JP2023512005A - 磁気共鳴画像スキャンを受ける患者の監視装置 - Google Patents

磁気共鳴画像スキャンを受ける患者の監視装置 Download PDF

Info

Publication number
JP2023512005A
JP2023512005A JP2022545839A JP2022545839A JP2023512005A JP 2023512005 A JP2023512005 A JP 2023512005A JP 2022545839 A JP2022545839 A JP 2022545839A JP 2022545839 A JP2022545839 A JP 2022545839A JP 2023512005 A JP2023512005 A JP 2023512005A
Authority
JP
Japan
Prior art keywords
patient
magnetic resonance
resonance imaging
data
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022545839A
Other languages
English (en)
Other versions
JPWO2021156142A5 (ja
Inventor
トーマス エリック アムソー
サンネ ナウツ
クリストフ グンター ルスラー
ジョアン ヘンリエッテ デジレー モニーク ウェスターリンク
ペーター シーザー マズルケウィッツ
プリヴェンデール カウール サイニ
エー レイモンド ファン
エドウィン ハイマン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2023512005A publication Critical patent/JP2023512005A/ja
Publication of JPWO2021156142A5 publication Critical patent/JPWO2021156142A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/1032—Determining colour for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Psychiatry (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本発明は、磁気共鳴画像スキャンを受ける患者を監視するための装置に関する。装置は、入力ユニット、処理ユニット、及び出力ユニット(40)を備える。入力ユニットは、磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを処理ユニットに提供するように構成される。入力ユニットは処理ユニットに、磁気共鳴画像スキャンのための磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータを提供するように構成される。入力ユニットは、患者の少なくとも1つの特性を処理ユニットに提供するように構成される。処理ユニットは患者のストレスレベル及び／又は患者の予測運動状態を予測するように構成され、予測は患者の少なくとも1つのセンサデータ、磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータ、及び患者の少なくとも1つの特性の利用を含む。

