CN1504164A - 使用非电信号来确定任意的心脏阶段 - Google Patents
使用非电信号来确定任意的心脏阶段 Download PDFInfo
- Publication number
- CN1504164A CN1504164A CNA200310119583A CN200310119583A CN1504164A CN 1504164 A CN1504164 A CN 1504164A CN A200310119583 A CNA200310119583 A CN A200310119583A CN 200310119583 A CN200310119583 A CN 200310119583A CN 1504164 A CN1504164 A CN 1504164A
- Authority
- CN
- China
- Prior art keywords
- trigger point
- time
- input signal
- select
- signal
- 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
Links
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 57
- 210000002216 heart Anatomy 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 17
- 230000001133 acceleration Effects 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 15
- 230000010247 heart contraction Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 230000003205 diastolic effect Effects 0.000 description 4
- 210000005240 left ventricle Anatomy 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000000779 thoracic wall Anatomy 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 210000001765 aortic valve Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000004115 mitral valve Anatomy 0.000 description 2
- 230000002969 morbid Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 206010061592 cardiac fibrillation Diseases 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002600 fibrillogenic effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000002356 skeleton Anatomy 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
-
- 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
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1107—Measuring contraction of parts of the body, e.g. organ, muscle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/54—Control of the diagnostic device
- A61B8/543—Control of the diagnostic device involving acquisition triggered by a physiological signal
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种在心动周期中选择最佳触发点的方法、存储介质和系统，包括：提供包括非电的心脏相关数据的输入信号；分析输入信号以检测候选特征；对候选特征进行分类以选择最佳的特征；选择最佳的触发点。一种为心脏选通而选择任意的心脏阶段的方法、存储介质和系统，包括：在信号上识别视为心脏收缩或心脏舒张阶段的开始的触发点，所述触发点存在于时间t1；指定在触发点之前并且从时间t0延伸到时间t1的时间δt，其中时间t0早于时间t1；选择将在其上重建图像的时间间隔T，其中时间间隔T从时间t0延伸到时间t2，其中时间t2晚于时间t0。
Description
技术领域
本发明涉及一种用于医疗成像的选通(gating)，具体来说，本发明涉及一种在生理非电信号中选择任意的心脏阶段以进行心脏选通的方法和系统。
背景技术
在许多应用中，经常期望在诸如可变周期的峰值的可变周期中的特定点获得图像，以便分析在那个峰值的性能。在医疗领域中，经常使用成像系统来获得主体的内部生理信息。例如，可以使用医疗成像系统以获得主体的骨骼构造、脑、心脏、肺以及各种其它特征的图像。医疗成像系统包括磁共振成像(MRI)系统、可算式层析X射线摄影(CT)系统、X射线系统、超声波系统以及各种其它成像方式。
选通是在成像期间为表征动态器官的不同属性所不可缺少的。包括心脏的、呼吸的和外部脉搏的选通的最通常的选通技术可用于包括CT、MR、X射线、超声波和PET-CT的诊断方式的多种医疗应用。
