CN112822981A - 自动eeg传感器配准 - Google Patents

自动eeg传感器配准 Download PDF

Info

Publication number
CN112822981A
CN112822981A CN201980066787.2A CN201980066787A CN112822981A CN 112822981 A CN112822981 A CN 112822981A CN 201980066787 A CN201980066787 A CN 201980066787A CN 112822981 A CN112822981 A CN 112822981A
Authority
CN
China
Prior art keywords
electrode
average
processors
instructions
mesh
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
Application number
CN201980066787.2A
Other languages
English (en)
Inventor
L·G·扎戈尔谢夫
F·文策尔
N·弗莱施纳
K·格奥尔格保洛
A·埃瓦尔德
S·萨比桑
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN112822981A publication Critical patent/CN112822981A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Neurology (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

一种将电极位置编码到平均头皮网格以用于针对后续图像扫描的调整的方法(10)。

Description

自动EEG传感器配准
技术领域
本发明总体上涉及对象的颅骨上的脑电图(EEG)电极的迅速和准确放置。
背景技术
癫痫症的复杂病理生理学已经强调针对脑区域和其动态相互作用的结构和功能分析的需要。电源成像(ESI)是估计为如由定位在头皮上的脑电图(EEG)电极测量的头皮电位负责的源的位置的技术。ESI通过公式化描述由源生成的电势如何传播到头皮的正向模型并且解决提供将测量的头皮电势映射到估计源来获得。精确的脑组织分割和导电性值对于准确正向方案是必要的。作为结果，ESI从一般和共形图谱移动到从个体MRI导出的患者特异性头部模型。当前，将EEG电极配准到磁共振成像(MRI)扫描是包含多个手动步骤的冗长并且半自动的过程。
已经取得一些进步来减轻手动负担。例如，在Fleury等人首先在2018年8月20日在线公布并且由bioRxiv重印的“Automated Electrodes Detection during SimultaneousEEG/fMRI”中，作者描述了一种用于将MR兼容EEG帽检测并且标记到MR空间中的完全自动化方法。电极的检索包括提供其中电极驻留的体积的掩模并且然后执行该体积(或感兴趣体积或VOR)内的电极检测。为了提取VOI，外皮肤掩模从T1图像执行，掩模的扩张和移除被执行以获得其中电极被定位的层，并且然后超短回波时间(UTE)图像与VOI之间的掩模操作导致VOI。3D霍夫变换被用于分割VOI内的电极，从而提供电位电极的列表。电极使用迭代最近点(ICP)过滤，从而引到对象上的电极的位置。
发明内容
本发明的一个目标是减少关于将电极配准到图像扫描涉及的手动或半自动负担。为了更好地解决这样的关心问题，在本发明的第一方面中，一种将电极位置编码到平均头皮网格以用于针对后续图像扫描的调整的装置。该装置提供一种在数秒内识别图像扫描上的电极的完全自动过程，其使能临床可接受体积电源成像(ESI)。
在一个实施例中，所述装置被配置为：接收对应于多个电极位置的平均的平均电极文件；将平均电极位置配准到平均头皮网格的多个顶点；施行对称；并且基于配准和施行来提供利用电极位置编码的平均头皮网格。通过这些功能，生成一种促进用于个体化成像扫描的电极识别的自动化过程的模型。
在一个实施例中，所述装置还被配置为通过使平均电极位置对称或者通过使平均头皮网格的多个顶点对称施行针对未对称的配准电极位置的子集的对称。因此，通过对称的施行，存在电极位于所述平均头皮网格上的置信度并且所述模型因此适用于用于电极位置的提取的个体MRI扫描。
在一个实施例中，所述装置被配置为：在训练阶段期间接收、配准、施行和提供一次，并且其中，至少配准和和施行自动地执行。通过使装置功能的全部或一部分自动化，通常劳动密集型电极配准过程中的减少被实现。
在一个实施例中，所述装置被配置为：接收可变形头部模型，其包括利用电极位置编码的平均头皮网格；将可变形头部模型调整到成像扫描；并且基于调整来提取电极的位置。通过训练阶段建立的可变形头部模型的应用导致迅速地识别针对个体化MRI扫描的电极和具有技术人员或医学专家上的减少负担的过程。
在一个实施例中，所述装置被配置为通过使所述可变形头部模型的平均网格变形以匹配属于所述成像扫描的信息来调整所述可变形头部模型，其中，所述调整和提取自动地实现。再次，该电极识别过程的自动化同样地减轻技术人员和专家上的负担。
在一个实施例中，所述装置还被配置为提供所述电极位置的输出，其中，所述输出包括电极坐标、电极坐标的可视化、对应于所述成像扫描的对象的头部的可视化和投影到所述头部上的电极之一或任何组合。所述可视化促进电极网的调节和/或校正。
在一个实施例中，所述装置被配置为基于将所述平均头皮网格的顶点与对应于解剖结构的界标对准来调整所述可变形头部模型。界标的使用使能电极放置中的误差的减少或避免。
本发明的这些和其他方面将根据在下文中所描述的(一个或多个)实施例而显而易见并且将参考在下文中所描述的(一个或多个)实施例而得到阐述。
附图说明
