CN114399483A - 皮层靶点确定方法、装置、电子设备及存储介质 - Google Patents
皮层靶点确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114399483A CN114399483A CN202210014947.2A CN202210014947A CN114399483A CN 114399483 A CN114399483 A CN 114399483A CN 202210014947 A CN202210014947 A CN 202210014947A CN 114399483 A CN114399483 A CN 114399483A
- Authority
- CN
- China
- Prior art keywords
- target
- brain function
- function connection
- brain
- voxel
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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]
- G06T2207/10096—Dynamic contrast-enhanced magnetic resonance imaging [DCE-MRI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明实施例公开了一种皮层靶点确定方法、装置、电子设备及存储介质,该方法包括:获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据;确定目标脑区,分别针对每组初始静息态功能磁共振数据确定出目标脑区的脑功能连接分布;根据第二预设组数将第一预设组数的脑功能连接分布进行组合得到所有的脑功能连接分布组合;针对每个脑功能连接分布组合,分别计算目标脑区中每个体素对应的脑功能连接值的平均值得到脑功能连接分布组合的平均脑功能连接分布;根据脑功能连接分布组合的平均脑功能连接分布确定目标体素,将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标。本发明实施例的技术方案提高了靶点定位的准确性。
Description
技术领域
本发明实施例涉及医学影像技术领域,尤其涉及一种皮层靶点确定方法、装置、电子设备及存储介质。
背景技术
基于静息态功能磁共振成像的靶点定位技术,用于调控皮层-皮层下网络(cortico-subcortical network)的功能连接及相关脑功能,并且可以实现个体化的靶点定位。
基于单次静息态功能磁共振(rest functional magnetic resonance imaging,rest-fMRI)扫描,可以计算顶叶上各个体素点与海马种子点的静息态功能连接最强的坐标作为后续进行刺激时的靶点。但是,rest-fMRI的数据信噪比低,基于单次rest-fMRI计算功能连接则受随机误差的影响较大,导致确定出的靶点存在可重复性较低的问题。并且,根据单次rest-fMRI难以反映真实的功能连接,因此,会导致靶点确定不准确的问题。
发明内容
本发明实施例提供了一种皮层靶点确定方法、装置、电子设备及存储介质,以实现提高靶点定位的准确性的技术效果。
第一方面,本发明实施例提供了一种皮层靶点确定方法,该方法包括:
获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,其中,第一预设组数为至少三组;
确定所述全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,其中,所述脑功能连接分布包括所述目标脑区中各个体素对应的脑功能连接值;
根据第二预设组数将所述第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,其中,所述第二预设组数为至少两组且小于所述第一预设组数;
针对每个脑功能连接分布组合,分别计算所述目标脑区中的每个体素对应的脑功能连接值的平均值,得到所述脑功能连接分布组合的平均脑功能连接分布;
根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将所述目标体素的空间坐标确定为所述目标对象的皮层靶点的靶点坐标。
第二方面,本发明实施例还提供了一种皮层靶点确定装置,该装置包括:
初始数据获取模块,用于获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,其中,第一预设组数为至少三组;
脑功能连接分布确定模块,用于确定所述全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,其中,所述脑功能连接分布包括所述目标脑区中各个体素对应的脑功能连接值;
脑功能连接分布组合模块,用于根据第二预设组数将所述第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,其中,所述第二预设组数为至少两组且小于所述第一预设组数;
平均脑功能连接分布确定模块,用于针对每个脑功能连接分布组合,分别计算所述目标脑区中的每个体素对应的脑功能连接值的平均值,得到所述脑功能连接分布组合的平均脑功能连接分布;
