CN115035208A - 肺灌注与区域v/q无创成像方法、系统及设备 - Google Patents

肺灌注与区域v/q无创成像方法、系统及设备 Download PDF

Info

Publication number
CN115035208A
CN115035208A CN202210654812.2A CN202210654812A CN115035208A CN 115035208 A CN115035208 A CN 115035208A CN 202210654812 A CN202210654812 A CN 202210654812A CN 115035208 A CN115035208 A CN 115035208A
Authority
CN
China
Prior art keywords
patient
saline
impedance
image
perfusion
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
CN202210654812.2A
Other languages
English (en)
Other versions
CN115035208B (zh
Inventor
何怀武
蒋静
袁思依
招展奇
隆云
刘圣均
王芊霖
杨莹莹
周元凯
池熠
徐梦茹
苏龙翔
汤铂
孙江涛
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.)
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
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 Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority to CN202210654812.2A priority Critical patent/CN115035208B/zh
Publication of CN115035208A publication Critical patent/CN115035208A/zh
Priority to PCT/CN2023/099037 priority patent/WO2023237034A1/zh
Application granted granted Critical
Publication of CN115035208B publication Critical patent/CN115035208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033Features 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
    • A61B5/0035Features 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 adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0536Impedance imaging, e.g. by tomography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0809Detecting, measuring or recording devices for evaluating the respiratory organs by impedance pneumography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/037Emission tomography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/084Backpropagation, e.g. using gradient descent

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Dentistry (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Computational Linguistics (AREA)
  • Vascular Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)

Abstract

本发明涉及肺灌注与区域V/Q无创成像方法、系统及设备。所述方法包括:获取患者带通滤波电阻抗曲线生成搏动图;基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;获取患者肺通气图;采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。本申请实现实时、精准的肺灌注图像的生成,进而生成实时精准的肺灌注与区域V/Q图。