本发明的许多方面可以参考图解性的以下附图更好地理解。附图中的部件不必按比例，相反重点在于清楚地图示本发明的原理。此外，在附图中，相似附图标记贯穿若干视图指定对应的部分。
图1是图示根据本发明的实施例的用于在训练阶段期间将电极配准到平均头皮网格的范例方法的流程图。
图2A-2D是根据本发明的实施例的来自针对各种类型的电极配置的平均电极文件的平均电极位置的示意图。
图3A-3C是根据本发明的实施例的基于连同对称施行一起将平均头皮网格配准到平均电极位置的各种电极配置的头部模型上的编码电极位置的示意图。
图4是根据本发明的实施例的使用从训练阶段导出的编码电极位置在应用阶段中定位或提取对象的图像扫描上的电极的流程图。
图5是示出根据本发明的实施例的用于对象特异性图像扫描的电极位置的示意图。
图6是图示根据本发明的实施例的在训练阶段期间编码电极并且在应用阶段中针对患者特异性图像扫描调整编码电极的范例装置的框图。
图7是图示根据本发明的实施例的范例电极编码方法的流程图。
图8是图示根据本发明的实施例的用于基于编码电极的电极放置的范例方法的流程图。
具体实施方式
本文公开了利用电极位置编码平均头皮网格并且然后将包括平均头皮网格的头部模型调整到对象特异性成像扫描的电极编码装置和方法的某些实施例。在一个实施例中，电极编码方法实现用于实现将平均头皮网格配准到平均电极文件并且施行对称以利用编码电极位置导出平均头皮网格的训练阶段。在一些实施例中，电极编码方法被实现在应用阶段中，其中，方法将平均头皮网格调整到个体的成像扫描并且基于调整来提取(估计的)电极位置。
简要地偏离主题，癫痫发作由起源于人类大脑中的特定区域的不受控制的放电引起。尽管结构磁共振成像(MRI)是标准临床评估中的选择的例行模态，但是其常常在癫痫对象中是非揭示的。发作的电活动可以使用脑电图(EEG)有效地监测，但是EEG缺少空间分辨率并且需要与用于体积电源成像(ESI)的结构MRI对准。该对准或者配准是艰苦的过程。一些技术已经开发以使某些过程流线化，诸如背景技术中讨论的。在本文所公开的某些实施例中，描述了可以使用户工作流程简化并且流线化并且使能临床可接受的ESI的电极编码方法。
已经概述了本公开的电极编码方法的某些特征，现在将对如附图图示的电极编码方法的描述进行详细参考。尽管电极编码方法将结合这些附图描述，但是不旨在将其限于本文所公开的一个或多个实施例。例如，提供了范例，其将单个装置用于在训练阶段中利用编码电极位置导出平均头皮网格的一个方法并且然后在应用阶段中用于利用编码电极位置将包括平均头皮网格的可变形头部模型调整到给定对象的成像扫描并且提取电极位置的另一方法。然而，在一些实施例中，独立训练和应用阶段可以在分离的设备中执行，或者在一些实施例中在多个设备(例如，分布式处理系统)中间实现。另外，尽管描述识别或者描述一个或多个实施例的细节，但是这样的细节不必是每个实施例的部分，也不是必然与单个实施例相关联的所有任何各种说明优点。相反，目的是覆盖所有备选、修改和被包括在如由随附的权利要求所限定的本公开的原理和范围内的等效物。例如，两个或更多个实施例可以交换或以任何组合来组合。另外，应当意识到，在本公开的背景下，权利要求不必限于描述中阐述的特定实施例。
图1是图示用于在训练阶段期间将电极配准到平均头皮网格的范例方法的实施例的流程图。应当意识到，图1所描绘的方法是一个说明性范例，并且在一些实施例中，可以实现不同数目的步骤或功能。指代为方法10的方法包括：接收对应于多个电极位置的(相应)平均的平均电极文件(AVG ELCTRD文件)12；接收平均头皮网格(MN SCLP MSH)14；将平均电极位置配准到平均头皮网格的多个顶点(REG)16；针对非对称的配准位置的子集施行对称(ENFRC SYMM)18；并且提供输出(OUT)。例如，输出可以包括可变形头部模型，其包括具有标记或编码电极位置(例如，在多个顶点处)的平均头皮网格。输出可以作为文件被存储在本地或远程存储器中以用于在如与图4关联解释的应用阶段期间调整。
还参考图1的方法10，平均电极文件12基于穿戴电极的各种布置/配置的多个(例如，大量群体)对象的综合头部成像来生成。在一个实施例中，成像可以通过多立体相机系统的使用完成，诸如同时拍摄十一张照片以记录多达对象的头部上的256个电极的位置的相机(例如，Philips的GPS系统)的大网格球顶。在一些实施例中，可以使用其他成像机构。图2A-2D提供了来自平均电极文件的电极20(例如，20A-20D)的不同布置的图示，包括针对32个(图2A)脑电图(EEG)电极配置的电极坐标20A、针对64个(图2B)脑电图(EEG)电极配置的20B、针对128个(图2C)脑电图(EEG)电极配置的20C、针对256个(图2D)脑电图(EEG)电极配置的20D。GPS软件使用半自动化算法创建电极或传感器位置的3D点云(在本文中，电极和传感器是可交换地使用的术语)。
平均头皮网格14基于多个对象的成像扫描(例如，磁共振成像(MRI)扫描)。即，每个头皮网格从被分割为皮层和皮层下脑区域的集合的形状约束可变形脑模型导出。换句话说，脑模型包括提供从一个对象到另一个对象的基于点的对应性的三角网格的集合。适合的脑模型的范例在L.Zagorchev,A.Goshtasby,K.Paulsen,T.McAllister,S.Young和J.Weese,Manual annotation,3-D shape reconstruction,and traumatic brain injuryanalysis(Int'l Workshop Multimodal Brain Image Analysis(MBIA),Toronto,Calif.,2011年9月)和L.Zagorchev、C.Meyer、T.Stehle、R.Kneser、S.Young和J.Weese,Evaluationof Traumatic Brain Injury patients using a shape-constrained deformable model(Int'l Workshop Multimodal Brain Image Analysis(MBIA),Toronto,Calif.,2011年9月)中描述。在本文中还预期其他模型。平均头皮网格14包括将与平均电极位置的3D点云配准的3D点云。
