用于断层摄影成像的方法和系统 |
|||||||
申请号 | CN201380026590.9 | 申请日 | 2013-05-21 | 公开(公告)号 | CN104321011B | 公开(公告)日 | 2017-12-29 |
申请人 | 通用电气公司; | 发明人 | E.R.马洛恩; D.S.霍尔德; S.R.阿里奇; G.S.D.桑托斯; | ||||
摘要 | 公开对于 电阻 抗 断层 摄影的方法,其在两个或以上 频率 处向区施加 电流 并且获得每个频率处的 电压 测量来产生多频电压测量集。基于多频数据使用谱约束来产生区的一个或多个图像。 | ||||||
权利要求 | 1.一种用于对对象成像的方法,包括: |
||||||
说明书全文 | 用于断层摄影成像的方法和系统[0001] 相关申请的交叉引用 [0002] 该申请是2012年5月21日提交的题为“METHOD OF IMAGING(成像方法)”的美国临时专利申请号61/649,471和2013年5月17日提交的题为“METHOD AND SYSTEM FOR TOMOGRAPHIC IMAGING(用于断层摄影成像的方法和系统)”美国专利申请号13/897,129的非临时归档,其为了所有目的通过引用全部合并于此。 技术领域背景技术[0004] 电阻抗断层摄影(EIT)是用于非侵入地探测物体或对象的内部性质(例如该物体或对象内的材料或内部结构的电性质)的医学成像技术。例如,在EIT系统中,做出探测的内部结构的导电率的分布的估计并且将其用于重建探测区域或体积内的材料的导电率和/或电容率。在某些实现中,电极用于向皮肤表面施加交流电(或在其他实现中的电压)并且测量所得的电势。从皮肤上的不同点做出测量并且身体内阻抗的图像使用图像重建技术来创建。从而,电阻抗断层摄影基于身体表面处做出的电压测量来提供关于身体内部的内部电性质的成像信息。 [0005] 电阻抗断层摄影是用于对生理和病理身体机能成像的非侵入式技术。在医学中ETI应用的益处在于获得高的时间分辨率的可能性,并且在于扫描仪的轻便性和有限成本。主要限制是低的空间分辨率,这是由于重建问题大体上是不适定的。根本原则是利用生物组织的电性质来提取关于器官的解剖和生理的信息。EIT中感兴趣的物理参数是复阻抗或实导电率,其在生物组织的情况下是频率相关的。少量的电流(或电压)注入身体内并且电压测量使用外围电极而获得。实现重建算法以在二维或三维中对对象的阻抗分布成像。 发明内容 [0006] 在一个实施例中,提供用于对对象成像的方法。该方法包括以两个或以上的频率向组织区施加电流或电压。获得每个频率处的电压测量来产生多频电压测量集。组织区的一个或多个图像基于多频数据使用谱约束而产生。 [0007] 在另一个实施例中,提供用于在电阻抗断层摄影中使用的监测和处理系统。该监测和处理系统包括:监测器,其配置成驱动电极或磁线圈阵列;处理器,其配置成接收并且处理来自该电极或磁线圈阵列的信号;和存储器,其配置成存储一个或多个例程。该一个或多个例程在由处理器执行时促使执行动作,其包括:驱动电极或磁线圈中的一个或多个以在两个或以上频率施加电流或电压;经由电极或磁线圈阵列获得每个频率处的电压测量来产生多频电压测量集;以及基于多频数据使用谱约束来产生一个或多个图像。 [0009] 本发明的这些和其他特征、方面和优势当参考附图(其中类似的符号在整个附图中代表类似的部件)阅读下列详细说明时将变得更好理解,其中: [0010] 图1是根据本公开的方面的示意图,其图示电阻抗谱或断层摄影系统的实施例; [0011] 图2描绘根据本公开的方面用于产生电阻抗图像的算法的实施例的流程图。 具体实施方式[0012] 如在下文更详细描述的,本文提供用于使用谱约束来执行多频成像的电阻抗断层摄影(EIT)和/或磁感应断层摄影(MIT)方法和系统的实施例。在一个实施例中,在广泛的频率中将电流或电压注入身体内或在身体中感应电流或电压,例如通过一对或多对电极(在EIT中)或使用磁线圈(在MIT中)。在剩余边界电极中的一些或全部上或经由磁线圈获得对于每个频率的电压测量。在一个实现中,采用边界电压数据来直接重建每个组织的分布,而不是每对频率之间导电率中的差。考虑到重建的参数频率相关的,该方法允许同时使用多频数据,从而对重建问题施加更多的约束。此外,该方法允许在非线性重建算法中使用频率差数据。 [0013] 记住前述,EIT系统10的示例在图1中图示。例如,该EIT系统10可配置成使用在身体或物体表面(即,非侵入地)上获得的测量来估计该身体或物体内部的电性质(例如,导电率和/或电容率)。根据系统,可产生和/或显示在空间上描绘身体内的电性质(或从这样的电性质得到的值)的断层摄影表示。 [0014] 在描绘的示例中,系统10包括监测和处理系统11,其包括监测器12、显示器20、处理器22和存储器24,以及传感器(即,电极14)阵列和通信电缆16。在图示的实施例中,电极14作为阵列在对象26的胸部表面15上、该对象26的询问区上方(即,在胸部的外表面下面的对象的解剖结构)提供。然而,应注意在其他实施例中,电极14可安置在对象解剖结构的任何期望部分(例如但不限于胸部、臂部、腿部等)上或周围,或在靠近期望询问区的另一个物体或对象的任何期望部分上。通过另外的示例的方式,在其他实施例中,根据实现特定考虑,电极14可安置在对象或物体的表面上、接近对象或物体的表面或穿过对象或物体的表面。因此,应注意电极14可呈现多种不同的形式,例如表面接触电极、对峙电极、电容耦合电极、传导线圈、天线,等。另外,电极可以任何期望空间分布设置,例如线性阵列、矩形阵列,等。 [0015] 此外,可在不同的实施例中提供不同数量(例如,8、16、32个,等)和设置(例如,粘附个体电极、在垫上提供的电极,等)的电极14。在某些实施例中,对象26与电极14之间的耦合可通过电极14的粘附部分(粘性基极层)或电极14所附连的部件而实现。例如,在一些实施例中,电极14可提供为附连到柔性垫或衬底(其可安置或放置在对象26上)或用别的方式与之集成。 [0016] 在操作期间,电极14与监测器12通信,该监测器12可包括一个或多个驱动和/或控制电路,用于控制电极14的操作,以便在每个电极处产生电信号。在一个这样的实施例中,每个电极14独立地被驱动或控制电路可寻址。驱动和/或控制功能性可作为监测器12内的一个或多个专用集成电路(ASIC)而提供或可使用用于执行代码或例程以用于执行这样的控制功能性的一个或多个通用或专用处理器22而实现。 [0017] 另外,处理器22中的一个或多个可使用电极14提供关于信号读出的数据处理功能性。例如,处理器22可执行一个或多个存储的处理器可执行例程,其可处理从测量的电信号得到的信号来产生数值或断层摄影表示以供用户回顾,如本文论述的。此外,由处理器22执行的例程和/或由处理器22处理的数据可存储在存储部件(即,存储器22或与处理器22通信的其他适合的光、磁或固态存储结构)上。适合的存储结构包括但不限于,一个或多个存储器芯片、磁或固态驱动器、光盘等,其适合于短期或长期存储。存储部件可在处理器22和/或系统10本地或远离处理器22和/或系统10。例如,存储部件可以是存储器24或定位在计算机网络(其与处理部件22通信)上的存储装置。在本上下文中,存储部件还可存储由处理部件22执行的程序和例程,其包括用于实现目前公开的方法的例程。 [0018] 尽管前面大体上描述本技术可与之一起采用的EIT成像系统的方面(如上文指出的),本方法也可适合于在磁感应断层摄影(MIT)系统中使用。在这样的MIT系统中,可采用磁线圈(如与电极14相对)以在感兴趣组织中注入或感应电流或电压并且感测测量的参数。然而,为了本公开的目的,适合的MIT系统的其他部件或方面可对应于上文论述的广义EIT系统中的那些。 [0019] 记住前述,下面提供对EIT和MIT成像原理的简短介绍。关于数学基础,物体的导电率分布σ与电势分布μ的数学相关性由拉普拉斯广义等式描述: [0020] (1) [0021] 重建导电率的图像牵涉对正和逆问题求解。在该上下文中,正问题由确定从导电率分布和诺艾曼边界条件知道的电势组成。正模型 揭示物体参数如何涉及获得的测量。逆问题的目标是从Neumann-到-Dirichlet图估计物体的内部导电率分布。EIT图像可以经由正则化的目标函数 的最小二乘最小化而获得: [0022] (2) [0023] 其中F(σ)是正模型, 是残余r(σ)= F(σ)-V的加权对角矩阵并且是正则化先验。 [0024] 正问题的简单近似通过删除一阶导数处的泰勒级数并且考虑以下而获得: [0025] (3) [0026] 其中σ0是固定基线。关于根据导电率范围Δσ=σ-σ0而表达的基线的边界电压中的差ΔV是: [0027] (4) 。 [0028] 因此,关于基线的导电率中的变化Δσ可以通过知道ΔV和灵敏度矩阵而重建。对于σ和σ0获得边界测量并且将它扣除来获得数据ΔV,而J在σ0中计算。可采用线性近似来产生具有跨时间或频率的小的、局部化导电率变化的图像。然而,在大或广泛的变化的情况下可引入误差。 [0029] 非线性方法可基于对目标函数的全局最小值的迭代搜索。在这样的实现中,在每个步骤处,运行正模型并且更新对于σ的假设。方法在正则化项的选择以及用于选择最小化步骤和方向的标准方面可不同。 [0030] 关于各种EIT成像模态,静态成像旨在从单个数据集重建绝对导电率值。绝对成像已经由各种组尝试,然而,对物理模型和仪器误差中的不确定性的高灵敏度阻止供在临床或上下文中使用的令人满意的图像的产生。相反,大部分EIT成像通过使测量涉及基线和成像导电率变化而不是绝对值而执行。这产生对比图像,其的绝对像素值未提供定量信息。差分成像相对于绝对成像的一个优势是几何和仪器误差的抑制。然而,劣势是必须识别基线。 [0031] 动态和多频EIT成像通过选择基线而区分。在动态成像中,测量涉及到之前的时间点: [0032] (5) [0033] 时间-差EIT允许阻抗变化随时间从边界电压中的小的变化的成像。在生物医学研究中的临床成像的某些实现中,已经采用时间-差方法和做出的关于对象中的导电率和边界电压记录中的变化的线性的假设。时间-差EIT成像允许监测动态身体函数,例如肺通气或胃排空。 [0034] 多频EIT或EIT谱(EITS)基于组织的阻抗谱之间的差。测量通过改变注入电流(或电压)的频率而同时或以快速序列获得并且涉及到基线频率: [0035] (6) [0036] 频率-差EIT允许在发病之前没有关于病情的信息的情况下对事件成像。这在医学上下文中对于在病理发病后允许患者进入护理并且健康组织的基线记录不可用时产生病情(例如急性中风或乳癌)的诊断图像是有用的。 [0037] 记住前面的EIT成像和系统的论述,并且转向图2,本方法大体上针对使用谱约束来执行多频EIT。在一个实现中,电流或电压在一系列频率中通过一对或多对电极注入身体内。在剩余边界电极中的一些或全部上对每个频率获得电压测量。采用边界电压数据来直接重建每个组织的分布,而不是每对电极之间的导电率中的差。考虑到重建的参数是频率相关的,该方法允许同时使用多频数据,从而对重建问题施加更多的约束。此外,该方法允许在非线性重建算法中使用频率差数据。 [0038] 采用该方式,物体可用频率相关的导电率分布σ(x, t, ω)来成像,其由具有截然不同导电率谱的有限数量的组织{t1, …tj, …,tT}构成。在一个实现中,物体使用有限元网格而建模,其中网格具有E个元素: [0039] (7) 。 [0040] 在多个频率ω={ω1, …ωi, …, ωF}处获得边界电压测量。 [0041] 在一个实施例中,采用组织的导电率谱的先验知识以根据组织在域中的体积分数值来限定导电率分布。如果每个组织的导电率值对于每个测量频率是确切已知的,则每个元素的导电率可以通过它的组成组织的导电率的线性组合而估算: [0042] (8) [0043] 其中 并且 。 [0044] 导电率与边界电压之间的关系V={V1, …VK, …, VD}可以重写为: [0045] (9) [0046] 因此,产生链式法则,对于j=1, …, T: [0047] (10) [0048] 其中 是前视图的雅可比行列式。 [0049] 电压测量同时或以快速序列获得,使得每个组织的分布是恒定的: [0050] (11) [0051] 在某些实施例中,如果差分边界电压与导电率跨频率的变化之间的关系是近似线性的,分数图像使用线性方法来重建。否则,实现非线性方法。 [0052] 关于线性实现,这样的实现适合于处理对象中的导电率与边界电压记录中的变化之间的线性的假设是有效的并且组成组织的导电率谱是已知的所针对的问题。前视图的线性近似通过删除一阶导数处的泰勒级数并且考虑以下而获得: [0053] (12) [0054] 其中σ0是固定基线。关于基线的边界电压中的差ΔV根据导电率变化Δσ=σ-σ0而表达为: [0055] (13) [0056] 因此,基于分数模型: [0057] (14) [0058] 其中Δ指示随时间或频率的变化。对若干频率ω1、…ωi、…、ωF重复测量来获得矩阵: [0059] (15) [0060] [0061] 限定参考频率ω0并且对随频率的导电率变化成像。