Description

肺灌注与区域V/Q无创成像方法、系统及设备
技术领域
本发明涉及智能医疗技术领域,更具体地,涉及一种肺灌注与区域V/Q无创成像方法、系统、设备和计算机可读存储介质。
背景技术
肺灌注及区域通气/血流(V/Q)床旁评估可提供呼吸重症疾患的肺灌注与局部气血交换的重要病理生理信息,对重症呼吸治疗中具有重要指导意义,如:呼吸衰竭时病因的判断(诊断肺栓塞等);机械通气时肺灌注和区域V/Q监测,从通气到血流提供了机械通气的新目标,有助减少肺损伤;实时评估治疗干预的作用效果(如肺栓塞抗凝溶栓治疗、PEEP对肺灌注的作用、俯卧位后评估通气血流的变化等)。双能CT(dual-energy computedtomography),CT肺血管造影(computed tomography pulmonary angiography,CTPA)或核素显像(single photon emission computed tomography,SPECT)等作为目前评估肺灌注及区域V/Q的主要技术方法,在临床广泛被应用,但存在需要特定场所完成、涉及病人转运、具有放射性、不能实时监测、不能提供床旁实施等局限性,在危重症患者常规开展应用受限,肺灌注及区域V/Q监测技术床旁实时评估已成为急危重症领域中呼吸管理的重大需求。
本课题组在国内最早地开展了盐水造影EIT肺灌注成像相关临床应用研究及研发,通过注射高渗盐水EIT造影虽准确性较高,但频繁注射盐水造影进行动态监测会影响电解质内环境紊乱,也难以实现实时的监测,而肺血管搏动法EIT在实时监测方面具有不可替代的优势。一方面盐水造影EIT法具有较高的准确性,另一方面肺血管搏动法EIT具有实时监测的优势,两种方法具有优劣互补的特点,但目前国内外尚无关于这两方法联合的相关基础研究报道。
发明内容
基于上述问题,本研究通过校正因子将盐水造影中的血流阻抗数据引入搏动图中,生成经盐水造影校正的搏动灌注图像,结合患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
本申请的目的在于提供一种肺灌注与区域V/Q无创成像方法,所述方法包括:
获取患者带通滤波电阻抗曲线生成搏动图;
基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;
获取患者肺通气图;
采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
进一步,所述构建肺通气/血流图是采用所述患者肺通气图和经盐水造影校正的搏动灌注图像以最大像素点的20%做阈值构建肺通气/血流图;
可选的,采用所述患者肺通气图和所述患者的经盐水造影校正的搏动灌注图像以及心脏输量和/或分钟通气量构建肺通气/血流图;
可选的,所述患者肺通气图为实时的肺通气图序列,所述患者的经盐水造影校正的搏动灌注图像为实时的患者的经盐水造影校正的搏动灌注图像序列,采用所述实时的肺通气图序列像和所述实时的患者的经盐水造影校正的搏动灌注图像序列构建实时的肺通气/血流图序列。
进一步,所述校正因子采用下述方法生成:获取患者带通滤波电阻抗曲线生成搏动图;获取患者同期盐水造影阻抗稀释曲线,生成患者的基于盐水造影的肺灌注图;计算所述基于盐水造影的肺灌注图像素点和所述搏动图像素点的比值,生成校正因子;
可选的,所述校正因子为所述基于盐水造影的肺灌注图像中血流阻抗数据和所述搏动图中搏动阻抗数据的比值;
可选的,所述校正因子为各肺灌注区域的校正因子,所述肺灌注区域根据不同划分方法划分成不同肺灌注区域;可选的,所述肺灌注区域包括右腹侧、左腹侧、右背侧、左背侧;可选的,所述肺灌注区域还包括腹外侧、腹内侧、背内侧、背外侧。
进一步,所述基于盐水造影肺灌注图为盐水造影EIT肺灌注图像;可选的,获取患者同期盐水造影阻抗稀释曲线,利用患者盐水造影阻抗稀释曲线结合图像重建算法生成患者的盐水造影EIT肺灌注图像;
可选的,获取患者同期盐水造影阻抗稀释曲线,利用患者盐水造影阻抗稀释曲线结合最大斜率法生成患者的盐水造影EIT肺灌注图像。
进一步,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,结合图像重建算法生成患者的盐水造影EIT肺灌注图像;
可选的,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正,所述曲线最大阻抗下降幅值又称电阻下降幅度,所述最大斜率又称曲线最大下降斜率;
所述提取所述盐水造影阻抗稀释曲线多参数特征为采用机器学习算法提取所述盐水造影阻抗稀释曲线多参数特征,可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述盐水造影阻抗稀释曲线多参数特征;
可选的,所述方法还包括提取所述盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征结合图像重建算法生成患者的盐水造影EIT肺灌注图像。
进一步,所述生成患者的基于盐水造影的肺灌注图为经盐水造影重建的SPECT图,所述校正因子为患者同期经盐水造影重建的SPECT图像素点和所述搏动图像素点的比值;
可选的,获取患者同期盐水造影阻抗稀释曲线,将所述盐水造影阻抗稀释曲线输入预先训练的深度学习模型,生成患者的经盐水造影重建的SPECT图;
可选的,获取患者同期盐水造影阻抗稀释曲线,将所述盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图。
进一步,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,输入预先训练的深度学习模型,生成患者的经盐水造影重建的SPECT图;
