CN112057073A - 呼吸及血液灌注图像同步生成方法、设备和系统 - Google Patents
呼吸及血液灌注图像同步生成方法、设备和系统 Download PDFInfo
- Publication number
- CN112057073A CN112057073A CN202010932020.8A CN202010932020A CN112057073A CN 112057073 A CN112057073 A CN 112057073A CN 202010932020 A CN202010932020 A CN 202010932020A CN 112057073 A CN112057073 A CN 112057073A
- Authority
- CN
- China
- Prior art keywords
- signal
- blood perfusion
- respiration
- image
- frequency
- 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
- 230000008081 blood perfusion Effects 0.000 title claims abstract description 85
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 35
- 210000000115 thoracic cavity Anatomy 0.000 claims abstract description 8
- 230000000241 respiratory effect Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000010412 perfusion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000002847 impedance measurement Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000002593 electrical impedance tomography Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7445—Display arrangements, e.g. multiple display units
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Pulmonology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种呼吸及血液灌注图像同步生成方法、设备和系统，所述方法包括：获取人体胸腔的电阻抗信号；在所述电阻抗信号中提取呼吸信号和血液灌注信号；根据所述呼吸信号生成呼吸图像，以及同步地根据所述血液灌注信号生成血液灌注图像。
Description
技术领域
本发明涉及电阻抗成像领域，具体涉及一种呼吸及血液灌注图像同步生成方法、设备和系统。
背景技术
在医学成像领域中，电阻抗成像(Electrical Impedance Tomography,EIT)是通过给人体施加小的安全驱动电流/电压，测量由此产生的人体响应信号，利用测量信号重建人体内部的电阻率分布或其变化的图像。
人体胸腔内电阻抗的变化与呼吸和血液灌注都相关。现有技术只能单独重建呼吸图像，从而无法获得血液灌注的重要信息；或者通过不同的过程分别重建呼吸图像和血液灌注图像，这样生成的图像不能同步地对应，不利于呼吸图像和血液灌注图像的同步对比分析。
发明内容
有鉴于此，本发明提供一种呼吸及血液灌注图像同步生成方法，包括：
获取人体胸腔的电阻抗信号；
在所述电阻抗信号中提取呼吸信号和血液灌注信号；
根据所述呼吸信号生成呼吸图像，以及同步地根据所述血液灌注信号生成血液灌注图像。
可选地，在生成呼吸图像和血液灌注图像后还包括：
在同一界面中显示所述呼吸图像和所述血液灌注图像。
可选地，在所述电阻抗信号中提取呼吸信号和血液灌注信号的步骤中，通过低通滤波从电阻抗信号中提取呼吸信号，同时通过带通滤波从所述电阻抗信号中提取血液灌注信号。
