[go: up one dir, main page]

DE10356879A1 - Bestimmung willkürlicher kardialer Phasen unter Verwendung nicht elektrischer Signale - Google Patents

Bestimmung willkürlicher kardialer Phasen unter Verwendung nicht elektrischer Signale Download PDF

Info

Publication number
DE10356879A1
DE10356879A1 DE10356879A DE10356879A DE10356879A1 DE 10356879 A1 DE10356879 A1 DE 10356879A1 DE 10356879 A DE10356879 A DE 10356879A DE 10356879 A DE10356879 A DE 10356879A DE 10356879 A1 DE10356879 A1 DE 10356879A1
Authority
DE
Germany
Prior art keywords
time
trigger point
optimal
cardiac
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.)
Withdrawn
Application number
DE10356879A
Other languages
English (en)
Inventor
Prathyusha K. Waukesha Salla
Gopal B. New Berlin Avinash
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.)
GE Medical Systems Global Technology Co LLC
Original Assignee
GE Medical Systems Global Technology Co LLC
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 GE Medical Systems Global Technology Co LLC filed Critical GE Medical Systems Global Technology Co LLC
Publication of DE10356879A1 publication Critical patent/DE10356879A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54Control of apparatus or devices for radiation diagnosis
    • A61B6/541Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1107Measuring contraction of parts of the body, e.g. organ or muscle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217Devices 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/54Control of the diagnostic device
    • A61B8/543Control of the diagnostic device involving acquisition triggered by a physiological signal
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/055Detecting, 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721Signal 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7285Specific aspects of physiological measurement analysis for synchronizing 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)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Verfahren, Speichermedium und System zur Auswahl eines optimalen Triggerpunkts in einem kardialen Zyklus, einschließlich Liefern eines Eingangssignals, das nicht elektrische herzbezogene Daten enthält, Analysieren des Eingangssignals zur Erfassung von Merkmalskandidaten, Durchforschen der Merkmalskandidaten, um optimale Merkmale herauszuselektieren, und Auswählen eines optimalen Triggerpunkts. Die Erfindung liegt in einem Verfahren, einem Speichermedium und einem System zur Auswahl einer geeigneten kardialen Phase für das kardiale Gating und beinhaltet das Identifizieren eines Triggerpunkts, das Identifizieren des Anfangs einer systolischen oder diastolischen Signalphase, wobei der Triggerpunkt zu einem Zeitpunkt t1 vorliegt, das Spezifizieren einer Zeit deltat vor dem Triggerpunkt, die sich von einem Zeitpunkt t0 bis zu einem Zeitpunkt t1 erstreckt, wobei der Zeitpunkt t0 vor dem Zeitpunkt t1 liegt, und das Auswählen eines Zeitintervalls T, in dem das Bild rekonstruiert wird, wobei sich der Zeitintervall T von der Zeit t0 bis zu einem Zeitpunkt t2 erstreckt, wobei der Zeitpunkt t2 später ist als der Zeitpunkt t0.