优选的,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的第深度学习模型中,生成患者的经盐水造影重建的SPECT图;
可选的,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正,所述曲线最大阻抗下降幅值又称电阻下降幅度,所述最大斜率又称曲线最大下降斜率;
可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用机器学习算法提取所述盐水造影阻抗稀释曲线多参数特征,可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述盐水造影阻抗稀释曲线多参数特征;
可选的,所述方法还包括提取所述盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征,生成盐水造影EIT灌注图像。
本申请的目的在于提供一种肺灌注与区域V/Q无创成像设备,所述设备包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用程序指令,当程序指令被执行时,用于执行实现上述的肺灌注与区域V/Q无创成像方法。
本申请的目的在于提供一种肺灌注与区域V/Q无创成像系统,所述系统包括:
第一获取单元,用于获取患者带通滤波电阻抗曲线生成搏动图;
第一生成单元,用于基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;
第二获取单元,用于获取患者肺通气图;
构建单元,用于采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
本申请的目的在于提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述的肺灌注与区域V/Q无创成像方法。
本申请的优点:
1.目前基于搏动法肺灌注监测存在较大偏差,导致肺灌注与区域V/Q监测存在较大偏差,为此,本申请通过校正因子将盐水造影中的前向血流阻抗引入,通过图像重建,生成经盐水造影校正的搏动灌注图像像,重建的经盐水造影校正的搏动灌注图像像既含有肺灌注区域的搏动阻抗数据又含有前向血流阻抗数据,实现实时、精准的肺灌注图像的生成,进而生成实时精准的肺灌注与区域V/Q图,本申请考虑到盐水造影的有创性,不适合实施监测,但是通过校正因子的引入,一次盐水造影后获得校正因子,可以用于接下来4-8小时或更长时间的搏动图的校正,生成较为精确的经盐水造影校正的搏动灌注图像,减少患者盐水造影的次数的同时能实现实时监测。
2.目前盐水造影EIT法虽然具有较高的准确性但还有很大优化空间,本申请以SPECT为标准对盐水造影阻抗稀释曲线重建,获得经盐水造影重建的SPECT图;进一步,考虑到从盐水造影阻抗稀释曲线数据维度及映射到SPECT图的困难,本申请还提供一种更优的解决方案,即先结合传统图像重建算法,将患者盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像,再采用深度学习模型将所述盐水造影EIT灌注图像生成经盐水造影重建的SPECT图。
3.考虑现有技术中传统图像重建一般采用最大斜率法获取盐水造影EIT灌注图像,但是发明人研究发现盐水增强造影产生的阻抗稀释曲线包含了许多肺灌注相关信息,如曲线最大下降斜率、曲线下面积、最大振幅以及平均传输时间等,故而,本申请还提供一种更优的解决方案,即在盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像时,提取所述患者盐水造影阻抗稀释曲线多参数特征,提高生成盐水造影EIT灌注图像的准确性,进而再采用深度学习模型将所述盐水造影EIT灌注图像生成经盐水造影重建的SPECT图。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他的附图。
图1是本发明实施例提供的肺灌注与区域V/Q无创成像方法示意流程图;
图2是本发明实施例提供的肺灌注与区域V/Q无创成像设备示意流程图;
图3是本发明实施例提供的肺灌注与区域V/Q无创成像系统示意图;
图4是本发明实施例提供的盐水造影的阻抗稀释曲线生成经盐水造影重建的SPECT图过程示意图;
图5是本发明实施例提供的肺灌注与区域V/Q无创成像方法过程示意图;
图6是本发明实施例提供的盐水造影肺电阻抗稀释时间曲线反映肺区域灌注的主要特征参数图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如S101、S102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,本领域技术人员在没有作出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的肺灌注与区域V/Q无创成像方示意流程图,具体地,所述方法包括如下步骤:
S101:获取患者带通滤波电阻抗曲线生成搏动图;
S102:基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;
S103:获取患者肺通气图;
S104:采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