可选地，通过两个滤波器分别从电阻抗信号中提取所述呼吸信号和所述血液灌注信号，并且所述两个滤波器的参数被设置为动态地根据被测人体的生理指标进行联合调整。
可选地，所述生理指标包括心率和/或呼吸速率。
可选地，所述参数包括截止频率，其中低通滤波器的截止频率大于n倍的呼吸速率且小于心率，带通滤波器的下截止频率和低通滤波器的截止频率重合。
可选地，所述两个滤波器均为有限冲激响应数字滤波器，其中低通滤波器的所述参数包括通带截止频率，阻带截止频率；带通滤波器的所述参数包括下阻带截止频率、下通带截止频率、上通带截止频率、上阻带截止频率。
可选地，在所述根据所述呼吸信号生成呼吸图像，以及同步地根据所述血液灌注信号生成血液灌注图像的步骤中，采用线性差分成像法，根据呼吸信号在各时刻相对于参考时刻的变化，以及根据灌注信号在各时刻相对于参考时刻的变化生成所述呼吸图像和所述血液灌注图像。
可选地，所述参考时刻被设置为在生成图像过程中固定不变，或者被设置为随着图像生成过程的进行而动态地更新。
相应地，本发明提供一种呼吸及血液灌注图像同步生成设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述呼吸及血液灌注图像同步生成方法。
本发明还提供一种呼吸及血液灌注图像同步生成系统，包括：电极组件，用于测量人体胸腔电阻抗信号；上述呼吸及血液灌注图像同步生成设备；以及显示装置，用于显示包括所述呼吸图像和所述血液灌注图像的界面。
根据本发明提供的呼吸及血液灌注图像同步生成方法、设备和系统，在采集到人体胸腔的电阻抗测量信号时，在其中同时提取由呼吸引起的信号分量和由血液灌注引起的信号分量，并由此同步地重建呼吸图像和血液灌注图像，提高了电阻抗成像的效率，同步地提供了人体内呼吸和血液灌注的重要信息，并有利于图像的对比分析。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中的呼吸及血液灌注图像同步生成系统的示意图；
图2为本发明实施例中的呼吸及血液灌注图像同步生成方法的流程图；
图3为本发明实施例中的电阻抗测量数据的时域图形；
图4为本发明实施例中的电阻抗测量数据的频域图形；
图5为本发明实施例中的图像显示界面；
图6为本发明实施例中的呼吸信号的时域图形；
图7为本发明实施例中的呼吸信号的频域图形；
图8为本发明实施例中的血液灌注信号的时域图形；
图9为本发明实施例中的血液灌注信号的频域图形；
图10为本发明实施例中的滤波器示意图；
图11为本发明实施例中的基于主成分分析的信号分离方法示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供一种呼吸及血液灌注图像同步生成系统,如图1所示该系统包括电极组件1、图像同步生成设备2以及显示装置3。电极组件1用于测量人体胸腔电阻抗信号，即通过施加激励信号，采集电极的反馈信号。本方案可以使用现有的电极组件，即环绕贴附于被测者胸部的电极阵列；也可以使用特殊的电极阵列，比如中国专利文件CN111012348A公开的电极布置方式，可以是布置在二维平面内的、或者形成三维布局的电极阵列。显示装置3用于显示图像生成结果。
图像同步生成设备2是包括至少一个处理器，以及与处理器通信连接的存储器的电子设备。存储器存储有可被一个处理器执行的指令，指令被处理器执行，以执行呼吸及血液灌注图像同步生成方法。如图2所示，该方法包括如下步骤：
S1,获取人体胸腔的电阻抗信号。具体是指在待测人体区域，如胸腔周围，固定电极阵列，所述电极阵列包含若干个电极，通过电极阵列对待测人体区域进行激励并测量由此产生的响应，如：轮流对电极施加电流激励，并依次在其他电极上测量由此产生的电压信号。
S2,在电阻抗信号中提取呼吸信号和血液灌注信号。作为举例，如图3所示，其中显示了测量数据的时域图形。图中曲线代表特定电极激励时，在特定电极上测量得到的电压信号(图中纵坐标为从数字电压表直接读取的数值，未将其转换为实际电压值)，其他激励及测量情形的信号与之类似。图4显示了测量信号的频谱，具体地，可以由图3所示信号通过傅里叶变换得到。根据图4所示信号的频域特征，可以从电阻抗测量信号中分辨出由呼吸引起的信号分量41(呼吸信号)和由血液灌注引起的信号分量42(血液灌注信号)。