将平均EEG电极位置配准16到平均头皮网格可以被视为两个前述点云的对准。针对图2A-2D的32、64、128和256个EEG传感器配置的平均电极坐标20可以利用基于点的刚性配准(例如，人工初始化迭代最近点配准)与平均头皮网格对准。即，在EEG电极位置与平均头皮网格对准之后，来自最接近于EEG电极的平均头皮网格的顶点可以被选择并且保存为点界标(即，电极在被标记或编码在网格上之后变为界标)。这些电极位置包括最可能的位置的估计。在一个实施例中，在该训练阶段期间，配准被执行仅一次以将电极编码为平均头皮网格上的点界标。实际上，平均(头皮)网格被用于生成平均头部上的平均电极位置的模型。注意，术语头皮网格和皮肤网格在本文中可交换地使用。该平均(头皮)网格基于MRI扫描调整到个体的头部，得到的网格包括个体化网格。
注意，在一些实施例中，在配准16的过程期间和/或在对个体头部的调整期间，可以存在某些电极到解剖界标的(自动)施行。例如，平均头皮网格的专用顶点可以特别地与解剖界标对准，包括鼻根、枕外隆凸尖和左和右耳附近的共同界标。配准16包括平均头皮网格的特定顶点与MRI扫描中的界标的完全自动对准。针对医学图像中的解剖界标的已知检测器存在并且可以由人工智能(AI)实现，包括经由定位网络或由其他装置。在一个实施例中，通过该细化配准实施例，平均头皮网格适于MRI扫描，使得顶点的特定子集匹配其预期自动位置。在一些实施例中(例如，在配准之后)，网格类似地适于个体的MRI扫描，因此顶点的特定子集匹配其预期自动位置。此处焦点在可以自动检测的界标上，因为许多电极位置不能被识别为解剖界标，因为在那些个体位置处不存在特定特征。
关于对称18的施行，在一个实施例中，电极位置相对于正中矢状平面的对称可以通过将右半球上的电极位置与其左半球上的对应电极位置相比较来施行。在所有三个方向上的电极对之间的差异可以分成两半以获得平均头皮网格上的新对称传感器位置。换句话说，电极的坐标(例如，X、Y、Z)应当是相对于正中矢状平面对称的，因为大脑同样地是相对于正中矢状平面对称的。该过程仅仅通过调节每个电极对的坐标施行对称(例如，在对称缺少的情况下)。图3A-3C图示了用于不同电极配置的对称电极图22(例如，22A-22C)。例如，图3A-3C示出了编码为头部模型的平均头皮网格上的点界标的对称电极位置，分别地包括针对32个EEG传感器网配置的图22A、针对128个EEG传感器网配置的图22B、以及针对256个EEG传感器网配置的图22D。编码为头部模型的平均头皮网格上的点界标的对称电极的这些图22被输出到另一部件或者设备，包括存储器、另一模块等。
注意，图1描绘的方法10的变型被预期在本公开的范围内。例如，在一些实施例中，对称的施行可以未按图1描绘的次序，并且可以涉及其他技术。例如，通过沿着左-右(L-R)轴镜像坐标，可以首先使在平均电极位置中进行对称(例如，在没有平均皮肤网格的情况下)。作为另一范例，在一些实施例中，通过沿着L-R轴镜像坐标，可以使平均皮肤网格的顶点对称(在没有平均电极位置的情况下)。因此，根据这些其他机构的对称施行也导致平均网格上的对称位置。
已经描述了用于电极编码方法10的实施例的范例训练阶段，注意现在被引导到图4，图4是图示将具有编码有电极位置并且从训练阶段导出的平均头皮网格的可变形头部模型调整到对象特异性成像扫描以在应用阶段期间提取电极位置的范例方法24的实施例的流程图。方法24包括：接收具有带有编码电极位置的平均头皮网格的可变形头部模型(HDMDL)26；接收针对对象的成像扫描(MRI)28；将可变形头部模型调整到成像扫描(ADPT)30；基于调整来提取电极的位置(EXTR)32；并且提供输出(OUT)。
在一个实施例中，可变形头部模型包括方法10的输出(图1)。MRI扫描28特定于特定对象。将头部模型调整到新扫描30使平均头皮网格自动变形以匹配患者的数据/形状并且定义患者特异性电极位置。点界标可以在模型调整之后被提取32以提供与MRI扫描对准的EEG电极位置，如图5的范例输出34所示。尽管输出被描绘为与电极交叠的图像，但是在一些实施例中，输出可以仅仅是电极位置(例如，X、Y、Z坐标)或两者的组合。在一些实施例中，输出可以包括包含使用已知3D可视化技术的分割皮肤之上的估计电极位置的可视化。在一些实施例中，可视化可以包括沉浸式类型技术，包括增强现实，以叠加对象的皮肤上的估计电极位置(例如，如经由智能相机、头戴式显示器等查看的)。
注意，如上文所提到的，调整(或在一些实施例中，后处理步骤)可以包含将皮肤网格的专用顶点与解剖界标对准，包括鼻根、枕外隆凸尖、和左和右耳附近的共同界标。换句话说，界标识别可以在训练阶段中执行，在训练阶段中省略，或者在训练和应用阶段两者中使用。该调整可以包括使对应皮肤顶点的空间变化性最小化的局部表面特异性约束项。在对准之后，表示皮肤表面的网格的个体顶点可以被识别以在使用手持式光学测量或者摄影测量(例如，Philips GPS系统)以及其他技术建模其相对于分割皮肤的空间变化性之后表示电极。
已经描述了电极编码方法的某些实施例，注意被引导到图6，图6图示了用于执行电极编码方法10和/或24的范例装置36的实施例。在所描绘的实施例中，电极编码方法的功能被实现为包括共同实现为计算设备(其可以包括医学设备)的共同定位的软件和硬件部件的装置。应当意识到，在一些实施例中，电极编码方法的功能可以在本地于成像机器或系统驻留或者远离成像机器/系统驻留(例如，在基于云的平台、服务器群、网络服务器、应用服务器等中)的一个或多个设备中执行。在一些实施例中，彼此远离的多个设备(例如，客户端-服务器关系)可以共同地以分布式处理方式执行电极编码方法的功能。本领域普通技术人员应当意识到，在本公开的背景下，范例装置(在本文中被称为计算设备36)仅仅说明一个实施例，并且计算设备的一些实施例可以包括更少或额外部件，和/或在一些实施例中，与图6所描绘的各种部件相关联的功能中的一些可以组合，或者进一步分布在额外模块或计算设备中间。应当意识到，计算机系统的某些公知部件此处省略以避免模糊计算设备36的相关特征。