靶点坐标确定模块,用于根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将所述目标体素的空间坐标确定为所述目标对象的皮层靶点的靶点坐标。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的皮层靶点确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例任一所述的皮层靶点确定方法。
本发明实施例的技术方案,通过获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,确定全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出目标脑区对应的脑功能连接分布,根据第二预设组数将第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,针对每个脑功能连接分布组合,分别计算目标脑区中的每个体素对应的脑功能连接值的平均值,得到脑功能连接分布组合的平均脑功能连接分布,根据脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标,解决了难以反映真实的功能连接,以及靶点定位不准确的问题,实现了提高靶点定位的准确性的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种皮层靶点确定方法的流程示意图;
图2为本发明实施例二所提供的一种皮层靶点确定方法的流程示意图;
图3为本发明实施例三所提供的一种皮层靶点确定方法的示意图;
图4为本发明实施例三所提供的一种刺激靶点的稳定性的示意图;
图5为本发明实施例三所提供的一种刺激靶点的可重复性的示意图;
图6为本发明实施例四所提供的一种皮层靶点确定装置的结构示意图;
图7为本发明实施例五所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种皮层靶点确定方法的流程示意图,本实施例可适用于在通过静息态功能磁共振数据确定刺激靶点的情况,该方法可以由皮层靶点确定装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备,可选的,电子设备可以是移动终端等。
如图1所述,本实施例的方法具体包括如下步骤:
S110、获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据。
其中,目标对象是进行静息态功能磁共振的对象。全脑区域可以是目标对象的整个脑部中各个脑区的集合。第一预设组数可以是预先设定的重复进行静息态功能磁共振的次数,第一预设组数为至少三组。初始静息态功能磁共振数据可以是通过静息态功能磁共振对目标对象的全脑区域进行信号采集所得到的数据。
具体的,针对目标对象重复进行第一预设组数的静息态功能磁共振数据采集,获取每一次静息态功能磁共振数据采集的数据作为初始静息态功能磁共振数据。
可选的,为了使得初始静息态功能磁共振数据的数据质量更高,可以对初始静息态功能磁共振数据进行数据预处理,具体可以是:
对初始静息态功能磁共振数据进行数据预处理,并根据数据预处理后的数据更新初始静息态功能磁共振数据。
其中,数据预处理包括时间校准、运动补偿、空间标准化和空间平滑中的至少一项。
S120、确定全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出目标脑区对应的脑功能连接分布。
其中,目标脑区可以包括进行后续皮层刺激时靶点所属的脑区以及后续皮层刺激时响应的体素所属的脑区,例如:顶叶区域等。脑功能连接分布包括目标脑区中各个体素对应的脑功能连接值。脑功能连接值可以是两个体素所对应的初始静息态功能磁共振数据之间的相关性。
具体的,从全脑区域中确定目标脑区,并确定目标脑区中的各个体素。针对每一组初始静息态功能磁共振数据,确定目标脑区中所有体素中的任意两个体素之间的脑功能连接值,并将各脑功能连接值进行组合得到该组初始静息态功能磁共振数据对应的目标脑区的脑功能连接分布。进而,可以得到每组初始静息态功能磁共振数据对应的目标脑区的脑功能连接分布。
S130、根据第二预设组数将第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合。
其中,第二预设组数为预先设定的组数,第二预设组数为至少两组且小于第一预设组数。
具体的,每从第一预设组数的脑功能连接分布中,选择第二预设组数的脑功能连接分布,进行组合,就可以得到一组脑功能连接分布组合。因此,可以得到所有的脑功能连接分布组合。
S140、针对每个脑功能连接分布组合,分别计算目标脑区中的每个体素对应的脑功能连接值的平均值,得到脑功能连接分布组合的平均脑功能连接分布。
其中,脑功能连接值的平均值可以是脑功能连接分布组合中某一体素对应的各脑功能连接值的平均值。平均脑功能连接分布可以是各体素的脑功能连接值的平均值的组合。
具体的,针对每个脑功能连接分布组合,确定脑功能连接分布组合的平均脑功能连接分布的方式相同,因此,以一个脑功能连接分部组合为例进行说明。在脑功能连接分部组合中,针对目标脑区中的每个体素,确定与该体素相对应的各脑功能连接值,即确定出第二预设组数的脑功能连接值。进而,将各脑功能连接值进行平均计算,得到与该体素相对应脑功能连接值的平均值。进一步的,将各个体素的脑功能连接值的平均值进行组合得到脑功能连接分布组合的平均脑功能连接分布。
示例性的,若存在10组脑功能连接分布组合,每组脑功能连接分布组合包含9组脑功能连接分布。在某一组脑功能连接分布组合中,确定体素A在9组脑功能连接分布中的脑功能连接值,并对确定出的脑功能连接值求平均,得到体素A的脑功能连接值的平均值。进而,可以确定该组脑功能连接分布组合中,各个体素的脑功能连接值的平均值,将这些平均值进行组合得到该脑功能连接分布组合的平均脑功能连接分布。
