerNeeded,Combined_％_Target_Coverage,W1,W2)；
[stored_configs{D}]＝Genetic_Optim(Position_to_be_tested,LeadType,TargetA,T argetB,Fitness)；
If D>1
Delta_Fitness＝stored_configs{D}.Fitness-stored_configs{D-1}.Fitness；
end
end
％在某一点上，所有模拟都完成了，或者适应度没有改变，则采集X个最佳适合度配置并存储它们
Results＝sort(stored_configs{D},Fitness)；
Leadassessment{times}＝Results(1:10)；
％显示所有可能的覆盖范围，并查看哪一个是最佳的
end
end
％系统可以显示所有引线类型和轨迹的leadasessment{times}，并且允许用户选择最佳方法或自动选择。
步骤17：最后，对于每个轨迹，用户可以得到详细说明了轨迹的可用的引线类型、可能的深度放置场景和相关功耗的列表，可以执行各种分类，其中能效和外科手术安全分类是默认的(最佳轨迹是既接触到两个目标又需要最少的能量来实现具有最小溢出的最佳覆盖的最安全的轨迹)
实例：
1.轨迹1：左SN+左STN、定向引线、下目标边界上方0mm深度、覆盖范围左SN 85％、溢出15％、覆盖范围左STN90％、溢出10％；配置：C1-(IPG+)、电流2、mA(60ms脉冲宽度、频率130Hz)、C3-(IPG+)、电流2mA(60ms脉冲宽度、频率130Hz)
2.等(其它轨迹的相应结果)
图12示出了根据第八方面的系统1的原理配置：系统1包括计算环境2，该计算环境包括至少一个计算机3，该计算机具有可操作地耦接到至少一个电子数据存储装置5和输出装置4(例如，诸如显示器的图形输出装置)的至少一个数字电子处理器。电子数据存储装置5存储医学图像数据或电刺激装置几何数据或图谱数据中的至少一个。计算机3被配置成向输出装置4输出表示了由计算机3进行的数据处理的结果(例如电刺激装置位置数据)的图形表示的电信号。另外，计算环境2可以耦接到诸如感应线圈的测量装置6和诸如电极的电刺激装置7。
所公开的方法和系统具有例如以下特征：
1.患者数据集的通用图谱分割
2.(多个)目标区域的选择
3.绘制目标区域/刺激区域&避免区域，或从统计或基于规则的信息源获得它们
4.这可以由已知的用于微电极记录(MER)(特别是与侧效应区和清醒手术相关的微电极记录)的后续测试点或记录点的测试区域/点扩展而来
5.首先选择可以使用的引线，舍去所有不能产生所需刺激场的导线类型
6.提出拟合于目标区域和回避区域的刺激场
7.允许所选择的公差(场不精确性)，并提出拟合于并到达由所选择的装置分类出的所提出刺激场的可能轨迹
8.基于对关键结构的回避、根据通用图谱分割(心室、血管、脑沟条目等)并且通过最佳覆盖范围的评级选择
9.提出轨迹来进行验证和检查
在所公开的方法的一个优选实施例中，用户开始于在射线照相成像上查看要被刺激的区域，并且绘制刺激目标区。现在，用户切换于预加载的装置之间，并且可以针对每个装置查看多个可能的外科方式轨迹(其由外科安全性来评级)，并且查看刺激设置和所需的功耗。在下一步骤中，用户选择该装置(例如，定向电极比对线性电极)并且查看当前可能的引线轨迹以便选择该方方式。
在一个优选实施例中，除了基于外科手术轨迹对例如第二手术切口发生的脑移位的鲁棒性来对外科手术轨迹进行评级之外，还采用基于脑移位模式的模拟的弹性图像融合。
所公开的方法和系统具有例如以下技术效果：大规模地缩短了轨迹规划过程，并且在定量的基础上进行装置选择，而不是进行主观的用户选择。由用户来平衡装置选择、最佳覆盖和手术安全轨迹之间的折衷，以达到最佳患者结果。对于所选择的电极模型和所规划的目标区域/回避区域，提出一种半自动规划处理，该半自动规划处理利用透明规则集合来对轨道选择合理性进行标准化。另外，所公开的方法允许用户基于所公开的数据处理的输出，特别是基于由电刺激装置几何数据所描述的类型的电极是否能够实现期望的电极放置，来选择用于刺激目标区域的合适电极。