S3,根据呼吸信号生成呼吸图像，以及同步地根据所述血液灌注信号生成血液灌注图像。通过图像重建算法同时重建呼吸图像和血液灌注图像，并且所述重建可以被实时地进行，呼吸图像反映由于呼吸引起的待测人体区域内的电阻抗变化，血液灌注图像反映由于血液灌注引起的待测人体区域内的电阻抗变化。
图像重建算法可以是各种线性的和非线性的、迭代的和非迭代的、随机的和确定性的图像重建算法。根据电极阵列的类型(二维或者三维的)，生成的图像可以是肺部的二维动态图像，也可以是肺部的三维立体动态图像，动态图像是随被测者的呼吸动作(或肺部血液灌注情况)变化的。
S4,在同一界面中显示呼吸图像和血液灌注图像。作为优选的实施例，界面如图5所示，其中左侧为呼吸图像，右侧为血液灌注图像，同时且实时的显示方式有利于医生对图像同步对比分析，清楚地体现被测者的呼吸和血液灌注情况。在其它实施例中，这两个图像也可以在不同的界面中显示，或者用户可以选择显示其中之一。
根据本发明实施例提供的呼吸及血液灌注图像同步生成方法，在采集到人体胸腔的电阻抗测量信号时，在其中同时提取由呼吸引起的信号分量和由血液灌注引起的信号分量，并由此同步地重建呼吸图像和血液灌注图像，提高了电阻抗成像的效率，同步地提供了人体内呼吸和血液灌注的重要信息，并有利于图像的对比分析。
在一个实施例中，使用低通滤波和带通滤波实现上述步骤S2。本实施例通过低通滤波从电阻抗信号中提取呼吸信号，同时通过带通滤波从所述电阻抗信号中提取血液灌注信号。在实际实施过程中，根据信号的频域特征设计合适的滤波器并配置参数。
比如可以使用有限脉冲响应滤波器或无限脉冲响应滤波器等，其中低通滤波器的参数包括通带截止频率，阻带截止频率；带通滤波器的参数包括下阻带截止频率、下通带截止频率、上通带截止频率、上阻带截止频率。本实施例配置合适的上述参数对电阻抗信号进行滤波，滤波得到的呼吸信号的时域图形如图6所示，图7为对应的频域图形；滤波得到的血液灌注信号的时域图形如图8所示，图9为对应的频域图形。
作为优选方案，两个滤波器的参数被设置为动态地根据被测人体的生理指标进行联合调整。如图10所示，电压信号(电阻抗测量信号)分别进入低通滤波器101和带通滤波器102，根据生理指标动态且同步地调整二者的参数(参数联调)。具体来说，所采纳的生理指标包括心率、呼吸速率之一或者全部。
进一步地，本实施例联合调整的参数包括截止频率，配置为低通滤波器的截止频率大于n倍(n＝2或者n＝3)的被测者的呼吸速率且小于心率，带通滤波器的下截止频率和低通滤波器的截止频率重合。根据被测者的生理指标动态地调整滤波器的参数，使提取出的信号更接近被测者的实际情况，由此可以提高电阻抗成像的准确性，并保持呼吸图像和血液灌注图像同步。
在一个实施例中，使用基于主成分分析(principle component analysis,PCA)的方法实现上述步骤S2，同时提取呼吸信号和血液灌注信号。具体地，假设测量信号为u。其尺寸为Nt×Nc，其中Nt为采样点数，Nc为测量通道数。将通道作为特征，利用主成分分析得到信号的主成分
其中pi(i＝1,2,…,Nc)的尺寸为Nt×1，且其对应的特征值依次减小。如图11所示，将前若干个主成分(如p1)作为模板对信号u进行模板匹配滤波，得到呼吸信号uV；然后将后续若干个主成分(如p2和p3)作为模板对信号u进行模板匹配滤波，得到血液灌注信号uP。
在一个实施例中，使用基于神经网络实现上述步骤S2同时提取呼吸信号和血液灌注信号。具体地，所述基于神经网络的方法分为训练和预测两个阶段。在训练阶段，利用训练数据通过有监督或无监督的方法训练一个信号提取网络；在预测阶段，利用训练好的信号提取网络来同时提取电阻抗测量信号中的呼吸信号和血液灌注信号。
下面介绍一种成像法，在一个实施例中采用线性差分成像法实现上述步骤S3，根据呼吸信号在各时刻相对于参考时刻的变化，以及根据灌注信号在各时刻相对于参考时刻的变化生成所述呼吸图像和所述血液灌注图像。电阻抗测量信号的时域形式记为u(t)，其中t为时间变量。EIT差分成像可以表述为如下最小二乘问题:
minδσ‖J·δσ-δu‖2+α‖R·δσ‖2，
其中，J为雅可比矩阵，δu＝u(t)-u(tref)为信号在时刻t相对于参考时刻tref的变化，δσ为上述两个时刻所测量区域内的电导率变化，R为正则化矩阵，α为正则化参数。δσ定义在离散化的模型如三角形网格或四面体网格中。上述问题的解为
δσ＝(JT·J+αRT·R)-1·JT·δu.
令D＝(JT·J+αRT·R)-1·JT，则上述公式可以表示为：
δσ＝D·δu.