Description

  • Gegenstand der Erfindung ist das Gating zur medizinischen Bildgebung und insbesondere ein Verfahren und ein System zur Auswahl gewillkürter kardialer Phasen in physiologischen, nicht elektrischen Signalen für das kardiale Gating.
  • Bei vielen Anwendungen wird es häufig gewünscht, ein Bild zu einem bestimmten Zeitpunkt eines variablen Zyklusses zu erhalten, wie beispielsweise einer Spitze des variablen Zyklusses, um das Verhalten an dieser Spitze zu analysieren. Auf dem Gebiet der Medizin werden bildgebende Systeme häufig dazu verwendet, interne physiologische Information eines Subjekts zu erhalten. Beispielsweise kann ein medizinisches bildgebendes System dazu verwendet werden, Bilder einer Knochenstruktur, des Kopfes, des Herzens, der Lungen und verschiedener anderer Teile eines Subjekts zu erhalten. Medizinische bildgebende Systeme umfassen bildgebende Magnetoresonanzsysteme (MRI), Computertomographiesysteme (CT), Röntgenstrahlsysteme, Ultraschallsysteme und verschiedene andere bildgebende Einrichtungen.
  • Das Gating ist zur Charakterisierung unterschiedlicher Attribute eines dynamischen (sich bewegenden) Organs während der Bildgebung essentiell. Die meist verbreiteten Techniken des Gatings (gesteuerten Durchlassens) beinhal ten Gating anhand kardialer, respiratorischer oder peripherer Impulse und werden bei zahlreichen medizinischen Anwendungen der verschiedenen Diagnosetypen einschließlich CT, MR, Röntgenstrahlung, Ultraschall und PET-CT verwendet.
  • Kardiales Gating ist ein wesentlicher Teil der kardialen Bildgebung, wenn Bildgebungsverfahren, wie beispielsweise CT oder Magnetoresonanz (MR) genutzt werden, um bewegungsverursachte Artefakte zu minimieren. Gegenwärtige kardiale bildgebende Einrichtungen nutzen gleichzeitig aufgenommene EKG-Daten, um CT-Projektionsdaten mit kardialer Phaseninformation zu etikettieren. Im Wesentlichen wird die R-Welle des EKGs für diesen Zweck benutzt. Die Herzfunktionen werden durch zwei unterschiedliche Perioden gekennzeichnet, die Systole und Diastole genannt werden. In der Systole zieht der Herzmuskel das Volumen des linken Ventrikels zusammen, um den Inhalt durch die Aortenklappe herauszupumpen. Während der Diastole oder diastolischen Periode füllt sich das linke Ventrikel durch die Mitralklappe. An dem Ende der Systole weist das linke Ventrikel sein kleinstes Volumen auf, weil es sich zusammengezogen hat, um das Blut herauszupumpen. Das Ende der Diastole ist der Punkt, an dem das linke Ventrikel sein größtes Volumen aufweist, weil es mit Blut gefüllt und bereit ist, dieses auszupumpen. Während der diastolischen Periode ist das Herz relativ bewegungslos, wodurch Bilder, die aus während dieser Periode gesammelten Daten erzeugt werden, als Ergebnis der beschränkten Bewegung klarer sind.
  • 1 veranschaulicht einen kardialen Zyklus einer EKG-Signalkurve einschließlich eines systolischen Zustands oder Periode und eines diastolischen Zustands oder Periode des Herzens. Die Abschnitte des EKG-Signals, die mit Q, R und S bezeichnet sind, werden als QRS-Komplex bezeichnet, in denen das R-Merkmale oder die R-Welle das prominenteste, d.h. eine höchste Amplitude aufweisende Merkmal des gesamten EKG-Signals. Der kardiale Zyklus wird typischerweise als mit einer R-Welle beginnend und sich bis zum eintretenden nächsten R-Welle fortsetzend definiert.
  • EKG-Gating wählt Zeitpunkte, zu denen das beste Bild des Herzens verfügbar ist. An dem Patienten wird ein EKG-Gerät angeschlossen. Es wird eine Periode des Kardialzyklusses, beispielsweise als die Zeit zwischen den R-Peaks des EKGs bestimmt. Eine der bekannten Anwendungen liegt darin, einen R-Peak zusammen mit einer bestimmten Periode des kardialen Zyklusses als Referenz zu nehmen, um während der Perioden eines kardialen Zyklusses für den das Herz näherungsweise stationär ist, oder für Perioden für die die Bildgebung gewünscht ist, gegatete Bilder zu erhalten.
  • Es wird nun auf 2 verwiesen, bei der zwei gemeinhin genutzte Ansätze, die gemeinsam bei 130 veranschaulicht sind, zum Bestimmen der diastolischen und der systolischen Phase in einem kardialen Zyklus unter Verwendung eines EKG-Signals gezeigt sind. In der Kurve 132 sind die systolische 134 und die diastolische 136 Phase bei x und bei y % in Bezug auf einen kardialen Zyklus zentriert. In der Kurve 140 weist die systolische Phase 142 eine gewisse Verzögerung von dem vorausgehenden R-Peak 146 auf. Ähnlich weist die systolische Phase 144 eine gewisse Verzögerung gegen den vorigen R-Peak 148 auf. Die diastolische Phase 152 weist einen gewissen Vorlauf zu dem nächsten R-Peak 148 auf und ähnlich weist die diastolische Phase 154 einen gewissen Vorlauf zu dem nächsten R-Peak 150 auf. Diese Ansätze 130 basieren auf der Annahme, dass die kardialen Phasen innerhalb eines gewissen Zeitintervalls während des kardialen Zyklusses eintreten. Diese Annahme muss nicht notwendigerweise für jeden kardialen Zyklus und für jedes Individuum in einer Population genau zutreffen.
  • Wenn unter Nutzung der oben mit 2 beschriebenen Ansätze der Ort der systolischen und der diastolischen Phase ermittelt oder geschätzt worden sind, kann eine Bildrekonstruktion durchgeführt werden. 3 veranschaulicht eine Halbscan- und Multisektor-Bildrekonstruktion, wobei „I" das Bild repräsentiert, das von einem einzelnen Zyklus und entsprechend zwei aufeinander folgenden Zyklen rekonstruiert worden ist. In der Kurve 122 von EKG-Wellenformen 120 bilden Projektionen 126 eines einzelnen kardialen Zyklusses einen Datensatz für die Bildrekonstruktion, auch bekannt als Halbscanrekonstruktion. In der Kurve 124 werden Subsets 128 von Projektionen 126 mehrerer kardialer Zyklen miteinander verschnitten, auch bekannt als sektor-basierte Rekonstruktion, um einen vollständigen Datensatz für eine Rekonstruktion zu bilden.
  • KURZE ZUSAMMENFASSUNG DER ERFINDUNG
  • Die oben diskutierten und andere Nachteile und Defizite werden durch ein Verfahren überwunden oder gemildert, bei dem in einem kardialen Zyklus ein optimaler Triggerpunkt ausgewählt wird, wobei das Verfahren beinhaltet, dass ein Eingangssignal geliefert wird, das nicht elektrische mit dem Herzen zusammenhängende Daten beinhaltet, wobei das Eingangssignal analysiert wird, um herzbezogene Merkmale zu erfassen, wobei diese Merkmalskandidaten durchsucht werden, um optimale Merkmale herauszufinden und wobei ein optimaler Triggerpunkt ausgewählt wird.