Claims (17)

1.一种用于规划电刺激装置的位置的计算机实施的医学数据处理方法，以用于对设置在患者身体的解剖身体部位中的至少两个目标区域(TV1、…、TVN)进行神经刺激，所述电刺激装置(7)包括至少两个电触点，所述方法包括：在至少一个计算机(3)的至少一个处理器上执行以下步骤：
a)在所述至少一个处理器处获取(S1.1)描述了所述解剖身体部位的数字图像的医学图像数据，其中所述解剖身体部位包含至少两个目标区域(TV1、…、TVN)；
b)通过所述至少一个处理器并且基于所述医学图像数据来确定(S1.2)目标位置数据，所述目标位置数据描述了在所述解剖身体部位中的每个目标区域(TV1、…、TVN)的位置；
c)在所述至少一个处理器处获取(S1.3)电刺激装置几何数据，所述电刺激装置几何数据描述了在所述电刺激装置(7)的所述至少两个触点之间的距离；
d)通过所述至少一个处理器并且基于所述目标位置数据来确定(S1.4)目标距离数据，所述目标距离数据描述了在所述至少两个目标区域(TV1、…、TVN)中的每一对之间的距离；
e)通过所述至少一个处理器并且基于所述目标位置数据和所述目标距离数据以及所述电刺激装置几何数据，来确定(S1.5)电刺激装置位置数据，所述电刺激装置位置数据描述了刺激位置，所述刺激位置是在所述至少两个目标区域(TV1、…、TVN)与所述所述电刺激装置(7)之间的相对位置并且允许通过所述电刺激装置(7)来刺激所述至少两个目标区域(TV1、…、TVN)。
2.根据权利要求1所述的方法，其中，每个目标区域(TV1、…、TVN)包含至少一个神经纤维。
3.根据权利要求1或2所述的方法，包括：
在所述至少一个处理器处获取图谱数据，所述图谱数据描述了所述解剖身体部位的基于图像的模型，其中，所述方法包括以下步骤i)或ii)中的至少一个：
i)通过所述至少一个处理器并且基于所述图谱数据和所述医学图像数据来确定所述目标位置数据；
ii)通过所述至少一个处理器并且基于所述图谱数据和所述医学图像数据来确定回避区域数据，所述回避区域数据描述了所述解剖身体部位中不应受所述刺激影响的至少一个回避区域的位置。
4.根据权利要求3所述的方法，其中，
如果所述方法包括步骤i)，则通过将在由所述图谱数据描述的所述基于图像的模型中的潜在目标位置的统计地图应用于医学图像数据，或者通过将描述了所述基于图像的模型中的至少一个潜在目标区域的位置的所述图谱数据的分割应用于医学图像数据，来确定所述目标位置数据，并且其中，
如果所述方法包括步骤ii)，则通过将在由所述图谱数据描述的所述基于图像的模型中的潜在回避区域的位置的统计地图应用于医学图像数据，或者通过将描述了所述基于图像的模型中的至少一个回避区域的位置的所述图谱数据的分割应用于所述医学图像数据，来确定所述回避区域数据。
5.根据前述权利要求中任一项所述的方法，其中，所述刺激位置允许通过所述至少两个触点来刺激所述至少两个目标区域(TV1、…、TVN)。
6.根据前述权利要求中任一项所述的方法，其中，进一步基于所述电刺激装置几何数据来确定所述目标距离数据，例如通过仅考虑目标区域之间的距离，所述距离与所述至少两个触点之间的所述距离具有预定的关系，例如不大于所述至少两个触点之间的所述距离。
7.根据前述权利要求中任一项所述的方法，包括：
通过所述至少一个处理器并基于所述目标位置数据来确定搜索区域数据，所述搜索区域数据描述了在所述至少两个目标区域(TV1、…、TVN)中的每一个的位置周围的每一个搜索区域，其中
