RU2589641C2 - Установка соответствия фазы амплитуде/наклону - Google Patents

Установка соответствия фазы амплитуде/наклону Download PDF

Info

Publication number
RU2589641C2
RU2589641C2 RU2012156856/14A RU2012156856A RU2589641C2 RU 2589641 C2 RU2589641 C2 RU 2589641C2 RU 2012156856/14 A RU2012156856/14 A RU 2012156856/14A RU 2012156856 A RU2012156856 A RU 2012156856A RU 2589641 C2 RU2589641 C2 RU 2589641C2
Authority
RU
Russia
Prior art keywords
motion
signal
amplitude
phase
maximum
Prior art date
Application number
RU2012156856/14A
Other languages
English (en)
Other versions
RU2012156856A (ru
Inventor
Адам Джейкоб КОВИТЧ
Пол КЛЭР
Original Assignee
Конинклейке Филипс Электроникс Н.В.
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 Конинклейке Филипс Электроникс Н.В. filed Critical Конинклейке Филипс Электроникс Н.В.
Publication of RU2012156856A publication Critical patent/RU2012156856A/ru
Application granted granted Critical
Publication of RU2589641C2 publication Critical patent/RU2589641C2/ru

Links

Images

Classifications

    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A61B6/527—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion using data from a motion artifact sensor
    • 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
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Группа изобретений относится к медицинской технике, а именно к средствам идентификации дыхательных сигналов в контексте компьютерной томографии. Способ идентификации фаз движения из сигнала нерегулярного циклического движения содержит этапы, на которых получают сигнал движения из монитора движения, включающий в себя множество циклов, и формируют соответствие, которое устанавливает соответствие фазы движения сигналу движения на основании и амплитуды и наклона сигнала движения. Система для идентификации фазы движения содержит коррелятор фазы движения, который включает в себя один или более процессоров, выполненных с возможностью идентификации набора меток времени сигнала движения для множества циклов движения в сигнале движения, индицирующем циклическое движение движущегося объекта, из монитора движения, на основании предварительно определенной интересующей фазы движения и установки соответствия фазы амплитуде/наклону, причем набор меток времени сигнала движения соответствует общей амплитуде сигнала. Использование изобретений позволяет повысить точность идентификации данных. 2 н. и 11 з.п. ф-лы, 12 ил.