Description

本発明は、磁気共鳴画像(MRI)スキャンを受ける患者を監視するための装置、イメージングシステム、磁気共鳴画像スキャンを受ける患者を監視するための方法、ならびにコンピュータプログラム要素及びコンピュータ可読媒体に関する。
患者の協力は、MRI検査の持続時間と診断の質の重要な決定因子である。MR画像を取得するために、患者は不慣れなラウドマシン内の狭いボアに入り、約15乃至60分間静止している必要がある。そのため、多くの患者がMRI検査に対する不安関連反応を体験する(Melendez, J. C. & McCrank, E.(1993),磁気共鳴CTに関連する不安関連反応,Jama， 270(6)， 745乃至747)。患者の運動はMRI検査で共通する(7％乃至29％のMRI検査でよくみられる; Andre, J. B., Bresnahan, B. W., Mossa Basha, M., Hoff, M. N., Smith, C. P., Anzai, Y., & Cohen, W. A.(2015)、臨床MR検査中の患者の動きに関連する有病率、重症度、及びコストの定量化に向けて、Journal of American College of Radiology, 12(7)， 689乃至695)。患者の動きは、MRI検査の一部を繰り返す必要性につながり得る(MRIスキャンの約20％が繰り返しスキャンである; Andreら、2015)。さらに、検査が終了する前に、ひどい不快感を感じている患者さんがスキャナーから出てくることもある(これらは「不完全な検査」と呼ばれる)。
この不安はMRIの成功に有害となりうるが、現在の病院スタッフは参加者の心理状態(例えば、不安又は不快のレベル)に関する情報が非常に限られている。これらは、標準的な対人関係によって、患者の精神状態、彼らのストレスレベル、したがって動きのアーチファクトの可能性を評価することしかできない。さらに、それらは、実際のスキャンの直前にしかそうすることができない。
このように、患者の感情的及び生理的状態は、MRI検査又はスキャンの間、技師が容易に見ることができず、又は利用することができない。しかしながら、患者が非常に不安になったり、痛みを感じたり、スキャンを不当に動かしたりした場合は、スキャンを中止すべきである。場合によっては、患者がアラームボタンを押すか、又は自分自身に音響的に聞こえるようにすることができる。しかし、ボタンを押す決定は、非常に遅くなる可能性がある。最悪の場合、ボタンは技術的な問題のために機能しないかもしれず、ボタンは患者によって失われるか、又は接触から外れるかもしれず、代わりに患者が技術者が気付かないうちに意識を失うかもしれない。
これらの問題に対処する必要がある。
患者が不安になりすぎたり、身体部分を動かしすぎたりするために、MRIスキャンをいつ中止するかを決定する手段を改善することが有益である。本発明の目的は、独立請求項の主題によって解決され、さらなる実施形態が従属請求項に組み込まれる。以下に説明する本発明の態様及び例は、磁気共鳴画像スキャンを受ける患者の装置又はモニタリング、イメージングシステム、磁気共鳴画像スキャンを受ける患者のモニタリング方法、ならびにコンピュータプログラム要素及びコンピュータ可読媒体にも適用されることに留意される。
第1の態様では、磁気共鳴画像スキャンを受ける患者を監視する装置であって、
入力ユニットと、
処理ユニットと、
出力ユニットと
を有し、
前記入力ユニットは、磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを前記処理ユニットに提供するように構成され、
前記入力ユニットは、前記磁気共鳴画像スキャンのための前記磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータを前記処理ユニットに提供するように構成され、
前記入力ユニットは、前記患者の少なくとも1つの特徴を前記処理ユニットに提供するように構成され、
前記処理ユニットは、前記患者の将来のストレスレベルを予測し、及び／又は前記患者の将来の運動状態を予測するために少なくとも1つの機械学習アルゴリズムを実行するように構成され、前記一つ又は複数の予測は、前記患者の少なくとも1つのセンサデータ、前記磁気共鳴画像スキャナの前記少なくとも1つのスキャンパラメータ、及び前記患者の前記少なくとも1つの特徴の利用を有し、前記出力ユニットは、前記患者の予測される将来のストレスレベル及び／又は前記患者の予測される将来の運動状態に関する情報を出力するように構成される、装置が提供される。
このようにして、患者のストレスレベル及び／又は運動の可能性は、センサデータ、実施されているスキャンに関するデータから患者の感情的及び生理的状態を分析することによって決定され、患者及びこれらの状態の発生に関するデータから将来が予測される。
したがって、リアルタイムのフィードバックを技術者に提供することができ、技術者はスキャンを停止すべきであると決定することができ、実際に、患者がスキャンプロトコルと一致しない不安状態又は移動状態に入ろうとしていると予測される場合、装置は、そのような停止を自動的に開始することができる。
このように、装置はスキャン中の患者の不安／不快のレベル、ならびに動きアーチファクトの予測可能性を客観的に測定し、予測する。この情報は、必要に応じてスキャンを自動的に中止するために使用できる。
装置が取り組む問題は、患者の不安／不快感が軽減され、そうでなければ患者の経験にマイナスの影響を及ぼす可能性があることである。画質の低下に関連する患者の動きが画質を損なう前に、スキャンを停止することができる。
患者の運動状態は、患者の運動状態とも呼ばれることができる。
一例では処理ユニットが患者のストレスレベル及び／又は患者の運動状態を予測するための少なくとも1つの機械学習アルゴリズムを実行するように構成され、少なくとも1つの機械学習アルゴリズムは1つ又は複数の基準MRIスキャナーによる1つ又は複数の基準MRIスキャンを受ける1人又は複数の基準患者の少なくとも1つのセンサデータと、1つ又は複数の基準MRIスキャンに使用される基準MRIスキャナーの少なくとも1つのスキャンパラメータと、基準患者のそれぞれの少なくとも1つの特性とに基づいて訓練される。
このように、AIに基づくアルゴリズムを用いて、患者に関するセンサデータ、スキャンプロトコルデータ、及びコンテキスト情報から患者の感情的及び物理的状態を推測し、患者のストレス状態及び運動状態の発生を予測することを可能にする。言い換えれば、予測アルゴリズムは病院又は家庭で集めることができる検査の前に取得される患者に関するデータをとり、スキャン中にセンサーから集められた情報とともに、スキャンに関する詳細を用いて、スキャン中の患者の不安レベル及び運動レベルを予測する。この決定は、以前の検査の結果も利用することができる。
一例では、患者の少なくとも1つのセンサデータがカメラ、マイクロフォン、皮膚抵抗センサ、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、パルスセンサ、呼吸センサ、無線周波数レーダセンサ、EEGセンサ、処理ユニット、圧力センサ、体重センサの1つ又は複数によって取得される。
一例では、1人又は複数の基準患者の少なくとも1つのセンサデータがカメラ、マイクロフォン、皮膚抵抗センサ、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、脈拍センサ、呼吸センサ、無線周波数レーダセンサ、EEGセンサ、処理ユニット、圧力センサ、体重センサの1つ又は複数によって取得される。
一例では、患者の少なくとも1つのセンサデータが呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚運動データ、身体部位運動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の1つ又は複数を含む。
一例では、1人以上の基準患者の少なくとも1つのセンサデータが呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚移動データ、身体部位移動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の一つ又はそれより多くを含む。
一例では、MRIスキャナーの少なくとも1つのスキャンパラメータがスキャンの持続時間、スキャンの残りの持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、SAR(RF設定)、k空間サンプリングパターンの1つ又は複数を含む。
一例では、基準MRIスキャナーの少なくとも1つのスキャンパラメータがスキャン持続時間、スキャン残存持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、SAR(RF設定)、k空間サンプリングパターンの1つ又は複数を含む。
一例では、患者の少なくとも1つの特徴が年齢、体重、肥満指数、以前の診断に関する情報、患者の健康状態、患者の心理的状態、完了したアンケート情報、患者フィードバックの1つ又は複数を含む。
一例では、基準患者の各々の少なくとも1つの特性が年齢、体重、肥満指数、以前の診断に関する情報、患者の健康状態、患者の心理状態、完了した質問票情報の1つ又は複数を含む。