在一个实施例中,获取患者带通滤波电阻抗曲线的方法为:通过频域滤波技术,过滤0.67HZ(40次/分)以下以及2.67HZ(160次/分)以上的信号,这样相当于滤过了潮气呼吸导致的阻抗变化信号,仅保留了心脏搏动相关的搏动阻抗信号,这样实现通气相关信号和心脏搏动相关信号分离,获取心脏搏动信号的阻抗曲线。
在一个实施例中,带通滤波电阻抗曲线生成搏动图的方法具体为:通过上述滤波技术方法获得各区域(像素点)的心脏相关的搏动电阻抗曲线,以每个像素点的搏动阻抗信号强弱(每次搏动阻抗的幅度、每次搏动阻抗曲线下的面积)反映改像素点(区域)的灌注血流量,搏动阻抗强,则提示该区域灌注量多,据此以每个像素点搏动阻抗强弱进一步建构灌注相关的搏动图。所述肺灌注区域根据不同划分方法划分成不同子肺灌注区域;可选的,所述子肺灌注区域包括右腹侧、左腹侧、右背侧、左背侧;可选的,所述子肺灌注区域还包括腹外侧、腹内侧、背内侧、背外侧;可选的,所述肺灌注区域,可分为1024(32X 32阵矩)个区域(像素点)。
在一个实施例中,所述校正因子为所述基于盐水造影的预测肺灌注图中血流阻抗数据和所述搏动图中搏动阻抗数据的比值;具体的,提取搏动图中的搏动阻抗数据特征,提取肺灌注图中的血流阻抗数据特征,计算所述基于盐水造影的预测肺灌注图中血流阻抗数据和所述搏动图中搏动阻抗数据的比值得到校正因子。
在一个实施例中,所述构建肺通气/血流图是采用所述患者肺通气图和经盐水造影校正的搏动灌注图像以最大像素点的20%做阈值构建肺通气/血流图;可选的,采用所述患者肺通气图和所述患者的经盐水造影校正的搏动灌注图像以及心脏输量和/或分钟通气量构建肺通气/血流图;
在一个具体实施例中,所述患者肺通气图为实时的肺通气图序列,所述患者的经盐水造影校正的搏动灌注图像为实时的患者的经盐水造影校正的搏动灌注图像序列,采用所述实时的肺通气图序列像和所述实时的患者的经盐水造影校正的搏动灌注图像序列构建实时的肺通气/血流图序列。
在一个具体实施例中,所述校正因子采用下述方法生成:获取患者带通滤波电阻抗曲线生成搏动图;获取患者同期盐水造影阻抗稀释曲线,生成患者的基于盐水造影的肺灌注图;计算所述基于盐水造影的肺灌注图像素点和所述搏动图像素点的比值,生成校正因子;可选的,所述校正因子为所述基于盐水造影的肺灌注图像中血流阻抗数据和所述搏动图中搏动阻抗数据的比值;可选的,所述校正因子为各肺灌注区域的校正因子,所述肺灌注区域根据不同划分方法划分成不同肺灌注区域;可选的,所述肺灌注区域包括右腹侧、左腹侧、右背侧、左背侧;可选的,所述肺灌注区域还包括腹外侧、腹内侧、背内侧、背外侧,可选的,所述肺灌注区域,可分为1024(32X 32阵矩)个区域(像素点)。
在一个实施例中,所述基于盐水造影肺灌注图为盐水造影EIT肺灌注图像;可选的,获取患者同期盐水造影阻抗稀释曲线,利用患者盐水造影阻抗稀释曲线结合图像重建算法生成患者的盐水造影EIT肺灌注图像;可选的,获取患者同期盐水造影阻抗稀释曲线,利用患者盐水造影阻抗稀释曲线结合最大斜率法生成患者的盐水造影EIT肺灌注图像。
在一个实施例中,所述患者同期盐水造影阻抗稀释曲线包括患者盐水造影全局阻抗稀释曲线、患者盐水造影心脏区域阻抗稀释曲线、患者盐水造影肺区域阻抗稀释曲线;在一个具体实施例中,获取患者同期盐水造影肺灌注区域阻抗稀释曲线,所述肺灌注区域根据不同划分方法划分成不同子肺灌注区域;可选的,所述子肺灌注区域包括右腹侧、左腹侧、右背侧、左背侧;可选的,所述子肺灌注区域还包括腹外侧、腹内侧、背内侧、背外侧。可选的,所述肺灌注区域,可分为1024(32X 32阵矩)个区域(像素点)。
在一个实施例中,所述患者同期盐水造影阻抗稀释曲线的获取方法为:首先,呼吸屏气测试,要求最小8秒以上(呼吸机机械通气时,先予适当镇静,调整呼吸机为完全控制通气模式,按呼气或吸气屏气按键10s;自住呼吸患者嘱屏气8秒);呼吸屏气测试通过后,方可行盐水造影EIT检查。然后,病人连接肺电阻抗监测仪器,准备10%NaCl 10ml,确认患者已建立中心静脉导管(颈内静脉或锁骨下静脉导管均可)。盐水注射:一般要求2位操作者一起完成,其中一位在确认EIT机器工作正常,启动患者呼吸屏气同时,发号注射盐水的指令;另外一位操作者得到确认指令后,即刻从中心静脉导管快速注射10%NaCL 10ml到患者体内;在整个操作期间EIT监测仪开启记录模式,在注射盐水前2分钟开始持续采集胸部电阻抗信号数据,全过程要求至少持续5分钟,完整记录屏气期间注射盐水导致肺电阻下降的过程。屏气期间整体电阻曲线开始下降作为盐水进入体内的起点(T0),一个动周期后作为盐水进入肺血管的起点(T1),整体电阻的最低点作为盐水通过肺血管的终点(T2),T0-T1时间段的电阻曲线反映盐水进入右心,不反映肺血管灌注;应用T1-T2时间段的各个肺区域的电阻-时间变化曲线(最大斜率拟合)进行盐水造影EIT肺灌注图像构建。
在一个实施例中,取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,结合图像重建算法生成患者的盐水造影EIT肺灌注图像;可选的,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正,所述曲线最大阻抗下降幅值又称电阻下降幅度,所述最大斜率又称曲线最大下降斜率,具体见图6。
在一个实施例中,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用机器学习算法提取所述盐水造影阻抗稀释曲线多参数特征,可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述盐水造影阻抗稀释曲线多参数特征。