Description

Нижеследующее, в целом, относится к установке соответствия фазы амплитуде/наклону и описывается здесь с конкретным применением к циклическому сигналу, имеющему нерегулярную периодичность; здесь также рассматриваются другие применения.
При формировании изображений стробирование на основе фазы дыхания для дыхательного сигнала, которое получают одновременно со сканированием пациента, использовалось для идентификации проекционных данных, соответствующих конкретной интересующей фазе дыхания (например, полный вдох, полный выдох или где-либо в промежутке между ними) для процедур, где пациент дышит свободно, а не задерживает дыхание. При этом подходе дыхательный сигнал разделялся на индивидуальные дыхательные циклы (основываясь на максимумах и минимумах сигнала), и каждый цикл делится на фазы в диапазоне от начала цикла (0%) (например, полный вдох или выдох) до конца цикла (99%).
На фиг. 1 представлен пример вышесказанного. На фиг. 1 по оси Y представляется амплитуда сигнала (то есть механическое состояние легких, включая расширение и сжатие) и по оси X представляется время. В этом примере дыхательный цикл 102 определяется началом полного вдоха или расширения легких, соответствующих максимуму 104 сигнала в цикле 102. В этом примере фаза 0% присваивается максимуму 104. Остальной участок цикла 102 линейно делится на множество фаз, таких как 25%, 50%, 75% и 99% цикла 102 относительно максимума 104.
Для реконструкции набор меток времени для конкретной интересующей фазы идентифицируется на основании процента от цикла и передается на блок реконструкции, использующий метку времени (временную метку) для идентификации проекционных данных для реконструкции. Например, на фиг. 1, где интересующей фазой является фаза 75%, метка 112 времени для цикла 102 идентифицируется и передается на блок реконструктора. Для других циклов на фиг. 1 метки 112, 114, 116, 118 и 120 времени идентифицируются как соответствующие фазе 75% и передаются на блок реконструкции. К сожалению, существуют несколько проблем, связанных с этим допущением: (а) скорость выдоха обычно меньше, чем скорость вдоха, таким образом, фазы распределяются в цикле нелинейно; (b) форма дыхательного цикла может различаться от цикла к циклу (как можно видеть на фиг. 1); и (с) невозможно гарантировать, что механическое состояние (амплитуда) легких во время вдоха будет таким же, как во время выдоха. Например, на фиг. 1 метки времени, соответствующие точкам 112, 116 и 120, находятся ближе к полному выдоху или соответствуют полному выдоху, при котором легкие сжаты и амплитуда имеет минимум, тогда как метки 114 и 118 времени соответствуют механическим состояниям во время вдоха, когда легкие частично расширены и имеют большую амплитуду. Как следствие, анатомия в данных реконструированного изображения может быть не выровнена, что может вводить артефакт движения в данные реконструированного изображения.
Аспекты настоящей заявки обращены к упомянутым выше и другим проблемам.
В соответствии с одним аспектом, способ включает в себя этапы, на которых получают сигнал, включающий в себя множество циклов, и формируют соответствие, которое устанавливает соответствие фазы движения сигналу на основании амплитуды и наклона (крутизны) сигнала.
В соответствии с другим аспектом, система включает в себя процессор, идентифицирующий набор меток времени сигнала движения для множества циклов движения в сигнале движения, показывающем циклическое движение движущегося объекта, на основании предварительно определенной интересующей фазы движения и соответствия фазы амплитуде/наклону, причем набор меток времени сигнала движения соответствует обычной амплитуде сигнала.
В соответствии с другим аспектом, способ включает в себя этапы, на которых идентифицируют пик из числа множества пиков в цикле движения шумового циклического сигнала, имеющего нерегулярную периодичность, причем пик соответствует точке, лежащей между двумя точками с амплитудами ниже предварительно определенного порога, сравнивают точки перед и после пика с самим пиком и идентифицируют пик как локальный максимум, когда пик больше, чем окружающие точки.
Изобретение может принимать форму различных компонентов и компоновок компонентов, а также различных этапов и компоновок этапов. Чертежи приводятся только для целей иллюстрации предпочтительных вариантов осуществления и не должны рассматриваться как ограничение изобретения.
Фиг. 1 изображает предшествующий уровень техники.
Фиг. 2 изображает пример системы формирования изображений в сочетании с коррелятором фазы движения.
Фиг. 3 изображает пример коррелятора фазы движения.
Фиг. 4 изображает пример подхода для установки соответствия фазы движения амплитуде и наклону цикла в сигнале движения.
Фиг. 5 изображает пример изображения, сгенерированного без использования коррелятора фазы движения.
Фиг. 6 изображает пример изображения, сгенерированного с помощью проекционных данных, выбранных коррелятором фазы движения.
Фиг. 7 изображает пример подхода для идентификации максимумов в сигнале движения.
Фиг. 8 изображает пример подхода для идентификации локального максимума среди множества максимумов в цикле.
Фиг. 9 изображает пример подхода для исключения максимумов из числа многочисленных возможных максимумов в цикле.
Фиг. 10 изображает пример подхода для увеличения сигнала движения.
Фиг. 11 изображает пример способа идентификации проекционных данных для интересующей фазы движения для реконструкции.
Фиг. 12 изображает пример способа определения набора локальных максимумов в сигнале.