  • Bei einer anderen Ausführungsform beinhaltet ein Verfahren zur Auswahl willkürlicher kardialer Phasen für das kardiale Gating das Identifizieren eines Triggerpunkts, der den Beginn einer systolischen oder diastolischen Phase in einem Signal identifiziert, wobei der Triggerpunkt zu einem Zeitpunkt t1 vorliegt, das Auswählen einer Zeit δt vor dem Triggerpunkt, die sich von einem Zeitpunkt t0 bis zu einem Zeitpunkt t1 erstreckt, wobei der Zeitpunkt t0 vor dem Zeitpunkt t1 liegt, und das Auswählen eines Zeitintervalls T, in dem das Bild rekonstruiert wird, wobei sich das Zeitintervall T von dem Zeitpunkt t0 zu einem Zeitpunkt t2 erstreckt, wobei t2 später liegt als der Zeitpunkt t0. Bei einer anderen Ausführungsform beinhaltet ein Verfahren der Bildrekonstruktion unter Verwendung des kardialen Gatings, dass ein Signal geliefert wird, das eine Anzahl aufeinander folgender kardialer Zyklen kennzeichnet, wobei das Verfahren für jeden kardialen Zyklus beinhaltet, dass ein Triggerpunkt festgelegt wird, der den Beginn einer systolischen Phase oder einer diastolischen Phase identifiziert, wobei der Triggerpunkt zu einem Zeitpunkt t1 gegeben ist, dass eine Zeitspanne δt spezifiziert wird, die vor dem Triggerpunkt liegt und sich von einem Zeitpunkt t0 bis zu einem Zeitpunkt t1 erstreckt, wobei der Zeitpunkt t0 früher ist als der Zeitpunkt t1, und dass ein Zeitintervall T ausgewählt wird, in dem das Bild rekonstruiert wird, wobei sich das Zeitintervall T von dem Zeitpunkt t0 bis zu einem Zeitpunkt t2 erstreckt, wobei der Zeitpunkt t2 später ist als der Zeitpunkt t0 und wobei über wenigstens ein Zeitintervall T ein Bild rekonstruiert wird.
  • Bei einer anderen Ausführungsform ist ein Speichermedium mit einem maschinenlesbaren Computerprogrammcode versehen, wobei der Code Instruktionen beinhaltet, die einen Computer veranlassen, ein Verfahren zur Auswahl eines optimalen Triggerpunkts in einem kardialen Zyklus auszuführen, wobei das Verfahren beinhaltet, dass ein Eingangssignal geliefert wird, das nicht elektrische kardial bezogene Daten enthält, dass das Eingangssignal analysiert wird, um Merkmalskandidaten zu erfassen, dass die Merkmalskandidaten durchsucht werden, um optimale Merkmale herauszufinden und dass ein optimaler Triggerpunkt ausgewählt wird.
  • Bei einer anderen Ausführungsform ist ein Speichermedium mit einem maschinenlesbaren Computerprogrammcode versehen, wobei der Code Instruktionen enthält, die einen Computer veranlassen, ein Verfahren zur willkürlichen Auswahl einer kardialen Phase für das kardiale Gating zu implementieren, wobei das Verfahren beinhaltet, dass ein Triggerpunkt identifiziert wird, der den Beginn einer systolischen Phase oder einer diastolischen Phase in einem Signal kennzeichnet, wobei der Triggerpunkt zu einem Zeitpunkt t1 vorliegt, dass eine Zeit δt vor dem Triggerpunkt festgelegt wird, die sich von einem Zeitpunkt t0 bis zu einem Zeitpunkt t1 erstreckt, wobei die Zeit t0 vor dem Zeitpunkt t1 liegt, und dass ein Zeitintervall T ausgewählt wird, indem ein Bild rekonstruiert wird, wobei sich das Zeitintervall T von dem Zeitpunkt t0 bis zu einem Zeitpunkt t2 erstreckt, wobei der Zeitpunkt t2 später ist als der Zeitpunkt t0.
  • Bei einer anderen Ausführungsform beinhaltet ein System zur Auswahl eines optimalen Triggerpunkts in einem kardialen Zyklus einen nicht elektrischen Sensor, der mechanische Vibrationen oder Schwingungen des Herzens erfasst, eine Verarbeitungseinheit, die mit dem mechanischen Sensor verbunden ist, wobei die Verarbeitungseinheit ein von dem mechanischen Sensor ausgegebenes Signal verarbeitet, das Signal analysiert, um Merkmalskandidaten zu erfassen, die Merkmalskandidaten durchsucht, um optimale Merkmale zu selektieren und einen optimalen Triggerpunkt auswählt.
  • Bei einer anderen Ausführungsform beinhaltet ein System zur Bildrekonstruktion unter Nutzung des kardialen Gatings einen nichtelektrischen Sensor, der die mechanische Vibration des Herzens erfasst, einen Verarbeitungseinheit, die mit dem mechanischen Sensor verbunden ist, wobei die Verarbeitungseinheit ein von dem mechanischen Sensor ausgesandtes Signal verarbeitet, einen Triggerpunkt identifiziert, der den Beginn einer systolischen Phase oder einer diastolischen Phase in dem Signal kennzeichnet, wobei der Triggerpunkt zu einem Zeitpunkt t1 vorliegt, das Festlegen einer Zeit δt vor dem Triggerpunkt, die sich von einem Zeitpunkt t0 bis zu einem Zeitpunkt t1 erstreckt, wobei der Zeitpunkt t0 früher ist als der Zeitpunkt t1, und wobei sie ein Zeitintervall T auswählt, in dem das Bild rekonstruiert wird, wobei sich das Zeitintervall T von dem Zeitpunkt t0 bis zu einem Zeitpunkt t2 erstreckt, wobei der Zeitpunkt t2 später ist als der Zeitpunkt t0.
  • Die oben diskutierten und andere Eigenschaften und Vorzüge der vorliegenden Erfindung werden für den Fachmann aus der folgenden detaillierten Beschreibung und den Zeichnungen ersichtlich und gewürdigt.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • 1 veranschaulicht eine herkömmliche EKG-Signalform, wie sie bei bekannten bildgebenden Systemen Anwen dung findet.
  • 2 veranschaulicht bekannte EKG-Signalformen, bei denen die systolische und die diastolische Phase innerhalb eines speziellen Prozentsatzes des kardialen Zyklusses zentriert oder mit einer gewissen Verzögerung von einem benachbarten Peak angenommen werden.
  • 3 veranschaulicht EKG-Signalformen, bei denen Bilder aus einem einzelnen Zyklus oder zwei aufeinander folgenden Zyklen rekonstruiert werden.
  • 4 veranschaulicht ein Diagramm einer Sensoranordnung in ihrer Anordnung relativ zu einem Patienten.
  • 5 veranschaulicht ein Diagramm eines Beschleunigungssignals eines kardialen Zyklusses.
  • 6 veranschaulicht ein Diagramm eines Beschleunigungssignals, eine Blutdruckkurvenform, ein Phonokardiogramm und ein Aortapulssignal.
  • 7 veranschaulicht ein Diagramm eines Verfahrens zur Bestimmung eines Triggerpunkts.
  • 8 veranschaulicht einen Trainingsprozess, der bei dem Verfahren zur Bestimmung des Triggerpunkts gemäß 7 verwendet werden kann.
  • 9 veranschaulicht ein abgewandeltes Verfahren zur Bestimmung eines Triggerpunkts, das ein Verfahren zur Musteranpassung (Template Matching) beinhaltet.
  • 10 veranschaulicht ein Beispiel des Template Matching-Verfahrens nach 9 angewendet auf ein Beschleunigungssignal zur Auswahl eines Triggerpunkts.
  • 11 veranschaulicht Kurvenformen, bei denen Bilder über ein Zeitintervall "T" rekonstruiert werden, das durch die Zeit vor dem Beginn der unterschiedlichen Phasen bestimmt ist.
  • DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
  • Bei diesem Verfahren und System wird die mechanische Bewegung des Herzens dazu verwendet, die kardialen Phasen verlässlich zu erfassen und die Möglichkeit zur Auswahl einer willkürlichen Phase zur Rekonstruktion der Bilder zu schaffen.