在一个实施例中，计算设备36包括一个或多个处理器(P)38(例如，38A...38N)、输入/输出(I/O)接口40(I/O)、一个或多个用户接口(UI)42，其可以包括键盘、鼠标、麦克风、扬声器、显示器等中的一个或多个)，和存储器44(MEM)，其全部耦合到一个或多个数据总线，诸如数据总线46(DBUS)。在一些实施例中，用户接口可以直接地耦合到数据总线46。存储器44可以包括易失性存储器元件(例如，随机存取存储器RAM，诸如DRAM和SRAM等)和非易失性存储器元件(例如，ROM、Flash、固态、EPROM、EEPROM、硬盘驱动器、磁带、CDROM等)的任一个或组合。存储器44可以针对各种操作系统和/或仿真硬件平台、仿真操作系统等中的任何存储本地操作系统、一个或多个本地应用、仿真系统或仿真应用。在一些实施例中，分离的存储设备(STOR DEV)可以经由I/O接口40和一个或多个网络耦合到数据总线46或者作为网络连接设备(或设备)。在所描绘的实施例中，计算设备36可以经由I/O接口耦合到成像系统，但是应当意识到，连接可以在一些实施例中经由一个或多个网络或者根据其他已知连接或互联来实现。存储设备可以被实现为永久存储器(例如，光学、磁性和/或半导体存储器和相关联的驱动器)。在一些实施例中，存储设备或存储器44可以存储模型库、扫描以及其他对象信息。
在图6中所描绘的实施例中，存储器44包括操作系统48(OS)(例如，LINUX、macOS、Windows等)，以及电极编码软件(SW)50，其包括训练模块(TRN)52和应用模块(APP)54。训练模块52包括配准模块(REG)56和对称施行模块(ENFRC)58。应用模块54包括调整模块(ADPT)60和提取模块(EXTR)62。在一些实施例中，可以存在更少或者额外模块。在该范例中，模块被描绘为软件/固件(包括中间件或微代码)的形式的指令(例如，可执行代码)的块，但是在一些实施例中，相同内容的功能性可以经由硬件实现(例如，电路，包括专用集成电路(ASIC)、现场可编程门阵列(FPGA)、向量处理器、张量处理单元等)。包括训练模块52(还包括配准模块56和对称施行模块58)和应用模块54(还包括调整模块60和提取模块62)的电极编码软件50的功能共同地执行在方法10(图1)和方法24(图4)中描述且与其相关联的相应功能。例如，训练模块52可以执行与方法10相关联的功能，其中，配准模块56和对称施行模块58的功能执行配准16和施行对称18功能或步骤的功能。类似地，应用模块54可以执行与方法24相关联的功能，其中，调整模块60和提取模块62执行与调整30和提取32相关联的功能。在一些实施例中，可以存在更少或者额外模块。存储器44还包括通信模块(COMM)64。通信模块64包括被配置为使得能够在其他系统和/或设备中间传递信息(经由I/O接口40)的软件/固件。
注意，存储器44和存储设备可以各自在本文中被称为非瞬态计算机可读存储介质等。
包括训练模块52(还包括配准模块56和对称施行模块58)和应用模块54(还包括调整模块60和提取模块62)的处理软件50的执行可以在操作系统48的管理和/或控制下由一个或多个处理器38实现。(一个或多个)处理器38可以被实现为定制或者可商购的处理器，包括单或多核中央处理单元(CPU)、张量处理单元(TPU)、图形处理单元(GPU)、向量处理单元(VPU)或若干处理器中间的辅助处理器、基于半导体的微处理器(以微芯片的形式)、宏处理器、一个或多个专用集成电路(ASIC)、现场可编程门阵列(FPGU)、多个适当配置的数字逻辑门和/或其他已知电配置，包括个体地和以各种组合协调计算设备36的总体操作的分立元件。
I/O接口40包括向其他系统或设备提供一个或多个接口的硬件和/或软件。I/O接口40可以包括线缆和/或蜂窝调制解调器，和/或使用各种通信协议(例如，TCP/IP、UDP等)中的一个或多个经由以太网连接、混合/光纤同轴电缆(HFC)、铜缆(例如，数字用户线路(DSL)、非对称DSL等)与其他设备或系统通信。通常，与通信模块64合作的I/O接口40包括使能使用TCP/IP、UDP、HTTP、DSL经由PSTN(公共交换电话网络)、POTS、综合服务数字网络(ISDN)、以太网、光纤、DSL/ADSL、Wi-Fi、蜂窝(例如，3G、4G、5G、全球移动通信系统(GSM)、通用分组无线服务(GPRS)等)、蓝牙、近场通信(NFC)、ZigBee等等传递信息的适合的硬件。用户接口42可以包括键盘、鼠标、麦克风、显示器、沉浸式耳机等，其使能由管理员或其他用户输入和/或输出。在一些实施例中，用户接口42可以与相关联的软件合作以使能增强现实或虚拟现实，或者可视化可以经由I/O接口40与其他设备连接实现。
当计算设备36的某些实施例利用软件(包括固件、中间件、微代码等)至少部分地实现时，应当注意，软件(例如，训练模块52(还包括配准模块56和对称施行模块58))和应用模块54(还包括调整模块60和提取模块62)可以存储在各种非瞬态计算机可读(存储)介质上以用于通过或者结合各种计算机相关系统和方法使用。在该文档的背景下，计算机可读介质可以包括电子、磁性、光学或其他物理设备或装置，其可以包含或存储用于通过或结合计算机相关系统或方法使用的计算机程序(例如，可执行代码或指令)。软件可以被嵌入在用于通过或结合指令执行系统、装置或设备(诸如基于计算机的系统、包含处理器的系统或可以从指令执行系统、装置或设备获取指令并且执行指令的其他系统)使用的各种计算机可读介质中。