在此基础上，步骤S2提取的呼吸信号和血液灌注信号的时域形式分别记为uV(t)和uP(t)，则扩展上式可以得到同时生成呼吸图像和血液灌注图像的公式：
(δσV,δσP)＝D·(δuV,δuP),
其中，δσV为呼吸图像，δσP为血液灌注图像，
为呼吸信号在时刻t相对于参考时刻
的变化，
为血液灌注信号在时刻t相对于参考时刻
的变化。在实际实现时，上述差分参考时刻既可以设置为在整个图像重建过程中固定不变，也可以设置为随着图像重建过程的进行而动态地更新。
在一个实施例中，采用基于机器学习的方法实现上述步骤S3,生成呼吸图像和血液灌注图像。EIT差分成像可以表示为：
其中，
为重建算子，δu为不同时刻测量数据的变化，δσ为相应时刻电导率的变化。所述基于机器学习的方法分为训练和预测两个阶段。首先，在训练阶段，给定训练数据{δui,δσi}，可以训练一个机器学习模型
来近似算子
在预测阶段，给定呼吸信号δuV和血液灌注信号δuP，可以通过
来并行地预测相应的电导率变化：
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (11)
1.一种呼吸及血液灌注图像同步生成方法，其特征在于，包括：
获取人体胸腔的电阻抗信号；
在所述电阻抗信号中提取呼吸信号和血液灌注信号；
根据所述呼吸信号生成呼吸图像，以及同步地根据所述血液灌注信号生成血液灌注图像。
2.根据权利要求1所述的方法，其特征在于，在生成呼吸图像和血液灌注图像后还包括：
在同一界面中显示所述呼吸图像和所述血液灌注图像。
3.根据权利要求1或2所述的方法，其特征在于，在所述电阻抗信号中提取呼吸信号和血液灌注信号的步骤中，通过低通滤波从电阻抗信号中提取呼吸信号，同时通过带通滤波从所述电阻抗信号中提取血液灌注信号。
4.根据权利要求3所述的方法，其特征在于，通过两个滤波器分别从电阻抗信号中提取所述呼吸信号和所述血液灌注信号，并且所述两个滤波器的参数被设置为动态地根据被测人体的生理指标进行联合调整。
5.根据权利要求4所述的方法，其特征在于，所述生理指标包括心率和/或呼吸速率。
6.根据权利要求5所述的方法，其特征在于，所述参数包括截止频率，其中低通滤波器的截止频率大于n倍的呼吸速率且小于心率，带通滤波器的下截止频率和低通滤波器的截止频率重合。
7.根据权利要求4-6中任一项所述的方法，其特征在于，所述两个滤波器均为有限冲激响应数字滤波器，其中低通滤波器的所述参数包括通带截止频率，阻带截止频率；带通滤波器的所述参数包括下阻带截止频率、下通带截止频率、上通带截止频率、上阻带截止频率。
8.根据权利要求1或2所述的方法，其特征在于，在所述根据所述呼吸信号生成呼吸图像，以及同步地根据所述血液灌注信号生成血液灌注图像的步骤中，采用线性差分成像法，根据呼吸信号在各时刻相对于参考时刻的变化，以及根据灌注信号在各时刻相对于参考时刻的变化生成所述呼吸图像和所述血液灌注图像。
9.根据权利要求8所述的方法，其特征在于，所述参考时刻被设置为在生成图像过程中固定不变，或者被设置为随着图像生成过程的进行而动态地更新。
10.一种呼吸及血液灌注图像同步生成设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-9中任意一项所述的呼吸及血液灌注图像同步生成方法。
11.一种呼吸及血液灌注图像同步生成系统，其特征在于，包括：电极组件，用于测量人体胸腔电阻抗信号；权利要求10所述的呼吸及血液灌注图像同步生成设备；以及显示装置，用于显示包括所述呼吸图像和所述血液灌注图像的界面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010932020.8A CN112057073A (zh) | 2020-09-08 | 2020-09-08 | 呼吸及血液灌注图像同步生成方法、设备和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010932020.8A CN112057073A (zh) | 2020-09-08 | 2020-09-08 | 呼吸及血液灌注图像同步生成方法、设备和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112057073A true CN112057073A (zh) | 2020-12-11 |
Family
ID=73664150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010932020.8A Pending CN112057073A (zh) | 2020-09-08 | 2020-09-08 | 呼吸及血液灌注图像同步生成方法、设备和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112057073A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113208578A (zh) * | 2021-05-26 | 2021-08-06 | 北京华睿博视医学影像技术有限公司 | 血液灌注信号分离模型训练方法及设备 |
| CN113749636A (zh) * | 2021-01-26 | 2021-12-07 | 北京华睿博视医学影像技术有限公司 | 一种三维通气图像产生方法、控制器及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170325771A1 (en) * | 2016-05-13 | 2017-11-16 | Konica Minolta, Inc. | Dynamic analysis system and analysis device |
| CN108498083A (zh) * | 2017-02-24 | 2018-09-07 | 深圳市迈迪加科技发展有限公司 | 一种生理信息监测装置以及方法 |
| CN109864712A (zh) * | 2019-04-02 | 2019-06-11 | 北京华睿博视医学影像技术有限公司 | 电阻抗成像设备和方法 |
| CN111067521A (zh) * | 2019-12-31 | 2020-04-28 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
| CN111449657A (zh) * | 2020-04-15 | 2020-07-28 | 中国医学科学院北京协和医院 | 一种床旁的基于盐水造影肺通气-血流灌注电阻抗断层成像方法 |
-
2020
- 2020-09-08 CN CN202010932020.8A patent/CN112057073A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170325771A1 (en) * | 2016-05-13 | 2017-11-16 | Konica Minolta, Inc. | Dynamic analysis system and analysis device |