S150、根据脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标。
其中,目标体素可以是平均脑功能连接分布中的各个平均值确定的强功能连接点。皮层靶点可以是后续进行皮层刺激时选用的靶点。靶点坐标可以是皮层靶点的空间坐标。
具体的,根据各脑功能连接分布组合的平均脑功能连接分布,可以分别确定出每个脑功能连接分布组合中的待选体素,例如:平均值最高的体素点为待选体素。进而,将各个待选体素点进行统计和比较,确定出目标体素,并将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标。
示例性的,在10组脑功能连接分布组合的平均脑功能连接分布,分别确定出10个待选体素,其中,体素A两次,体素B四次,体素C三次,体素D一次。根据统计结果,可以确定出现次数最多的体素B为目标体素。也可以是从10个待选体素中,确定出平均值最高的体素点A为目标体素。
本发明实施例的技术方案,通过获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,确定全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出目标脑区对应的脑功能连接分布,根据第二预设组数将第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,针对每个脑功能连接分布组合,分别计算目标脑区中的每个体素对应的脑功能连接值的平均值,得到脑功能连接分布组合的平均脑功能连接分布,根据脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标,解决了难以反映真实的功能连接,以及靶点定位不准确的问题,实现了提高靶点定位的准确性的技术效果。
实施例二
图2为本发明实施例二所提供的一种皮层靶点确定方法的流程示意图,本实施例在上述各实施例的基础上,针对脑功能连接分布的确定方式以及目标体素的确定方式可参见本实施例的技术方案。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
如图2所述,本实施例的方法具体包括如下步骤:
S210、获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据。
S220、确定全脑区域的目标脑区。
S230、确定与全脑区域对应的海马种子点的第一空间坐标以及全脑区域的目标脑区中各体素的第二空间坐标。
其中,海马指海马体,主要负责短时记忆的存储转换和定向等功能。海马种子点可以是海马中用于代表整个海马体的体素点。第一空间坐标可以是海马种子点的空间坐标。第二空间坐标可以是目标脑区中各体素的空间坐标。
具体的,根据实验或先验医学知识可以确定海马种子点的第一空间坐标,进而,可以根据三维脑模型确定出全脑区域的目标脑区中各体素的第二空间坐标。
S240、针对每一组初始静息态功能磁共振数据,根据初始静息态功能磁共振数据、第一空间坐标以及各第二空间坐标,确定海马种子点与各体素之间的脑功能连接分布,作为目标脑区对应的脑功能连接分布。
具体的,针对每一组初始静息态功能磁共振数据,获取第一空间坐标对应的时间序列,以及各第二空间坐标对应的时间序列。进而,第一空间坐标对应的时间序列与各第二空间坐标对应的时间序列分别确定皮尔逊相关系数,并将各皮尔逊相关系数组合作为目标脑区对应的脑功能连接分布。
可选的,可以根据下述步骤,确定目标脑区的脑功能连接分布:
步骤一、针对每一个体素,根据初始静息态功能磁共振数据中与第一空间坐标相对应的第一采集数据,以及初始静息态功能磁共振数据中与体素的第二空间坐标相对应的第二采集数据,确定第一采集数据和第二采集数据的相关系数,并根据相关系数确定海马种子点与体素之间的脑功能连接值。
其中,第一采集数据是初始静息态功能磁共振数据中与第一空间坐标相对应的时间序列。第二采集数据是初始静息态功能磁共振数据中与第二空间坐标相对应的时间序列。其中,脑功能连接值指海马种子点的平均时间序列与目标脑区中的体素的时间序列的皮尔逊相关系数,用于刻画目标脑区的该体素与海马活动一致性。
具体的,针对每一个体素,从初始静息态功能磁共振数据中与第一空间坐标相对应的第一采集数据,以及与该体素的第二空间坐标相对应的第二采集数据。对第一采集数据与第二采集数据进行皮尔逊相关系数的计算,将得到的结果作为海马种子点与该体素之间的脑功能连接值。
步骤二、根据海马种子点与各体素之间的脑功能连接值,确定海马种子点与各体素之间的脑功能连接分布。
具体的,针在确定海马种子点与各体素之间的脑功能连接值之后,可以将各脑功能连接值进行组合得到脑功能连接分布。
示例性的,目标脑区中的体素数量为10个,则脑功能连接值为10个,可以将这10个脑功能连接值组成的矩阵作为脑功能连接分布。
S250、根据第二预设组数将第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合。
S260、针对每个脑功能连接分布组合,分别计算目标脑区中的每个体素对应的脑功能连接值的平均值,得到脑功能连接分布组合的平均脑功能连接分布。
S270、针对每个平均脑功能连接分布,确定平均脑功能连接分布中的脑功能连接值的最大值,确定最大值对应的体素为平均脑功能连接分布对应的待选体素。
其中,待选体素可以是平均脑功能连接分布中的脑功能连接值的最大值所对应的体素,可以是后续皮层靶点的备选体素。