在使用诸如CT、磁共振(MR)的成像方式来最小化移动相关的假象时，心脏选通是心脏成像的必要组成部分。当前的心脏成像工具同时使用所收集的EKG数据来对具有心脏阶段信息的CT投影数据进行标记。基本上，EKG的R波用于这个目的。心脏功能的特征在于被称为心脏收缩和心脏舒张的两种不同的周期。在心脏收缩中，心脏肌肉收缩左心室的体积以通过主动脉瓣泵出内容。在心脏舒张期间，或心脏舒张期，通过二尖瓣填充左心室。在心脏收缩的结尾，左心室具有其最小的体积，因为它已经被收缩而将血泵出。心脏舒张的结尾是左心室具有其最大体积的点，因为其中充满了准备泵出的血液。在心脏舒张期间，心脏相对无运动，作为有限移动的结果，使得从在这个期间收集的数据产生的图像较为清楚。
图1图解了EKG信号波形的一个心动周期，包括心脏的心脏收缩条件或时段和心脏舒张条件或时段。EKG信号上标有Q、R和S的部分称为QRS复合体，其中R特征或R波是整个EKG信号的最突出、最高幅度的特征。心动周期通常被定义为以R波开始并继续直到出现下一个R波。
EKG选通选择可以获得心脏最佳图像的时间。EKG机器连接到病人。例如，确定心动周期时段为在EKG的R峰值之间的时间。一种普通的应用是使用R峰来作为所确定的心动周期时段的基准，以便在心脏近乎静止的心动周期的时段期间或在期望成像的时段期间获取选通的图像。
现在转向图2，其中示出了在130一起被示出的使用EKG信号在心动周期中确定心脏舒张和心脏收缩阶段的两种通常使用的手段。在波形132中，心脏收缩134和心脏舒张136的阶段分别以心动周期的x％和y％为中心。在波形140中，心脏收缩阶段142是从前一个R峰值146起的一定延迟。类似地，心脏收缩阶段144是从前一个R峰值148起的一定延迟。心脏舒张阶段152是从下一个R峰值148起的一定提前量，类似地，心脏舒张阶段154是从下一个R峰值150起的一定提前量。这些手段130基于如下假设：在心动周期期间以一定时间间隔出现心脏阶段。这个假设可能不一定对于每个心动周期和对于人群中的每个个人都准确。
一旦使用在图2所述的手段之一来确定或估计的心脏收缩和心脏舒张阶段的位置，则可以执行图像重建。图3示出了半扫描和多扇面图像重建，其中“I”表示分别从单个周期和两个连续周期重建的图像。在EKG波形120的波形122中，来自单个心动周期的投影126，也称为半扫描重建，用于用以重建的数据集。在波形124中，来自多个心动周期的投影126的子集128被混合(blend)，也称为基于扇面的重建，以便形成用于重建的全数据集。
发明内容
通过一种在心动周期中选择最佳触发点的方法来克服或减轻上述讨论的及其它缺点或不足，所述方法包括：提供包括非电的心脏相关数据的输入信号；分析输入信号以检测候选特征；对候选特征进行分类以选择最佳的特征；选择最佳的触发点。
在另一个实施例中，一种为心脏选通而选择任意的心脏阶段的方法包括：在信号上识别视为心脏收缩或心脏舒张阶段的开始的触发点，所述触发点存在于时间t1；指定在触发点之前并且从时间t0延伸到时间t1的时间δt，其中时间t0早于时间t1；选择将在其上重建图像的时间间隔T，其中时间间隔T从时间t0延伸到时间t2，其中时间t2晚于时间t0。
在另一个实施例中，一种使用心脏选通的图像重建方法包括：为每个心动周期提供指示多个连续的心动周期的信号，所述方法还包括：识别视为心脏收缩或心脏舒张阶段的开始的触发点，所述触发点存在于时间t1；指定在触发点之前并且从时间t0延伸到时间t1的时间δt，其中时间t0早于时间t1；选择将在其上重建图像的时间间隔T，其中时间间隔T从时间t0延伸到时间t2，其中时间t2晚于时间t0；在至少一个时间间隔T上重建图像。
在另一个实施例中，使用机器可读计算机程序代码来对存储介质进行编码，所述代码包括使得计算机实现用于在心动周期选择最佳触发点的方法的指令，所述方法包括：提供包括非电的心脏相关数据的输入信号；分析输入信号以检测候选特征；对候选特征进行分类以选择最佳的特征；选择最佳的触发点。
在另一个实施例中，使用机器可读的计算机程序代码来对存储介质进行编码，所述代码包括使得计算机实现用于为心脏选通而选择任意的心脏阶段的方法的指令，所述方法包括：在信号上识别视为心脏收缩或心脏舒张阶段的开始的触发点，所述触发点存在于时间t1；指定在触发点之前并且从时间t0延伸到时间t1的时间δt，其中时间t0早于时间t1；选择将在其上重建图像的时间间隔T，其中时间间隔T从时间t0延伸到时间t2，其中时间t2晚于时间t0。
在另一个实施例中，一种用于在心动周期中选择最佳触发点的系统包括：非电传感器，用于检测心脏的机械振动；处理电路，连接到所述机械传感器，所述处理电路处理由所述机械传感器发送的信号；分析所述信号以检测候选特征；对候选特征进行分类以选择最佳的特征；选择最佳的触发点。
在另一个实施例中，一种使用心脏选通来重建图像的系统包括：非电传感器，用于检测心脏的机械振动；处理电路，连接到所述机械传感器，所述处理电路处理由所述机械传感器发送的信号；在信号上识别视为心脏收缩或心脏舒张阶段的开始的触发点，所述触发点存在于时间t1；指定在触发点前并且从时间t0延伸到时间t1的时间δt，其中时间t0早于时间t1；选择将在其上重建图像的时间间隔T，其中时间间隔T从时间t0延伸到时间t2，其中时间t2晚于时间t0。
通过下列的详细说明和附图，本领域内的技术人员可以理解和明白本发明的上述及其它特征和优点。
附图说明
图1示出了在公知的成像系统中使用的现有技术的EKG信号波形；
图2示出了现有技术的EKG波形，其中心脏收缩和心脏舒张阶段被估计为中心在心动周期的特定百分比内或被假定为自相邻的峰值的一定延迟。
图3示出了现有技术的EKG波形，其中从单个周期或两个连续周期重建图像；
图4示出了相对于病人布置的传感器装置的图；
图5示出了心动周期的加速度信号的图；
图6示出了加速度信号、血压波形、心音图和主动脉脉搏信号的图；
图7示出了触发确定方法的图；
图8示出了在图7的触发确定方法内可以使用的训练处理；
图9示出了包括模板匹配方法的修订的触发确定方法；
图10示出了将图9的模板匹配方法应用到加速度信号来选择触发点的示例；以及
图11示出了其中在由在不同阶段开始之前的时间确定的间隔“T”上重建图像的波形。
具体实施方式
在这种方法和系统中，心脏的机械运动用于可靠地检测心脏阶段，并且提供选择用于重建图像的任意阶段的能力。