当计算设备36的某些实施例至少部分地利用硬件实现时，这样的功能可以以下技术的任一个或组合实现(其全部在本领域中是公知的)：具有用于在数据信号上实现逻辑功能的逻辑门的(一个或多个)分立逻辑电路、具有适当的组合逻辑门的专用集成电路(ASIC)、(一个或多个)可编程门阵列(PGA)、现场可编程门阵列(FPGA)、TPU、GPU、和/或其他加速器/协处理器等。
已经描述了电极编码装置和方法的某些实施例，应当意识到，以开始和结束为边界示出的图7中描绘并且指代为方法66的属于训练阶段的范例电极编码方法包括：接收对应于多个电极位置的平均的平均电极文件(RX ELCTRD)(68)；将平均电极位置配准到平均头皮网格的多个顶点(REG)(70)；施行针对非对称的配准电极位置的子集的对称(ENFRCSYMM)(72)；并且基于配准和施行来提供利用电极位置编码的平均头皮网格(ENC MSH)(74)。如上文所解释的，在一些实施例中，可以实现方法66的变型，包括建立对称平均电极位置、平均皮肤网格的对称顶点、在有或没有界标的使用的情况下的配准等。
在属于应用阶段的另一实施例中，在图8中描绘并且以开始和结束为边界的方法76包括：接收包括利用电极位置编码的平均头皮网格的可变形头部模型(RX ENC MDL)(78)；将可变形头部模型调整到成像扫描(ADPT)(80)；并且基于调整来提取电极的位置(EXTR)(82)。如上文所解释的，调整可以包括将顶点与解剖界标的对准。
注意，在一些实施例中，方法66和76可以由装置36或由多个设备实现。
流程图中的任何过程描述或框应当被理解为表示包括用于实现过程中的特定逻辑功能或步骤的一个或多个可执行指令的代码的模块、分段或部分，并且备选实现方案被包括在其中功能能够未按示出或讨论的次序(包括基本上并行地或以相反的次序)执行的实施例的范围内，这取决于涉及的功能，如将由本公开的领域中的技术人员适度理解的。在一些实施例中，可以省略一个或多个步骤，或者可以添加进一步的步骤。
在一个实施例中，公开了一种装置，包括：存储器，其包括指令；以及一个或多个处理器，其由所述指令配置为：接收对应于多个电极位置的平均的平均电极文件；将平均电极位置配准到平均头皮网格的多个顶点；施行对称；并且基于所述配准和所述施行来提供利用所述电极位置编码的所述平均头皮网格。
根据前述装置，其中，所述一个或多个处理器还由所述指令配置为基于对应于解剖结构的界标来配准所述平均电极位置的至少部分。
根据前述装置中的任一项，其中，所述一个或多个处理器还由所述指令配置为通过使所述平均电极位置对称或者通过使所述平均头皮网格的所述多个顶点对称来施行针对未对称的配准电极位置的子集的对称。
根据前述装置中的任一项，其中，所述一个或多个处理器还由所述指令配置为基于根据点的刚性配准来配准所述平均电极位置。
根据前述装置中的任一项，其中，所述一个或多个处理器还由所述指令配置为通过以下操作来施行相对于所述平均头皮网格的正中矢状平面的对称：比较跨所述正中矢状平面的对应的电极位置；并且基于三个维度上的电极位置对之间的差异的一半来生成所述平均头皮网格上的新电极位置。
根据前述装置中的任一项，其中，所述接收、所述配准、所述施行和所述提供在训练阶段期间被执行一次，并且其中，至少所述配准和所述施行自动地被执行。
在一个实施例中，公开了一种用于执行前述装置中的任一项的接收、配准、施行和提供的方法。
在一个实施例中，公开了一种包括指令的非瞬态计算机可读存储介质，所述指令当由一个或多个处理器执行时使所述一个或多个处理器执行根据前述权利要求中的任一项所述的接收、配准、施行和提供。
在一个实施例中，公开了一种装置，包括：存储器，其包括指令；以及一个或多个处理器，其由所述指令配置为：接收包括利用电极位置编码的平均头皮网格的可变形头部模型；将所述可变形头部模型调整到成像扫描；并且基于所述调整来提取所述电极的位置。
在一个实施例中，根据前述装置，其中，所述成像扫描包括对象的磁共振成像扫描，并且其中，具有编码电极的所述可变形头部模型基于先验训练阶段。
在一个实施例中，根据前述装置中的任一项，其中，所述一个或多个处理器由所述指令配置为通过使所述可变形头部模型的平均网格变形以匹配属于所述成像扫描的信息来调整所述可变形头部模型，其中，所述调整和所述提取被自动地实现。
在一个实施例中，根据前述装置中的任一项，其中，所述一个或多个处理器由所述指令配置为提供所述电极位置的输出，其中，所述输出包括以下各项中的一项或以下各项的任何组合：电极坐标、所述电极坐标的可视化、对应于所述成像扫描的对象的头部的可视化和被投影到所述头部上的所述电极。
在一个实施例中，根据前述装置中的任一项，其中，所述一个或多个处理器还由所述指令配置为基于将所述平均头皮网格的顶点与对应于解剖结构的界标对准来调整所述可变形头部模型。
在一个实施例中，公开了一种用于执行前述装置中的任一项的接收、调整和提取的方法。
在一个实施例中，公开了一种包括指令的非瞬态计算机可读存储介质，所述指令当由一个或多个处理器执行时使所述一个或多个处理器执行前述装置中的任一项的接收、调整和提取。
尽管已经在附图和前述描述中详细图示和描述本发明，但是这样的图示和描述将被认为是说明性或示范性的而非限制性的；本发明不限于所公开的实施例。通过研究附图、说明书和所附的权利要求书，本领域的技术人员在实践请求保护的本发明时可以理解和实现对所公开的实施例的其他变型。应注意，可以使用所公开的实施例的各种组合，并且因此对实施例或一个实施例的引用并不旨在从关于来自其他实施例的特征的使用排除来自该实施例的特征。在权利要求中，词语“包括”不排除其他元件或者步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以履行权利要求中记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/被分布在适合的介质上，诸如在与其他硬件一起提供或作为其他硬件的部分提供的光学介质或固态介质上，但是计算机程序也可以以其他形式分布。权利要求中的任何附图标记不应当被解释为对范围的限制。