  • Bei einem Verfahren, das auf mechanischer Bewegung beruht, müssen, wenn es für das kardiale Gating anwendbar sein soll, die folgenden drei Bedingungen zutreffen: 1) Kausalität: das Gatingsignal muss gerade vor der kardialen Bewegung eintreffen (d.h. es muss die Fähigkeit haben „in der Zeit vorauszusehen"), 2) Spezifität: Das Gatingsignal muss von einem Ereignis abgeleitet sein, das kardialen Ursprung hat, und 3) Gültigkeit: das Gatingsignal muss auf verlässliche Weise unter Nutzung eines Signaturanalyseansatzes erhalten worden sein. Somit müssen für jedes biologische Signal eines Wandlers, damit es biologische Relevanz hat, Bedingungen wie Kausalität, Spezifität und Signatur/Muster-Analyse erfüllt sein. Verfahren und Systeme die solche Bedingungen für kardiales, respiratorisches und peripheres Pulsgating erfüllen, werden in dem US-Patent Nr. (125517, GEM-0071) erfüllt, die gleichzeitig mit der vorliegenden Anmeldung eingereicht und durch diesen Verweis zur Gänze hier mitaufgenommen ist.
  • Bei diesem Verfahren und dem unten beschriebenen System geht es um die kardiale Signatur/Muster-Analyse der nicht elektrischen Signale. Dieses Verfahren und System ist auf nicht elektrische Signale anwendbar, wie beispielsweise periphere Pulse, Phonokardiogramme sowie Bewegungs/Beschleunigungssignale, die unter Nutzung verschiedener nicht elektrischer Sensoren erhalten werden, zu de nen Bewegungs-, Beschleunigungs-, Druck-, Ultraschall-, Kraft-, optische, piezo-elektrische, resistive, induktive und kapazitive Wandler gehören.
  • Ein nicht elektrischer Sensor, wie beispielsweise ein mechanischer (Beschleunigungs-) Sensor wird bei diesem Verfahren, falls nicht anderweitig spezifiziert, als Beispiel verwendet, obwohl jeder andere geeignete Typ eines nicht elektrischen Sensors eingeschlossen sein kann. Um die Spezifität zu verbessern, kann eine Sensoranordnung, wie beispielsweise ein Beschleunigungsmesser oder jeder der oben beschriebenen elektrischen Sensoren direkt auf der Brustwand 40 vor dem Herzen eines Patienten 42 platziert werden, der vorzugsweise rücklings auf einem Tisch 38 liegt, wie in 4 veranschaulicht. Alternativ kann der Sensor 12, wenn der Sensor 12 mit der Bildgebung, für die das Gating in erster Linie durchgeführt wird, in Konflikt kommt, aus dem Blickfeld durch Verwendung eines fluidgefüllten, nicht metallischen, nicht leitenden Rohrs 44 entfernt werden. Das Rohr 44 kann ein flaches Ende 46 aufweisen, das an den Patienten 42 geklebt, geheftet oder anderweitig gesichert ist und das andere Ende 48 kann unter dem Sensor 12 unter der Bodenfläche 16 platziert werden. Bei dieser Anordnung werden die dem Herzen spezifischen Vibrationen zu dem Sensor 12 fortgeleitet, der außerhalb des Bildgebungsblickfelds angeordnet ist. Die kardialen Vibrationen des Patienten werden unter Verwendung der fluidgefüllten Leiteinrichtung 44 zu dem Sensor 12 übertragen. Wenn der Sensor 12 ein Beschleunigungsmesser ist, wird die Beschleunigung durch die Sensorbox 26 aufgezeichnet und zur Signalverarbeitung, Computeranalyse und Anzeige 50 weitergeleitet. Obwohl die Aufnahme des Rohrs 44 einen gewissen Leitungsverzug in das System einführt, wird nicht erwartet, dass die Kausalität des Signals sig nifikant verschlechtert wird. Alternative Methoden zur Entfernung des Sensors 12 aus dem Bildgebungsblickfeld sind im Rahmen dieses Verfahrens ebenso wie die Anordnung des Sensors 12 direkt auf der Brust 40 des Patienten 42 gangbar, wenn eine solche Platzierung die Bildgebung nicht stört.
  • Wenn ein nicht elektrischer Sensor, wie beispielsweise ein Beschleunigungsmesser mit einem sich bewegenden Körper, wie beispielsweise der vorderen Brustwand 40, wie in 4 veranschaulicht, in Berührung gebracht wird, wird die Bewegung der vorderen Brustwand 40 erfasst, die die mechanische Bewegung des Herzens repräsentiert. 5 veranschaulicht die Beschleunigung der Herzklappen, wie sie von dem mechanischen Sensor erfasst wird. Alternative Typen nicht elektrischer Sensoren ergeben andere Arten von Signalen. Das erfasste Beschleunigungssignal 200, wie es in 5 dargestellt ist, weist unterscheidungskräftige Merkmale auf, die unterschiedliche Phasen des Herzens trennen. Die ersten Peaks 202, 204 entsprechen dem Schließen atrio-ventrikulärer Klappen, dem Schließen 202 der Mitralklappe und dem Schließen 204 der Trikuspidalklappe oder dem Beginn der Systole und der üblicherweise kleinere zweite Peak 206 entspricht dem Schließen der Semilunarklappen, dem Schließen der Aorten- und Pulmonalklappe oder dem Anfang der Diastole.
  • Wie in 6 veranschaulicht ist, kann die Blutdruckkurve 210 aus der Beschleunigungskurve 200 durch zweimalige Integration des Signals 200 über ein gegebenes Zeitintervall und durch Beseitigung der Signaldrift errechnet werden. Die abgeleitete Druckkurve 210 entspricht gut dem Aortenpuls 212 oder dem Karotispuls in Abhängigkeit von der Platzierung des Sensors auf dem Körper des Subjekts während die Beschleunigungskurve 200 gut mit dem Phonokardiogramm 214 korreliert, dessen akkustisches Signal die Herztöne repräsentiert. Alternativ kann das Beschleunigungssignal 200 von der Druckkurve 210 durch Bildung der zweiten Ableitung abgeleitet werden. Der (nicht veranschaulichte) Blutgeschwindigkeitsfaktor kann auf gleiche Weise entweder durch Integration des Beschleunigungssignals 200 über ein gegebenes Zeitintervall oder durch Bildung der ersten Ableitung der Druckkurve 210 und umgekehrt bestimmt werden. Somit kann die allgemein bei 220 veranschaulichte kardiale Information, die auf eine Art erhalten worden ist, dazu verwendet werden, Information der anderen Art rechnerisch abzuleiten, ohne mehrere Sensoren nutzen zu müssen.
  • Beim retrospektiven kardialen Gating müssen für jeden kardialen Zyklus Triggerpunkte bestimmt werden und diese Information wird dann zur Bildrekonstruktion genutzt. Wie mit Bezug auf die 2 und 3 beschrieben, sind die herkömmlichen Herangehensweisen beim Bestimmen der Phasen nicht immer präzise. Zur Bestimmung der optimalen Triggerpunkte in jedem kardialen Zyklus ist der in 7 generalisierte Algorithmus veranschaulicht. 7 veranschaulicht ein Diagramm, das unterschiedliche Vorgänge bei einem Triggerpunktbestimmungsverfahren, Prozess, Algorithmus und System 230 veranschaulicht. Der Segmentierungsblock 236 kann, muss aber nicht, bei allen Anwendungsfällen zur Triggerpunktbestimmung vorhanden sein. Der Trainingsprozess 244 kann Information aus einer existierenden Datenbank 242 nutzen, um in einem unbekannten Fall Parameter abzuleiten. Individuelle Module des Prozesses 230 zur Bestimmung von Triggerpunkten werden weiter unten beschrieben.
  • Das Eingangssignal 232 enthält kardial bezogene Daten, die von einem nicht elektrischen Sensor erhalten sind, wie beispielsweise dem mechanischen Sensor 12, der mit Bezug auf 4 beschrieben worden ist, obwohl alternative Anordnungen und alternative nicht elektrische Sensoranordnungen zur Akquisition kardial bezogener Daten ebenfalls im Umfang des Algorithmus 230 liegen.