具体的,针对每个平均脑功能连接分布,将平均脑功能连接分布中的最大值所对应的体素确定为与海马体一致性最强的体素,因此,可以将该体素确定为待选体素,以用于后续进行筛选得到合适的目标体素。
S280、根据各平均脑功能连接分布对应的待选体素,确定各待选体素的出现次数,并将出现次数最大待选体素作为目标体素。
其中,出现次数可以是选出的待选体素为同一体素的次数。
具体的,在根据各平均脑功能连接分布确定出各待选体素之后,对各待选体素进行统计,确定各待选体素的出现次数。待选体素的出现次数多,就表明该待选体素在多次的实验采集数据中都表现出与海马体有较高的一致性。因此,可以将出现次数最大待选体素作为目标体素。
S290、将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标。
具体的,可以将目标体素作为皮层靶点,进而,将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标,以用于后续进行经颅磁刺激时使用。
可选的,针对皮层靶点确定的效果可以使用评价指标来衡量,例如:可以使用可重复性评价指标和/或稳定性评价指标。
可选的,可以通过下述方式确定可重复性指标:
确定出现次数为至少两次的待选体素为待统计体素;根据各待统计体素的出现次数以及平均脑功能连接分布的个数,确定靶点定位的可重复性评价指标。
其中,待统计体素可以是出现次数大于2的待选体素,即重复出现的待选体素。可重复性评价指标可以是用于评价实验结果是否可靠的指标,可以认为是结果是否可以重复实现的指标。
具体的,统计各待选体素的出现次数,并将出现次数大于等于两次的待选体素确定为重复出现的体素,即为待统计体素。进而,针对每个待统计体素的出现次数求组合数,并将各待统计体素的组合数之和作为重复次数。并且,可以将平均脑功能连接分布的个数的组合数作为总次数,将重复次数与总次数的比值作为靶点定位的可重复性评价指标。其中,平均脑功能连接分布的个数也可以认为是待选体素的个数。
示例性的,可以通过下述公式确定靶点定位的可重复性评价指标:
其中,Reproducibility为靶点定位的可重复性评价指标,M表示待统计体素集合,Nm表示第m个待统计体素的出现次数,表示第m个待统计体素的出现次数的组合数,表示各待统计体素的组合数之和,W表示平均脑功能连接分布的个数,表示平均脑功能连接分布的个数的组合数。
示例性的,平均脑功能连接分布的个数为10个,根据各平均脑功能连接分布确定出的10个待选体素的标识为1、1、1、1、1、2、2、2、3、4,其中,待选体素1和待选体素2可以确定为待统计体素。进而,确定本次实验确定的靶点定位的可重复性评价指标为
可选的,可以通过下述方式确定稳定性评价指标:
根据每两个待选体素的空间坐标,确定两个待选体素之间的欧式距离;根据各欧式距离的平均值,确定靶点定位的稳定性评价指标。
其中,稳定性评价指标可以是评价各待选体素分布情况是否集中的评价指标。
具体的,从各待选体素中,确定任意两个待选体素的欧式距离,并求平均值,作为靶点定位的稳定性评价指标。
示例性的,可以通过下述公式确定靶点定位的稳定性评价指标:
其中,Stability为靶点定位的稳定性评价指标,r1表示第一个待选体素,r2表示第二个待选体素,表示第一个待选体素的空间坐标,表示第二个待选体素的空间坐标,表示第一个待选体素与第二个待选体素之间的欧氏距离,W表示平均脑功能连接分布的个数。
本发明实施例的技术方案,通过获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,确定全脑区域的目标脑区,确定与全脑区域对应的海马种子点的第一空间坐标以及全脑区域的目标脑区中各体素的第二空间坐标,针对每一组初始静息态功能磁共振数据,根据初始静息态功能磁共振数据、第一空间坐标以及各第二空间坐标,确定海马种子点与各体素之间的脑功能连接分布,作为目标脑区对应的脑功能连接分布,根据第二预设组数将第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,针对每个脑功能连接分布组合,分别计算目标脑区中的每个体素对应的脑功能连接值的平均值,得到脑功能连接分布组合的平均脑功能连接分布,针对每个平均脑功能连接分布,确定平均脑功能连接分布中的脑功能连接值的最大值,确定最大值对应的体素为平均脑功能连接分布对应的待选体素,根据各平均脑功能连接分布对应的待选体素,确定各待选体素的出现次数,并将出现次数最大待选体素作为目标体素,将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标,解决了难以反映真实的功能连接,以及靶点定位不准确的问题,实现了提高靶点定位的准确性的技术效果。
实施例三
作为上述各实施例的可选实施方式,图3为本发明实施例三所提供的一种皮层靶点确定方法的示意图。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
本实施例的方法具体包括如下步骤:
需要说明的是本实施例的方法以第一预设组数为10组,第二预设组数为9组进行示例性说明。
1.重复多次rest-fMRI数据采集
示例性的,对每一个被试(目标对象),重复采集10次(第一预设组数)的rest-fMRI的数据(初始静息态功能磁共振数据)。可选的,为了限制采集时间从而保证被试处于静息状态,每组采集2次;为了减少磁共振扫描实验对人体的影响,可以分5组采集,每组间隔至少一周。
2.数据预处理
通过标准数据预处理流程完成预处理过程,可以包括时间校准、运动补偿、空间标准化与空间平滑。