对于基于机械运动的适用于心脏选通的方法，需要适用下面的三个条件：1)因果关系(causality)：选通信号需要仅发生在心脏位移发生之前(即需要具有“在时间上向前看”的能力)；2)专一性(specificity)：必须从心脏在原点的事件导出选通信号；3)签字(signature)：必须使用签字分析手段来可靠地获得选通信号。因此，为了使得来自传感器的任何生物信号具有生物关联，需要满足诸如因果关系、专一性和签字/图样分析的条件。在2002年12月4日提交的美国专利申请第10/065,960号(125517，GEM-0071)中公开了用于心脏、呼吸和外部脉搏选通的满足这些条件的方法和系统，作为参考，全文合并于此。
在下述的这种方法和系统中，说明了非电信号的心脏签字/图样分析方面。这种方法和系统适用于使用各种非电传感器的诸如外部脉搏、心音图和位移/加速度信号的非电信号，所述各种非电传感器包括位移传感器、加速度传感器、压力传感器、超声换能器、测力传感器、光学传感器、压电式传感器、电阻变换器、电感传感器和电容传感器。
虽然可以引入任何其它适合类型的非电传感器，诸如机械(加速度)传感器的非电传感器被用作在这种方法和系统中的一个示例，除非另外指定。为了改善专一性，诸如加速度计或任何上述的其它非电传感器的传感器装置可以被直接放置在病人42的心脏前部的胸壁40上，如图4所示，所述病人最好仰卧在桌子38上。或者，如果传感器12干扰成像，并且对于所述成像在第一位置执行选通，则可以通过使用填充液体的、非金属的、不导电的管44从成像视场去除传感器12。管44可以具有平端46，平端46被粘贴、粘附或紧固到病人42，另一端48可以被放置在位于传感器12之下，底面16之下。使用这种配置，心脏特有的颤动被导出到位于成像视场外部的传感器12。使用填充液体的传导器件44将来自病人的心脏颤动传送到传感器12。如果传感器12是加速度计，则加速度被传感器箱26记录并且被发送到信号处理、计算机分析和显示器50。虽然管44的并入引入了一些传导延迟，但是预期不会严重地影响信号的因果关系。用于从成像视场去除传感器12的替代方法也可以用于这种方法中，而且只要这样的放置不干扰成像，也可以将传感器12直接放置在病人42的胸部40上。
当诸如加速度计的非电传感器被放置在与诸如图4所示的前胸壁40的移动体接触时，检测表示心脏的机械运动的前胸壁40的移动。图5示出了由机械传感器检测到的心脏瓣膜的加速度。替代类型的非电传感器将产生替代类型的信号。图5所示的检测到的加速度信号200具有分离心脏的不同阶段的区别特征。第一峰202、204对应于房室瓣闭合、即二尖瓣闭合202和三尖瓣闭合204、或心脏收缩的开始，并且通常较小的第二峰值206对应于半月瓣闭合、即主动脉瓣和肺动脉瓣闭合或心脏舒张的开始。
如图6所示，可以通过将信号200在给定的时间间隔上积分两次并去除信号的偏差而从加速度波形200计算得到血压波形210。所得到的血压波形210依赖于主体的身体的传感器位置而与主动脉搏动212或颈动脉搏动良好地相关联，而加速度波形200与心音图214、即表示心脏声音的声信号良好地相关联。或者，可以通过二阶导数运算来从血压波形210得到加速度信号200。可以通过在给定的时间间隔上对加速度信号200积分或通过求取血压波形210的一阶导数来以相同的方式来得到血液速度因子(未示出)，反之亦然。因此，可以使用在220一般示出的以一种方式提取的心脏信息来计算得到在另一个方式中的信息而不必使用多个传感器。
在上述的心脏选通中，需要对于每个心动周期确定触发点，并且这个信息然后被用于重建图像。如参照图2和3所述，当前的手段在确定阶段上不总是准确的。对于确定在每个心动周期中的最佳触发，示出了图7中的一般化的算法。图7示出了图解在触发确定方法、方法、处理、算法和系统230中的不同的处理的图。分段块236可以或可以不被包括在所有的触发确定应用中。训练处理244在此可以使用来自现有的数据库242的信息来在未知的情况下得到参数。下面进一步说明在触发确定处理230中的各个模块。
输入信号232包括从诸如参考图4所述的机械传感器12的非电传感器获得的心脏相关数据，尽管用于获得心脏相关数据的替代配置和替代非电传感器装置也包括在这个算法230的范围中。
关于预处理234，增进技术的主要目的是处理数据，以便结果比原始数据更为适用于特定的应用。可以使用诸如包括但不限于取幂的点处理方法、包括但不限于各种平滑化或锐化运算的空间滤波方法的空间域方法，或者包括各种滤波器的频域方法，或这些方法的组合来对原始数据进行预处理。
分段236基于预先确定的标准将信号细分为其构成部分，例如各种阶段或最佳触发点选择。执行这一细分的水平依赖于所要解决的问题。在处理230中的这个步骤236可以确定分析的最终成功或失败。事实上，有效的分段很少不能产生成功的解决。在此应当注意，可以在特征检测238之前或之后执行分段236。
关于特征检测238，信号分析是发现、识别并明白与基于信号的任务的性能相关的图案的处理。任何信号分析技术可以包括例如下述特性：1)从相关细节的背景中提取有关的信息的能力；2)从示例中学习并将这一知识一般化以便其可以被应用到新的和不同的情况下的能力；3)从不完整的信息进行推断的能力。可以使用利用在模式的形状中的任何结构关系信息的诸如模板匹配、神经网络以及结构方法的模式识别技术来检测特征检测238中的特征。
一旦在特征检测238中计算出了特征，则可以使用分类240中的预先训练的分类算法来将所检测到的信号段分类为不同的阶段。可以使用神经网络、基于规则的方法或模糊逻辑来进行分类，这是本领域内所公知的。
使用包括正常和异常(在每个数据集中的一个或多个疾病状态)数据的数据库242(来自机械传感器的原始心脏数据)来训练在训练244中的算法。如示出训练处理图的图8所更具体地示出，训练集242涉及计算几个候选特征，例如正常或异常(在每个数据集中的一个或多个疾病状态)数据的特征、不同疾病状态和特定的信号特征之间的关系以及来自现有的数据库的其它相关因子。
可以在特征检测238之后被执行或作为分类240的一部分的特征选择算法可以对候选特征进行分类并且仅仅选择有用者和去除不提供信息或提供冗余信息的那些。这一判断可以基于具有候选特征的不同组合的分类结果。所述特征选择算法也用于从实用的观点来降低维数，因为如果要计算的特征的数量大则计算时间将很长。因此得到一个特征集，其可以最佳地区分在一个信号中的不同特征。可以使用包括发散测量(divergence measure)、Bhattacharya距离、Mahalanobis距离等的公知的距离测量来执行最佳特征选择。