通过所述至少一个处理器进一步基于所述搜索区域数据来确定所述电刺激装置位置数据。
8.根据权利要求7所述的方法，其中，所述搜索区域由具有网格点的网格来限定。
9.根据权利要求8所述的方法，其中，由所述至少一个处理器通过确定出多个轨迹来确定所述电刺激装置位置数据，其中所述多个轨迹穿过与所述至少两个目标区域(TV1、…、TVN)中的第一目标区域相关联的所述搜索区域的网格点，并且穿过与所述至少两个目标区域(TV1、…、TVN)中的第二目标区域相关联的所述搜索区域的网格点。
10.根据权利要求9所述的方法，其中，所述轨迹是直线轨迹。
11.根据权利要求7-10中任一项所述的方法，其中，通过从所述多个轨迹中选择一个最佳轨迹来确定所述刺激位置，所述最佳轨迹用作用于将所述电刺激装置(7)插入所述解剖身体部位中的轨迹，以使得在考虑到所述至少两个触点之间的所述距离的情况下，由所述电刺激装置(7)进行刺激的所述至少两个目标区域(TV1、…、TVN)的覆盖范围是最佳的。
12.根据权利要求2-11所述的方法，其中，所述方法包括步骤ii)，并且其中，当所述最佳轨迹相对于所述解剖体部分中不应该受刺激影响的回避区域具有预定的空间关系，例如不与所述回避区域相交或与其具有最小距离时，则选择所述最佳轨迹。
13.一种计算机程序，当运行在至少一个计算机(3)的至少一个处理器上时或者当被加载到至少一个计算机(3)的存储器中时，所述计算机程序促使所述至少一个计算机(3)执行根据前述权利要求中任一项所述的方法、或者执行信号波，例如携带了表示所述程序的信息的数字信号波。
14.一种非暂时性计算机可读程序存储介质，其中根据权利要求13所述的程序存储在其上。
15.至少一个计算机(3)，其包括至少一个处理器和存储器，其中根据权利要求12所述的程序运行在所述至少一个处理器上或者被加载到所述存储器中，或者其中所述至少一个计算机(3)可操作地耦接到根据权利要求14所述的程序存储介质上以用于执行存储在所述程序存储介质上的程序。
16.一种用于规划电刺激装置的位置的医疗系统(1)，所述系统包括：
a)根据权利要求15所述的至少一个计算机(3)；以及
b)至少一个电子数据存储装置(5)，其存储所述医学图像数据或所述电刺激装置几何数据或所述图谱数据中的至少一个，
其中，所述至少一个计算机(3)可操作地耦接到所述至少一个电子数据存储装置(5)，以便从所述至少一个数据存储装置(5)获取所述医学图像数据或所述电刺激装置几何数据或所述图谱数据中的至少一个。
17.根据权利要求16所述的系统(1)，进一步包括：
所述电刺激装置(7)，其中
所述电刺激装置(7)可操作地耦接到所述至少一个计算机(3)，以便将电刺激装置(7)导航到所述刺激位置。
CN201780087510.9A 2017-02-28 2017-02-28 基于刺激场建模的最佳脑深部刺激电极的选择与放置 Active CN110337312B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2017/054547 WO2018157909A1 (en) 2017-02-28 2017-02-28 Optimal deep brain stimulation electrode selection and placement on the basis of stimulation field modelling