3.计算海马靶点(海马种子点)与感兴趣区域的(region of interest,ROI)(目标脑区)功能连接分布(脑功能连接分布)
示例性的,从文献中可以确定海马种子点坐标(MNI152标准空间坐标[-24,-18,-18]),也可以使用其他方式确定海马种子点的空间坐标(第一空间坐标)。基于该海马种子点与顶叶功能连接最强点为靶点施行rTMS(repetitive transcranial magneticstimulation,重复经颅磁刺激)高频刺激,能增强顶叶-海马网络功能连接及联想记忆表现。因此,ROI为顶叶,海马种子点坐标与顶叶具有稳健的功能连接。需要说明的是,ROI可以根据需求确定,在本实施例中仅为举例说明,不做具体限制。对每次采集后预处理得到的数据,以该海马坐标为种子点(海马种子点),计算种子点与顶叶各体素的功能连接(脑功能连接值),得到海马与顶下小叶之间的10个功能连接分布FC1r(r=1,…10)。
需要说明的是,顶叶-海马网络可以认为是调控网络,但是调控网络可以是刺激皮层区域-皮层下结构的网络,包括但不限于顶叶-海马网络;刺激皮层区域包括但不限于顶叶;皮层下结构包括但不限于海马。在计算功能连接时,可以设种子点,也可以是海马结构的ROI;预先确定的种子点可以是文献获得或者计算获得。
4.计算平均功能连接分布(平均脑功能连接分布)
5.计算功能连接最强点(待选体素)
示例性的,对每种组合模式下计算的平均功能连接分布FC9r(r=1,…10),求得顶叶功能连接最强点的坐标Pr(r=1,…10)。
6.确定刺激靶点(皮层靶点)
示例性的,基于计算获取的10个最强点的坐标Pr(r=1,…10),选择出现概率最多的坐标(Ps9)作为刺激靶点,导入磁刺激导航定位系统,引导后续磁刺激实验。
7.刺激靶点的稳定性和可重复性评价
示例性的,稳定性定义为:以10组rest-fMRI的数据,每次可以确定一个刺激靶点坐标。任意2个刺激靶点之间的欧式距离定义为刺激靶点的稳定性。
若P1为单次计算(不做平均)得到的最强连接点的坐标值,P9为9次计算的平均值确定的最强连接点的坐标值(第二预设次数为9)。图4为刺激靶点的稳定性的示意图。其中,左侧为P1的稳定性,右侧为P9的稳定性,可以看出P1任意2个刺激靶点之间的欧式距离大于P9,因此,采用平均值确定的刺激靶点的稳定性更好。
示例性的,以第一预设组数为10组为例,通过下述公式确定可重复性:
其中,D为可重复性,M为刺激靶点出现重复的个数(待统计体素的数量),N为重复靶点的个数(待统计体素对应的出现次数)。分别计算通过单次计算的刺激靶点坐标的可重复性,以及通过9组计算平均确定的刺激靶点坐标的可重复性,参见图5所示的可重复性的示意图。其中,左侧为P1的可重复性,右侧为P9的可重复性,可以看出采用平均值确定的刺激靶点的可重复性更好。
本发明实施例的技术方案,通过重复多次数据采集、数据预处理,计算海马靶点与感兴趣区域的功能连接分布,进而,计算平均功能连接分布并计算功能连接最强点,最后确定刺激靶点,通过稳定性和可重复性对刺激靶点进行评价,解决了难以反映真实的功能连接、靶点定位不准确以及没有统一评价指标的问题,实现了提高靶点定位的准确性的技术效果。
实施例四
图6为本发明实施例四所提供的一种皮层靶点确定装置的结构示意图,该装置包括:初始数据获取模块310、脑功能连接分布确定模块320、脑功能连接分布组合模块330、平均脑功能连接分布确定模块340和靶点坐标确定模块350。
其中,初始数据获取模块310,用于获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,其中,第一预设组数为至少三组;脑功能连接分布确定模块320,用于确定所述全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,其中,所述脑功能连接分布包括所述目标脑区中各个体素对应的脑功能连接值;脑功能连接分布组合模块330,用于根据第二预设组数将所述第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,其中,所述第二预设组数为至少两组且小于所述第一预设组数;平均脑功能连接分布确定模块340,用于针对每个脑功能连接分布组合,分别计算所述目标脑区中的每个体素对应的脑功能连接值的平均值,得到所述脑功能连接分布组合的平均脑功能连接分布;靶点坐标确定模块350,用于根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将所述目标体素的空间坐标确定为所述目标对象的皮层靶点的靶点坐标。
可选的,脑功能连接分布确定模块320,还用于确定与所述全脑区域对应的海马种子点的第一空间坐标以及所述全脑区域的目标脑区中各体素的第二空间坐标;针对每一组初始静息态功能磁共振数据,根据所述初始静息态功能磁共振数据、所述第一空间坐标以及各所述第二空间坐标,确定所述海马种子点与各体素之间的脑功能连接分布,作为所述目标脑区对应的脑功能连接分布。
可选的,脑功能连接分布确定模块320,还用于针对每一个体素,根据所述初始静息态功能磁共振数据中与所述第一空间坐标相对应的第一采集数据,以及所述初始静息态功能磁共振数据中与所述体素的第二空间坐标相对应的第二采集数据,确定所述第一采集数据和所述第二采集数据的相关系数,并根据所述相关系数确定所述海马种子点与所述体素之间的脑功能连接值;根据所述海马种子点与各体素之间的脑功能连接值,确定所述海马种子点与各体素之间的脑功能连接分布。