在从训练处理244得到所述特征集之后，将适当的信息应用到如图7所示的触发确定处理230的各种块(例如预处理234、分段236、特征检测238、分类240以及最佳触发点选择250)中。
同样如图7所示，可以在处理230的每个步骤(例如输入信号232、预处理234、分段236、特征检测238、分类240以及最佳触发点选择250)中使用采集参数248，以便确定最佳触发选择250的不同标准。采集参数可以是所采集的信号的采样率、对传感器位置的了解、被采集的信号的类型、应用的类型、在已知的情况下疾病的类型等。而且，可以经由心脏速率计算252同时计算出心脏速率，并且将其提供给处理的最后步骤中。
这些基本的处理，即在整个方法230中所示的各种块和步骤可以并行地或以各种组合执行。对于给定的应用，仅仅需要使用这些组合中的一些，但是在图7中提供了所有可能，以便指示几种数据流的改进是可能的。
图9所示的模板匹配方法图解了处理230的框架的一个应用的示例。用于模式识别方案的示意算法260是更一般包括处理230的修订的版本。算法260包括输入信号232和/或预处理234。输入信号232依赖于需要提取的特征而可以是原始数据232或预处理信号234。或者，可以并行地使用信号232、234。
在特征检测238中，从需要在模板选择262中被处理的每个数据集的前几秒来选择自动化的最佳模板。在模板匹配264中，所选择的模板与实时信号相匹配以找到相关向量。
定限步骤266可以包括两个分离的处理。(1)从模板匹配步骤264对相关联的向量定限以选择在每个心动周期中良好相关联的点。这一处理将识别在每个周期中的一组候选触发点。可以使用各种标准来从这个集选择触发点。(2)分离地从第一步骤对预处理信号234对定限。
对于分类240，一个标准是使用具有最大相关性的数据点，而不使用任意数据点直到达到对应于当前的心脏周期的时间。或者，可以使用当前心脏周期后超过阈值的第一数据点。另一个方法将涉及使用分段预先处理的信号以及分段的相关向量来确定每个周期中的最佳触发点250。对于每个心脏周期的来自最佳触发点选择250的最佳触发点被发送以选通成像器件。
图10中示出了这种方案的一个说明，其中图解了对加速度信号200应用的模板匹配方法。通过模板选择262从数据的前几秒选择最佳模板280。通过模板匹配264和定限266，检测候选触发点282。所示最佳的触发点选择250使用了两种不同的方案，可以选择触发点284超过可以由用户/操作员选择的某个阈值，并且可以选择触发点286来具有最大的关联性，即加速度信号与模板的最佳匹配。
图11示出了心脏收缩‘S’和心脏舒张‘D’阶段的开始。‘δt’表示在不同的阶段开始之前的时间。‘T’表示用户将选择来在不同的阶段重建图像的时间间隔(阶段)，‘I’表示所重建的图像。一旦选择了触发点，例如图10所示的284或286的，则用户可以在波形300中指定如图11中所示的其想要重建图像的时间间隔δt，并且所述图像可以在间隔‘T’上被重建。这一‘δt’间隔可以在心动周期的第一峰之前，如306，以便捕获心房收缩，或者这一‘δt’间隔可以在心动周期的第二峰之前，如308，以便捕获心脏舒张的开始，或者这个‘δt’间隔可以依赖于应用而在任何任意的阶段。图像I基于各个间隔T而对于波形302被重建。这个方案在诸如波形304中所示的多部分重建中也有优点，在所述多部分重建中，来自两个或多个心动周期的数据用于重建单个图像I。
应当明白，上述方法可以适用于多种诊断方式，包括但不限于CT、MR、X射线、超声波和PET-CT。
因此，在此公开的所述方法、处理、算法和系统向用户提供了迄今不可能的、基于心脏的机械运动来精确地选择不同的心脏阶段的能力。上述的框架提供了基于心脏的机械运动确定心脏阶段并确定不同的心脏阶段的能力。
应当注意，可以在成像系统中或在与诸如图5的项目50所示的计算机和显示器相关联的信号处理器内使用上述的所有方法，特别是，可以在通过在处理器中的处理电路处理的存储器内存储上述的所有方法。可以以任何计算机实现的处理和用于实施那些处理的装置的形式来具体化所公开的方法，这也在本发明的范围内。本发明也可以以计算机程序代码的形式具体化，所述计算机程序代码包括在诸如软盘、CD-ROM、硬盘或任何其它计算机可读存储介质的有形介质中具体化的指令，其中，当计算机程序代码被装入计算机并由计算机执行时，计算机变为用于实施本发明的装置。本发明也可以以例如计算机程序代码的形式具体化，而不论计算机程序代码是否被存储在存储介质中、装入到计算机和/或被计算机执行，或者作为数据信号，通过诸如通过电线或电缆、通过光纤或经由电磁辐射的某个传输介质，在调制的载波上或不在调制的载波上被发送，其中，当计算机程序代码被装入计算机和由计算机执行时，计算机变为用于实施本发明的装置。当计算机程序代码段在通用的微处理器上实现时，其配置微处理器以建立特定的逻辑电路。
虽然已经参照优选实施例说明了本发明，本领域的技术人员会明白，在不脱离本发明的范围的情况下，可以进行各种改变和以等同者来替换其元素。另外，可以在不脱离本发明的必要范围的情况下进行许多修改以将特定的情况或材料适合于本发明的教程。因此，期望本发明不限于所公开的作为被考虑为用于实现本发明的最佳方式的特定实施例，而是本发明将包括落入所附的权利要求的范围内的所有实施例。而且，术语“第一”、“第二”等的使用不表示任何次序或重要性，而是术语“第一”、“第二”等用于使各元素彼此相区别。
Claims (10)
1.一种在心动周期中选择最佳触发点的方法，所述方法包括：
提供包括非电的心脏相关数据的输入信号；
分析输入信号以检测候选特征；
对候选特征进行分类以选择最佳的特征；以及
选择最佳的触发点。
2.按照权利要求1的方法，还包括训练处理，其中所述训练处理向在所述方法中的至少一个步骤提供信息。
3.按照权利要求1的方法，还包括使用输入信号来计算心脏速率。
4.按照权利要求3的方法，还包括在最佳触发点选择中使用心脏速率。
5.按照权利要求1的方法，其中分析输入信号以检测候选特征包括从用于处理的数据集的前几秒来选择最佳模板。
6.按照权利要求5的方法，还包括比较最佳模板和输入信号以找到相关向量。
7.按照权利要求6的方法，还包括对所述相关向量定限以在心动周期中选择相关点，其中所述相关点视为一组候选触发点。
8.按照权利要求7的方法，还包括选择具有最大相关性的触发点作为最佳触发点。
9.按照权利要求7的方法，还包括选择在其它触发点之前超过阈值的触发点作为最佳触发点。
