CN116523872A - 一种选取电极片贴附位置和施加电流源的方法与系统 - Google Patents
一种选取电极片贴附位置和施加电流源的方法与系统 Download PDFInfo
- Publication number
- CN116523872A CN116523872A CN202310477778.0A CN202310477778A CN116523872A CN 116523872 A CN116523872 A CN 116523872A CN 202310477778 A CN202310477778 A CN 202310477778A CN 116523872 A CN116523872 A CN 116523872A
- Authority
- CN
- China
- Prior art keywords
- electric field
- point
- electrode plates
- groups
- applying
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005684 electric field Effects 0.000 claims abstract description 80
- 239000013598 vector Substances 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000001225 therapeutic effect Effects 0.000 claims description 2
- 238000003491 array Methods 0.000 abstract description 5
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 206010028980 Neoplasm Diseases 0.000 description 20
- 210000001519 tissue Anatomy 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 8
- 210000004761 scalp Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 4
- 230000004913 activation Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000004881 tumor cell Anatomy 0.000 description 2
- 206010018338 Glioma Diseases 0.000 description 1
- 102000004243 Tubulin Human genes 0.000 description 1
- 108090000704 Tubulin Proteins 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000011731 head segmentation Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36002—Cancer treatment, e.g. tumour
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Child & Adolescent Psychology (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Neurology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种选取电极片贴附位置和施加电流源的方法,其特征在于,包括(1)获取对象的MRI图像;(2)对获取的MRI图像进行分割,分割为异质物区域与正常组织区域;对于分割的异质物区域与正常组织区域进行网格化处理;(3)提供三组电极片,通过异质物区域计算三组电极片贴附位置;(4)通过对三组电极片阵列施加不同相位的电流源,产生旋转电场并满足异质物区域电场强度需求的同时降低电极片的使用数量。
Description
技术领域
本发明涉及医疗设备技术领域,具体是涉及一种选取电极片贴附位置和施加电流源的方法与系统。
背景技术