  • Im Hinblick auf die Vorverarbeitung 234 liegt die prinzipielle Aufgabe von Hervorhebetechniken darin, die Daten so zu verarbeiten, dass das Ergebnis für eine spezifische Anwendung besser geeignet als die originalen Daten. Die Rohdaten können unter Verwendung räumlicher Domainmethoden vorverarbeitet werden, wie beispielsweise Pointprocessingverfahren, was Exponentation, räumliche Filtermethoden einschließlich verschiedener Glättungs- und Schärfungsoperationen oder Frequenzdomainmethoden einschließlich verschiedener Filter oder Kombinationen solcher Methoden einschließt jedoch nicht auf diese verwendet ist, einschließen.
  • Die Segmentation 236 unterteilt ein Signal in seine Bausteine, wie beispielsweise unterschiedliche Phasen oder optimale Triggerpunktposition auf der Basis vorbestimmter Kriterien. Das Niveau auf dem diese Unterteilung ausgeführt wird hängt von dem zu lösenden Problem ab. Dieser Schritt 236 kann in dem Prozess 230 den schlussendlichen Erfolg oder Misserfolg der Analyse bestimmen. Tatsächlich führt eine effektive Segmentation meistens zu einer erfolgreichen Lösung. Es sollte hier angemerkt werden, dass die Segmentation 236 entweder vor oder nach einer Merkmalserfassung 238 durchgeführt werden kann.
  • In Bezug auf die Merkmalserfassung 238 ist die Sig nalanalyse ein Prozess des Aufdeckens, Identifizierens und Verstehens von Mustern, die für die Leistungsfähigkeit einer signalbasierten Aufgabe relevant sind. Jede Signalanalysetechnik kann Eigenschaften beinhalten, wie beispielsweise 1) die Fähigkeit, einschlägige Information aus einem Hintergrund irrelevanter Details zu extrahieren; 2) die Fähigkeit, aus Beispielen zu lernen und dieses Wissen zu verallgemeinern, so dass es auf neue und unterschiedliche Umstände angewendet werden kann, und 3) die Fähigkeit, Schlussfolgerungen aus nicht vollständiger Information zu ziehen. Bilderkennungstechniken, wie beispielsweise Template Matching, neuronale Netzwerke und strukturelle Methoden, die jede strukturelle Beziehungsinformation in einem Muster nutzen, können verwendet werden, um bei der Merkmalsdetektion 238 Merkmale zu erfassen.
  • Wenn die Merkmale bei der Merkmalserfassung 238 berechnet sind, kann ein vortrainierter Klassifikationsalgorithmus bei der Klassifikation 240 verwendet werden, um die erfassten Segmente des Signals in unterschiedliche Phasen zu kategorisieren. Neuronale Netzwerke, regelbasierte Methoden oder Fuzzy-Logic kann zur Klassifikation verwendet werden, was aus dem Stand der Technik bekannt ist.
  • Eine Datenbank 242 (kardiale Rohdaten von dem mechanischen Sensor), die sowohl normale als auch abnormale (eine oder mehrere Krankheitszustände in jedem Datensatz) Daten enthält, wird dazu verwendet, den Algorithmus beim Training 244 zu trainieren. Wie in 8, die einen Ablauf eines Trainingsprozesses veranschaulicht, spezieller veranschaulicht ist, beinhaltet ein Trainingsset 242 die Berechnung unterschiedlicher Merkmalskandidaten, wie beispielsweise Charakteristika normaler oder abnormaler (ein oder mehrere Krankheitszustände in jedem Datensatz) Daten, das Verhältnis zwischen unterschiedlichen Krankheitszuständen und spezifische Signalcharakteristika oder andere zutreffende Faktoren aus einer existierenden Datenbank.
  • Ein Merkmalsselektionsalgorithmus, der auf die Merkmalsdetektion 238 oder als Teil der Klassifikation 240 durchgeführt werden kann, kann die Merkmalskandidaten sortieren und lediglich die zweckmäßigen selektieren sowie solche beseitigen, die keine Information oder redundante Information beinhalten. Diese Entscheidung kann auf Klassifikationsergebnissen mit unterschiedlichen Kombinationen der Merkmalskandidaten basieren. Der Merkmalsselektionsalgorithmus wird außerdem dazu verwendet, die Dimensionalität von einem praktischen Standpunkt her zu reduzieren, weil die Berechnungszeit enorm ist, wenn die Anzahl der zu berechnenden Merkmale groß ist. Somit wird ein Merkmalssatz erhalten, der optimal zwischen den unterschiedlichen Merkmalen in einem Signal unterscheiden kann. Es kann eine optimale Merkmalsselektion unter Verwendung bekannter Abstandsmessungen einschließlich Divergenzmessungen, Bhattacharya-Distanz, der Mahalanobis-Distanz durchgeführt werden.
  • Nachdem der Merkmalssatz aus dem Trainingsprozess 244 erhalten worden ist, erhalten die verschiedenen Blöcke (z.B. Vorverarbeitung 234, Segmentation 236, Merkmalsdetektion 238, Klassifikation 240 und Auswahl 250 des optimalen Triggerpunkts) des Prozesses 230 zur Bestimmung des Triggerpunkts, wie in 7 veranschaulicht, mit geeigneter Information beliefert.
  • Wie in 7 veranschaulicht ist, können in jedem Schritt (z.B. Signalaufnahme 232, Vorverarbeitung 234, Segmentation 236, Merkmalserfassung 238, Klassifikation 240 und Wahl 250 eines optimalen Triggerpunkts) des Prozesses 230 Akquisitionsparameter 248 genutzt werden, um unterschiedliche Kriterien für eine Auswahl 250 des optimalen Triggerpunkts zu bestimmen. Akquisitionsparameter können die Abtastrate des akquirierten Signals, die Kenntnis über die Platzierung des Sensors, die Art des Signals, das aufgenommen wird, die Art der Anwendung, der Typ der Krankheit, falls bereits bekannt usw. sein. Außerdem kann in dem Schritt Herzschlagberechnung die Herzfrequenz berechnet und in den letzten Schritt des Prozesses eingeleitet werden. Diese Grundprozesse, d.h. die unterschiedlichen Blöcke und Schritte, die in dem Gesamtverfahren 230 veranschaulicht sind, können parallel oder in unterschiedlichen Kombinationen ausgeführt werden. Bei einer gegebenen Anwendung kann es sein, dass lediglich einige dieser Kombinationen benutzt werden müssen, jedoch werden sie in 7 mit allen ihren Möglichkeiten angegeben, um die verschiedenen Modifikationen des Datenflusses aufzuzeigen, die möglich sind.
  • In 9 ist ein Beispiel für eine Anwendung eines Netzwerks für einen Prozess 230 mit einem Template-Matching-Verfahren veranschaulicht. Ein exemplarischer Algorithmus 260 für den Mustererkennungsansatz ist eine revidierte Version des allgemeineren umfassenden Prozesses 230. Der Algorithmus 260 beinhaltet Signaleingabe 232 und/oder Vorverarbeitung 234. Die Signaleingabe bzw. das Eingangssignal 232 kann durch die Rohdaten 232 oder ein vorverarbeitetes Signal 234 gebildet sein, was von den Merkmalen abhängt, die zu extrahieren sind. Alternativ können beide Signale 232, 234 parallel benutzt werden.
  • Innerhalb der Merkmalserfassung 238 würde ein automa tisiertes optimales Muster innerhalb der ersten paar Sekunden von jedem Datensatz selektiert, der in dem Schritt Template Selection 262 verarbeitet werden soll. In dem Schritt Template-Matching 264 wird das selektierte Template mit dem Echtzeitsignal verglichen, um einen Korrelationsvektor zu bilden. Der Schwellwertbildungsschritt 266 kann zwei separate Prozesse beinhalten. (1) Vergleichen des Korrelationsvektors aus dem Template Matching Schritt 264 mit einer Schwelle, um die Punkte zu wählen, die mit jedem kardialen Zyklus gut korreliert sind. Dieser Prozess liefert einen Satz von Kandidaten von Triggerpunkten für jeden Zyklus. Es können unterschiedliche Kriterien dazu genutzt werden, die Triggerpunkte aus diesem Satz auszuwählen. (2) Separater Schwellwertvergleich des vorverarbeiteten Signals 234 aus dem ersten Schritt.