На фиг. 2 представлена система 200 формирования изображений, такая как сканер компьютерной томографии (СТ). Однако в других вариантах осуществления система 200 формирования изображений может содержать один или более других способов формирования изображений, таких как рентгеновское излучение, позитронно-эмиссионная томография (PET), однофотонная эмиссионная компьютерная томография (SPECT), магнитно-резонансная томография (MRI), ультразвук (US) и/или другие способы формирования изображений. Система 200 формирования изображений включает в себя неподвижный гентри 202 и вращающийся гентри 204, поддерживаемый неподвижным гентри 202. Вращающийся гентри 204 вращается вокруг области 206 исследования вокруг продольной оси или оси Z.
Источник 208 излучения, такой как рентгеновская трубка, поддерживается вращающимся гентри 204, вращается вместе с вращающимся гентри 204 и испускает излучение. Чувствительная к излучению матрица 210 детекторов, расположенная напротив источника 208 так, что излучение проходит через область 206 исследования, обнаруживает излучение, которое пересекает область 206 исследования, и создает проекционные данные, соответствующие обнаруженному излучению.
Опора 212, такая как кушетка, поддерживает объект или предмет в области 206 исследования. Монитор 214 движения контролирует состояние движения движущегося объекта во время сканирования и создает индицирующий его сигнал движения. Примерами движущихся объектов являются, в частности, легкое(ие) или сердце пациента или другой объект с повторяющимся регулярным или нерегулярным циклическим движением.
Коррелятор 216 фазы движения коррелирует фазы движения с метками времени при формировании изображений или получении данных сканирования. Как описано ниже более подробно, в одном случае это достигается путем коррелирования фаз движения с сигналом движения, основываясь как на амплитуде, так и на наклоне циклов в сигнале движения. Результирующая корреляция может использоваться для идентификации меток времени проекционных данных для различных циклов, которые соответствуют одной и той же фазе движения и которые имеют общую или одну и ту же механическую амплитуду или состояние. Это может облегчить смягчение артефакта движения вследствие неточного совмещения структуры в различных циклах.
Блок 218 реконструкции реконструирует проекционные данные и генерирует объемные данные изображения, индицирующие область 206 исследования. Блок 218 реконструкции сконфигурирован с возможностью выборочной реконструкции проекционных данных на основе меток времени, идентифицированных коррелятором 216 фазы движения для интересующей фазы. Блок 218 реконструкции может использовать различные алгоритмы реконструкции и проекционные данные, полученные при одиночном или многочисленных сборах данных, могут быть реконструированы, чтобы создать единое изображение.
Универсальная компьютерная система служит пультом 220 оператора, содержащим удобочитаемые для человека устройства вывода, такие как дисплей и/или принтер, и устройства ввода данных, такие как клавиатура и/или мышь. Программное обеспечение, постоянно присутствующее в пульте 220 управления, позволяет оператору управлять работой системы 200, например, позволяя оператору выбрать протокол сканирования, начать сканирование, выбрать алгоритм реконструкции (например, реконструкция со стробированием движения) и т.д.
Следует понимать, что коррелятор 216 фазы движения может быть частью системы 100, например, частью пульта 220 или чего-то другого, или может быть удаленным от системы 100, являясь, например, частью рабочих станций, распределенных по сети, и/или чем-либо другим.
Дополнительно, коррелятор 216 фазы движения может быть реализован одним или более процессорами, обрабатывающими считываемые компьютером команды, встроенные или закодированные на считываемом компьютером носителе, таком как память.
На фиг. 3 представлен пример коррелятора 216 фазы движения.
Идентификатор 302 характеристик сигнала идентифицирует одну или более характеристик сигнала движения. К этому может относиться идентификация одной или более характеристик для одного или более циклов сигнала движения. Примерами таких характеристик являются, в частности, максимумы и минимумы и/или другие точки данных.
Процессор 304 характеристик сигнала обрабатывает идентифицированную(ые) характеристику(и) сигнала. К этому может относиться определение одного или более статистических параметров (например, среднее значение, медианное значение, максимум, минимум и т.д.) и/или другая информация для идентифицированной характеристики сигнала. В одном случае статистические параметры относятся к амплитуде сигнала для одного или более циклов.
Идентификатор 306 наклона сигнала идентифицирует области уменьшения и области увеличения в циклах в сигнале движения.
Блок 308 установки соответствия фазы амплитуде/наклону устанавливает соответствие фазы движения сигналу движения, основываясь на обработанной идентифицированной характеристике сигнала и идентифицированных наклонах.
Идентификатор 310 меток времени идентифицирует метки времени в сигнале движения, которые соответствуют интересующей фазе движения и имеют схожую амплитуду сигнала, основываясь на результате установки соответствия.
Коррелятор 216 фазы движения теперь описывается совместно с обработкой циклического сигнала с нерегулярной периодичностью, такого как сигнал дыхания, полученный одновременно с формированием изображений объекта. Другие соответствующие сигналы содержат другой циклический сигнал, в том числе, в частности, шумовые циклические сигналы с нерегулярной периодичностью.
Обращаясь к фиг. 4, сигнал 400 включает в себя множество циклов 4021-4026 дыхания (вдохов и выдохов), имеющих меняющиеся амплитуды и длительности. На фиг. 4 по оси Y представляется амплитуда сигнала (механическая амплитуда), а по оси X представляется время.
Идентификатор 302 характеристик сигнала идентифицирует максимумы 4041-4046 и минимумы 4061-4066 дыхательных циклов 4021-4026 дыхательного сигнала 400. В этом примере для конкретного цикла максимум (или амплитуда максимума) соответствует полному вдоху, при котором легкие расширяются или надуваются, а минимум (или амплитуда минимума) соответствует полному выдоху, при котором легкие сжимаются или спадают.