肿瘤治疗电场(Tumor Treating Fields,TTFields)对肿瘤细胞施加低强度(1~3V/cm)中频(100kHz~500kHz)交变电场,通过干扰微管蛋白从而抑制肿瘤细胞分裂和增殖。在治疗脑胶质瘤时,TTFields由两个电流源感应,每个电流源都连接一对放置在患者头皮上的3×3电极片阵列,使用总持续时间为2秒的50%激活周期依次激活电流源,即每个传感器对被激活1秒,然后是1秒的“关闭”期。当一对处于活动状态时,另一对处于非活动状态,反之亦然,即每对都以“方波”模式激活。在激活期间,各个电流源会以200kHz提供正弦场波形。现有技术中目前存在的问题是,TTFields通过两对3×3电极阵列共36个电极片产生两个近似垂直的电场方向,但是头皮上贴附电极片过多会造成患者治疗意愿性和依从性降低,且电极片贴附位置在肿瘤区域产生的电场强度未达到最佳值。因此,需要一种新的技术方案以解决上述问题。
发明内容
发明目的:针对以上缺点,本发明提供一种选取电极片贴附位置和施加电流源的方法,能够对电极片的位置选择更加准确,以产生预设的电场强度情况下,同时降低了电极片使用数量。同时,本申请提供一种选取电极片贴附位置和施加电流源系统,能够实现上述方法。
技术方案:为解决上述问题,本发明公开一种选取电极片贴附位置和施加电流源的方法,其特征在于,包括以下步骤:
(1)获取对象的MRI图像;
(2)对获取的MRI图像进行分割,分割为异质物区域与正常组织区域;对于分割的异质物区域与正常组织区域进行网格化处理;
(3)提供三组电极片,通过异质物区域计算三组电极片贴附位置并施加三相电流,包括以下分步骤:
(3.1)找出异质物区域面积最大的横断面,在该横断面上从异质物区域质心往外不断扩增像素,像素最快达到场景边界的位置即是第一组电极片的贴附位置;
(3.2)将异质物区域质心设为P点,第一组电极片中心位置设为A点,过P点与PA垂直的直线与场景相交的两个点记作D点和E点,设PD>PE,则D以PA为对称轴作另外一点D′,A、D、D′三点构成三角形,该三角形外接圆即为横截面上的标准圆平面;设该标准圆平面的半径为r,圆心设置为O点,三组电极片在标准圆平面的圆周上分别为记作A、B、C,异质物区域质心在OA上,PA距离记作k,将OA方向设置为y轴,BC方向设置为x轴,A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点A坐标(0,a)的关系如下:
(3.3)对三组电极片分别施加三相电流,三组电极片的电荷量qa、qb、qc随时间t的关系如下:
异质物区域P(0,a-k)的电场强度为:
和/>分别是x轴和y轴的单位方向矢量,/>是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和,k越小,表征电场的椭圆面积越大。
(3.4)求椭圆面积S椭时,是可简化为S椭与a的函数:
其中ε0是相对介电常数、r是标准圆半径、q是电荷量,因此,当k已知时,可通过S椭对a求导,计算S椭最大值时的三角形高度a,根据公式(1)即可计算其他两组电极片的贴附位置,由于步骤3.1建立的标准圆与场景横断面存在位置误差,连接BC两点与场景边界的交点,将两个交点位置设为实际选取的另外两组电极片中心贴附位置。
进一步的,步骤(3.2)中三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和。
进一步的,步骤(3.3)中,已知异质物区域质心在y轴上,质心与顶点(0,a)的距离为k,则异质物区域质心坐标为(0,a-k),且a-k≤r,给定异质物区域P(0,a-k)和构建的标准圆半径r,和/>是关于ΔABC等腰三角形高度a和电荷量q的函数,下式所示:
三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t′=2wπ±π;将两个时间点t1、t2联立电场强度公式,得到下式:
进一步的,步骤(2)中具体采用深度神经网络3D-Unet模型对获取的MRI图像进行分割,分割为异质物区域与正常组织区域;采用Delaunay三角剖分法对于分割的异质物区域与正常组织区域进行网格化。
进一步的,该选取电极片贴附位置和施加电流源的方法用于确认电极片在对象上的贴附位置和电流施加方式,不作为诊断标准,为非诊断非治疗目的。
本发明提供的选取电极片贴附位置和施加电流源系统可采用以下技术方案。
一种选取电极片贴附位置和施加电流源系统,包括:三组电极片、MRI图像获取模块、MRI图像处理模块、位置寻优及施加三相电流模块;
所述MRI图像获取模块用于获取对象的MRI图像;
所述MRI图像处理模块用于对获取的MRI图像中异质物区域与正常组织区域进行分割,并对分割的异质物区域与正常组织区域进行网格化处理;
所述位置寻优及施加三相电流模块用于计算三组电极片贴附位置并施加三相电流,计算步骤包括:
找出异质物区域面积最大的横断面,在该横断面上从异质物区域质心往外不断扩增像素,像素最快达到场景边界的位置即是第一组电极片的贴附位置;
将异质物区域质心设为P点,第一组电极片中心位置设为A点过P点与PA垂直的直线与场景相交的两个点记作D点和E点,设PD>PE,则D以PA为对称轴作另外一点D′,A、D、D′三点构成三角形,该三角形外接圆即为横截面上的标准圆平面;设该标准圆平面的半径为r,圆心设置为O点,三组电极片在标准圆平面的圆周上分别为记作A、B、C,异质物区域质心在OA上,PA距离记作k,将OA方向设置为y轴,BC方向设置为x轴,A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点A坐标(0,a)的关系如下:
对三组电极片分别施加三相电流,三组电极片的电荷量qa、qb、qc随时间t的关系如下:
异质物区域P(0,a-k)的电场强度为:
和/>分别是x轴和y轴的单位方向矢量,/>是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和,k越小,表征电场的椭圆面积越大。
求椭圆面积S椭时,可简化为S椭与a的函数:
其中ε0是相对介电常数、r是标准圆半径、q是电荷量,因此,当k已知时,可通过S椭对a求导,计算S椭最大值时的三角形高度a,根据公式(1)即可计算其他两组电极片的贴附位置,连接BC两点与场景边界的交点,将两个交点位置设为实际选取的另外两组电极片中心贴附位置。
进一步的,三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和。
进一步的,已知异质物区域质心在y轴上,质心与顶点(0,a)的距离为k,则异质物区域质心坐标为(0,a-k),且a-k≤r,给定异质物区域P(0,a-k)和构建的标准圆半径r,和是关于ΔABC等腰三角形高度a和电荷量q的函数,下式所示:
三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t′=2wπ±π;将两个时间点t1、t2联立电场强度公式,得到下式:
进一步的,三组电极阵列包括27个电极片。
有益效果:本发明所述选取电极片贴附位置和施加电流源的方法相对于现有技术,其显著优点是:通过三组电极片阵列施加不同电流相位,产生旋转电场并满足电场强度需求的同时降低电极片使用数量。
附图说明
图1是本发明技术方案的选取电极片贴附位置和施加电流源的方法的流程示意图。
图2是本发明实施例的头部分割结果示意图。
图3是本发明实施例的分割结果网格化示意图。
图4是本发明实施例的三角形外接圆示意图。
图5是本发明实施例的三组电极片位置示意图。
图6是本发明实施例的电极片贴附位置示意图。
图7是本发明实施例的电极片施加电流示意图。
图8是本发明实施例的仿真结果示意图。
具体实施方式
下面结合附图对本发明的技术方案进一步说明。
本实施方式提供一种选取电极片贴附位置和施加电流源的方法,包括如下步骤:
步骤1、获取对象的MRI图像;
步骤2、对MRI图像分割并网格化;
步骤2.1、利用深度神经网络3D-Unet模型对对象的MRI图像中异质物区域和具有不同电学参数的组织进行分割;
进一步的,在所述的步骤2.1中,深度神经网络3D-Unet模型呈U型对称式,是经典的编码器—解码器结构。在编码阶段,每次卷积后经过Batch-Normalization层规范化,再经由Relu函数激活,持续进行下采样提取图像的特征;在解码阶段,融合高低层特征,并持续上采样,最终获得对象场景内不同电学参数的介质分割结果。
步骤2.2、利用Delaunay三角剖分对分割结果进行网格离散化;
进一步的,在所述的步骤2.2中,Delaunay三角剖分是对平面中点集P进行剖分后使得P中没有点严格处于任意一个三角形外接圆的内部。首先对Delaunay边进行定义:假设边集{E∈R2(vi,vj)}中的一条边e的两端点为vi、vj,圆C为vi和vj相连线段为直径的圆,而圆内不包含点集中其它点,则边e为Delaunay边。再由Delaunay边到Delaunay三角剖分的定义:当平面上点集V存在一个三角剖分T,并且三角剖分T包含的边集E满足只包含Delaunay边时,则该三角剖分T为点集V的Delaunay三角剖分。与一般三角剖分相比,Delaunay三角剖分可以保证对离散数据剖分的结果具有唯一性。
步骤3、通过异质物区域计算三组电极片贴附位置并施加三相电流;
步骤3.1、构建异质物区域面积最大的横断面并计算第一组电极片位置;
进一步的,在所述的步骤3.1中,通过步骤2的分割结果,遍历横断面,并计算横断面中的异质物区域面积,找出异质物区域面积最大的横断面。在横断面上从异质物区域质心往外不断扩增像素,最快达到场景边界的位置即是第一组电极片的贴附位置。