10.按照权利要求1的方法，还包括从机械传感器获得输入信号。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/065,961 US6771999B2 (en) | 2002-12-04 | 2002-12-04 | Determination of arbitrary cardiac phases using non-electrical signals |
| US10/065,961 | 2002-12-04 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1504164A true CN1504164A (zh) | 2004-06-16 |
| CN100518624C CN100518624C (zh) | 2009-07-29 |
Family
ID=32391961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2003101195831A Expired - Fee Related CN100518624C (zh) | 2002-12-04 | 2003-12-04 | 使用非电信号来确定任意的心脏阶段的方法和系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6771999B2 (zh) |
| JP (1) | JP4526808B2 (zh) |
| CN (1) | CN100518624C (zh) |
| DE (1) | DE10356879A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102204820A (zh) * | 2010-03-29 | 2011-10-05 | 索尼公司 | 记录设备及其记录方法 |
| CN102843966A (zh) * | 2010-02-12 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 用于处理周期性生理信号的方法和装置 |
| CN104939819A (zh) * | 2014-03-28 | 2015-09-30 | 西门子公司 | 用于确定心脏运动的时刻的方法和相应的装置 |
| CN105212918A (zh) * | 2015-11-19 | 2016-01-06 | 中科院微电子研究所昆山分所 | 一种基于压电信号的心率测量方法及系统 |
| CN110755076A (zh) * | 2019-11-01 | 2020-02-07 | 上海联影医疗科技有限公司 | 磁共振扫描仪的图像采集方法、装置、设备和介质 |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7103400B2 (en) * | 2002-11-08 | 2006-09-05 | Koninklijke Philips Electronics, N.V. | Artifact elimination in time-gated anatomical imaging |
| US7389136B2 (en) * | 2002-12-04 | 2008-06-17 | Ge Medical Systems Global Technology Company, Llc | Method and system using a non-electrical sensor for gating |
| DE102004045495B4 (de) * | 2004-09-20 | 2015-06-18 | Siemens Aktiengesellschaft | Verfahren und System zur Erzeugung von Abbildungen eines Organs |
| WO2006053290A2 (en) * | 2004-11-12 | 2006-05-18 | Andrew H. Elser V.M.D., Pc | Equine wireless physiological monitoring system |
| DE102005005916A1 (de) * | 2005-02-09 | 2006-08-17 | Siemens Ag | Verfahren und Tomographiegerät zur Erzeugung von tomographischen Aufnahmen eines schlagenden Herzens |
| US7715909B2 (en) * | 2005-06-03 | 2010-05-11 | Acceleron Medical Systems, Inc. | SCG point pick process device and method |
| FR2888123A1 (fr) * | 2005-07-05 | 2007-01-12 | Ela Medical Soc Par Actions Si | Appareillage pour la detection non invasive de la survenue d'apnees ou d'hypopnees chez un patient |
| US7684848B2 (en) * | 2005-09-22 | 2010-03-23 | Kabushiki Kaisha Toshiba | Magnetic resonance imaging apparatus and magnetic resonance imaging apparatus control method |
| US8155729B1 (en) | 2006-02-17 | 2012-04-10 | General Electric Company | Method and apparatus to compensate imaging data with simultaneously acquired motion data |