在一个实施例中,所述方法还包括提取所述盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征结合图像重建算法生成患者的盐水造影EIT肺灌注图像。
在一个实施例中,所述基于盐水造影的预测肺灌注图为经盐水造影重建的SPECT图;具体的,获取患者同期盐水造影阻抗稀释曲线,将所述盐水造影阻抗稀释曲线输入预先训练的深度学习模型,生成患者的经盐水造影重建的SPECT图。
在一个实施例中,所述基于盐水造影的预测肺灌注图为经盐水造影重建的SPECT图;具体的,获取患者同期盐水造影阻抗稀释曲线,将所述盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图。
在一个实施例中,所述基于盐水造影的预测肺灌注图为经盐水造影重建的SPECT图;具体的,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图;可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用机器学习算法提取所述盐水造影阻抗稀释曲线多参数特征,可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述盐水造影阻抗稀释曲线多参数特征;可选的,所述方法还包括提取所述盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征,生成盐水造影EIT灌注图像
在一个实施例中,所述预先训练的深度学习模型采用下列方法构建:
获取盐水造影阻抗稀释曲线及同时期的SPECT图;
采用深度学习模型将所述盐水造影阻抗稀释曲线生成经盐水造影重建的SPECT图;
通过所述生成经盐水造影重建的SPECT图与同时期的SPECT图像计算损失,反向传播,更新参数,获得预先训练的深度学习模型。
在一个实施例中,所述方法还包括提取所述患者盐水造影阻抗稀释曲线多参数特征,将所述患者盐水造影阻抗稀释曲线提取的多参数特征输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图。
在一个实施例中,所述同时期的SPECT图获取方法为:首先吸入密闭系统的Xe放射性气体进行肺通气显像,然后通过静脉注射锝99聚合蛋白进行肺血流显像,通过多探头r相机通过SPECT图像,选取与EIT相同平面(第4-5肋间)通气与灌注的SPECT断层图像,以期作为训练的目标。
在一个实施例中,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正。考虑目前EIT图像主要通过默认的椭圆形轮廓特征来模拟前向模型,通过估算电极位置和电流分布来计算相对阻抗的信息分布,但每个患者胸廓存在个体差异,在此提出通过测量EIT监测断层的胸廓前后径、最大横径、胸围大小来进行胸廓形态校正;优选的,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正。
在一个实施例中,所述深度学习模型为DeepLab或unet,更优选的,所述深度学习模型为DeepLab V3。
在一个实施例中,所述方法还包括提取所述患者盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图。
在一个实施例中,获取患者盐水造影阻抗稀释曲线,将所述患者盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图。
在一个实施例中,所述预先训练的深度学习模型采用下列方法构建:
获取盐水造影阻抗稀释曲线及同时期的SPECT图;
将所述盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像;
采用深度学习模型将所述盐水造影EIT灌注图像生成经盐水造影重建的SPECT图;
通过所述生成经盐水造影重建的SPECT图与同时期的SPECT图像计算损失,反向传播,更新参数,获得预先训练的深度学习模型。
在一个实施例中,所述患者盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像为利用患者盐水造影阻抗稀释曲线结合图像重建算法获取盐水造影EIT灌注图像;可选的,所述利用患者盐水造影阻抗稀释曲线结合最大斜率法获取盐水造影EIT灌注图像。
在一个实施例中,获取患者盐水造影阻抗稀释曲线,提取所述患者盐水造影阻抗稀释曲线多参数特征,结合图像重建算法获取盐水造影EIT灌注图像,可选的,所述多参数特征包括下列特征中的一种或几种:曲线最大下降斜率、曲线下面积、平均传输时间、电阻下降幅度。
在一个具体实施例中,获取患者盐水造影阻抗稀释曲线,将所述患者盐水造影阻抗稀释曲线结合传统图像重建算法生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图;所述预先训练的深度学习模型采用下列方法构建:获取盐水造影阻抗稀释曲线及同时期的SPECT图;将所述盐水造影阻抗稀释曲线结合传统图像重建算法生成盐水造影EIT灌注图像;采用深度学习模型将所述盐水造影EIT灌注图像生成经盐水造影重建的SPECT图;通过所述生成经盐水造影重建的SPECT图与同时期的SPECT图像计算损失,反向传播,更新参数,获得预先训练的深度学习模型。