可选的,靶点坐标确定模块350,用于针对每个平均脑功能连接分布,确定所述平均脑功能连接分布中的脑功能连接值的最大值,确定所述最大值对应的体素为所述平均脑功能连接分布对应的待选体素;根据各平均脑功能连接分布对应的待选体素,确定各待选体素的出现次数,并将所述出现次数最大待选体素作为目标体素。
可选的,所述装置还包括:第一评价指标确定模块,用于确定所述出现次数为至少两次的待选体素为待统计体素;根据各待统计体素的出现次数以及所述平均脑功能连接分布的个数,确定靶点定位的可重复性评价指标。
可选的,所述装置还包括:预处理模块,用于对所述初始静息态功能磁共振数据进行数据预处理,并根据数据预处理后的数据更新所述初始静息态功能磁共振数据;其中,所述数据预处理包括时间校准、运动补偿、空间标准化和空间平滑中的至少一项。
可选的,所述装置还包括:第二评价指标确定模块,用于根据每两个待选体素的空间坐标,确定所述两个待选体素之间的欧式距离;根据各欧式距离的平均值,确定靶点定位的稳定性评价指标。
本发明实施例的技术方案,通过获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,确定全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出目标脑区对应的脑功能连接分布,根据第二预设组数将第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,针对每个脑功能连接分布组合,分别计算目标脑区中的每个体素对应的脑功能连接值的平均值,得到脑功能连接分布组合的平均脑功能连接分布,根据脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将目标体素的空间坐标确定为目标对象的皮层靶点的靶点坐标,解决了难以反映真实的功能连接,以及靶点定位不准确的问题,实现了提高靶点定位的准确性的技术效果。本发明实施例所提供的皮层靶点确定装置可执行本发明任意实施例所提供的皮层靶点确定方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例五
图7为本发明实施例五所提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施例实施方式的示例性电子设备40的框图。图7显示的电子设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:一个或者多个处理器或者处理单元401,系统存储器402,连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备40典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备40访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器402可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)404和/或高速缓存存储器405。电子设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统406可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线403相连。系统存储器402可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408,可以存储在例如系统存储器402中,这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
电子设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,电子设备40还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线403与电子设备40的其它模块通信。应当明白,尽管图7中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元401通过运行存储在系统存储器402中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的皮层靶点确定方法。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种皮层靶点确定方法,该方法包括:
获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,其中,第一预设组数为至少三组;
确定所述全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,其中,所述脑功能连接分布包括所述目标脑区中各个体素对应的脑功能连接值;
根据第二预设组数将所述第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,其中,所述第二预设组数为至少两组且小于所述第一预设组数;
针对每个脑功能连接分布组合,分别计算所述目标脑区中的每个体素对应的脑功能连接值的平均值,得到所述脑功能连接分布组合的平均脑功能连接分布;
根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将所述目标体素的空间坐标确定为所述目标对象的皮层靶点的靶点坐标。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种皮层靶点确定方法,其特征在于,包括:
获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,其中,第一预设组数为至少三组;
确定所述全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,其中,所述脑功能连接分布包括所述目标脑区中各个体素对应的脑功能连接值;
根据第二预设组数将所述第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,其中,所述第二预设组数为至少两组且小于所述第一预设组数;
针对每个脑功能连接分布组合,分别计算所述目标脑区中的每个体素对应的脑功能连接值的平均值,得到所述脑功能连接分布组合的平均脑功能连接分布;
根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将所述目标体素的空间坐标确定为所述目标对象的皮层靶点的靶点坐标。
2.根据权利要求1所述的方法,其特征在于,所述分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,包括:
确定与所述全脑区域对应的海马种子点的第一空间坐标以及所述全脑区域的目标脑区中各体素的第二空间坐标;
针对每一组初始静息态功能磁共振数据,根据所述初始静息态功能磁共振数据、所述第一空间坐标以及各所述第二空间坐标,确定所述海马种子点与各体素之间的脑功能连接分布,作为所述目标脑区对应的脑功能连接分布。
3.根据权利要求2所述的方法,其特征在于,所述根据所述初始静息态功能磁共振数据、所述第一空间坐标以及各所述第二空间坐标,确定所述海马种子点与各体素之间的脑功能连接分布,包括:
针对每一个体素,根据所述初始静息态功能磁共振数据中与所述第一空间坐标相对应的第一采集数据,以及所述初始静息态功能磁共振数据中与所述体素的第二空间坐标相对应的第二采集数据,确定所述第一采集数据和所述第二采集数据的相关系数,并根据所述相关系数确定所述海马种子点与所述体素之间的脑功能连接值;
根据所述海马种子点与各体素之间的脑功能连接值,确定所述海马种子点与各体素之间的脑功能连接分布。
4.根据权利要求1所述的方法,其特征在于,所述根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,包括:
针对每个平均脑功能连接分布,确定所述平均脑功能连接分布中的脑功能连接值的最大值,确定所述最大值对应的体素为所述平均脑功能连接分布对应的待选体素;
根据各平均脑功能连接分布对应的待选体素,确定各待选体素的出现次数,并将所述出现次数最大待选体素作为目标体素。
5.根据权利要求4所述的方法,其特征在于,还包括:
确定所述出现次数为至少两次的待选体素为待统计体素;
根据各待统计体素的出现次数以及所述平均脑功能连接分布的个数,确定靶点定位的可重复性评价指标。
6.根据权利要求1所述的方法,其特征在于,在所述获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据之后,还包括:
对所述初始静息态功能磁共振数据进行数据预处理,并根据数据预处理后的数据更新所述初始静息态功能磁共振数据;其中,所述数据预处理包括时间校准、运动补偿、空间标准化和空间平滑中的至少一项。
7.根据权利要求1所述的方法,其特征在于,还包括:
根据每两个待选体素的空间坐标,确定所述两个待选体素之间的欧式距离;
根据各欧式距离的平均值,确定靶点定位的稳定性评价指标。
8.一种皮层靶点确定装置,其特征在于,包括:
初始数据获取模块,用于获取目标对象的全脑区域的第一预设组数的初始静息态功能磁共振数据,其中,第一预设组数为至少三组;
脑功能连接分布确定模块,用于确定所述全脑区域的目标脑区,分别针对每组初始静息态功能磁共振数据确定出所述目标脑区对应的脑功能连接分布,其中,所述脑功能连接分布包括所述目标脑区中各个体素对应的脑功能连接值;
脑功能连接分布组合模块,用于根据第二预设组数将所述第一预设组数的脑功能连接分布进行组合,得到所有的脑功能连接分布组合,其中,所述第二预设组数为至少两组且小于所述第一预设组数;
平均脑功能连接分布确定模块,用于针对每个脑功能连接分布组合,分别计算所述目标脑区中的每个体素对应的脑功能连接值的平均值,得到所述脑功能连接分布组合的平均脑功能连接分布;
靶点坐标确定模块,用于根据所述脑功能连接分布组合的平均脑功能连接分布确定目标体素,并将所述目标体素的空间坐标确定为所述目标对象的皮层靶点的靶点坐标。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的皮层靶点确定方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的皮层靶点确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014947.2A CN114399483A (zh) | 2022-01-07 | 2022-01-07 | 皮层靶点确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014947.2A CN114399483A (zh) | 2022-01-07 | 2022-01-07 | 皮层靶点确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399483A true CN114399483A (zh) | 2022-04-26 |
Family