Publications (2)

Publication Number Publication Date
CN110337312A true CN110337312A (zh) 2019-10-15
CN110337312B CN110337312B (zh) 2023-05-02

Family

ID=58191442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780087510.9A Active CN110337312B (zh) 2017-02-28 2017-02-28 基于刺激场建模的最佳脑深部刺激电极的选择与放置

Country Status (5)

Country Link
US (1) US11020004B2 (zh)
EP (1) EP3589355B1 (zh)
JP (1) JP6844019B2 (zh)
CN (1) CN110337312B (zh)
WO (1) WO2018157909A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021232972A1 (zh) * 2020-05-19 2021-11-25 微智医疗器械有限公司 制作电极阵列成型模具方法及塑形方法、夹持工具和介质
TWI805954B (zh) * 2020-10-16 2023-06-21 瑞士商諾沃庫勒有限責任公司 經由嵌入顱骨植入物中之電極來應用腫瘤治療電場（TTFields）

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11020004B2 (en) 2017-02-28 2021-06-01 Brainlab Ag Optimal deep brain stimulation electrode selection and placement on the basis of stimulation field modelling
US20210267547A1 (en) * 2017-08-25 2021-09-02 NEUROPHET Inc. Patch guide method and program
WO2019057295A1 (en) * 2017-09-22 2019-03-28 Brainlab Ag AGGREGATION OF ANATOMIC OR PHYSIOLOGICAL STATUS DATA
US11395920B2 (en) 2019-01-22 2022-07-26 General Electric Company Brain connectivity atlas for personalized functional neurosurgery targeting and brain stimulation programming
US11273310B2 (en) 2019-01-22 2022-03-15 General Electric Company Systems and methods for predicting optimal deep brain stimulation parameters
US10905882B2 (en) 2019-01-22 2021-02-02 General Electric Company Systems and methods for predicting optimal deep brain stimulation parameters
CN110251225B (zh) * 2019-05-08 2020-10-27 首都医科大学宣武医院 一种立体交叉毁损网格的建立方法及病灶毁损系统
KR102403686B1 (ko) * 2020-05-15 2022-05-31 뉴로핏 주식회사 뇌자극 위치 제공장치 및 방법
WO2022212554A1 (en) * 2021-03-30 2022-10-06 EEG Harmonics, LLC Electroencephalography neurofeedback system and method based on harmonic brain state representation
WO2023230032A1 (en) * 2022-05-27 2023-11-30 Medtronic, Inc. Method and apparatus for planning placement of an implant
CN117789922A (zh) * 2024-02-23 2024-03-29 湖南安泰康成生物科技有限公司 电极片贴敷方案确定方法及装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060017749A1 (en) * 2004-07-07 2006-01-26 Mcintyre Cameron C Brain stimulation models, systems, devices, and methods
US20120046710A1 (en) * 2010-08-18 2012-02-23 Boston Scientific Neuromodulation Corporation Methods, systems, and devices for deep brain stimulation using helical movement of the centroid of stimulation
US20120116211A1 (en) * 2010-10-19 2012-05-10 The Cleveland Clinic Foundation Methods for identifying target stimulation regions associated with therapeutic and non-therapeutic clinical outcomes for neural stimulation
JP2012510877A (ja) * 2008-12-04 2012-05-17 ザ クリーブランド クリニック ファウンデーション 脳内刺激のための標的体積を規定するシステムおよび方法
US20150223777A1 (en) * 2014-02-11 2015-08-13 The University Of British Columbia Methods of, and apparatuses for, producing augmented images of a spine
WO2015149170A1 (en) * 2014-03-31 2015-10-08 Functional Neuromodulation, Inc. Systems and methods for determining a trajectory for a brain stimulation lead
WO2016019129A1 (en) * 2014-07-30 2016-02-04 Boston Scientific Neuromodulation Corporation Systems and methods for stimulation-related volume analysis, creation, and sharing with integrated surgical planning and stimulation programming
WO2016116397A1 (en) * 2015-01-19 2016-07-28 Brainlab Ag Tissue-orientation-based simulation of deep brain stimulation
WO2017028934A1 (en) * 2015-08-19 2017-02-23 Brainlab Ag Planning a straight line trajectory for a medical procedure

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7167760B2 (en) 2003-04-28 2007-01-23 Vanderbilt University Apparatus and methods of optimal placement of deep brain stimulator
US20050267347A1 (en) 2004-05-04 2005-12-01 Doran Oster Deep brain stimulation
WO2006034305A2 (en) * 2004-09-21 2006-03-30 University Of Florida Research Foundation, Inc. Multiple lead method for deep brain stimulation
US8160676B2 (en) 2006-09-08 2012-04-17 Medtronic, Inc. Method for planning a surgical procedure
US8660635B2 (en) 2006-09-29 2014-02-25 Medtronic, Inc. Method and apparatus for optimizing a computer assisted surgical procedure
US8359100B2 (en) 2007-06-20 2013-01-22 Advanced Neuromodulation Systems, Inc. Method for selecting electrodes for deep brain or cortical stimulation and pulse generator for deep brain or cortical stimulation
WO2009061942A1 (en) 2007-11-06 2009-05-14 The Cleveland Clinic Foundation Automated 3d brain atlas fitting using intra-operative neurophysiological data
US20140003696A1 (en) 2010-12-29 2014-01-02 The Ohio State University Automated trajectory planning for stereotactic procedures
GB201510781D0 (en) * 2015-06-19 2015-08-05 Bioinduction Ltd Method and device for deep brain stimulation
US11020004B2 (en) 2017-02-28 2021-06-01 Brainlab Ag Optimal deep brain stimulation electrode selection and placement on the basis of stimulation field modelling