步骤3.2、通过异质物位置构建标准圆形;
进一步的,在所述的步骤3.2中,在步骤3.1的横截面上建立标准圆平面,标准圆平面构建步骤如下:将异质物区域质心设为P点,第一组电极片中心位置设为A点,过P点与PA垂直的直线与场景相交的两个点记作D点和E点,PD和PE中选择其中较长的线段,假设PD>PE,则D以PA为对称轴作另外一点D′,A、D、D′三点构成三角形,该三角形外接圆即为横截面上的标准圆平面。设圆的半径为r,圆心设置为O点,三组电极片在圆周上分别为记作A、B、C,异质物区域质心在OA上,PA距离记作k,将OA方向设置为y轴,BC方向设置为x轴,且A、B、C三点构成等腰三角形,A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点A坐标(0,a)的关系如下:
步骤3.3、对三组电极片施加三相电流;
进一步的,在所述的步骤3.3中,将电极片简化为点电荷考虑,由叠加原理可得,三组电极片产生的电场强度为:
其中,qa、qb、qc分别为A、B、C三点的电荷量;ε0是相对介电常数,r1、r2、r3和分别为横断面上异质物区域P(0,y)到各组电极片的距离和单位方向矢量。将三组电极片坐标代入公式(2)中得:
从公式(2)可以看出,当A、B、C三点电荷量随时间变化时,电场强度x,y分量也相应变化,从而使P(0,y)场强方向在空间中旋转。旋转电场方向由各电极片产生的电场强度通过矢量叠加形成。假设A、B、C三点电荷量为:
将公式(4)代入(3)中,异质物区域P(0,y)的电场强度为:
这是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和,P(0,y)越接近点A(0,a),表征电场的椭圆面积越大。
步骤3.4、计算另外两组电极片贴附位置;
进一步的,在所述的步骤3.4中,已知异质物区域质心在y轴上,质心与顶点(0,a)的距离为k,则异质物区域质心坐标为(0,a-k),且a-k≤r,给定异质物区域P(0,a-k)和构建的标准圆半径r,和/>是关于△ABC等腰三角形高度a和电荷量q的函数。如公式(6)所示:
由步骤3.3可知,三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,因此椭圆面积可以表示周期内的平均电场强度值。椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t2=2wπ±π。将两个时间点t1、t2联立公式(4)、(5),得到公式(7)如下:
因此求椭圆面积S椭时,是可简化为等腰三角形高度a的一元函数:
因此,当k已知时,可通过S椭对a求导,计算S椭最大值时等腰三角形的高度a,根据公式(1)即可计算其他两组电极片的贴附位置,由于步骤3.2建立的标准圆与场景横断面存在位置误差,连接BC两点与场景边界的交点,将两个交点位置设为实际选取的另外两组电极片中心贴附位置。
本发明还提供了一种选取电极片贴附位置和施加电流源系统,包括:三组电极片、MRI图像获取模块、MRI图像处理模块、位置寻优及施加三相电流模块;
所述MRI图像获取模块用于获取对象的MRI图像;
所述MRI图像处理模块用于对获取的MRI图像中异质物区域与正常组织区域进行分割,并对分割的异质物区域与正常组织区域进行网格化处理;
所述位置寻优及施加三相电流模块用于计算三组电极片贴附位置并施加三相电流,计算步骤包括:
找出异质物区域面积最大的横断面,在该横断面上从异质物区域质心往外不断扩增像素,像素最快达到场景边界的位置即是第一组电极片的贴附位置;
将异质物区域质心设为P点,第一组电极片中心位置设为A点过P点与PA垂直的直线与场景相交的两个点记作D点和E点,设PD>PE,则D以PA为对称轴作另外一点D′,A、D、D′三点构成三角形,该三角形外接圆即为横截面上的标准圆平面;设该标准圆平面的半径为r,圆心设置为O点,三组电极片在标准圆平面的圆周上分别为记作A、B、C,异质物区域质心在OA上,PA距离记作k,将OA方向设置为y轴,BC方向设置为x轴,A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点A坐标(0,a)的关系如下:
对三组电极片分别施加三相电流,三组电极片的电荷量qa、qb、qc随时间t的关系如下:
异质物区域P(0,a-k)的电场强度为:
和/>分别是x轴和y轴的单位方向矢量,/>是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和,k越小,表征电场的椭圆面积越大。
求椭圆面积S椭时,是可简化为S椭与a的函数:
其中ε0是相对介电常数、r是标准圆半径、q是电荷量,因此,当k已知时,可通过S椭对a求导,计算S椭最大值时的三角形高度a,根据公式(1)即可计算其他两组电极片的贴附位置,连接BC两点与场景边界的交点,将两个交点位置设为实际选取的另外两组电极片中心贴附位置。
进一步的,三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和。
进一步的,已知异质物区域质心在y轴上,质心与顶点(0,a)的距离为k,则异质物区域质心坐标为(0,a-k),且a-k≤r,给定异质物区域P(0,a-k)和构建的标准圆半径r,和是关于△ABC等腰三角形高度a和电荷量q的函数,下式所示:
三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t2=2wπ±π;将两个时间点t1、t2联立电场强度公式,得到下式:
以下结合上述选取电极片贴附位置和施加电流源的方法的实施方式应用到一个TTFields实施案例中,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅以解释本发明,并不用于限定本发明。该具体实施案例流程如图1所示,步骤如下:
步骤1、选取人体头部作为对象,针对该对象获取头部MRI图像;
步骤2、对MRI图像分割并网格化;
步骤2.1、利用深度神经网络3D-Unet模型对头部MRI图像中肿瘤区域(肿瘤区域作为异质物区域)以及正常组织区域进行分割;
进一步的,在所述的步骤2.1中,深度神经网络3D-Unet模型呈U型对称式,是经典的编码器—解码器结构。在编码阶段,每次卷积后经过Batch-Normalization层规范化,再经由Relu函数激活,持续进行下采样提取图像的特征;在解码阶段,融合高低层特征,并持续上采样,最终获得头皮、颅骨、灰质、白质、脑脊液等具有不同电学参数的正常人体组织区域与脑胶质肿瘤区域的分割结果,如图2所示。
步骤2.2、利用Delaunay三角剖分对分割结果进行网格离散化;
进一步的,在所述的步骤2.2中,Delaunay三角剖分是对平面中点集P进行剖分后使得P中没有点严格处于任意一个三角形外接圆的内部。首先对Delaunay边进行定义:假设边集{E∈R2(vi,vj)}中的一条边e的两端点为vi、vj,圆C为vi和vj相连线段为直径的圆,而圆内不包含点集中其它点,则边e为Delaunay边。再由Delaunay边到Delaunay三角剖分的定义:当平面上点集V存在一个三角剖分T,并且三角剖分T包含的边集E满足只包含Delaunay边时,则该三角剖分T为点集V的Delaunay三角剖分。与一般三角剖分相比,Delaunay三角剖分可以保证对离散数据剖分的结果具有唯一性。分割结果网格离散化后如图3所示。
步骤3、通过肿瘤区域计算三组电极片贴附位置并施加三相电流;
步骤3.1、构建肿瘤面积最大的横断面并计算第一组电极片位置;
进一步的,在所述的步骤3.1中,通过步骤2的分割结果,遍历横断面,并计算横断面中的肿瘤面积,找出肿瘤面积最大的横断面。在横断面上从肿瘤质心往外不断扩增像素,最快达到头皮的位置即是第一组电极片的贴附位置。
步骤3.2、通过肿瘤位置构建标准圆形;
进一步的,在所述的步骤3.2中,在步骤3.1的横截面上建立标准圆平面,标准圆平面构建步骤如下:将肿瘤质心设为P点,第一组电极片中心位置设为A点,过P点与PA垂直的直线与头皮相交的两个点记作D点和E点,其中PD为5.34cm,PE为5.10cm,则D以PA为对称轴作另外一点D′,a、D、D′三点构成三角形,该三角形外接圆为横截面上的标准圆平面,如图4所示。圆的半径为6.3cm,圆心设置为O点,三组电极片在圆周上分别为记作A、B、X,肿瘤质心在OA上,PA距离为2.97cm。将OA方向设置为y轴,BC方向设置为x轴,且A、B、C三点构成等腰三角形,如图5所示。A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点A坐标(0,a)的关系如下:
步骤3.3、对三组电极片施加三相电流;
进一步的,在所述的步骤3.3中,将电极片简化为点电荷考虑,由叠加原理可得,三组电极片产生的电场强度为:
其中,qa、qb、qc分别为A、B、C三点的电荷量;ε0是相对介电常数,r1、r2、r3和分别为横断面上肿瘤P(0,a-2.97)到各组电极片的距离和单位方向矢量。将三组电极片坐标代入公式(2)中得:
从公式(3)可以看出,当A、B、C三点电荷量随时间变化时,电场强度x,y分量也相应变化,从而使P(0,a-2.97)处场强方向在空间中旋转。旋转电场方向由各电极片产生的电场强度通过矢量叠加形成。假设A、B、C三点电荷量为:
将公式(4)代入(3)中,肿瘤P(0,a-2.97)的电场强度为:
这是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和。
步骤3.4、计算另外两组电极片贴附位置;
进一步的,在所述的步骤3.4中,已知肿瘤P(0,a-2.97)和构建的标准圆半径6.3cm,和/>是关于ΔABC等腰三角形高度a和电荷量q的函数。如公式(6)所示:
由步骤3.3可知,三组电极片在(0,a-2.97)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,因此椭圆面积可以表示周期内的平均电场强度值。椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t2=2wπ±π。将两个时间点t1、t2联立公式(4)、(5),得到公式(7)如下:
因此求椭圆面积S椭时,是可简化为等腰三角形高度a的一元函数:
因此,当给定肿瘤坐标(0,a-2.97)时,可通过S椭对a求导,计算S椭最大值时等腰三角形的高度a,求得a为1.46,根据公式(8)即可计算其他两组电极片B和C的中心贴附位置为(4.03,0)和(-4.03,0),由于步骤3.2建立的标准圆与横断面存在位置误差,连接BC两点与横断面上头皮的交点,将交点位置设为实际选取的电极片中心贴附位置(3.12,0)和(-4.31,0)。
步骤4、将三组电极片按照步骤3的计算位置贴附在头皮表面;
进一步的,在所述的步骤4中,将三组电极片A、B、C的中心按照(0,1.46)、(3.12,0)、(-4.31,0)坐标进行贴附,如图6所示。
通过与现有技术的对比可知,现有技术中的电极片贴附方式为四组电极阵列,共包括36个电极片,为了降低电热效应带来负面作用,电流施加方式为使用总持续时间为2秒的50%激活周期依次激活电流源,施加电流大小和频率为900mA和200kHz,而本发明使用的电流强度为原始电流强度的75%,即675mA,即可实现电流不间断工作,三组电极片施加电流情况如图7所示。三组电极片的电流大小为675mA,频率为200kHz,三组电极片的电流相位差为120°,头部电场满足准静态拉普拉斯方程,利用有限元方法对对步骤2.2网格化结果进行仿真计算,结果如图8所示。利用三相电流在肿瘤区域产生的平均电场强度为1.66V/cm,相比原来50%占空比交替工作模式产生的平均电场强度1.50V/cm,肿瘤区域的电场强度提升了10.39%,电场方向在周期内不断旋转,且三组电极阵列包括27个电极片,少于目前TTFields技术电极片贴附数量。
Claims (10)
1.一种选取电极片贴附位置和施加电流源的方法,其特征在于,包括以下步骤:
(1)获取对象的MRI图像;
(2)对获取的MRI图像进行分割,分割为异质物区域与正常组织区域;对于分割的异质物区域与正常组织区域进行网格化处理;
(3)提供三组电极片,通过异质物区域计算三组电极片贴附位置并施加三相电流。
2.根据权利要求1所述的选取电极片贴附位置和施加电流源的方法,其特征在于,步骤(3)具体包括以下步骤:
(3.1)找出异质物区域面积最大的横断面,在该横断面上从异质物区域质心往外不断扩增像素,像素最快达到场景边界的位置即是第一组电极片的贴附位置;
(3.2)将异质物区域质心设为P点,第一组电极片中心位置设为A点,过P点与PA垂直的直线与场景相交的两个点记作D点和E点,设PD>PE,则D以PA为对称轴作另外一点D′,A、D、D′三点构成三角形,该三角形外接圆即为横截面上的标准圆平面;设该标准圆平面的半径为r,圆心设置为O点,三组电极片在标准圆平面的圆周上分别为记作A、B、C,异质物区域质心在OA上,PA距离记作k,将OA方向设置为y轴,BC方向设置为x轴,A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点a坐标(0,a)的关系如下:
(3.3)对三组电极片分别施加三相电流,三组电极片的电荷量qa、qb、qc随时间t的关系如下:
异质物区域P(0,a-k)的电场强度为:
和/>分别是x轴和y轴的单位方向矢量,/>是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和,k越小,表征电场的椭圆面积越大。
(3.4)求椭圆面积S椭时,可简化为S椭与a的函数:
其中ε0是相对介电常数、r是标准圆半径、q是电荷量,因此,当k已知时,可通过S椭对a求导,计算S椭最大值时的三角形高度a,根据公式(1)即可计算其他两组电极片的贴附位置,连接BC两点与场景边界的交点,将两个交点位置设为实际选取的另外两组电极片中心贴附位置。
3.根据权利要求2所述的选取电极片贴附位置和施加电流源的方法,其特征在于,步骤(3.2)中三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和。