Процессор 304 характеристик сигнала определяет средний (усредненный) максимум 408 и средний (усредненный) минимум 410, соответственно, для идентифицированных максимумов 4041-4046 и минимумов 4061-4066.
Идентификатор 306 наклона идентифицирует области уменьшения (выдоха или вдоха) и увеличения (вдоха или выдоха) или наклоны для каждого цикла, основываясь на максимумах 4041-4046 и минимумах 4061-4066. Для ясности, на фиг. 4 посредством условных обозначений идентифицируются только наклоны 412 и 414 для цикла 4022. Заметим, что на фиг. 4 скорость выдоха (наклон 412) меньше, чем скорость вдоха (наклон 414).
Блок 308 установки соответствия фазы амплитуде/наклону отображает фазы движения соответственно наклонам 412 и 414 вдоха и вдоха между средним максимумом 408 и средним минимумом 410. Например, цикл 4022 имеет длительность от максимума 4042 до следующего максимума 4043, и устанавливается соответствие фазы 0% среднему максимуму 408 и устанавливается соответствие фазы 49% среднему минимуму 410.
Выдох, который происходит между фазой 0% и фазой 49% цикла 4022, устанавливается в соответствие наклону 412 выдоха, а вдох, который происходит между фазой 49% и фазой 99% цикла 4022, устанавливается в соответствие наклону 414 вдоха. По существу, фазы для выдоха и вдоха определяются отдельно с учетом того, что средняя скорость выдоха обычно меньше, чем средняя скорость вдоха. Также гарантируется, что каждый цикл будет иметь точки данных, соответствующие фазам между 0% и 99%.
Некоторые циклы могут иметь больше, чем одну точку, которая соответствует определенной фазе. В этих случаях выбирается первая или другая возможная точка. Когда цикл (например, цикл 4021) включает в себя максимум, который меньше, чем средний максимум (например, максимум 4041), максимумом цикла считают 0%. Таким образом, на фиг. 4 установка соответствия фазы может быть должным образом масштабирована, чтобы охватывать длительность от максимума 4041 до минимума 4061.
Идентификатор 310 меток времени идентифицирует метки времени при формировании изображения или сборе данных сканирования для фаз движения. Например, на фиг. 4 идентификатор 310 меток времени используется для идентификации меток 4161-4166 времени, соответствующих фазе 25% циклов 4021-4026 движения. Конечно, метки времени, соответствующие фазам, отличным от 25%, также могут быть идентифицированы. Идентификатор 310 меток времени генерирует сигнал, индицирующий метки времени, и передает сигнал блоку 218 реконструкции (фиг. 2), который может выбрать проекционные данные для реконструкции, основываясь на нем.
Поскольку эти метки времени коррелируются, по существу, с подобной механической амплитудой движущегося объекта, структура движущегося объекта в реконструированных данных изображения будет, вероятно, хорошо совпадающей. Это можно видеть на фиг. 5 и 6.
На фиг. 5 показано изображение 500, реконструированное, когда такие метки времени не используются для выбора проекционных данных для реконструкции, и анатомическая структура в проекционных данных не соответствует или не совпадает, вводя при этом в изображение 500 артефакт 502, как показано стрелкой в изображении. Артефакт на фиг. 5 предназначен для целей объяснения, и в изображении может присутствовать артефакт, другой или отличный от показанного.
На фиг. 6 представлено изображение 600, реконструированное, основываясь на проекционных данных, соответствующих меткам времени, идентифицированным коррелятором 216 фазы движения для конкретной фазы движения. Здесь анатомическая структура в проекционных данных совпадает, и артефакт в изображении 500 отсутствует, как показано стрелкой в изображении.
Как обсуждалось выше, идентификатор 302 характеристик сигнала идентифицирует одну или более характеристик сигнала движения, таких как максимумы и минимумы для циклов в сигнале движения. Следует понимать, что сигнал движения может содержать шум, который может давать ложные максимумы и/или минимумы в сигнале и/или маскировать истинные максимумы и/или минимумы.
На фиг.7-9 представлен подход для определения максимумов и минимумов в присутствии шума. Примеры таких сигналов включают в себя дыхательные, сердечные и/или другие сигналы.
Сначала обратимся к фиг.7, где показана часть участка шумового сигнала 702. Пики или максимумы идентифицируются в сигнале 702 для предварительно определенного диапазона оценки. В показанном примере пик 704 идентифицируется как одиночная самая высокая точка между двумя точками 706 и 708, которые меньше на предварительно определенный порог 710 обнаружения. В этом примере порог 710 определяется как одна десятая (1/10) от всего динамического диапазона сигнала или разности между глобальным максимумом и глобальным минимумом. В других вариантах осуществления порог 710 может быть определен иначе.
Затем оценивается каждая точка данных сигнала 702 в диапазоне оценки. Точки данных сигнала 702 в диапазоне оценки перед точкой 704 данных ищутся до тех пор, пока точка данных не опустится ниже второго порога 712, который соответствует амплитуде от минимума до максимума, меньшего порога 710. Аналогично, точки данных сигнала 702 в диапазоне оценки после точки 704 данных ищутся, пока точка данных не опустится ниже второго порога 712. Все точки данных в диапазоне оценки затем сравниваются с точкой 704 данных.
Если пик 704 в диапазоне оценки является максимумом, он идентифицируется как локальный максимум. В противном случае, поиск продолжается со следующей точкой. Это дополнительно показано на фиг.8 и 9. На фиг.8 пик 802, идентифицированный в диапазоне 804 оценки, основываясь на пороге 806, идентифицируется как локальный максимум, поскольку он является наивысшей точкой в диапазоне 804. На фиг.9 пик 902, идентифицированный в диапазоне 904 оценки, основываясь на пороге 906, не идентифицируется как локальный максимум, поскольку он не является наивысшей точкой в диапазоне 904.