在一个实施例中,获取患者盐水造影阻抗稀释曲线,提取所述患者盐水造影阻抗稀释曲线多参数特征,结合图像重建算法获取盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图;所述预先训练的深度学习模型采用下列方法构建:获取盐水造影阻抗稀释曲线及同时期的SPECT图;提取所述患者盐水造影阻抗稀释曲线多参数特征,结合图像重建算法获取盐水造影EIT灌注图像;采用深度学习模型将所述盐水造影EIT灌注图像生成经盐水造影重建的SPECT图;通过所述生成经盐水造影重建的SPECT图与同时期的SPECT图像计算损失,反向传播,更新参数,获得预先训练的深度学习模型。基于多参数特征获得的盐水造影EIT灌注图像是一种更为准确反映肺灌注的图像。在一个具体实施例中,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正。优选的,所述患者盐水造影阻抗稀释曲线为胸廓形态校正后的盐水造影阻抗稀释曲线,在一个具体方案中,考虑目前EIT图像主要通过默认的椭圆形轮廓特征来模拟前向模型,通过估算电极位置和电流分布来计算相对阻抗的信息分布,但每个患者胸廓存在个体差异,故而,本申请提出通过测量EIT监测断层的胸廓前后径、最大横径、胸围大小来优化模拟的前向模型。
在一个实施例中,见图4,获取患者盐水造影阻抗稀释曲线,采用XGBoost算法提取所述患者盐水造影阻抗稀释曲线多参数特征,结合图像重建算法获取盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,融合所述提取所述患者盐水造影阻抗稀释曲线多参数特征,生成患者的经盐水造影重建的SPECT图,所述深度学习模型为DeepLab。
在一个实施例中,所述校正因子为所述基于盐水造影的预测肺灌注图中血流阻抗数据和所述搏动图中搏动阻抗数据的比值;具体的,提取搏动图中的搏动阻抗数据特征,提取肺灌注图中的血流阻抗数据特征,计算所述基于盐水造影的预测肺灌注图中血流阻抗数据和所述搏动图中搏动阻抗数据的比值得到校正因子。
在一个实施例中,所述经盐水造影校正的搏动灌注图像像为基于搏动图的经盐水造影重建的SPECT图或基于搏动图的盐水造影EIT肺灌注图像;具体的,当所述校正因子为盐水造影EIT肺灌注图像素点和所述搏动图像素点的比值,生成的校正因子,基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像像为盐水造影EIT肺灌注图像;当所述校正因子为经盐水造影重建的SPECT图像素点和所述搏动图像素点的比值,生成的校正因子,基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像像为经盐水造影重建的SPECT图。
在一个具体实施例中,见图5,分别获取患者实时的肺通气图和带通滤波电阻抗曲线生成搏动图,基于校正因子和所述搏动图生成实时的经盐水造影校正的搏动灌注图像,采用所述患者实时的肺通气图和所述实时的经盐水造影校正的搏动灌注图像构建实时的肺通气/血流图;优选的,在构建实时的肺通气/血流图时引入心脏输量和/或分钟通气量进一步完善获得优化后的实时的肺通气/血流图。
图2是本发明实施例提供的一种肺灌注与区域V/Q无创成像设备,所述设备包括:
所述存储器用于存储程序指令;
所述处理器用于调用程序指令,当程序指令被执行时,用于执行上述的肺灌注与区域V/Q无创成像方法。
图3是本发明实施例提供的一种肺灌注与区域V/Q无创成像系统,所述系统包括:
第一获取单元301,用于获取患者带通滤波电阻抗曲线生成搏动图;
第一生成单元302,用于基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;
第二获取单元303,用于获取患者肺通气图;
构建单元304,用于采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
本发明的一个目的在于提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的肺灌注与区域V/Q无创成像方法。
本验证实施例的验证结果表明,为适应症分配固有权重相对于默认设置来说可以适度改善本方法的性能。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的一种计算机设备进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种肺灌注与区域V/Q无创成像方法,其特征在于,所述方法包括:
获取患者带通滤波电阻抗曲线生成搏动图;
基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;
获取患者肺通气图;
采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
2.根据权利要求1所述的肺灌注与区域V/Q无创成像方法,其特征在于,所述构建肺通气/血流图是采用所述患者肺通气图和经盐水造影校正的搏动灌注图像以最大像素点的20%做阈值构建肺通气/血流图;
可选的,采用所述患者肺通气图和所述患者的经盐水造影校正的搏动灌注图像以及心脏输量和/或分钟通气量构建肺通气/血流图;
可选的,所述患者肺通气图为实时的肺通气图序列,所述患者的经盐水造影校正的搏动灌注图像为实时的患者的经盐水造影校正的搏动灌注图像序列,采用所述实时的肺通气图序列像和所述实时的患者的经盐水造影校正的搏动灌注图像序列构建实时的肺通气/血流图序列。
3.根据权利要求1所述的肺灌注与区域V/Q无创成像方法,其特征在于,所述校正因子采用下述方法生成:获取患者带通滤波电阻抗曲线生成搏动图;获取患者同期盐水造影阻抗稀释曲线,生成患者的基于盐水造影的肺灌注图;
计算所述基于盐水造影的肺灌注图像素点和所述搏动图像素点的比值,生成校正因子;
可选的,所述校正因子为所述基于盐水造影的肺灌注图像中血流阻抗数据和所述搏动图中搏动阻抗数据的比值;