Claims (15)

1.一种装置(36)，包括：
存储器(44)，其包括指令(52)；以及
一个或多个处理器(38)，其由所述指令配置为：
接收对应于多个电极位置的平均电极位置的平均电极文件(12)；
将所述平均电极位置配准到平均头皮网格的多个顶点(14、16)；
施行对称(18)；并且
基于所述配准和所述施行来提供利用所述电极位置编码的所述平均头皮网格(22)。
2.根据前一项权利要求所述的装置，其中，所述一个或多个处理器还由所述指令配置为基于对应于解剖结构的界标来配准所述平均电极位置的至少部分。
3.根据前述权利要求中的任一项所述的装置，其中，所述一个或多个处理器还由所述指令配置为通过使所述平均电极位置对称或者通过使所述平均头皮网格的所述多个顶点对称来对不对称的经配准的电极位置的子集施行对称。
4.根据前述权利要求中的任一项所述的装置，其中，所述一个或多个处理器还由所述指令配置为根据基于点的刚性配准来配准所述平均电极位置。
5.根据前述权利要求中的任一项所述的装置，其中，所述一个或多个处理器还由所述指令配置为通过以下操作来相对于所述平均头皮网格的正中矢状平面施行对称：
比较跨所述正中矢状平面的对应的电极位置；并且
基于三个维度上的电极位置对之间的差异的一半来生成所述平均头皮网格上的新电极位置。
6.根据前述权利要求中的任一项所述的装置，其中，所述接收、所述配准、所述施行和所述提供在训练阶段期间被执行一次，并且其中，至少所述配准和所述施行被自动地执行。
7.一种用于执行根据前述权利要求中的任一项所述的接收、配准、施行和提供的方法(10)。
8.一种包括指令的非瞬态计算机可读存储介质(44)，所述指令当由一个或多个处理器执行时使所述一个或多个处理器执行根据前述权利要求中的任一项所述的接收、配准、施行和提供。
9.一种装置(36)，包括：
存储器(44)，其包括指令(54)；以及
一个或多个处理器(38)，其由所述指令配置为：
接收包括利用电极位置编码的平均头皮网格的可变形头部模型(26)；
针对成像扫描来调整所述可变形头部模型(28、30)；并且
基于所述调整来提取所述电极的位置(32)。
10.根据前一项权利要求所述的装置，其中，所述成像扫描包括对象的磁共振成像扫描，并且其中，具有编码电极的所述可变形头部模型基于先验训练阶段。
11.根据前述权利要求中的任一项所述的装置，其中，所述一个或多个处理器由所述指令配置为通过使所述可变形头部模型的平均网格变形以匹配属于所述成像扫描的信息来调整所述可变形头部模型，其中，所述调整和所述提取被自动地实现。
12.根据前述权利要求中的任一项所述的装置，其中，所述一个或多个处理器由所述指令配置为提供所述电极位置的输出，其中，所述输出包括以下各项中的一项或以下各项的任何组合：电极坐标、所述电极坐标的可视化、对应于所述成像扫描的对象的头部的可视化，以及被投影到所述头部上的所述电极。
13.根据前述权利要求中的任一项所述的装置，其中，所述一个或多个处理器还由所述指令配置为基于将所述平均头皮网格的顶点与对应于解剖结构的界标对准来调整所述可变形头部模型。
14.一种用于执行根据前述权利要求中的任一项所述的接收、调整和提取的方法(24)。
15.一种包括指令的非瞬态计算机可读存储介质(44)，所述指令当由一个或多个处理器执行时使所述一个或多个处理器执行根据前述权利要求中的任一项所述的接收、调整和提取。
CN201980066787.2A 2018-10-09 2019-10-08 自动eeg传感器配准 Pending CN112822981A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862743364P 2018-10-09 2018-10-09
US62/743,364 2018-10-09
PCT/EP2019/077167 WO2020074480A1 (en) 2018-10-09 2019-10-08 Automatic eeg sensor registration