一例では前記入力ユニットが患者によって行われた1つ又は前記の以前のMRIスキャンに関する情報を処理ユニットに提供するように構成され、患者のストレスレベル及び／又は患者の運動状態の予測は患者によって行われた1つ又は前記の以前のMRIスキャンに関する情報の利用を含む。
一例では、機械学習アルゴリズムの訓練が1人又は複数の基準患者の少なくとも1人の基準患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報の利用を含む。
一例では処理ユニットが患者の予測ストレスレベル及び／又は患者の予測運動状態がストレス閾値レベル又は運動閾値レベルを超えるかを判定するように構成され、患者の予測ストレスレベル及び／又は患者の予測運動状態に関する情報は何れかの閾値を超えると予測される場合の指標を含む。
第2の態様では、
イメージングシステムであって、
磁気共鳴イメージングスキャナと、
少なくとも1つのセンサと、
第一の態様に記載の磁気共鳴画像スキャンを受ける患者を監視するための装置と
を有し、
前記少なくとも1つのセンサは、磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを前記装置の前記処理ユニットに提供するように構成され、
前記装置は、前記患者の予測されるストレスレベル及び／又は前記患者の予測される運動状態に関する情報に基づいて前記磁気共鳴画像スキャンを自動的に停止するように構成される、
イメージングシステムが提供される。
第3の態様では、磁気共鳴画像スキャンを受ける患者を監視するための方法であって、前記方法は、
磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを処理ユニットに提供するステップと、
前記磁気共鳴画像スキャンのための前記磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータを前記処理ユニットに提供するステップと、
前記患者の少なくとも1つの特徴を前記処理ユニットに提供するステップと、
前記処理ユニットによって、前記患者の将来のストレスレベルを予測し、及び／又は前記患者の将来の運動状態を予測するステップであって、前記一つ又は複数の予測は、前記患者の少なくとも1つのセンサデータ、前記磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータ、及び前記患者の少なくとも1つの特徴の利用を有する、ステップと、
出力ユニットによって、前記患者の予測される将来のストレスレベル及び／又は前記患者の予測される将来の運動状態に関する情報を出力するステップと
を有する、方法が提供される。
別の態様によれば、コンピュータプログラム要素が処理ユニットによって実行される場合に、前述の方法の1つ又は複数を実行するように適合される、前述の装置又はシステムの1つ又は複数を制御するコンピュータプログラム要素が提供される。
別の態様によれば、前述のような記憶されるコンピュータ要素を有するコンピュータ可読媒体が提供される。
コンピュータプログラム要素は例えば、ソフトウェアプログラムであってもよいが、FPGA、PLD、又は任意の他の適切なデジタル手段であってもよい。
有利なことに、上記の態様の何れかによって提供される利点は、他の態様のすべてに等しく適用され、その逆も同様である。
上記の態様及び実施例は以下に記載される実施形態から明らかになり、そしてそれを参照して説明される。以下、添付図面を参照して、例示的な実施形態について説明する。
磁気共鳴画像スキャンを受ける患者を監視するための装置の一例の概略構成を示す。 イメージングシステムの一例の概略セットアップを示す。 磁気共鳴画像スキャンを受ける患者のモニタリング方法を示す。 そのような装置を有する図1の装置又は図2のイメージングシステムの詳細な実施形態の高レベルシステムアーキテクチャを示す。 ストレスレベルインジケータの例を示す。
図1は、磁気共鳴画像(MRI)スキャンを受ける患者を監視するための装置10の一例を示す。装置10は、入力部20と、処理ユニット30と、出力部40とを備える。前記入力ユニットは、MRIスキャナーによるMRIスキャンを受ける患者の少なくとも1つのセンサデータを処理ユニットに提供するように構成される。前記入力ユニットはまた、MRIスキャンのためのMRIスキャナーの少なくとも1つのスキャンパラメータを処理ユニットに提供するように構成される。前記入力ユニットはまた、患者の少なくとも1つの特性を処理ユニットに提供するように構成される。処理ユニットは患者のストレスレベルを予測し、及び／又は患者の運動状態を予測するように構成され、1つ又は複数の予測は、患者の少なくとも1つのセンサデータ、MRIスキャナーの少なくとも1つのスキャンパラメータ、及び患者の少なくとも1つの特性の利用を含む。出力ユニットは、患者の予測ストレスレベル及び／又は患者の予測運動状態に関する情報を出力するように構成される。
一例によれば、処理ユニットは患者のストレスレベル及び／又は患者の運動状態を予測するために、少なくとも1つの機械学習アルゴリズムを実行するように構成される。少なくとも1つの機械学習アルゴリズムは、一つ又はそれより多くの基準MRIスキャナーによる一つ又はそれより多くの基準MRIスキャンを受ける一つ又はそれより多くの基準患者の少なくとも1つのセンサデータと、一つ又はそれより多くの基準MRIスキャンに使用される基準MRIスキャナーの少なくとも1つのスキャンパラメータと、基準患者の各々の少なくとも1つの特性とに基づいて訓練される。
一例では、機械学習アルゴリズムが1つ又は複数のニューラルネットワークを備える。
一例では、機械学習アルゴリズムが1つ又は複数の古典的機械学習アルゴリズムを含む。
一例では、機械学習アルゴリズムが1つ又は複数のサポートベクトルマシン(SVM)を備える。
一例では、機械学習アルゴリズムが1つ又は複数の決定木を含む。
一例では、少なくとも1つの機械学習アルゴリズムが2つの部分を含む。機械学習アルゴリズムの第1の部分は、人のストレス状態及び運動状態を決定するために使用される。ここで、移動状態とは、静止している患者であっても異なるレベルを有することができる移動の可能性を意味することができる。したがって、静止している患者は移動する可能性が低いと判定することができ、又は、静止している患者が移動する可能性が高いと判定することができる。次いで、機械学習アルゴリズムの第2の部分が作動して、人のストレス状態及び移動状態の将来への予測を決定することができる。第1の部分は例えば、畳み込みニューラルネットワーク(CNN)のような標準ニューラルネットワークとすることができ、第2の部分は、RNNのリカレントニューラルネットワーク(RNN)又はロングショート用語メモリ(LSTM)ニューラルネットワークバージョンとすることができる。したがって、ここでは、ニューラルネットワークがニューラルネットワークの組み合わせを指すことができる。
一例によれば、患者の少なくとも1つのセンサデータは、カメラ、マイクロフォン、皮膚抵抗センサ、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、パルスセンサ、呼吸センサ、無線周波数レーダセンサ、EEGセンサ、処理ユニット、圧力センサ、体重センサの1つ又は複数によって取得される。
一例によれば、1人以上の基準患者の少なくとも1つのセンサデータは、カメラ、マイクロフォン、皮膚抵抗センサ、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、脈拍センサ、呼吸センサ、無線周波数レーダセンサ、EEGセンサ、処理ユニット、圧力センサ、体重センサの一つ又はそれより多くによって取得される。
一例によれば、患者の少なくとも1つのセンサデータは、呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚運動データ、身体部位運動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の1つ又は複数を含む。
一例によれば、1人以上の基準患者の少なくとも1つのセンサデータは、呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚運動データ、身体部位運動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の一つ又はそれより多くを含む。
一例によれば、MRIスキャナーの少なくとも1つのスキャンパラメータは、スキャンの持続時間、残りのスキャンの持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、SAR(RF設定)、k空間サンプリングパターンの1つ又は複数を含む。
一例によれば、参照MRIスキャナーの少なくとも1つのスキャンパラメータは、スキャン持続時間、残りのスキャン持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、SAR(RF設定)、k空間サンプリングパターンの1つ又は複数を含む。
一例によれば、患者の少なくとも1つの特徴は、年齢、体重、肥満指数、以前の診断に関する情報、患者の健康状態、患者の心理的状態、完了したアンケート情報、患者フィードバックの1つ又は複数を含む。
一例によれば、基準患者の各々の少なくとも1つの特性は、年齢、体重、肥満指数、以前の診断に関する情報、患者の健康状態、患者の心理状態、完了した質問票情報の一つ又はそれより多くを含む。