ID=81228919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210014947.2A Pending CN114399483A (zh) | 2022-01-07 | 2022-01-07 | 皮层靶点确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399483A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115336983A (zh) * | 2022-10-19 | 2022-11-15 | 之江实验室 | 基于单个脑区功能磁共振神经反馈的工作记忆调控系统 |
CN115984266A (zh) * | 2023-03-20 | 2023-04-18 | 首都医科大学附属北京天坛医院 | 一种脑区中靶点定位方法及系统 |
CN116433967A (zh) * | 2023-03-21 | 2023-07-14 | 南京脑科医院 | 一种面向无创神经调控技术的个性化靶点选择方法 |
-
2022
- 2022-01-07 CN CN202210014947.2A patent/CN114399483A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115336983A (zh) * | 2022-10-19 | 2022-11-15 | 之江实验室 | 基于单个脑区功能磁共振神经反馈的工作记忆调控系统 |
CN115336983B (zh) * | 2022-10-19 | 2023-03-03 | 之江实验室 | 基于单个脑区功能磁共振神经反馈的工作记忆调控系统 |
CN115984266A (zh) * | 2023-03-20 | 2023-04-18 | 首都医科大学附属北京天坛医院 | 一种脑区中靶点定位方法及系统 |
CN116433967A (zh) * | 2023-03-21 | 2023-07-14 | 南京脑科医院 | 一种面向无创神经调控技术的个性化靶点选择方法 |
CN116433967B (zh) * | 2023-03-21 | 2024-03-26 | 南京脑科医院 | 一种面向无创神经调控技术的个性化靶点选择方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114399483A (zh) | 皮层靶点确定方法、装置、电子设备及存储介质 | |
CN111292314B (zh) | 冠脉分段方法、装置、图像处理系统和存储介质 | |
CN109409503B (zh) | 神经网络的训练方法、图像转换方法、装置、设备及介质 | |
CN110378346B (zh) | 建立文字识别模型的方法、装置、设备和计算机存储介质 | |
WO2021109727A1 (zh) | 脑功能图谱的绘制方法和系统 | |
US11800978B2 (en) | Deep learning based isocenter positioning and fully automated cardiac MR exam planning | |
CN113298831B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN110930414A (zh) | 医学影像的肺部区域阴影标记方法、装置、服务器及存储介质 | |
CN112037146A (zh) | 医学图像伪影自动校正方法、装置和计算机设备 | |
CN111145160A (zh) | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN114236442B (zh) | 一种对核磁共振信号进行运动不敏感采集的方法、装置、计算机设备及核磁共振检测系统 | |
CN112001979B (zh) | 运动伪影处理方法、系统、可读存储介质和设备 | |
CN114241240A (zh) | 脑部图像的分类方法、装置、电子设备及存储介质 | |
US20230027988A1 (en) | Signal amplitude feature-based method for fast reconstructing a magnetic particle imaging and device | |
WO2020253138A1 (zh) | 一种分类方法、装置、设备和存储介质 | |
CN116881674A (zh) | 医疗器械使用量的预测方法、装置及电子设备 | |
CN110909824A (zh) | 试验数据的核查方法及装置、存储介质及电子设备 | |
CN115731252A (zh) | 脑区voi自动分割和定位的方法、装置、设备及存储介质 | |
CN116029963A (zh) | 血管反应性的评价方法、装置、电子设备及存储介质 | |
CN115115722A (zh) | 图像重建模型生成及图像重建方法、装置、设备和介质 | |
CN111863203A (zh) | 一种放疗数据的分类方法、装置、设备及存储介质 | |
CN116109524B (zh) | 磁共振图像通道合并方法、装置、电子设备及存储介质 | |
CN116152241B (zh) | 一种脑部影像的处理方法、系统、电子设备及存储介质 | |
CN112545485B (zh) | 一种磁共振扫描方法、装置、设备及存储介质 |
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 |