Publications (1)

Publication Number Publication Date
CN112822981A true CN112822981A (zh) 2021-05-18

Family

ID=68240715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980066787.2A Pending CN112822981A (zh) 2018-10-09 2019-10-08 自动eeg传感器配准

Country Status (4)

Country Link
US (1) US11610369B2 (zh)
EP (1) EP3863512A1 (zh)
CN (1) CN112822981A (zh)
WO (1) WO2020074480A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114041797A (zh) * 2022-01-12 2022-02-15 北京航空航天大学杭州创新研究院 一种脑磁测量头盔的传感器布局方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2823869A1 (en) * 2004-05-18 2005-11-18 Natus Medical Incorporated Wireless physiological monitoring system
CN201175334Y (zh) * 2008-03-28 2009-01-07 高在芬 儿童动态脑电监测电极
CN101916454A (zh) * 2010-04-08 2010-12-15 董洪伟 基于网格变形和连续优化的高分辨率人脸重建方法
CN102393963A (zh) * 2011-07-05 2012-03-28 电子科技大学 一种基于可形变表面模型的mr图像颅骨剥离方法
WO2013026749A1 (en) * 2011-08-24 2013-02-28 Universite Libre De Bruxelles Method of locating eeg and meg sensors on a head
US20150174418A1 (en) * 2012-06-22 2015-06-25 Thync, Inc. Device and Methods for Noninvasive Neuromodulation Using Targeted Transcranial Electrical Stimulation
CN105395196A (zh) * 2015-12-17 2016-03-16 中国科学院苏州生物医学工程技术研究所 Eeg或meg电极在脑mr图像中的定位装置和方法
CN106420055A (zh) * 2016-02-15 2017-02-22 复旦大学 一种基于无线传输的脑组织变形矫正系统
CN108024752A (zh) * 2015-09-07 2018-05-11 加利福尼亚大学董事会 基于超密电极的脑成像系统
CN108140242A (zh) * 2015-09-21 2018-06-08 西门子股份公司 视频摄像机与医学成像的配准

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5568816A (en) * 1990-09-07 1996-10-29 Sam Technology, Inc. EEG deblurring method and system for improved spatial detail
US5817029A (en) 1997-06-26 1998-10-06 Sam Technology, Inc. Spatial measurement of EEG electrodes
US6052619A (en) * 1997-08-07 2000-04-18 New York University Brain function scan system
EP2419171B1 (en) 2009-04-13 2017-11-01 Research Foundation Of The City University Of New York Neurocranial electrostimulation models
US9588204B2 (en) * 2011-12-09 2017-03-07 Koninklijke Philips N.V. Magnetic resonance spectroscopic imaging volume of interest positioning
CN102708293B (zh) 2012-05-14 2015-06-17 电子科技大学 一种电极模型和头模型配准的方法
JP6695270B2 (ja) 2013-03-28 2020-05-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． スキャン画像における非対称性を削減する方法及びシステム
US9532748B2 (en) * 2013-04-22 2017-01-03 Personal Neuro Devices Inc. Methods and devices for brain activity monitoring supporting mental state development and training
US9761005B2 (en) * 2013-05-09 2017-09-12 Koninklijke Philips N.V. Method and system for mesh segmentation and mesh registration
EP3226752B1 (en) 2014-12-05 2023-02-01 Rush University Medical Center Computer implemented method for planning electrode placement
WO2016172243A1 (en) * 2015-04-21 2016-10-27 Cyberonics, Inc. Evaluation of efficacy of epilepsy therapy
US10188851B2 (en) 2015-10-28 2019-01-29 Novocure Limited TTField treatment with optimization of electrode positions on the head based on MRI-based conductivity measurements
US10660570B2 (en) * 2016-12-31 2020-05-26 Daqri, Llc Attention, comprehension, and drowsiness monitoring via head mounted device supporting augmented and mixed reality experiences
JP2020511285A (ja) 2017-03-10 2020-04-16 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 脳電図（ｅｅｇ）モデルと融合した磁気共鳴イメージング（ｍｒｉ）による発作特性化