| US8761864B2 (en) * | 2006-09-14 | 2014-06-24 | General Electric Company | Methods and apparatus for gated acquisitions in digital radiography |
| CN101855564B (zh) * | 2007-11-09 | 2014-08-20 | 皇家飞利浦电子股份有限公司 | Mr-pet周期运动门控和校正 |
| US8419651B2 (en) * | 2008-08-09 | 2013-04-16 | PhonoFlow Medical, LLC | Spectrum analysis of coronary artery turbulent blood flow |
| JP5551367B2 (ja) * | 2009-02-05 | 2014-07-16 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像診断装置 |
| JP5542495B2 (ja) * | 2009-06-08 | 2014-07-09 | 株式会社東芝 | 磁気共鳴イメージング装置 |
| US8786873B2 (en) | 2009-07-20 | 2014-07-22 | General Electric Company | Application server for use with a modular imaging system |
| DE102009034054A1 (de) * | 2009-07-21 | 2010-08-19 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung einer Ruhephase des Herzens eines Patienten |
| US8243882B2 (en) | 2010-05-07 | 2012-08-14 | General Electric Company | System and method for indicating association between autonomous detector and imaging subsystem |
| CN102958448B (zh) * | 2010-08-06 | 2015-01-21 | 株式会社日立医疗器械 | 医用图像诊断装置以及心脏测量值显示方法 |
| JP5944645B2 (ja) | 2010-11-02 | 2016-07-05 | 東芝メディカルシステムズ株式会社 | 磁気共鳴イメージング装置 |
| DE102011007859A1 (de) * | 2011-04-21 | 2012-10-25 | Siemens Aktiengesellschaft | Messvorrichtung sowie eine Magnetresonanzvorrichtung mit der Messvorrichtung |
| DE102011007861A1 (de) * | 2011-04-21 | 2012-10-25 | Siemens Aktiengesellschaft | Messvorrichtung sowie eine Magnetresonanzvorrichtung mit einer Messvorrichtung |
| US9161724B2 (en) * | 2012-07-20 | 2015-10-20 | Koninklijke Philips N.V. | Multi-cardiac sound gated imaging and post-processing of imaging data based on cardiac sound |
| GB201514249D0 (en) | 2015-08-12 | 2015-09-23 | Trw Ltd | Processing received radiation reflected from a target |
| GB2557357B (en) | 2016-12-08 | 2022-09-07 | Trw Ltd | Processing a signal representitive of at least one physical property of a physical system |
| US20180247714A1 (en) * | 2017-02-28 | 2018-08-30 | Samsung Electronics Co., Ltd. | Methods and apparatuses for monitoring condition of object in medical imaging |
| FI20186044A1 (en) * | 2018-12-04 | 2020-06-05 | Myllylae Teemu | Biosignal measuring apparatus and method |
| KR102320100B1 (ko) * | 2019-12-27 | 2021-11-02 | 가천대학교 산학협력단 | 뉴로-퍼지 네트워크 기반 심음 분석 방법 및 시스템 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6041958A (ja) * | 1983-08-18 | 1985-03-05 | 横河メディカルシステム株式会社 | 心拍同期型核磁気共鳴イメ−ジング装置 |
| US4712560A (en) * | 1985-08-09 | 1987-12-15 | General Electric Company | Apparatus and method of acquiring physiological gating signals for magnetic resonance imaging of moving objects |
| JPS6399840A (ja) * | 1986-10-17 | 1988-05-02 | テルモ株式会社 | 生体信号計測装置 |
| JP3359371B2 (ja) * | 1993-04-06 | 2002-12-24 | 株式会社日立メディコ | 超音波診断装置 |