| CN108498083A (zh) * | 2017-02-24 | 2018-09-07 | 深圳市迈迪加科技发展有限公司 | 一种生理信息监测装置以及方法 |
| CN109864712A (zh) * | 2019-04-02 | 2019-06-11 | 北京华睿博视医学影像技术有限公司 | 电阻抗成像设备和方法 |
| CN111067521A (zh) * | 2019-12-31 | 2020-04-28 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
| CN111449657A (zh) * | 2020-04-15 | 2020-07-28 | 中国医学科学院北京协和医院 | 一种床旁的基于盐水造影肺通气-血流灌注电阻抗断层成像方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113749636A (zh) * | 2021-01-26 | 2021-12-07 | 北京华睿博视医学影像技术有限公司 | 一种三维通气图像产生方法、控制器及装置 |
| WO2022160899A1 (zh) * | 2021-01-26 | 2022-08-04 | 北京华睿博视医学影像技术有限公司 | 一种三维通气图像产生方法、控制器及装置 |
| CN113208578A (zh) * | 2021-05-26 | 2021-08-06 | 北京华睿博视医学影像技术有限公司 | 血液灌注信号分离模型训练方法及设备 |
| CN113208578B (zh) * | 2021-05-26 | 2022-04-26 | 北京华睿博视医学影像技术有限公司 | 血液灌注信号分离模型训练方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wierzgała et al. | Most popular signal processing methods in motor-imagery BCI: a review and meta-analysis | |
| Zhou et al. | Monotonicity-based electrical impedance tomography for lung imaging | |
| CN111067521B (zh) | 基于电阻抗成像的三维血液灌注图像产生方法与装置 | |
| KR102255109B1 (ko) | 진단 지원 프로그램이 저장된 컴퓨터 판독가능한 기록매체 | |
| CH709834B1 (de) | Vorrichtung und Verfahren zur Verarbeitung von tomographischen Daten. | |
| JPH05507864A (ja) | リアルタイム電気的インピーダンス断層写真システム | |
| US10357178B2 (en) | System and method for enhanced electrical impedance tomography | |
| CN112057073A (zh) | 呼吸及血液灌注图像同步生成方法、设备和系统 | |
| WO2019135412A1 (ja) | 診断支援プログラム | |
| CN109758149B (zh) | 一种结合时差成像和频差成像的电阻抗成像方法 | |
| CN105852863B (zh) | 一种呼吸率测量方法及装置 | |
| JP2023545859A (ja) | 電気インピーダンスイメージング方法、システム、記憶媒体および電子機器 | |
| Antink et al. | Multimodal sensor fusion of cardiac signals via blind deconvolution: A source-filter approach | |
| JP5469574B2 (ja) | 電気的インピーダンス断層像測定装置。 | |
| CN114748052A (zh) | 呼吸电阻抗成像激励参数选择方法、装置、设备与介质 | |
| EP4285816A1 (en) | Three-dimensional ventilation image generation method, and controller and apparatus | |
| Bizcaino et al. | Neural Network-Based Matrix Completion for Minimal Configuration of Body Surface Potential Mapping | |
| KR102407355B1 (ko) | 비침습적으로 기류성분과 혈류성분을 분리하여 측정하는 장치 및 그 방법 | |
| CN113208578B (zh) | 血液灌注信号分离模型训练方法及设备 | |
| TWI808755B (zh) | 一種血壓測量方法及血壓測量系統 | |
| EP3995081A1 (en) | Diagnosis assisting program | |
| WO2022199619A1 (en) | Electrical impedance tomography based lung assessment | |
| RU2538938C2 (ru) | Способ формирования двумерного изображения биосигнала и его анализа | |
| DE102022200926A1 (de) | Extraktion physiologischer Daten aus EKG-Rohdaten im Rahmen einer Magnetresonanz-Bildgebung | |
| CN118021277A (zh) | 电阻抗层析成像血流灌注图像的心肺分离方法与装置 |
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: 20231108 Address after: 213, Floor 2, Building 10, No. 9, Tianfu Street, Daxing District, Beijing, 102600 Applicant after: BEIJING HUARUI BOSHI MEDICAL IMAGE TECHNOLOGY Co.,Ltd. Applicant after: TSINGHUA University Address before: 102627 213, 2 / F, building 10, 9 Tianfu street, Daxing District, Beijing Applicant before: BEIJING HUARUI BOSHI MEDICAL IMAGE TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right |