4.根据权利要求3所述的选取电极片贴附位置和施加电流源的方法,其特征在于,已知异质物区域质心在y轴上,质心与顶点(0,a)的距离为k,则异质物区域质心坐标为(0,a-k),且a-k≤r,给定异质物区域P(0,a-k)和构建的标准圆半径r,和/>是关于ΔABC等腰三角形高度a和电荷量q的函数,下式所示:
三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t2=2wπ±π;将两个时间点t1、t2联立电场强度公式,得到下式:
5.根据权利要求1所述的选取电极片贴附位置和施加电流源的方法,其特征在于,步骤(2)中具体采用深度神经网络3D-Unet模型对获取的MRI图像进行分割,分割为异质物区域与正常组织区域;采用Delaunay三角剖分法对于分割的异质物区域与正常组织区域进行网格化。
6.根据权利要求1至5中任一项所述的选取电极片贴附位置和施加电流源的方法,其特征在于,该选取电极片贴附位置和施加电流源的方法用于确认电极片在对象上的贴附位置和施加电流方式,不作为诊断标准,为非诊断非治疗目的。
7.一种选取电极片贴附位置和施加电流源系统,其特征在于,包括:三组电极片、MRI图像获取模块、MRI图像处理模块、位置寻优及施加三相电流模块;
所述MRI图像获取模块用于获取对象的MRI图像;
所述MRI图像处理模块用于对获取的MRI图像中异质物区域与正常组织区域进行分割,并对分割的异质物区域与正常组织区域进行网格化处理;
所述位置寻优及施加三相电流模块用于计算三组电极片贴附位置并施加三相电流,计算步骤包括:
找出异质物区域面积最大的横断面,在该横断面上从异质物区域质心往外不断扩增像素,像素最快达到场景边界的位置即是第一组电极片的贴附位置;
将异质物区域质心设为P点,第一组电极片中心位置设为A点过P点与PA垂直的直线与场景相交的两个点记作D点和E点,设PD>PE,则D以PA为对称轴作另外一点D′,A、D、D′三点构成三角形,该三角形外接圆即为横截面上的标准圆平面;设该标准圆平面的半径为r,圆心设置为O点,三组电极片在标准圆平面的圆周上分别为记作A、B、C,异质物区域质心在OA上,PA距离记作k,将OA方向设置为y轴,BC方向设置为x轴,A、B、C的坐标分别是(0,a)、(b,0)、(-b,0),则B,C的坐标(b,0),(-b,0)与顶点A坐标(0,a)的关系如下:
对三组电极片分别施加三相电流,三组电极片的电荷量qa、qb、qc随时间t的关系如下:
异质物区域P(0,a-k)的电场强度为:
和/>分别是x轴和y轴的单位方向矢量,/>是一个椭圆形旋转电场,方向为顺时针方向,椭圆面积为一个周期内电场强度的总和,k越小,表征电场的椭圆面积越大。
求椭圆面积S椭时,是可简化为S椭与a的函数:
其中ε0是相对介电常数、r是标准圆半径、q是电荷量,因此,当k已知时,可通过S椭对a求导,计算S椭最大值时的三角形高度a,根据公式(1)即可计算其他两组电极片的贴附位置,连接BC两点与场景边界的交点,将两个交点位置设为实际选取的另外两组电极片中心贴附位置。
8.根据权利要求7所述的选取电极片贴附位置和施加电流源系统,其特征在于,三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和。
9.根据权利要求8所述的选取电极片贴附位置和施加电流源系统,其特征在于,已知异质物区域质心在y轴上,质心与顶点(0,a)的距离为k,则异质物区域质心坐标为(0,a-k),且a-k≤r,给定异质物区域P(0,a-k)和构建的标准圆半径r,和/>是关于ΔABC等腰三角形高度a和电荷量q的函数,下式所示:
三组电极片通过施加三相电流在异质物区域(0,a-k)处形成椭圆形旋转电场,椭圆面积代表周期内电场强度的总和,椭圆长轴沿着y轴方向,长轴最大值的时间点为t1=2wπ±π/2,椭圆短轴沿着x轴方向,/>最大值的时间点为t2=2wπ±π;将两个时间点t1、t2联立电场强度公式,得到下式:
。
10.根据权利要求7所述的选取电极片贴附位置和施加电流源系统,其特征在于,三组电极片包括27个电极片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310477778.0A CN116523872A (zh) | 2023-04-28 | 2023-04-28 | 一种选取电极片贴附位置和施加电流源的方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310477778.0A CN116523872A (zh) | 2023-04-28 | 2023-04-28 | 一种选取电极片贴附位置和施加电流源的方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116523872A true CN116523872A (zh) | 2023-08-01 |