  • Bei der Klassifikation 240 ist ein Kriterium den Datenpunkt mit maximaler Korrelation zu nutzen und jeden anderen Datenpunkt nicht zu nutzen, bis die Zeit, die der aktuellen kardialen Periode entspricht, erreicht ist. Alternativ kann der erste Datenpunkt, der die Schwelle nach der aktuellen kardialen Periode überschreitet, verwendet werden. Ein anderes Verfahren beinhaltet die Verwendung des segmentierten vorverarbeiteten Signals zusammen mit dem segmentierten Korrelationsvektor, um einen optimalen Triggerpunkt 250 in jedem Zyklus zu bestimmen. Der optimale Triggerpunkt des Schritts 250, Auswahl eines optimalen Triggerpunkts, wird für jeden kardialen Zyklus zu der bildgebenden Einrichtung gesandt, um dieser ein Gate-Signal zu liefern.
  • Eine Veranschaulichung dieses Ansatzes ist in 10 veranschaulicht, die das Template-Matching Verfahren, das auf ein Beschleunigungssignal 200 angewendet wird, diagrammartig veranschaulicht. Es wird aus den ersten wenigen Sekunden aus den Daten durch den Schritt Template-Auswahl 262 ein optimales Template ausgewählt. Die Schritte Template-Matching 264 und Schwellwertvergleich 266 erfassen Triggerpunktkandidaten 282. Die beste Triggerpunktauswahl 250 ist unter Verwendung zweier unterschiedlicher Ansätze dargestellt. Der Triggerpunkt 284 kann danach ausgewählt werden, dass eine gewisse Schwelle überschritten wird, die durch einen Nutzer/Bediener vorgewählt werden kann und es kann der Triggerpunkt 286 so gewählt werden, dass er eine maximale Korrelation aufweist, d.h. die beste Übereinstimmung eines Beschleunigungssignals mit einem Template hat.
  • 11 veranschaulicht den Anfang der Systole "S" und der diastolischen Phase "D"., δt" repräsentiert die Zeit vor dem Anfang der unterschiedlichen Phasen. "T" repräsentiert das Zeitintervall (die Phase), die der Nutzer auswählen würde, um Bilder in unterschiedlichen Phasen zu rekonstruieren und "I" repräsentiert die Bilder, die rekonstruiert werden. Wenn die Triggerpunkte einmal ausgewählt sind, d.h. 284 oder 286, wie in 10 veranschaulicht, kann ein Nutzer ein Zeitintervall δt innerhalb der Kurve 300 angeben, wie in 11 veranschaulicht ist, indem er die Rekonstruktion der Bilder durchführen möchte und die Bilder können in einem Intervall T rekonstruiert werden. Dieses Intervall "δt" kann vor der ersten Spitze des kardialen Zyklusses, d.h. 306 liegen, um eine atriale Kontraktion zu erfassen oder vor der zweiten Spitze, d.h. 308, um den Anfang der Diastole oder in Abhängigkeit von der Anwendung jeder anderen willkürlichen Phase zu erfassen. Die Bilder I werden aus der Kurve 302 auf der Basis individueller Intervalle T rekonstruiert, wie in Kurve 304 veranschaulicht ist, wobei die Daten von ein oder mehreren kardialen Zyklen dazu verwendet werden, ein einzelnes Bild I zu rekonstruieren.
  • Es versteht sich, dass die oben beschriebenen Verfahren auf unterschiedliche diagnostische Modalitäten anwendbar sind, wie beispielsweise CT, MR, Röntgenstrahlung, Ultraschall und PET-CT, ohne auf diese beschränkt zu sein.
  • Somit versetzen die hier geoffenbarten Verfahren, Prozesse, der Algorithmus und das System den Nutzer in die Lage, unterschiedliche kardiale Phasen auf der Basis der mechanischen Bewegung des Herzens akkurat auszuwählen, was bislang nicht möglich war. Das oben beschriebene Netzwerk schafft die Möglichkeit, kardiale Phasen auf der Basis der mechanischen Bewegung des Herzens zu bestimmen und unterschiedliche kardiale Phasen zu unterscheiden.
  • Es sollte angemerkt werden, dass alle oben beschriebenen Verfahren mit einem bildgebenden System oder innerhalb eines Signalprozessors genutzt werden können, der mit einem Computer und einem Display verbunden ist, wie beispielsweise durch Nr. 50 in 5 veranschaulicht, und insbesondere können sie in einem Speicher abgespeichert sein, der durch eine Verarbeitungseinheit in dem Prozessor abgearbeitet wird. Es liegt außerdem innerhalb des Bereichs der Erfindung, dass die geoffenbarten Verfahren in Form eines computerimplementierten Verfahrens und Apparats zur Umsetzung solcher Verfahren angewendet werden. Die vorliegende Erfindung kann außerdem in Form eines Computerprogrammcodes vorliegen, der Instruktionen enthält, die auf einem greifbaren Medium verkörpert sind, wie beispielsweise Disketten, CD-Roms, Hard Drives oder jedem anderen computerlesbaren Speichermedium, wobei der Computerprogrammcode in einem Computer geladen und von diesem ausgeführt wird, wobei der Computer ein Gerät zur Umsetzung der Erfindung wird. Die vorliegende Erfindung kann außerdem in Form von Computerprogrammcode verwirklicht sein, der beispielsweise in einem Speichermedium gespeichert, in einen Computer geladen und/oder von diesem ausgeführt wird oder als ein Datensignal verkörpert sein, unabhängig ob dieses über einen modulierten Träger übertragen wird oder nicht, über ein sonstiges Transmissionsmedium, wie beispielsweise elektrische Verdrahtungen oder Kabel, Glasfasern oder elektromagnetische Strahlung, wobei der Computerprogrammcode in einen Computer geladen und von diesem ausgeführt wird, wobei der Computer eine Einrichtung zur Ausübung der Erfindung wird. Wenn der Computerprogrammcode in einen Mehrzweckmikroprozessor implementiert wird, konfigurieren die Computerprogrammcodesegmente den Mikroprozessor als spezifische logische Schaltungen.
  • Während die Erfindung mit Bezug auf die bevorzugten Ausführungsformen beschrieben worden ist, versteht es sich für den Fachmann, dass verschiedene Veränderungen vorgenommen werden und Elemente durch ihre Äquivalente ersetzt werden können, ohne den Bereich der Erfindung zu verlassen. Zusätzlich können viele Abwandlungen an der Lehre der Erfindung gemacht werden, um eine Anpassung an eine spezielle Situation oder ein Material vorzunehmen, ohne den wesentlichen Bereich der Erfindung zu verlassen. Es ist deshalb beabsichtigt, dass die Erfindung nicht auf das speziell geoffenbarte Ausführungsbeispiel beschränkt ist, das als beste Umsetzung zur Ausführung der Erfindung angesehen wird, die Erfindung soll vielmehr alle Ausführungsformen umfassen, die in den Bereich der nachfolgenden Ansprüche fallen. Außerdem stellt die Verwendung der Begriffe erster, zweiter usw. keine Ordnung oder Wichtigkeit dar, vielmehr werden die Begriffe erster, zweiter usw.
  • lediglich dazu verwendet, ein Element von einem anderen zu unterscheiden.