一例によれば、前記入力ユニットは、患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報を処理ユニットに提供するように構成される。次いで、患者のストレスレベルの予測及び／又は患者の運動状態の予測は、患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報の利用を含むことができる。
一例によれば、機械学習アルゴリズムの訓練は、1人又は複数の基準患者の少なくとも1人の基準患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報の利用を含む。
一例によれば、処理ユニットは、患者の予測ストレスレベル及び／又は患者の予測運動状態がストレス閾値レベル又は運動閾値レベルを超えるかを判定するように構成される。患者の予測ストレスレベル及び／又は患者の予測運動状態に関する情報は、これらの閾値の一方又は他方又は両方が超過されると予測される場合の指標を含むことができる。
図2は、イメージングシステム100の一例を示す。イメージングシステム100は、磁気共鳴CTスキャナ110、少なくとも1つのセンサ120を含む。システム100はまた、図2に関して説明したように、磁気共鳴画像(MRI)スキャンを受ける患者を監視するための装置10を備える。少なくとも1つのセンサ120は、MRIスキャナーによるMRIスキャンを受ける患者の少なくとも1つのセンサデータを装置の処理ユニットに提供するように構成される。装置10は、患者の予測ストレスレベル及び／又は患者の予測運動状態に関する情報に基づいて、磁気共鳴イメージングスキャナ110によって実行されているMRIスキャンを自動的に停止するように構成される。
図3は、磁気共鳴画像(MRI)スキャンを受ける患者をその基本的なステップで監視するための方法200を示す。方法200は、
ステップa)とも呼ばれる提供ステップ210において、MRIスキャナーによるMRIスキャンを受ける患者の少なくとも1つのセンサデータを処理ユニットに提供するステップと、
ステップb)とも呼ばれる提供ステップ220において、MRIスキャンのためのMRIスキャナーの少なくとも1つのスキャンパラメータを処理ユニットに提供するステップと、
ステップc)とも呼ばれる提供ステップ230において、患者の少なくとも1つの特性を処理ユニットに提供するステップと、
ステップd)とも呼ばれる予測ステップ240において、患者のストレスレベルを処理ユニットによって予測し、及び／又は患者の運動状態を予測し、1つ又は複数の予測は患者の少なくとも1つのセンサデータ、MRIスキャナーの少なくとも1つのスキャンパラメータ、及び患者の少なくとも1つの特性の利用を含む、ステップと、
ステップe)とも呼ばれる出力ステップ250において、患者の予測されるストレスレベル及び／又は患者の予測される運動状態に関する情報を出力ユニットによって出力するステップと
を有する。
一例では、機械学習アルゴリズムが1つ又は複数のニューラルネットワークを備える。
一例では、機械学習アルゴリズムが1つ又は複数の古典的機械学習アルゴリズムを含む。
一例では、機械学習アルゴリズムが1つ又は複数のサポートベクトルマシンを含む。
一例では、機械学習アルゴリズムが1つ又は複数の決定木を含む。
一例ではステップd)が処理ユニットによって、患者のストレスレベル及び／又は患者の運動状態を予測するための少なくとも1つの機械学習アルゴリズムを実行するステップを含み、少なくとも1つの機械学習アルゴリズムは1つ又は複数の基準MRIスキャナーによって1つ又は複数の基準MRIスキャンを受けている1つ又は複数の基準患者の少なくとも1つのセンサデータ、1つ又は複数の基準MRIスキャンに使用される基準MRIスキャナーの少なくとも1つのスキャンパラメータ、基準患者の各々の少なくとも1つの特性の1つ又は複数に基づいて訓練される。
一例では、患者の少なくとも1つのセンサデータがカメラ、マイクロフォン、皮膚抵抗センサ、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、パルスセンサ、呼吸センサ、無線周波数レーダセンサ、EEGセンサ、処理ユニット、圧力センサ、体重センサの1つ又は複数によって取得される。
一例では、1人又は複数の基準患者の少なくとも1つのセンサデータがカメラ、マイクロフォン、皮膚抵抗センサ、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、脈拍センサ、呼吸センサ、無線周波数レーダセンサ、EEGセンサ、処理ユニット、圧力センサ、体重センサの1つ又は複数によって取得される。
一例では、患者の少なくとも1つのセンサデータが呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚運動データ、身体部位運動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の1つ又は複数を含む。
一例では、1人以上の基準患者の少なくとも1つのセンサデータが呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚移動データ、身体部位移動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の一つ又はそれより多くを含む。
一例では、MRIスキャナーの少なくとも1つのスキャンパラメータがスキャン持続時間、スキャン残存持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、SAR(RF設定)、k空間サンプリングパターンの1つ又は複数を含む。
一例では、基準MRIスキャナーの少なくとも1つのスキャンパラメータがスキャン持続時間、スキャン残存持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、SAR(RF設定)、k空間サンプリングパターンの1つ又は複数を含む。
一例では、患者の少なくとも1つの特徴が年齢、体重、肥満指数、以前の診断に関する情報、患者の健康状態、患者の心理的状態、完了したアンケート情報、患者フィードバックの1つ又は複数を含む。
一例では、基準患者の各々の少なくとも1つの特性が年齢、体重、肥満指数、以前の診断に関する情報、患者の健康状態、患者の心理状態、完了した質問票情報の1つ又は複数を含む。
一例ではこの方法が患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報を処理ユニットに提供するステップを含み、ステップd)は患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報を利用するステップを含む。
一例では、機械学習アルゴリズムの訓練が1人又は複数の基準患者の少なくとも1人の基準患者によって行われた1つ又は複数の以前のMRIスキャンに関する情報の利用を含む。
一例ではステップd)が患者の予測ストレスレベル及び／又は患者の予測運動状態がストレス閾値レベル又は運動閾値レベルを超えるかを処理ユニットによって決定するステップを含み、ステップe)では患者の予測ストレスレベル及び／又は患者の予測運動状態に関する情報が何れかの閾値を超えると予測される場合の指標を含む。
ここで、磁気共鳴画像スキャンを受ける患者を監視するための装置、イメージングシステム、及び磁気共鳴画像スキャンを受ける患者を監視するための方法を、図4乃至5を参照する特定の実施形態に関してさらに詳細に説明する。
図4は、高レベルのシステムアーキテクチャを示す。患者はMRIスキャンを受けており、「A」で示されるバイオメトリックセンサ及び生理学的センサは、「PU」で示される処理ユニットに対応するデータを提供する。「B」で示されるMRIスキャンのためのスキャンパラメータもまた、処理ユニットに提供される。ここで、ExamCardの構造は、完全な検査又はスキャンがどれくらいの時間を要するか、及びどれくらいの時間が残っているかのような情報を含めて、処理ユニットに提供することもできる。「C」で示される患者に関する情報もまた、処理ユニットに提供される。処理ユニットは患者に対するストレスレベルを予測し、患者の運動状態レベルを予測するために、回帰ニューラルネットワークなどの「D」で示される最初のニューラルネットワークを実施する。処理ユニットはまた、「E」で示される、リカレントニューラルネットワーク又は長期短期記憶などの第2の新しいネットワークを実行し、これは、患者のストレスレベル及び運動状態レベルを将来に予測するように動作する新しいネットワークになる。次に、「F」で示すように、現在及び予測ストレスレベルがオペレータに表示され、「G」で示す緊急決定論理は「H」で示すように、予測ストレスレベル及び予測運動状態レベルを利用して、スキャンに対する緊急停止を行うべきかを決定する。したがって、処理ユニットは、センサ、スキャン設定、及び患者情報から得られたいくつかのパラメータ(「特徴」)に基づいて、患者のストレスレベル及び運動状態を予測する。その患者及び他の患者のための経験されるストレス及び運動に関する患者のフィードバックは内部機械学習アルゴリズムの訓練のために提供することもでき、これは、その訓練の一部として、それらのスキャンを受ける患者のためのセンサデータ及びスキャンパラメータ情報及び患者情報と組み合わせることができる。