Family
ID=87397094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310477778.0A Pending CN116523872A (zh) | 2023-04-28 | 2023-04-28 | 一种选取电极片贴附位置和施加电流源的方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523872A (zh) |
-
2023
- 2023-04-28 CN CN202310477778.0A patent/CN116523872A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112930209A (zh) | 生成遍及大脑具有高均匀性的肿瘤治疗场(ttfields) | |
EP2994045B1 (en) | Apparatus for treating a tumor with an alternating electric field and for selecting a treatment frequency based on estimated cell size | |
EP4021559B1 (en) | Delivering tumor treating fields (ttfields) to the neck | |
US20170215939A1 (en) | Optimizing Treatment Using TTfields by Changing the Frequency During the Course of Long Term Tumor Treatment | |
EP4099336A1 (en) | Methods and apparatuses for optimizing transducer array placement | |
EP4054706B1 (en) | Methods for guiding transducer placements for tumor treating fields | |
TW202126342A (zh) | 用於組合腫瘤治療場和心理健康治療之方法、系統及設備 | |
JP2008272497A (ja) | 磁気刺激のためのコイル最適化 | |
CN115619808B (zh) | 一种电极片贴附方法与系统 | |
CN114845767A (zh) | 用于管理由交变场感应的温度的方法、系统和装置 | |
CN116523872A (zh) | 一种选取电极片贴附位置和施加电流源的方法与系统 | |
CN113939332A (zh) | 用于管理换能器阵列放置的方法、系统和装置 | |
TWI830958B (zh) | 用於判定傳感器陣列在個體之身體上之最佳位置以及規劃電極元件集合在個體之身體上之定位的方法 | |
US20220313992A1 (en) | Impedance Tomography Using Electrodes of a Tumor Treating Fields (TTFields) System | |
US20220203110A1 (en) | Method and apparatus for determining transducer locations to generate tumor treating fields | |
US20230181919A1 (en) | Transducer array with shape that contours to a subject's body and method of determining shape and placement of transducer arrays | |
EP4026494A1 (en) | Tracking the position of an interventional device | |
WO2024079719A1 (en) | Method and apparatus for delivering alternating electric fields to a target tissue |
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 |