| US5390679A (en) * | 1993-06-03 | 1995-02-21 | Eli Lilly And Company | Continuous cardiac output derived from the arterial pressure waveform using pattern recognition |
| JPH08317921A (ja) * | 1995-05-26 | 1996-12-03 | Toshiba Corp | 超音波診断装置 |
| IL117767A0 (en) * | 1996-04-01 | 1996-04-01 | Ondson Ltd | Method and apparatus for measuring acceleration |
| US5997883A (en) * | 1997-07-01 | 1999-12-07 | General Electric Company | Retrospective ordering of segmented MRI cardiac data using cardiac phase |
| US6144874A (en) * | 1998-10-15 | 2000-11-07 | General Electric Company | Respiratory gating method for MR imaging |
| US6243437B1 (en) * | 1998-11-25 | 2001-06-05 | General Electric Company | Coronary calcification detection using retrospective cardiac gating of imaging system |
| US6275560B1 (en) * | 1998-12-22 | 2001-08-14 | General Electric Company | Cardiac gated computed tomography system |
| US6070097A (en) * | 1998-12-30 | 2000-05-30 | General Electric Company | Method for generating a gating signal for cardiac MRI |
| JP2001046372A (ja) * | 1999-08-12 | 2001-02-20 | Toshiba Corp | 超音波画像表示装置 |
| US6434215B1 (en) * | 2001-06-28 | 2002-08-13 | General Electric Company | EKG-less cardiac image reconstruction |
| JP3745672B2 (ja) * | 2001-10-24 | 2006-02-15 | アロカ株式会社 | 生体信号計測装置及び超音波診断装置 |
-
2002
- 2002-12-04 US US10/065,961 patent/US6771999B2/en not_active Expired - Lifetime
-
2003
- 2003-12-03 DE DE10356879A patent/DE10356879A1/de not_active Withdrawn
- 2003-12-03 JP JP2003403880A patent/JP4526808B2/ja not_active Expired - Fee Related
- 2003-12-04 CN CNB2003101195831A patent/CN100518624C/zh not_active Expired - Fee Related
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102843966A (zh) * | 2010-02-12 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 用于处理周期性生理信号的方法和装置 |
| CN102843966B (zh) * | 2010-02-12 | 2016-01-20 | 皇家飞利浦电子股份有限公司 | 用于处理周期性生理信号的方法和装置 |
| CN102204820A (zh) * | 2010-03-29 | 2011-10-05 | 索尼公司 | 记录设备及其记录方法 |
| CN102204820B (zh) * | 2010-03-29 | 2015-11-25 | 索尼公司 | 记录设备及其记录方法 |
| CN104939819A (zh) * | 2014-03-28 | 2015-09-30 | 西门子公司 | 用于确定心脏运动的时刻的方法和相应的装置 |
| US9675279B2 (en) | 2014-03-28 | 2017-06-13 | Siemens Aktiengesellschaft | Method for determining the time point of a heart movement and corresponding apparatus |
| CN104939819B (zh) * | 2014-03-28 | 2018-02-16 | 西门子公司 | 用于确定心脏运动的时刻的方法和相应的装置 |
| CN105212918A (zh) * | 2015-11-19 | 2016-01-06 | 中科院微电子研究所昆山分所 | 一种基于压电信号的心率测量方法及系统 |
| CN105212918B (zh) * | 2015-11-19 | 2018-06-26 | 中科院微电子研究所昆山分所 | 一种基于压电信号的心率测量方法及系统 |
| CN110755076A (zh) * | 2019-11-01 | 2020-02-07 | 上海联影医疗科技有限公司 | 磁共振扫描仪的图像采集方法、装置、设备和介质 |