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2823869A1 (en) * 2004-05-18 2005-11-18 Natus Medical Incorporated Wireless physiological monitoring system
CN201175334Y (zh) * 2008-03-28 2009-01-07 高在芬 儿童动态脑电监测电极
CN101916454A (zh) * 2010-04-08 2010-12-15 董洪伟 基于网格变形和连续优化的高分辨率人脸重建方法
CN102393963A (zh) * 2011-07-05 2012-03-28 电子科技大学 一种基于可形变表面模型的mr图像颅骨剥离方法
WO2013026749A1 (en) * 2011-08-24 2013-02-28 Universite Libre De Bruxelles Method of locating eeg and meg sensors on a head
US20150174418A1 (en) * 2012-06-22 2015-06-25 Thync, Inc. Device and Methods for Noninvasive Neuromodulation Using Targeted Transcranial Electrical Stimulation
CN108024752A (zh) * 2015-09-07 2018-05-11 加利福尼亚大学董事会 基于超密电极的脑成像系统
CN108140242A (zh) * 2015-09-21 2018-06-08 西门子股份公司 视频摄像机与医学成像的配准
CN105395196A (zh) * 2015-12-17 2016-03-16 中国科学院苏州生物医学工程技术研究所 Eeg或meg电极在脑mr图像中的定位装置和方法
CN106420055A (zh) * 2016-02-15 2017-02-22 复旦大学 一种基于无线传输的脑组织变形矫正系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
C. KABDEBON, F. LEROY, H. SIMMONET, M. PERROT , J. DUBOIS, G. DEHAENE-LAMBERTZ: "Anatomical correlations of the international 10-20 sensor placement system in infants", 《NEUROIMAGE》, pages 3 - 8 *
YIN TIAN, DEZHONG YAO: "A study on the neural mechanism of inhibition of return by the event-related potential in the Go/Nogo task", 《BIOLOGICAL PSYCHOLOGY》, pages 4 - 8 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114041797A (zh) * 2022-01-12 2022-02-15 北京航空航天大学杭州创新研究院 一种脑磁测量头盔的传感器布局方法及系统
CN114041797B (zh) * 2022-01-12 2022-04-19 北京航空航天大学杭州创新研究院 一种脑磁测量头盔的传感器布局方法及系统

Also Published As

Publication number Publication date
US20210383603A1 (en) 2021-12-09
EP3863512A1 (en) 2021-08-18
WO2020074480A1 (en) 2020-04-16
US11610369B2 (en) 2023-03-21

Similar Documents

Publication Publication Date Title
WO2020108525A1 (zh) 图像分割方法、装置、诊断系统、存储介质及计算机设备
CN108601552B (zh) 医学成像和医学成像信息的有效共享
CN110458830B (zh) 图像处理方法、装置、服务器及存储介质
EP3397166B1 (en) Method and system for segmentation of vascular structure in a volumetric image dataset
Taberna et al. Spatial localization of EEG electrodes using 3D scanning
KR20210051141A (ko) 환자의 증강 현실 기반의 의료 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
CN108701170A (zh) 用于产生解剖部分的三维(3d)视图的图像处理系统和方法
EP3513381A1 (en) Systems and methods for generating 3d images based on fluorescent illumination
US11769594B2 (en) Deep learning model learning device and method for cancer region
KR102202398B1 (ko) 영상처리장치 및 그의 영상처리방법
JP2015033556A (ja) 画像処理装置、画像処理方法
EP3828829A1 (en) Method and apparatus for determining mid-sagittal plane in magnetic resonance images
KR102433473B1 (ko) 환자의 증강 현실 기반의 의료 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
CN110598696A (zh) 医学图像扫描定位方法、医学图像扫描方法和计算机设备
WO2021097595A1 (zh) 图像的病变区域分割方法、装置及服务器
US11087514B2 (en) Image object pose synchronization
US11610369B2 (en) Automatic EEG sensor registration
KR102298249B1 (ko) 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
CN113822323A (zh) 脑部扫描图像的识别处理方法、装置、设备及存储介质
US20140032180A1 (en) Method and apparatus for computing deformation of an object
US10467497B2 (en) System and method for providing assistance in surgery in presence of tissue deformation
US20220108525A1 (en) Patient-specific cortical surface tessellation into dipole patches
WO2020173054A1 (zh) Vrds 4d医学影像处理方法及产品
KR102330806B1 (ko) 인공신경망을 이용한 내이기관 내림프수종 비율 측정 방법 및 그 장치
KR102582293B1 (ko) 내이기관의 내림프수종 비율 측정 방법 및 그 장치

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