可选的,所述校正因子为各肺灌注区域的校正因子,所述肺灌注区域根据不同划分方法划分成不同肺灌注区域;可选的,所述肺灌注区域包括右腹侧、左腹侧、右背侧、左背侧;可选的,所述肺灌注区域还包括腹外侧、腹内侧、背内侧、背外侧。
4.根据权利要求3所述的肺灌注与区域V/Q无创成像方法,其特征在于,所述基于盐水造影肺灌注图为盐水造影EIT肺灌注图像;可选的,获取患者同期盐水造影阻抗稀释曲线,利用患者盐水造影阻抗稀释曲线结合图像重建算法生成患者的盐水造影EIT肺灌注图像;
可选的,获取患者同期盐水造影阻抗稀释曲线,利用患者盐水造影阻抗稀释曲线结合最大斜率法生成患者的盐水造影EIT肺灌注图像。
5.根据权利要求3所述的肺灌注与区域V/Q无创成像方法,其特征在于,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,结合图像重建算法生成患者的盐水造影EIT肺灌注图像;
可选的,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正;
所述提取所述盐水造影阻抗稀释曲线多参数特征为采用机器学习算法提取所述盐水造影阻抗稀释曲线多参数特征,可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述盐水造影阻抗稀释曲线多参数特征;
可选的,所述方法还包括提取所述盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征结合图像重建算法生成患者的盐水造影EIT肺灌注图像。
6.根据权利要求3所述的肺灌注与区域V/Q无创成像方法,其特征在于,所述生成患者的基于盐水造影的肺灌注图为经盐水造影重建的SPECT图,所述校正因子为患者同期经盐水造影重建的SPECT图像素点和所述搏动图像素点的比值;
可选的,获取患者同期盐水造影阻抗稀释曲线,将所述盐水造影阻抗稀释曲线输入预先训练的深度学习模型,生成患者的经盐水造影重建的SPECT图;
可选的,获取患者同期盐水造影阻抗稀释曲线,将所述盐水造影阻抗稀释曲线生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的深度学习模型中,生成患者的经盐水造影重建的SPECT图。
7.根据权利要求6所述的肺灌注与区域V/Q无创成像方法,其特征在于,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,输入预先训练的深度学习模型,生成患者的经盐水造影重建的SPECT图;
优选的,获取患者同期盐水造影阻抗稀释曲线,提取所述盐水造影阻抗稀释曲线多参数特征,生成盐水造影EIT灌注图像,将所述盐水造影EIT灌注图像输入预先训练的第深度学习模型中,生成患者的经盐水造影重建的SPECT图;
可选的,所述多参数特征包括下列特征中的一种或几种:曲线最大阻抗下降幅值、曲线下面积、最大斜率、平均传输时间、胸廓形态校正;
可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用机器学习算法提取所述盐水造影阻抗稀释曲线多参数特征,可选的,所述提取所述盐水造影阻抗稀释曲线多参数特征为采用XGBoost、SVM、逻辑回归、随机森林、GBDT、LightGBM或ANN算法中的一种或几种提取所述盐水造影阻抗稀释曲线多参数特征;
可选的,所述方法还包括提取所述盐水造影阻抗稀释曲线多参数特征,将所述多参数特征进行特征融合得到特征融合后的特征,将所述特征融合后的特征,生成盐水造影EIT灌注图像。
8.一种肺灌注与区域V/Q无创成像设备,其特征在于,所述设备包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用程序指令,当程序指令被执行时,用于执行实现权利要求1-7任意一项所述的肺灌注与区域V/Q无创成像方法。
9.一种肺灌注与区域V/Q无创成像系统,其特征在于,所述系统包括:
第一获取单元,用于获取患者带通滤波电阻抗曲线生成搏动图;
第一生成单元,用于基于校正因子和所述搏动图生成经盐水造影校正的搏动灌注图像,所述校正因子为患者同期盐水造影肺灌注图像素点和所述搏动图像素点的比值;
第二获取单元,用于获取患者肺通气图;
构建单元,用于采用所述患者肺通气图和所述经盐水造影校正的搏动灌注图像构建肺通气/血流图。
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,所述计算机程序被处理器执行时,实现权利要求1-7任意一项所述的肺灌注与区域V/Q无创成像方法。
CN202210654812.2A 2022-06-10 2022-06-10 肺灌注与区域v/q无创成像方法、系统及设备 Active CN115035208B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210654812.2A CN115035208B (zh) 2022-06-10 2022-06-10 肺灌注与区域v/q无创成像方法、系统及设备
PCT/CN2023/099037 WO2023237034A1 (zh) 2022-06-10 2023-06-08 盐水造影电阻抗肺灌注及心脏显像的图像重建及分析方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210654812.2A CN115035208B (zh) 2022-06-10 2022-06-10 肺灌注与区域v/q无创成像方法、系统及设备