図5はMRIスキャナーを操作するオペレータ又は技術者に提示される処理ユニットによって決定されるストレスレベルインジケータの2つの例を示し、現在のストレスレベル及び将来のストレスレベルを示し、そのストレスレベルが現在までどのように進行しており、どのように将来に進行すると予測されるかを示す。現在、過去、及び将来における患者の運動の可能性を示す運動(又は動き)状態レベルインジケータも、同様の方法で提供することができる。ストレスレベル情報及び／又は運動状態レベル情報は、技術者又はオペレータが必要に応じて緊急停止を開始することを可能にし、システム自体もまた、ストレスレベルが高くなりすぎるか、又は患者が動く可能性が高くなりすぎると予測される場合、緊急停止を開始することができる。
緊急検出ロジックは現在及び予測ストレスレベルと、現在及び予測運動状態レベル情報とに基づいて動作し、緊急検出ロジックは、MRIスキャンをいつ停止するかを決定する。理想的にはロジックがスキャンが実行されている間に臨界レベルを超えるストレスレベルの増加が予想されるとき、又は患者が許容できないレベルに移動する可能性が予想されるときにスキャンが停止されるように構成され、これはそうでなければ、患者が高い確率で緊急ボタンを押すか、又はスキャン画像の完全性を損なうか、又は潜在的に危険な状況が生じるような方法で移動することを意味する。
処理ユニットへの可能な入力に関するさらなる詳細である。
患者の感情及び身体状態のためのセンサは以下を含むことができる。
カメラベースの心拍数及び呼吸検出（これは、不安が増加するときに増加する瞬時心拍数を測定するために使用することができる。家庭でプレパレーションアプリで測定される心拍／呼吸レートは、このベースラインとして役立つ。プレパレーションアプリの詳細については以下が参照される。）
カメラベースの顔認識及び感情状態決定(これは利用可能なAI技術であることを当業者は理解するのであろう。)
カメラによる運動検出技術
スピーチ及び音声感情認識のためのマイクロフォン(当業者は、これが利用可能なAI技術であることを理解するのであろう。)
皮膚電気活動センサ
皮膚抵抗センサ
皮膚温度センサ
皮膚湿度センサ
皮膚加速度計
その他の脈拍呼吸センサ
カメラベースの運動検出
カメラベースの点滅周波数検出
RFパイロットトーン
RFレーダーセンサー
EEG及びECGデータ
手の運動センサー（例えば、これが微小運動又は無意識であり得る手の最小運動を確立することができ、ストレスレベルの上昇を示す手の緊張にリンクすることができる。）
追加的又は相補的な生理学的測定（心拍数、呼吸周波数、皮膚電気活動を含む、不安及び不快感の増大を反映し得る。）
患者テーブル上の体重分布の監視（患者が身体部分が不随意に動こうとしていると感じ始めた場合、患者はこの切迫した動きを補償するために、身体全体又は身体の主要部分を緊張させることができ、これを検出することができることが確立されている。）
鎮静した患者が覚醒し始める時期を決定するためのバイタルサイン監視を介した鎮静監視（患者が覚醒し始めると、不安や動きにつながる可能性があると判断されている。）
である。
スキャンパラメータ情報には、次のものがある。
造影剤の種類(T1、T2、DWI等)
タイミングパラメータ
傾斜強度設定
SAR (RF設定)
k空間サンプリングパターン
残りのスキャン時間
患者にボア内表示されているものに関する情報（患者に示されるものがストレスレベル及び動作状態に影響を与えうることが立証されている。）
である。
患者情報(例えば、電子医療記録からの情報)は、以下を含むことができる。
年齢
体重
肥満指数
以前の診断
他の身体的心理的状態
準備室又は家庭で得られたデータ（スキャン(カメラ、インタビュー、質問票)の前に）
このようなプレパレーションデータに関するより多くの情報（以下に詳述される。）
である。
このように、要約すると、ストレスレベルと移動状態レベルの予測は、入力としての特徴と出力としてのストレスレベル／移動状態レベルを用いて、人工知能(AI)アルゴリズムによって実現される。アルゴリズムは、現在のストレスレベル及び運動状態レベル(サポートベクトルマシン又はニューラルネットワークなど)を導出するための機械学習アプローチと、次の数分間のストレスレベルの発達を予測するための機械学習アプローチ(RNN又はLSTMなど)との組合せとすることができる。AIアルゴリズムの監視される訓練は患者及び他の患者からのフィードバック(例えば、緊急ボタン状態又はストレスレベルの自己推定)をラベルとして使用し、関連するセンサデータ、これらのスキャンのためのスキャンパラメータデータ、及びこれらのスキャンのための他の患者のための患者情報を介して実現される。患者フィードバックに関するアルゴリズムの訓練は、ストレスレベル／運動状態レベルを個々の重症度スケールに正規化することを可能にする。スケールは0(低ストレスレベル／低運動状態レベル、すなわち、低運動尤度)から1(臨界ストレスレベル／臨界運動状態レベル、すなわち、高運動尤度)までの範囲の数値として定義することができ、ここで、臨界ストレスレベルに達すると、患者は非常に緊急ストップボタンを押す可能性が高く、臨界運動状態レベルに達すると、患者は非常に動きやすくなり、スキャンを損なうことを意味する。処理ユニットの出力は、患者の現在のストレスレベルの値と、次の数分間にわたるこのストレス値の評価の予測と、患者の現在の運動状態レベルの値と、次の数分間にわたる運動値のこの尤度の評価の予測とである。処理ユニットの出力は、技術者のためのインジケータディスプレイ及び緊急決定ロジックに供給される。
一般に、上述のデータの全てが個々の患者毎に利用可能であるわけではないことに留意される。しかしながら、利用可能なデータは、不安及び運動予測アルゴリズムのための入力として使用することができる。現在のMRI検査のために集められたデータ、患者に関するデータ、ならびに利用可能であれば潜在的な初期検査のデータに基づいて、予測される不安レベル及び動きの可能性について予測することができる。さらに、以前のスキャンの汎用及び個々のデータに基づいて、予想される画質(動き干渉)及び動きの不安／尤度との関係を予測することができる。
MRIスキャンを改善しようとする際に、本発明者らは、2つの主要な制限がスキャン中及び患者の運動中に患者に発生するストレスであることに気付いた。これらの領域を研究する際に、本発明者らは、運動とストレスとが弱くしか関連していない(そしていくつかの研究ではそれらは完全に無相関)ことを確立する。例えば、非常に不安な患者は、スキャナ内で非常にわずかな動きしか示さないことがある(動かすには「凍結」又は「自失」すぎる)。また、リラックスした患者は、かゆみがあるため、又は身体の一部が眠ってしまうため、又はプロシージャの周りでリラックスしているため、動かないことを忘れてしまうため、動くことがある。
さらなる例は以下である。
身体部分における動きの突然の減少は動きの危険性を増加させることができ、一方、不安曲線は、非常に異なるパターンを示すことができる。
そのため、患者の腕が眠ってしまうと、短期的にはその腕の動きが一時的に減少するが、長期的には動きの可能性が高くなる(しびれが痛みに変わって体位変換するとき)。
人が完全に睡眠すると、その人が起きるまで、非常に小さい動きがある。人がどれくらい長く睡眠しており、どれくらい深い睡眠しているか、及びいつ覚醒すると予測されるか(MRノイズレベルなどと組み合わせて)は、将来の動きのより良い予測因子となり得る。
したがって、この手段は不安と動きとの間には複雑な関係があり、不安を低減することは、多数の要因に応じて、動きの可能性を増大させるか(例えば、「自失」状態からわずかに不安の少ない状態になるとき)、又は低減することができることである。
しかしながら、本発明者らはセンサを用いて患者を監視し、現在及び将来のスキャンのスキャンパラメータ、ならびに患者に関する情報を使用することによって、機械学習アルゴリズムを訓練して、ストレスレベルがどのように発達するか、及び患者が移動する可能性がどのように発達するかの両方を決定することが可能であることを確立した。
したがって、発明者らは、近年開発される人間の感情を認識するためにセンサ情報を利用するAIベースのツールを知っていた。これには、顔の感情認識(例えば、https://azure.microsoft.com/en us/services/cognitive services/emotion/)、音声の感情認識(例えば、http://www.good vibrations.nl/, https://vokaturi.com/)、及び他の生理学的センサによる感情認識(例えば、https://www.wareable.com/health and wellbeing/future of emotion sensing wearables 111, https://biosay.com/を参照)が含まれる。本発明者らは、これらの技術の理解を、MRIスキャナーのスキャン情報、患者の背景情報、及び専用の予測アルゴリズムと組み合わせた追加のセンサと組み合わせて利用して、MR検査における緊急事態の検出及び反応を助け、患者の快適性及び安全性を向上させた。このようにして患者の感情的、生理的状態を分析し、この状態の進行を予測する。リアルタイムフィードバックが技術者に提供され、患者の現在及び予測される感情的及び生理的状態に基づいて、スキャンをいつ停止するかの自動決定がなされ得る。このようにして、患者の体験が改善され(不安や痛みが少なくなる)、システムの自動緊急停止により患者がより安全になり、スキャンをより早期に中止し、繰り返すことができるため、ワークフローを改善することができる。