Claims (10)

  1. Verfahren zur Auswahl eines optimalen Triggerpunkts in einem kardialen Zyklus, wobei das Verfahren beinhaltet: Bereitstellung eines Eingangssignals, das nicht elektrische kardial bezogene Daten beinhaltet, Analysieren des Eingangssignals, um Merkmalskandidaten zu erfassen, Durchsuchen der Merkmalskandidaten, um optimale Merkmale zu selektieren und Selektion eines optimalen Triggerpunkts.
  2. Verfahren nach Anspruch 1, das außerdem einen Trainingsvorgang umfasst, wobei der Trainingsvorgang Information an wenigstens einen Schritt innerhalb des Verfahrens liefert.
  3. Verfahren nach Anspruch 1, bei dem außerdem das Eingangssignal dazu verwendet wird, die Herzfrequenz zu berechnen.
  4. Verfahren nach Anspruch 3, bei dem die Herzfrequenz dazu benutzt wird, einen optimalen Triggerpunkt zu selektieren.
  5. Verfahren nach Anspruch 1, bei dem das Analysieren des Eingangssignals zur Erfassung von Merkmalskandidaten beinhaltet, dass aus den ersten paar Sekunden eines Datensatzes ein Template zur Verarbeitung aus gewählt wird.
  6. Verfahren nach Anspruch 5, das außerdem das Vergleichen des optimalen Templates mit dem Eingangssignal zur Bestimmung eines Korrelationsvektors beinhaltet.
  7. Verfahren nach Anspruch 6, das außerdem den Schwellwertvergleich des Korrelationsvektors beinhaltet, um korrelierte Punkte in einem kardialen Zyklus zu wählen, wobei die korrelierten Punkte einen Satz von Triggerpunktkandidaten kennzeichnen.
  8. Verfahren nach Anspruch 7, das außerdem das Auswählen des Triggerpunkts mit maximaler Korrelation als den optimalen Triggerpunkt beinhaltet.
  9. Verfahren nach Anspruch 7, das außerdem das Auswählen des Triggerpunkts der vor den anderen Triggerpunkten eine Schwelle überschreitet als den optimalen Triggerpunkt beinhaltet.
  10. Verfahren nach Anspruch 1, zu dem außerdem gehört, dass die Eingangssignale von einem mechanischen Sensor erhalten werden.
DE10356879A 2002-12-04 2003-12-03 Bestimmung willkürlicher kardialer Phasen unter Verwendung nicht elektrischer Signale Withdrawn DE10356879A1 (de)