На фиг.10 показан не предназначенный для создания ограничений способ увеличения сигнала.
При этом способе, когда расстояние 1002 по времени между двумя пиками 1004 и 1006 сигнала 1000 движения превышает добавленный пиковый порог, один или более пиков 1008 и 1010 добавляются к сигналу 1000. Когда расстояние 1012 по времени между пиком 1014 и предыдущим пиком 1016 и расстояние 1018 по времени между максимумом 1014 и последующим пиком 1020 оба являются меньшими, чем выделенный порог пика, пик 1014 исключается из сигнала 1000. Пороги могут быть основаны на среднем интервале между пиками или на чем-либо ином. На фиг.11 показан способ идентификации проекционных данных для интересующей фазы движения для реконструкции.
На этапе 1102 сигнал движения в настоящий момент получается во время сканирования, когда движущийся объект имеет повторяющееся циклическое движение. Движение может быть связано с дыханием, сердцебиением или другим циклическим движением.
На этапе 1104 в сигнале движения идентифицируются амплитуды максимумов и минимумов.
На этапе 1106 определяются амплитуда глобального среднего максимума и амплитуда глобального среднего минимума, основываясь на идентифицированных максимумах и минимумах.
На этапе 1108 амплитуда глобального среднего максимума используется для определения начала или точки 0% для первой области каждого цикла, длящегося от максимума цикла до минимума цикла. Там, где глобальный максимум больше, чем максимум цикла, в максимуме цикла определяются начало или точка 0%. Там, где глобальный максимум меньше, чем максимум цикла, начало или точка 0% определяются в точке, следующей после максимума цикла, амплитуда которого наилучшим образом совпадает с глобальным максимумом.
На этапе 1110 амплитуда глобального среднего минимума используется для определения точки 50% для второй области каждого цикла, длящейся от минимума цикла до максимума следующего цикла. Когда глобальный средний минимум меньше, чем минимум цикла, точка 50% определяется в минимуме цикла. Когда глобальный минимум больше, чем минимум цикла, точка 50% определяется в точке после минимума цикла, амплитуда которого наилучшим образом совпадает с глобальным минимумом.
На этапе 1112 устанавливается соответствие фазы движения от 0% до 49% первой области.
На этапе 1114 устанавливается соответствие фазы движения от 50% до 99% второй области.
На этапе 1116 идентифицируется интересующая фаза.
На этапе 1118 установка соответствия между идентифицированной фазой и амплитудами/наклонами используется для определения метки времени сканирующего сбора данных в цикле, который соответствует амплитуде, в отношении которой установлено упомянутое соответствие.
На этапе 1120 проекционные данные, собранные в идентифицированных метках времени, реконструируются в объем изображения.
На фиг. 12 представлен способ определения максимума сигнала.
На этапе 1202 пик определяется как первая точка, амплитуда в которой больше, чем амплитуда в любой предыдущей точке до максимума в предыдущем цикле, на предварительно определенный порог.
На этапе 1204 определяется, превышает ли пик значение в точке, следующей за пиком.
Если да, то этап 1202 повторяется для следующей точки.
В противном случае, на этапе 1206 определяется, является ли значение в точке после пика меньшим, чем пик, на предварительно определенный порог.
Если да, то тогда на этапе 1208 пик идентифицируется как максимум цикла.
В противном случае, этап 1204 повторяется для следующей точки.
На этапе 1210 определяется, располагаются ли максимумы ближе друг к другу, чем предварительно определенный порог.
Если да, то тогда на этапе 1212 один или более из этих максимумов перестают идентифицироваться (удаляются) как максимумы. В одном не создающем ограничений варианте осуществления вычисляется среднее значение и стандартное отклонение для интервала между максимумами, и один или более максимумов, которые ближе друг к другу, чем среднее значение - x*стандартное отклонение (где x - входной параметр), перестают идентифицироваться как максимумы.
Если да или если нет, то тогда на этапе 1214 определяется, находятся ли максимумы дальше, чем предварительно определенный порог.
Если да, то тогда на этапе 1216 добавляются один или более из этих максимумов. В этом не создающем ограничений варианте осуществления вычисляется среднее значение и стандартное отклонение интервала между максимумами, и если один или более максимумов находятся дальше, чем среднее значение+x*стандартное отклонение (где x - входной параметр), то тогда один или более максимумов добавляются между ограничивающими пиками, используя этапы 1202-1208, на которых порог классификации итеративно уменьшается, пока не будут идентифицированы соответствующие максимумы.
Упомянутые выше действия могут реализовываться посредством считываемых компьютером команд, которые, когда выполняются процессором(ами) компьютера, заставляют процессор(ы) совершать описанные здесь действия. В таком случае команды хранятся на считываемом компьютером носителе, таком как память, связанная с соответствующим компьютером и/или как-либо иначе доступная для соответствующего компьютера.
Хотя вышесказанное обсуждалось в контексте компьютерной томографии и дыхательных сигналов, следует понимать, что раскрытый здесь подход может использоваться для идентификации по существу эквивалентных точек данных в другом шумовом циклическом сигнале с нерегулярной периодичностью.
Изобретение было описано со ссылкой на предпочтительные варианты осуществления. После прочтения и понимания предшествующего подробного описания в голову могут прийти различные модификации и изменения. Подразумевается, что изобретение должно истолковываться содержащим все такие модификации и изменения, насколько они попадают в пределы объема приложенной формулы изобретения или ее эквивалентов.