現在のMRI検査の前に収集されるデータは上述したように、予測ストレスレベル及び予測運動状態レベルを決定する際に利用される。以下に、この情報、又は患者に関するこの情報の少なくとも一部を収集することができる1つの特定の方法を詳細に説明する。収集されるデータは、「プレパレーションデータ」と呼ばれる。
プレパレーションデータ
MRI検査の前に、患者は自宅又は病院内で来るべきMRI検査の準備を支援するために、オンライン情報及びトレーニング(例えば、スマートフォンアプリの形成で)を受ける。このアプリは、a)患者の情報、b)訓練運動、c)患者に関する質問票、d)心拍数及び呼吸数、皮膚の色、及び／又は反応速度の測定値など、いくつかの要素から構成することができる。
患者のための情報は来るべきスキャン又は医療処置に関する情報(例えば、MRIスキャン、MRIマシン、及び何が起こるかに関する情報を有するビデオ)を患者に与えるテキスト、ビデオ、又はオーディオからなることができる。
訓練運動は参加者に、医療処置を受けることを可能にする技能を改善するための特定のコーチング又は訓練を提供し、とりわけ、訓練は、延長される期間にわたって静止して横たわる能力及び／又は特定の呼吸パターンに従う特定の時間にわたって呼吸を止める能力を改善することを含む。
質問票は人口統計学的質問、例えば、患者の年齢、過去のスキャン数、教育レベルなどについての質問、ならびに他の関連する質問(例えば、患者の閉所恐怖症、不安レベルなどについての質問)から構成される。さらに、自己報告のような他のアンケート入力を収集することができる。例えば、来るべきスキャンに対する患者の知覚と、患者自身の期待とである。最後に、各情報又は活動に続いて、患者のスキャンに対する知覚に関する質問を行うことができる。
心拍数及び呼吸レートの測定値は、携帯電話を用いて取得することができる。これは、おそらくトレーニング材料及び質問票がユーザによってアクセスされる前及び後に、誰かの基礎心拍数の指標を与えることができる。このような測定値は、患者の知覚及び期待によって追跡することもできる。心拍数及び呼吸レートの測定は検査の直前に実施し、より早期に実施したベースラインの測定値と比較することもできる。
皮膚の色は検査の前及び検査の直前に測定されるように、顔面領域において電話で決定され得る。
小さいゲームアプリを作成することによって、患者の反応時間は、家庭で、また、患者が待合室に座っているときに決定することができる。
このように、プレパレーションデータは、以下のものから構成することができる。
モバイルアプリケーションからの使用データ(ログイン数、アプリで費やされる時間など)；
質問票からのデータ(例えば、患者の年齢、教育レベル、不安、及び知覚と期待に関する質問票など)；
トレーニング固有のデータ(例えば、自宅でトレーニングするときに参加者が静止して横たわることができる時間の長さ、彼らが息を止めることができる秒数、アプリによって測定される彼らの心拍数、彼らがアプリの異なる特徴を使用する回数)；
生理学的パラメータ(心拍数又は呼吸レートの変化、皮膚の色の変化、及び反応時間の差)
である。
機械学習アルゴリズムの訓練
1つ又は複数の機械学習アルゴリズムの実行に関して、上述したように、識別可能な実行の2つの部分がある。
機械学習アルゴリズム(古典的SVM、決定木、又はニューラルネットワーク)を使用して、現在のストレスレベルを決定し、センサデータ及び他の情報(未だ未来を予測していない)から現在の移動状態レベルを決定することができる。この場合、アルゴリズムは、患者からの主観的なフィードバック、又は患者が開始したスキャンの中止又は重度の動きアーチファクトの頻度、又は上述のような他の情報を使用してラベル付けされる過去のデータで訓練されるのであろう。
代わりに、応力レベル及び／又は移動状態レベルが解析的な既知の関数を用いてセンサデータから計算することができる。
ストレスレベルの将来の開発及び運動状態レベルの将来の開発の予測のために、リカレントニューラルネットワーク(RNN)を使用する実行が特に適していることが分かっている。具体的には、長短メモリ(LSTM)実装がここでは十分に適していることが分かっている。この機械学習実施には、コンテキスト情報(患者の状態、スキャンのタイプなど)と、時間の関数としてのストレスレベル(現在まで)及び／又は時間の関数としての移動状態レベルの展開との両方が供給される。次に、ネットワークは、ストレスレベルが将来どのように継続するか、及び移動状態レベルが将来どのように継続するかを予測する。このようなネットワークをトレーニングするためには、複数の被験者のコンテキスト情報とともに、ストレスレベル及び運動状態レベルの時間的な変化を記録し、それをトレーニングデータとして使用する必要がある。
注意すべきことであるが、上述した2つの部分はストレスレベル及び移動状態レベルの予測のために個々に動作することができ、又は組み合わせることができる。したがって、現在のストレスレベルを決定するアルゴリズムと、現在の移動状態レベルを決定する異なるアルゴリズムが1に存在し得る。そして、2では、将来のストレスレベルを予測するアルゴリズムと、将来の移動状態レベルを予測する異なるアルゴリズムが存在する可能性がある。しかしながら、1における同じアルゴリズムはストレスレベル及び移動状態レベルの両方を決定することができ、2における同じアルゴリズムは将来のストレスレベル及び移動状態レベルを予測することができる。
別の例示的な実施形態では、適切な装置又はシステム上で、前述の実施形態の1つによる方法の方法ステップを実行するように構成されることを特徴とするコンピュータプログラム又はコンピュータプログラム要素が提供される。
したがって、コンピュータプログラム要素は、実施形態の一部であってもよいコンピュータユニットに格納されてもよい。この計算ユニットは、上述の方法のステップの実行を実行又は誘導するように構成されてもよい。さらに、上記の装置及び／又はシステムの構成要素を動作させるように構成することができる。計算ユニットは自動的に動作するように、及び／又はユーザの順序を実行するように構成することができる。コンピュータプログラムは、データプロセッサの作業メモリにロードすることができる。したがって、データプロセッサは、前述の実施形態の1つによる方法を実行するように装備されてもよい。
本発明のこの例示的な実施形態は、最初から本発明を使用するコンピュータプログラムと、アップデートによって既存のプログラムを本発明を使用するプログラムに変えるコンピュータプログラムの両方を包含する。
さらに、コンピュータプログラム要素は、上述の方法の例示的な実施形態の手順を満たすために必要なすべてのステップを提供することができる。本発明のさらなる例示的な実施形態によれば、CDROM、USBスティックなどのコンピュータ可読媒体が提示され、コンピュータ可読媒体はその上に格納されるコンピュータプログラム要素を有し、そのコンピュータプログラム要素は、前述のセクションによって説明される。
コンピュータプログラムは他のハードウェアと一緒に又はその一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶及び／又は配布することができるが、インターネット又は他の有線もしくは無線電気通信システムなどを介して他の形態で配布することもできる。
しかしながら、コンピュータプログラムはワールドワイドウェブのようなネットワーク上で提示することもでき、そのようなネットワークからデータプロセッサの作業メモリにダウンロードすることもできる。本発明のさらなる例示的な実施形態によれば、ダウンロードのためにコンピュータプログラム要素を利用可能にするための媒体が提供され、このコンピュータプログラム要素は、本発明の前述の実施形態の1つによる方法を実行するように構成される。
本発明の実施形態は、異なる主題を参照して説明されることに留意される。特に、いくつかの実施形態は方法タイプの特許請求の範囲を参照して説明され、他の実施形態は装置タイプの特許請求の範囲を参照して説明される。しかしながら、当業者は上記及び以下の説明から、別段の通知がない限り、1つのタイプの主題に属する特徴の任意の組合せに加えて、異なる主題に関する特徴間の任意の組合せも、本出願で開示されると考えられることを理解するのであろう。しかしながら、全ての特徴を組み合わせて、特徴の単純な合計よりも多い相乗効果を提供することができる。
本発明は図面及び前述の説明において詳細に図示及び説明されてきたが、そのような図示及び説明は例示的又は例示的であり、限定的ではないと考えられるべきである。本発明は、開示される実施形態に限定されない。開示される実施形態に対する他の変形は図面、開示、及び従属請求項の研究から、請求される発明を実施する際に当業者によって理解され、実行され得る。
特許請求の範囲において、単語「有する」は他の要素又はステップを排除するものではなく、不定冠詞「a」又は「an」は複数を排除するものではない。単一のプロセッサ又は他のユニットが、特許請求の範囲に列挙されるいくつかの項目の機能を満たすことができる。特定の手段が相互に異なる従属請求項において再引用されるという単なる事実は、これらの手段の組み合わせが有利に使用されることができないことを示すものではない。特許請求の範囲におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。