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
US065961 2002-12-04

Publications (1)

Publication Number Publication Date
DE10356879A1 true DE10356879A1 (de) 2004-06-24

Family

ID=32391961

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10356879A Withdrawn DE10356879A1 (de) 2002-12-04 2003-12-03 Bestimmung willkürlicher kardialer Phasen unter Verwendung nicht elektrischer Signale

Country Status (4)

Country Link
US (1) US6771999B2 (de)
JP (1) JP4526808B2 (de)
CN (1) CN100518624C (de)
DE (1) DE10356879A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009034054A1 (de) * 2009-07-21 2010-08-19 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung einer Ruhephase des Herzens eines Patienten

Families Citing this family (32)

* Cited by examiner, † Cited by third party
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
EP1814442A4 (de) * 2004-11-12 2011-05-25 Andrew H Elser V M D Pc Drahtloses physiologisches überwachungssystem für pferde
DE102005005916A1 (de) * 2005-02-09 2006-08-17 Siemens Ag Verfahren und Tomographiegerät zur Erzeugung von tomographischen Aufnahmen eines schlagenden Herzens
WO2006132865A2 (en) * 2005-06-03 2006-12-14 Acceleron Medical Systems, Inc. Improved 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
WO2009060348A1 (en) * 2007-11-09 2009-05-14 Koninklijke Philips Electronics, N.V. Mr-pet cyclic motion gating and correction
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
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
JP5531710B2 (ja) * 2010-03-29 2014-06-25 ソニー株式会社 記録装置および記録方法
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
WO2012017821A1 (ja) * 2010-08-06 2012-02-09 株式会社 日立メディコ 医用画像診断装置及び心臓計測値表示方法
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
DE102011007861A1 (de) * 2011-04-21 2012-10-25 Siemens Aktiengesellschaft Messvorrichtung sowie eine Magnetresonanzvorrichtung mit einer Messvorrichtung
DE102011007859A1 (de) * 2011-04-21 2012-10-25 Siemens Aktiengesellschaft Messvorrichtung sowie eine Magnetresonanzvorrichtung mit der 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
DE102014205828B4 (de) * 2014-03-28 2023-03-30 Siemens Healthcare Gmbh Verfahren zum Ermitteln des Zeitpunktes einer Herzbewegung und zum Triggern eines bildgebenden Systems und entsprechende Vorrichtung
GB201514249D0 (en) 2015-08-12 2015-09-23 Trw Ltd Processing received radiation reflected from a target
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
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
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
KR102320100B1 (ko) * 2019-12-27 2021-11-02 가천대학교 산학협력단 뉴로-퍼지 네트워크 기반 심음 분석 방법 및 시스템
US20220022817A1 (en) * 2020-07-21 2022-01-27 Shanghai United Imaging Intelligence Co., Ltd. Cardiac phase prediction in cardiac mri using deep learning

Family Cites Families (15)

* Cited by examiner, † Cited by third party
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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009034054A1 (de) * 2009-07-21 2010-08-19 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung einer Ruhephase des Herzens eines Patienten

Also Published As

Publication number Publication date
US20040111038A1 (en) 2004-06-10
CN100518624C (zh) 2009-07-29
CN1504164A (zh) 2004-06-16
US6771999B2 (en) 2004-08-03
JP4526808B2 (ja) 2010-08-18
JP2004181246A (ja) 2004-07-02

Similar Documents

Publication Publication Date Title
DE10356879A1 (de) Bestimmung willkürlicher kardialer Phasen unter Verwendung nicht elektrischer Signale
DE102008008601B4 (de) Verfahren zur Verarbeitung von medizinischen Bilddaten zur schichtweisen Abbildung einer Struktur bei freier Atmung
EP1191476B1 (de) Vorrichtung und Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation
DE102017112819A1 (de) System und Verfahren zum Vorsehen einer Echtzeitsignal-Segmentierung und Kontrollpunktausrichtungsrahmen
EP3185215B1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE60314225T2 (de) System zum analysieren und abbilden von geräuschen der atemwege
DE60300629T2 (de) Bildverarbeitungsgerät und Ultraschalldiagnosegerät
DE10054106A1 (de) EKG-gesteuerte Ultraschallbildzusammensetzung
DE10392310T5 (de) Ultraschall-Lokalisierung von anatomischen Bezugspunkten
DE102007041826A1 (de) Verfahren zur Optimierung von angiographischen MR-Bildern
DE102015219543A1 (de) System und verfahren zum detektieren eines arrythmie-ereignisses aus einem herzsignal
Sumathi et al. A wavelet transform based feature extraction and classification of cardiac disorder
Rai et al. ECG signal classification using wavelet transform and Back Propagation Neural Network
EP3404436A1 (de) Funktionelle magnetresonanz-bildgebung
EP1180258B1 (de) Mustererkennung mittels prüfung zusätzlicher merkmale nach teilverarbeitung
DE69730523T2 (de) Identifizierung von kohärenten signalmustern bei nichtstationären periodischen blutdruckmesswerten
WO2019025427A1 (de) Verfahren zum betreiben einer blutdruckmessvorrichtung und anordnung zum messen des druckes in einem blutgefäss
DE112022007814T5 (de) System und verfahren zum neuromonitoring basierend auf einem biosignal
DE10008792A1 (de) Vorrichtung zur Verarbeitung von Körpersignalen
DE102007009182A1 (de) Verfahren und Vorrichtung zur Bilddarstellung von sich zyklisch bewegenden Objekten
EP3226206A1 (de) Klassifizierung mittels aufnahmen
Rai et al. Classification of ECG waveforms for abnormalities detection using DWT and back propagation algorithm
DE102015223946A1 (de) Bestimmen von physiologischen Aktivitätssignalen
Sumathi et al. Early Detection Of Life-Threatening Cardiac Arrhythmias Using Deep Learning Techniques
DE19517138A1 (de) Verfahren und System zur Erkennung der P-, T- und QRS-Komplexe in einem Holter-Elektrokardiogramm

Legal Events

Date Code Title Description
8110 Request for examination paragraph 44
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20140701