Claims (13)

1. Способ идентификации фаз движения из сигнала нерегулярного циклического движения, содержащий этапы, на которых:
получают сигнал движения из монитора движения, включающий в себя множество циклов; и
формируют соответствие, которое устанавливает соответствие фаз движения сигналу движения на основании и амплитуды и наклона сигнала движения.
2. Способ по п. 1, дополнительно содержащий этап, на котором:
идентифицируют набор меток времени для множества циклов для
предварительно определенной интересующей фазы на основании упомянутого соответствия, причем каждая метка времени включает в себя время предварительно определенной фазы в одном из множества циклов, причем идентифицированный набор меток времени соответствует общей амплитуде сигнала; и
создают сигнал, указывающий набор идентифицированных меток времени.
3. Способ по любому из пп. 1-2, в котором сигнал движения обнаруживается во время формирования изображения движущегося объекта, имеющего повторяющееся циклическое движение и множество циклов, соответствующих повторяющемуся циклическому движению.
4. Способ по любому из пп. 1-2, в котором объектом является человек, и сигнал движения является индикацией многочисленных циклов дыхания или сердечных циклов человека из монитора движения.
5. Способ по любому из пп. 1-2, в котором каждый цикл имеет область уменьшения амплитуды и область увеличения, и формирование соответствия включает в себя этапы, на которых устанавливают соответствие одного набора фаз области уменьшения амплитуды и устанавливают соответствие другого набора фаз области увеличения.
6. Способ по п. 5, в котором область уменьшения амплитуды соответствует сжатию или расширению объекта, а область увеличения амплитуды соответствует другому из расширения или сжатия объекта.
7. Способ по п. 5, в котором фазы охватывают диапазон от 0% до 99% в цикле, и один набор фаз имеет диапазон от 0% до 49%, и другой набор фаз имеет диапазон от 50% до 99%.
8. Способ по любому из пп. 1-2, 6, 7, дополнительно содержащий этапы, на которых:
идентифицируют максимумы и минимумы сигнала движения для множества циклов;
определяют среднее значение максимумов сигнала и среднее значение минимумов сигнала, соответственно, на основании идентифицированных максимумов и минимумов сигнала движения; и
устанавливают соответствие фаз амплитуде каждого цикла, охватывая диапазон от меньшего из средних значений максимумов сигнала и максимума цикла до большего из средних значений минимумов сигнала и минимума цикла.
9. Система для идентификации фазы движения из сигнала нерегулярного циклического движения, содержащая:
коррелятор (216) фазы движения, который включает в себя один или более процессоров, выполненных с возможностью идентификации набора меток времени сигнала движения для множества циклов движения в сигнале движения, индицирующем циклическое движение движущегося объекта, из монитора движения, на основании предварительно определенной интересующей фазы движения и установки соответствия фазы амплитуде/наклону, причем набор меток времени сигнала движения соответствует общей амплитуде сигнала.
10. Система по п. 9, содержащая:
идентификатор (302) характеристик сигнала, идентифицирующий максимумы и минимумы сигнала для одного или более циклов сигнала движения; и
процессор (304) характеристик сигнала, определяющий средний максимум и средний минимум на основании идентифицированных максимумов и минимумов.
11. Система по п. 10, в которой идентификатор характеристик сигнала идентифицирует максимум для диапазона оценки интервала сигнала движения в пределах цикла движения как точку, лежащую между двумя точками с амплитудами ниже порога определения максимума, сравнивает другие точки в диапазоне оценки до и после максимума с максимумом и идентифицирует максимум как локальный максимум для диапазона оценки, когда максимум больше, чем упомянутые точки.
12. Система по любому из пп. 10-11, содержащая:
идентификатор (306) наклона сигнала, который идентифицирует область уменьшения амплитуды и область увеличения амплитуды для каждого цикла; и
блок (308) установки соответствия фазы амплитуде/наклону, который устанавливает соответствие фаз движения сигналу движения на основании средних максимумов и минимумов и областей уменьшения и увеличения амплитуд.
13. Система по п. 12, содержащая:
идентификатор (310) меток времени, идентифицирующий метки времени сигнала движения, которые соответствуют предварительно определенной интересующей фазе и общей амплитуде сигнала.
RU2012156856/14A 2010-06-04 2011-04-27 Установка соответствия фазы амплитуде/наклону RU2589641C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US35131010P 2010-06-04 2010-06-04
US61/351,310 2010-06-04
PCT/IB2011/051840 WO2011151740A2 (en) 2010-06-04 2011-04-27 Phase-to-amplitude/slope mapping