Claims (14)

  1. 磁気共鳴画像スキャンを受ける患者を監視する装置であって、
    入力ユニットと、
    処理ユニットと、
    出力ユニットと
    を有し、
    前記入力ユニットは、磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを前記処理ユニットに提供するように構成され、
    前記入力ユニットは、前記磁気共鳴画像スキャンのための前記磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータを前記処理ユニットに提供するように構成され、
    前記入力ユニットは、前記患者の少なくとも1つの特徴を前記処理ユニットに提供するように構成され、
    前記処理ユニットは、前記患者の将来のストレスレベルを予測し、及び／又は前記患者の将来の運動状態を予測するために少なくとも1つの機械学習アルゴリズムを実行するように構成され、前記一つ又は複数の予測は、前記患者の少なくとも1つのセンサデータ、前記磁気共鳴画像スキャナの前記少なくとも1つのスキャンパラメータ、及び前記患者の前記少なくとも1つの特徴の利用を有し、前記少なくとも1つの機械学習アルゴリズムは、一つ又はそれより多くの基準磁気共鳴画像スキャナによる一つ又はそれより多くの基準磁気共鳴画像スキャンを受ける一つ又はそれより多くの基準患者の少なくとも1つのセンサデータ、前記一つ又はそれより多くの基準磁気共鳴画像スキャンに使用される前記基準磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータ、前記基準患者のそれぞれの少なくとも1つの特徴、並びに前記一つ又はそれより多くの基準磁気共鳴画像スキャン中に経験される前記一つ又はそれより多くの基準患者の少なくとも1つのストレスレベル及び／又は運動状態レベルに基づいて訓練されており、
    前記出力ユニットは、前記患者の予測される将来のストレスレベル及び／又は前記患者の予測される将来の運動状態に関する情報を出力するように構成される、
    装置。
  2. 前記患者の前記少なくとも1つのセンサデータは、カメラ、皮膚抵抗センサ、マイクロフォン、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、脈拍センサ、呼吸センサ、高周波レーダセンサ、EEGセンサ、圧力センサ、体重センサの一つ又はそれより多くによって取得される、請求項1に記載の装置。
  3. 前記一つ又はそれより多くの基準患者の前記少なくとも1つのセンサデータは、カメラ、皮膚抵抗センサ、マイクロフォン、皮膚温度センサ、皮膚湿度センサ、皮膚加速度計、脈拍センサ、呼吸センサ、高周波レーダセンサ、EEGセンサ、圧力センサ、体重センサの一つ又はそれより多くによって取得されている、請求項1乃至2の何れか一項に記載の装置。
  4. 前記患者の前記少なくとも1つのセンサデータは、呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚運動データ、身体部位運動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の一つ又はそれより多くを有する、請求項1乃至3の何れか一項に記載の装置。
  5. 前記1人以上の基準患者の前記少なくとも1つのセンサデータは、呼吸レートデータ、心拍数データ、音声データ、皮膚抵抗データ、皮膚温度データ、皮膚湿度データ、皮膚運動データ、身体部位運動データ、点滅周波数データ、EEGデータ、ボア内ディスプレイ上に示されているものに関する情報、ボア内検査テーブル上の体重分布の一つ又はそれより多くを有する、請求項1乃至3の何れか一項に記載の装置。
  6. 前記磁気共鳴画像スキャナの前記少なくとも1つのスキャンパラメータは、スキャンの持続時間、残りのスキャンの持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、RF設定、k空間サンプリングパターンの一つ又はそれより多くを有する、請求項1乃至5の何れか一項に記載の装置。
  7. 前記基準磁気共鳴画像スキャナの前記少なくとも1つのスキャンパラメータは、スキャンの持続時間、残りのスキャンの持続時間、現在の傾斜強度、将来の傾斜強度、コントラストのタイプ、タイミングパラメータ、RF設定、k空間サンプリングパターンの一つ又はそれより多くを有する、請求項1乃至6の何れか一項に記載の機器。
  8. 前記患者の前記少なくとも1つの特徴は、年齢、体重、肥満指数、以前の診断に関する情報、前記患者の健康状態、前記患者の心理的状態、完了したアンケート情報、患者のフィードバックの一つ又はそれより多くを有する、請求項1乃至7の何れか一項に記載の装置。
  9. 前記基準患者の各々の前記少なくとも1つの特徴が、年齢、体重、肥満指数、以前の診断に関する情報、前記患者の健康状態、前記患者の心理的状態、完了したアンケート情報の一つ又はそれより多くを有する、請求項1乃至8の何れか一項に記載の装置。
  10. 前記入力ユニットは、前記患者によって行われる一つ又はそれより多くの以前の磁気共鳴画像スキャンに関する情報を前記処理ユニットに提供するように構成され、前記患者のストレスレベル及び／又は前記患者の運動状態の予測は、前記患者によって行われる一つ又はそれより多くの以前の磁気共鳴画像スキャンに関する情報の利用を有する、請求項1乃至9の何れか一項に記載の装置。
  11. 前記処理ユニットは、前記患者の予測される将来のストレスレベル及び／又は前記患者の予測される将来の運動状態がストレス閾値レベル又は運動閾値レベルを超えるかを決定するように構成され、前記患者の予測される将来のストレスレベル及び／又は前記患者の予測される将来の運動状態に関する情報は、何れかの閾値が超えられると予測されるかの指標を有する、請求項1乃至10の何れか一項に記載の装置。
  12. イメージングシステムであって、
    磁気共鳴イメージングスキャナと、
    少なくとも1つのセンサと、
    請求項1乃至11の何れか一項に記載の磁気共鳴画像スキャンを受ける患者を監視するための装置と
    を有し、
    前記少なくとも1つのセンサは、磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを前記装置の前記処理ユニットに提供するように構成され、
    前記装置は、前記患者の予測されるストレスレベル及び／又は前記患者の予測される運動状態に関する情報に基づいて前記磁気共鳴画像スキャンを自動的に停止するように構成される、
    イメージングシステム。
  13. 磁気共鳴画像スキャンを受ける患者を監視するための方法であって、前記方法は、
    磁気共鳴画像スキャナによる磁気共鳴画像スキャンを受ける患者の少なくとも1つのセンサデータを処理ユニットに提供するステップと、
    前記磁気共鳴画像スキャンのための前記磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータを前記処理ユニットに提供するステップと、
    前記患者の少なくとも1つの特徴を前記処理ユニットに提供するステップと、
    少なくとも1つの機械学習アルゴリズムを実行する前記処理ユニットによって、前記患者の将来のストレスレベルを予測し、及び／又は前記患者の将来の運動状態を予測するステップであって、前記一つ又は複数の予測は、前記患者の少なくとも1つのセンサデータ、前記磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータ、及び前記患者の少なくとも1つの特徴の利用を有し、前記少なくとも1つの機械学習アルゴリズムは、一つ又はそれより多くの基準磁気共鳴画像スキャナによって一つ又はそれより多くの基準磁気共鳴画像スキャンを受ける一つ又はそれより多くの基準患者の少なくとも1つのセンサデータ、前記一つ又はそれより多くの基準磁気共鳴画像スキャンに使用される前記基準磁気共鳴画像スキャナの少なくとも1つのスキャンパラメータ、前記基準患者のそれぞれの少なくとも1つの特徴、並びに前記一つ又はそれより多くの基準患者の少なくとも1つのストレスレベル及び／又は運動状態レベルの一つ又はそれより多くに基づいて訓練されている、ステップと、
    出力ユニットによって、前記患者の予測される将来のストレスレベル及び／又は前記患者の予測される将来の運動状態に関する情報を出力するステップと
    を有する、方法。
  14. 請求項1乃至11の何れか一項に記載の装置及び／又は請求項12に記載のシステムを制御するためのコンピュータプログラム要素であって、プロセッサによって実行されるとき、請求項13に記載の方法を実行するように構成される、コンピュータプログラム要素。
JP2022545839A 2020-02-04 2021-01-29 磁気共鳴画像スキャンを受ける患者の監視装置 Pending JP2023512005A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20155285.8 2020-02-04
EP20155285.8A EP3862770A1 (en) 2020-02-04 2020-02-04 Apparatus for monitoring of a patient undergoing a magnetic resonance image scan
PCT/EP2021/052046 WO2021156142A1 (en) 2020-02-04 2021-01-29 Apparatus for monitoring of a patient undergoing a magnetic resonance image scan