Publications (2)

Publication Number Publication Date
CN115035208A true CN115035208A (zh) 2022-09-09
CN115035208B CN115035208B (zh) 2023-11-14

Family

ID=83124028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210654812.2A Active CN115035208B (zh) 2022-06-10 2022-06-10 肺灌注与区域v/q无创成像方法、系统及设备

Country Status (1)

Country Link
CN (1) CN115035208B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023237034A1 (zh) * 2022-06-10 2023-12-14 中国医学科学院北京协和医院 盐水造影电阻抗肺灌注及心脏显像的图像重建及分析方法、系统及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5626146A (en) * 1992-12-18 1997-05-06 British Technology Group Limited Electrical impedance tomography
WO2006085166A2 (en) * 2005-01-10 2006-08-17 Koninklijke Philips Electronics N.V. Lung lesion detection during tomographic heart screening
US20150379706A1 (en) * 2014-06-25 2015-12-31 Dräger Medical GmbH Device and method for processing tomographic data
CN109745046A (zh) * 2019-01-22 2019-05-14 北京航空航天大学 一种适用于运动状态下的电阻抗成像电极与系统
KR101991250B1 (ko) * 2018-01-22 2019-06-20 재단법인 아산사회복지재단 프랙탈 차원값을 이용한 만성폐질환 예측방법 및 장치
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
CN111543993A (zh) * 2020-04-29 2020-08-18 北京航空航天大学 一种动态细胞阻抗成像装置
CN114519708A (zh) * 2022-02-18 2022-05-20 济纶医工智能科技(南京)有限公司 一种cbist成像方法及成像系统
CN114533036A (zh) * 2022-01-17 2022-05-27 深圳市安保科技有限公司 可视化肺通气监测方法、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5626146A (en) * 1992-12-18 1997-05-06 British Technology Group Limited Electrical impedance tomography
WO2006085166A2 (en) * 2005-01-10 2006-08-17 Koninklijke Philips Electronics N.V. Lung lesion detection during tomographic heart screening
US20150379706A1 (en) * 2014-06-25 2015-12-31 Dräger Medical GmbH Device and method for processing tomographic data
KR101991250B1 (ko) * 2018-01-22 2019-06-20 재단법인 아산사회복지재단 프랙탈 차원값을 이용한 만성폐질환 예측방법 및 장치
CN109745046A (zh) * 2019-01-22 2019-05-14 北京航空航天大学 一种适用于运动状态下的电阻抗成像电极与系统
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
CN111543993A (zh) * 2020-04-29 2020-08-18 北京航空航天大学 一种动态细胞阻抗成像装置
CN114533036A (zh) * 2022-01-17 2022-05-27 深圳市安保科技有限公司 可视化肺通气监测方法、设备及存储介质
CN114519708A (zh) * 2022-02-18 2022-05-20 济纶医工智能科技(南京)有限公司 一种cbist成像方法及成像系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张国旭;张彩霞;王治国;陈宪英;郑伟;马壮;: "SPECT/CT同机图像融合技术诊断肺动脉栓塞的临床价值", 临床军医杂志, no. 02 *
池熠, 何怀武, 袁思依, 招展奇, 隆云: "电阻抗成像技术监测急性呼吸窘迫综合征患者呼气末正压滴定时局部机械能的临床应用", 《中华重症医学电子杂志(网络版)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023237034A1 (zh) * 2022-06-10 2023-12-14 中国医学科学院北京协和医院 盐水造影电阻抗肺灌注及心脏显像的图像重建及分析方法、系统及设备

Also Published As

Publication number Publication date
CN115035208B (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
CN104936511B (zh) 身体结构成像
KR101910233B1 (ko) 맥관구조를 수치 평가하는 시스템들 및 방법들
Bodenstein et al. Principles of electrical impedance tomography and its clinical application
CN114723845B (zh) 以spect为标准的盐水造影肺灌注图像重建方法、系统及设备
JP4441322B2 (ja) 心外膜リードを用いる両心室ペーシングの計画及び治療のための心臓ctシステム及び方法
Leathard et al. A comparison of ventilatory and cardiac related changes in EIT images of normal human lungs and of lungs with pulmonary emboli
Rigsby et al. Radiation dose management for pediatric cardiac computed tomography: a report from the Image Gently ‘Have-A-Heart’campaign
KR102402628B1 (ko) 인간의 심장 및 심방을 모델링하는 방법 및 시스템
CN106102568A (zh) 与治疗部位相关的信号分析
US11710569B2 (en) Coronary artery disease metric based on estimation of myocardial microvascular resistance from ECG signal
CN109688908B (zh) 用于确定血流储备分数的装置和方法
CN102802533B (zh) 图像处理装置及图像处理方法
CN111449657B (zh) 图像监测系统和肺栓塞诊断系统
van Deel et al. In vivo quantitative assessment of myocardial structure, function, perfusion and viability using cardiac micro-computed tomography
RUMBERGER et al. Measurement of myocardial perfusion and cardiac output using intravenous injection methods by ultrafast (cine) computed tomography
CN114723844B (zh) 经盐水造影校正的搏动灌注图像重建方法、系统及设备
CN115035208B (zh) 肺灌注与区域v/q无创成像方法、系统及设备
WO2023237034A1 (zh) 盐水造影电阻抗肺灌注及心脏显像的图像重建及分析方法、系统及设备
JP6981807B2 (ja) 医用情報処理装置、x線ct装置、医用情報処理プログラム、医用情報処理方法及び医用情報処理システム
CN114052764A (zh) 获取血流储备分数的方法、装置、系统和计算机存储介质
Tanaka et al. Fuzzy modeling of electrical impedance tomography images of the lungs
CN115530791B (zh) 基于盐水造影的心内分流电阻抗图像分析方法及系统
WO2012011872A1 (en) A method and/or system for determining portal hemodynamics of a subject
US20130218031A1 (en) Method and apparatus for estimating a pulse arrival time value
US10010285B2 (en) Method and device for determining a damage characteristic value of a kidney

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