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060017749A1 (en) * 2004-07-07 2006-01-26 Mcintyre Cameron C Brain stimulation models, systems, devices, and methods
JP2012510877A (ja) * 2008-12-04 2012-05-17 ザ クリーブランド クリニック ファウンデーション 脳内刺激のための標的体積を規定するシステムおよび方法
US20120046710A1 (en) * 2010-08-18 2012-02-23 Boston Scientific Neuromodulation Corporation Methods, systems, and devices for deep brain stimulation using helical movement of the centroid of stimulation
US20120116211A1 (en) * 2010-10-19 2012-05-10 The Cleveland Clinic Foundation Methods for identifying target stimulation regions associated with therapeutic and non-therapeutic clinical outcomes for neural stimulation
US20150223777A1 (en) * 2014-02-11 2015-08-13 The University Of British Columbia Methods of, and apparatuses for, producing augmented images of a spine
WO2015149170A1 (en) * 2014-03-31 2015-10-08 Functional Neuromodulation, Inc. Systems and methods for determining a trajectory for a brain stimulation lead
WO2016019129A1 (en) * 2014-07-30 2016-02-04 Boston Scientific Neuromodulation Corporation Systems and methods for stimulation-related volume analysis, creation, and sharing with integrated surgical planning and stimulation programming
WO2016116397A1 (en) * 2015-01-19 2016-07-28 Brainlab Ag Tissue-orientation-based simulation of deep brain stimulation
WO2017028934A1 (en) * 2015-08-19 2017-02-23 Brainlab Ag Planning a straight line trajectory for a medical procedure

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021232972A1 (zh) * 2020-05-19 2021-11-25 微智医疗器械有限公司 制作电极阵列成型模具方法及塑形方法、夹持工具和介质
TWI805954B (zh) * 2020-10-16 2023-06-21 瑞士商諾沃庫勒有限責任公司 經由嵌入顱骨植入物中之電極來應用腫瘤治療電場（TTFields）

Also Published As

Publication number Publication date
JP6844019B2 (ja) 2021-03-17
EP3589355A1 (en) 2020-01-08
WO2018157909A1 (en) 2018-09-07
US11020004B2 (en) 2021-06-01
US20190343389A1 (en) 2019-11-14
EP3589355B1 (en) 2020-09-30
CN110337312B (zh) 2023-05-02
JP2020508763A (ja) 2020-03-26

Similar Documents

Publication Publication Date Title
CN110337312A (zh) 基于刺激场建模的最佳脑深部刺激电极的选择与放置
JP7405818B2 (ja) 変形可能テンプレートを使用して最適化された電極位置を有するｔｔフィールドを用いて患者を治療する
US11744465B2 (en) Method and program for generating three-dimensional brain map
CN107106868B (zh) 用于放射治疗程序的移动式ct扫描仪的应用
CN110770792B (zh) 确定临床靶体积
US11026626B2 (en) Tissue-orientation-based simulation of deep brain stimulation
CN108697402B (zh) 在三维图像中确定深度脑刺激电极的旋转方位
US11495345B2 (en) Simulating a target coverage for deep brain stimulation
US10062179B2 (en) Auto-calibration of probabilistic tracking parameters for DTI fibre tractography and compilation of tract probability comparison scales
US11938344B2 (en) Beam path based patient positioning and monitoring
JP6873238B2 (ja) 時間同期した脳深部刺激の最適化
US20210267547A1 (en) Patch guide method and program

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