| CN110755076B (zh) * | 2019-11-01 | 2023-08-11 | 上海联影医疗科技股份有限公司 | 磁共振扫描仪的图像采集方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004181246A (ja) | 2004-07-02 |
| DE10356879A1 (de) | 2004-06-24 |
| US6771999B2 (en) | 2004-08-03 |
| CN100518624C (zh) | 2009-07-29 |
| US20040111038A1 (en) | 2004-06-10 |
| JP4526808B2 (ja) | 2010-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100518624C (zh) | 使用非电信号来确定任意的心脏阶段的方法和系统 | |
| Khosrow-Khavar et al. | Automatic and robust delineation of the fiducial points of the seismocardiogram signal for noninvasive estimation of cardiac time intervals | |
| Frangi et al. | Three-dimensional modeling for functional analysis of cardiac images, a review | |
| US7653227B2 (en) | Hierarchical modeling in medical abnormality detection | |
| US7430309B2 (en) | Computation of a geometric parameter of a cardiac chamber from a cardiac tomography data set | |
| US6514207B2 (en) | Method and apparatus for processing echocardiogram video images | |
| CN101510307B (zh) | 处理医学图像数据的方法以及记录和处理其的磁共振设备 | |
| Amini et al. | Measurement of cardiac deformations from MRI: physical and mathematical models | |
| US20060074315A1 (en) | Medical diagnostic ultrasound characterization of cardiac motion | |
| Cannesson et al. | A novel two-dimensional echocardiographic image analysis system using artificial intelligence-learned pattern recognition for rapid automated ejection fraction | |
| US20120130263A1 (en) | Medical decision support system | |
| JP2007530160A (ja) | 医用画像のための自動決定支援を提供するシステムおよび方法 | |
| CN1934589A (zh) | 为医学成像提供自动决策支持的系统和方法 | |
| CN1839392A (zh) | 心脏成像的自动区域心肌评定 | |
| CN1914617A (zh) | 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法 | |
| KR20110128197A (ko) | 심장 ｍ-모드 뷰들의 자동 분석 | |
| JP2015512292A (ja) | マルチプルイメージデータループを獲得して分析する方法及びシステム | |
| WO2013116867A1 (en) | Systems, methods, and media for monitoring the condition of a patient's heart | |
| CN105433916A (zh) | 脉搏特征提取装置及脉搏特征提取方法 | |
| Hernàndez-Sabaté et al. | Image-based cardiac phase retrieval in intravascular ultrasound sequences | |
| Kumar et al. | Machine learning based heart disease diagnosis using non-invasive methods: A review | |
| Li et al. | Fully automatic segmentation of short-axis cardiac MRI using modified deep layer aggregation | |
| WO2018108821A1 (en) | Automated computation of trigger delay for triggered magnetic resonance imaging sequences | |
| Perperidis | Spatio-temporal registration and modelling of the heart using cardiovascular MR imaging | |
| Lei et al. | An Improved UNet++ Model for Congestive Heart Failure Diagnosis Using Short-Term RR Intervals. Diagnostics 2021, 11, 534 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090729 Termination date: 20141204 |
|
| EXPY | Termination of patent right or utility model |