Publications (2)

Publication Number Publication Date
RU2012156856A RU2012156856A (ru) 2014-07-20
RU2589641C2 true RU2589641C2 (ru) 2016-07-10

Family

ID=45067145

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2012156856/14A RU2589641C2 (ru) 2010-06-04 2011-04-27 Установка соответствия фазы амплитуде/наклону

Country Status (6)

Country Link
US (2) US9265452B2 (ru)
EP (1) EP2575616B1 (ru)
JP (1) JP5878920B2 (ru)
CN (1) CN102933142B (ru)
RU (1) RU2589641C2 (ru)
WO (1) WO2011151740A2 (ru)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102933142B (zh) * 2010-06-04 2015-09-02 皇家飞利浦电子股份有限公司 基于幅度/斜率的运动时相映射
WO2015113915A1 (en) * 2014-01-30 2015-08-06 Koninklijke Philips N.V. Improvements in the detection of walking in measurements of the movement of a user
DE102015215584B4 (de) * 2015-08-14 2022-03-03 Siemens Healthcare Gmbh Verfahren und System zur Rekonstruktion von Planungsbildern
CN106548473B (zh) * 2016-11-07 2019-03-08 赛诺联合医疗科技（北京）有限公司 一种构建相位图像的方法及装置
US10624599B2 (en) * 2017-07-31 2020-04-21 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for motion signal correction
US10912522B1 (en) * 2020-01-25 2021-02-09 Aura Devices, Inc. Systems and methods for counting features in motion signals
CN113749637A (zh) * 2020-06-04 2021-12-07 西门子(深圳)磁共振有限公司 磁共振数据采集触发方法、装置及可读存储介质
CN115089163B (zh) * 2022-06-20 2023-08-22 推想医疗科技股份有限公司 呼吸信号检测方法及其装置、手术导航方法及其装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5315512A (en) * 1989-09-01 1994-05-24 Montefiore Medical Center Apparatus and method for generating image representations of a body utilizing an ultrasonic imaging subsystem and a three-dimensional digitizer subsystem
RU2008108077A (ru) * 2005-08-04 2009-09-10 Конинклейке Филипс Электроникс Н.В. (Nl) Компенсация движения в функциональном формировании изображений