Publications (2)

Publication Number Publication Date
JP2023512005A true JP2023512005A (ja) 2023-03-23
JPWO2021156142A5 JPWO2021156142A5 (ja) 2024-01-29

Family

ID=69468376

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022545839A Pending JP2023512005A (ja) 2020-02-04 2021-01-29 磁気共鳴画像スキャンを受ける患者の監視装置

Country Status (5)

Country Link
US (1) US20230181074A1 (ja)
EP (2) EP3862770A1 (ja)
JP (1) JP2023512005A (ja)
CN (1) CN115066626A (ja)
WO (1) WO2021156142A1 (ja)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PL2023812T3 (pl) * 2006-05-19 2017-07-31 The Queen's Medical Center Układ śledzenia ruchu dla adaptacyjnego obrazowania w czasie rzeczywistym i spektroskopii
EP2921100A1 (en) * 2014-03-21 2015-09-23 Siemens Aktiengesellschaft Method for adapting a medical system to patient motion occurring during medical examination and system therefor
EP3381353A1 (en) * 2017-03-30 2018-10-03 Koninklijke Philips N.V. Method for planning an imaging scan protocol
DE102018210973A1 (de) * 2018-07-04 2020-01-09 Siemens Healthcare Gmbh Verfahren zu einem Überwachen eines Patienten während einer medizinischen Bildgebungsuntersuchung, insbesondere einer Magnetresonanzuntersuchung

Also Published As

Publication number Publication date
EP3862770A1 (en) 2021-08-11
CN115066626A (zh) 2022-09-16
EP4100757A1 (en) 2022-12-14
WO2021156142A1 (en) 2021-08-12
US20230181074A1 (en) 2023-06-15

Similar Documents

Publication Publication Date Title
Delmastro et al. Cognitive training and stress detection in mci frail older people through wearable sensors and machine learning
AU2016364992B2 (en) Apparatus, systems and methods for predicting, screening and monitoring of encephalopathy / delirium
JP2021508514A (ja) 睡眠段階の予測及びそれに基づいた介入準備
US9753103B2 (en) Method and apparatus for providing content related to capture of medical image
JP6503327B2 (ja) 生理状態判定装置及び生理状態判定方法
KR20170032179A (ko) 심리생리학적 모델을 이용한 피험자의 심리 상태 표현
JP2013099392A (ja) 脳機能亢進支援装置および脳機能亢進支援方法
Saverino et al. The associative memory deficit in aging is related to reduced selectivity of brain activity during encoding
US20190357792A1 (en) Sensibility evaluation apparatus, sensibility evaluation method and method for configuring multi-axis sensibility model
EP3958275A1 (en) Systems, methods and devices for sleep intervention quality estimation
Lois et al. Experimental and methodological factors affecting test‐retest reliability of amygdala BOLD responses
Dosani et al. A vibro-tactile display for clinical monitoring: real-time evaluation
Neureiter et al. An introduction to the ‘Psycho-Physiological-Stress-Test’(PPST)—A standardized instrument for evaluating stress reactions
US20230059015A1 (en) Apparatus for monitoring of a patient undergoing a magnetic resonance image scan
KR20170112954A (ko) 생체 신호 또는 생체 인식에 근거한 분류 및 후속 에스컬레이션 방법 및 장치
JP2023512005A (ja) 磁気共鳴画像スキャンを受ける患者の監視装置
JP2024503752A (ja) ｆＭＲＩ検査のモニタリング
CN116568204A (zh) 用于在医学成像过程期间进行依赖于传感器信号的对话生成的方法和系统
US20200352464A1 (en) Synchronizing neuroelectric measurements with diagnostic content presentation
JP6886686B2 (ja) ストレス評価装置およびストレス状態の評価方法
EP4029440A1 (en) Mri wakefulness monitoring
KR102496561B1 (ko) 뇌파 분석을 기반으로 치매를 예측하는 인공지능 관제시스템, 관제방법, 관제서버 및 노인 맞춤형 서비스 제공방법
US20230404475A1 (en) System and method for analyzing brain activity
JPWO2021156142A5 (ja)

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240119

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240119