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4122454A (en) * 1977-07-25 1978-10-24 Nasa Conical scan tracking system employing a large antenna
DE3514542A1 (de) * 1985-04-22 1986-10-23 Siemens AG, 1000 Berlin und 8000 München Verfahren und vorrichtung zur zusammensetzung eines mr-bildes aus atemgesteuert aufgenommenen bilddaten
US4777648A (en) * 1986-12-15 1988-10-11 Trw Inc. Line tilt compensation method and apparatus
US4967751A (en) * 1988-05-04 1990-11-06 Mmtc, Inc. Apparatus and method for monitoring the waveform of cyclic movement within the thorax of an individual
JPH0723945A (ja) * 1993-07-07 1995-01-27 Toshiba Corp 医用画像撮影装置
US5482046A (en) * 1994-11-23 1996-01-09 General Electric Company Acoustic power control technique
US5924980A (en) * 1998-03-11 1999-07-20 Siemens Corporate Research, Inc. Method and apparatus for adaptively reducing the level of noise in an acquired signal
US8788020B2 (en) * 1998-10-23 2014-07-22 Varian Medical Systems, Inc. Method and system for radiation application
US6658276B2 (en) * 1999-01-25 2003-12-02 Masimo Corporation Pulse oximeter user interface
JP4589124B2 (ja) 2003-01-09 2010-12-01 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ コンピュータ断層撮影のための呼吸モニタ
US7177386B2 (en) 2004-03-15 2007-02-13 Varian Medical Systems Technologies, Inc. Breathing synchronized computed tomography image acquisition
US20050249667A1 (en) * 2004-03-24 2005-11-10 Tuszynski Jack A Process for treating a biological organism
US7574249B2 (en) 2005-02-08 2009-08-11 General Electric Company Device-less gating of physiological movement for improved image detection
JP2008042869A (ja) * 2005-10-05 2008-02-21 Seiko Epson Corp 静電型超音波トランスデューサ、超音波スピーカ、音声信号再生方法、超指向性音響システム及び表示装置
US7678063B2 (en) * 2006-01-06 2010-03-16 Mayo Foundation For Medical Education And Research Motion monitor system for use with imaging systems
US7443946B2 (en) 2006-04-10 2008-10-28 General Electric Company Methods and apparatus for 4DCT imaging systems
GB2441550A (en) * 2006-09-05 2008-03-12 Vision Rt Ltd Surface-imaging breathing monitor
US9248312B2 (en) * 2007-10-26 2016-02-02 Accuray Incorporated Automatic correlation modeling of an internal target
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
WO2010066265A1 (en) 2008-12-08 2010-06-17 Elekta Ab (Publ) Analysis of radiographic images
DE102009043633A1 (de) * 2009-09-29 2011-03-31 Siemens Aktiengesellschaft Verbesserte Abtastung eines zyklisch bewegten Untersuchungsobjektes unter Einsatz eines Kontrastmittels im Rahmen einer Voruntersuchung mittels eines CT-Gerätes
CN102933142B (zh) * 2010-06-04 2015-09-02 皇家飞利浦电子股份有限公司 基于幅度/斜率的运动时相映射
JP5400015B2 (ja) * 2010-11-10 2014-01-29 富士フイルム株式会社 超音波診断装置およびその作動方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5315512A (en) * 1989-09-01 1994-05-24 Montefiore Medical Center Apparatus and method for generating image representations of a body utilizing an ultrasonic imaging subsystem and a three-dimensional digitizer subsystem
RU2008108077A (ru) * 2005-08-04 2009-09-10 Конинклейке Филипс Электроникс Н.В. (Nl) Компенсация движения в функциональном формировании изображений

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Тимченко А.В. Применение высокочувствительных MEMS-акселерометров в качестве датчиков движения и дыхания, Екологiя та ноосферологiя 2009 Т.20, N3-4, сс.51-56. *

Also Published As

Publication number Publication date
WO2011151740A2 (en) 2011-12-08
US10362970B2 (en) 2019-07-30
EP2575616B1 (en) 2018-01-10
JP5878920B2 (ja) 2016-03-08
RU2012156856A (ru) 2014-07-20
EP2575616A2 (en) 2013-04-10
CN102933142A (zh) 2013-02-13
WO2011151740A3 (en) 2012-03-01
CN102933142B (zh) 2015-09-02
US9265452B2 (en) 2016-02-23
US20160135718A1 (en) 2016-05-19
JP2013532009A (ja) 2013-08-15
US20130073262A1 (en) 2013-03-21

Similar Documents

Publication Publication Date Title
RU2589641C2 (ru) Установка соответствия фазы амплитуде/наклону
JP6084607B2 (ja) 呼吸運動決定装置
CN102781331B (zh) 使用飞行时间信息来探测和校正成像扫描中的运动的方法和设备
AU2017248470B2 (en) Heart imaging method
JP6413927B2 (ja) 動態解析装置及び動態解析システム
US7177386B2 (en) Breathing synchronized computed tomography image acquisition
JP2013513792A5 (ru)
WO2005032647A2 (en) Method and system for radiation application
JP2017511239A (ja) イメージング方法
JP2010069099A (ja) 画像処理装置及びｘ線コンピュータ断層撮影装置
US10255684B2 (en) Motion correction for PET medical imaging based on tracking of annihilation photons
JP2020511665A (ja) データ駆動型呼吸性体動推定方法
US8731257B2 (en) Analysis of radiographic images
Lang et al. Organ movement reduction in PET/CT using dual-gated listmode acquisition
JP2019051322A (ja) 動態解析システム
De Ponti et al. Motion management in PET/CT: technological solutions
JP5910646B2 (ja) 放射線画像撮影システム
Chavarrías et al. Extraction of the respiratory signal from small-animal CT projections for a retrospective gating method
CN114144116A (zh) 一种获得x射线图像的方法
Lian et al. A retrospective respiratory gating system based on epipolar consistency conditions
Kokki et al. Dual gating method for eliminating motion-related inaccuracies in cardiac PET
JP2020534065A (ja) 換気補助システムを備えたｃｔ肺エラストグラフィ

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20170428