假设 (对于j=1, …, T),则: [0062] (16) [0063] [0064] 因此: [0065] (17) [0066] [0067] 如果相同的参考导电率σ(ω0)用于每个频率,我们具有并且等式(17)可以使用克罗内克尔乘积来重写。如果矩阵 限定为: [0068] (18) [0069] [0070] 则: [0071] (19) [0072] [0073] 其中 是外部或克罗内克尔乘积。因此,分数图像使用以下等式来恢复: [0074] (20) [0075] 其中 [0076] (21) [0077] 是克罗内克尔积的逆。 [0078] 关于非线性实现,非线性实现适合于对象中的导电率中的变化与边界电压记录之间的关系是非线性的并且组成组织的导电率谱近似是已知的这一情形。 [0079] 分数可通过使用非线性方法迭代地使正则化目标函数最小化而重建: [0080] (22) [0081] 其中f是分数值fnj的矢量,其中n在网格的元素上行进,并且j在组织上行进。分数模型允许在目标函数中使用频率-差数据: [0082] (23) [0083] 其中数据可以归一化到某一频率。还可以使用绝对或时间-差数据。 [0084] 例如使用Tikhonov正则化,对于分数重建的目标函数变成: [0085] (24) [0086] [0088] 在该情况下,目标函数是可区分的,并且梯度是: [0089] [0090] 其中J是前视图F(σ)的雅可比行列式。 [0091] Hessian通过以下来近似: [0092] (26) [0093] [0094] 其中mj和nl在所有元素和组织上行进。因此,分数图像 可通过使用二阶下降法来同时重建,例如阻尼高斯-牛顿或非线性共轭梯度或梯度投影。重建可受到约束使得 并且 。 [0095] 记住前述,并且转向图2,本公开提供对适合在电阻抗断层摄影中使用的对象成像的方法48。在一个实现中,对该对象使用有限元方法来建模。在某些实施例中,成像的对象(例如,患者)的区由多个组织类型(即,两个或以上类型的组织)组成。在这样的实施例中,就预定组织导电率谱可用并且在与方法48关联的成像操作中使用方面来说,这样的预定组织导电率谱由对于预期在成像区内的对象中存在的至少组织类型已知或预定的谱导电率数据组成。在一个实现中,电流或电压在一系列频率中注入(框50)对象的组织内,例如通过一对或多对电极。 [0096] 在剩余边界电极中的一些或全部上对于每个频率获得电压测量60(框58)。在一个实施例中,边界电压测量60包括多频测量集。在某些实现中,在单个测量时间而不是在通过一些时间间隔分离的两个或以上测量时间处获得对象的边界电压测量60。因为对象的单个多频测量代替采取在时间上分离的两个或以上测量可以用于构造图像,这样的实现可提供优势。 [0097] 转回图2,从多频测量集计算(框70)频率-差数据74的集。在一个实现中,计算(框70)频率-差数据的步骤包括从多频测量集识别基线并且关于该基线计算频率-差数据。 [0098] 频率-差数据74用于产生(框80)对象的一个或多个图像82。在一个实施例中,产生(框80)图像82的动作包括使用频率无关方法(其采用频率-差数据,如本文论述的)来形成图像82的步骤。另外,在某些实现中,产生图像82的动作可采用谱约束,如本文论述的。产生图像82的动作可包括根据组织的体积分数来限定对象的导电率分布的动作,如本文论述的。相似地,产生图像82的动作可使用边界电压测量60来重建经历成像的区内的每个组织或组织类型的体积分数分布,如本文论述的。 [0099] 公开的方法在之前的图像或数据可能不可用的情况下对于产生病情(例如急性中风或乳癌)的诊断图像可是有用的。即,一般,该方法对于在病理发病之后允许进入护理的患者(其中之前的健康组织记录不可用)可是有用的。因为本方法使用频率差而不是在不同时间进行的测量来构造图像,成像可以快速执行并且绝对导电率值可以从单个数据集得到。在某些实现中,边界电压数据可用于直接重建每个组成组织的体积分数分布,而不是频率对之间的导电率中的差。 [0100] 本发明的技术效果包括使用谱约束来执行多频EIT。使用设置在患者上的各种点处的电极来获得对于一系列频率的电压测量。边界电压数据用于直接重建每个组织的分布,而不是每对频率之间的导电率中的差。该方法允许同时使用多频数据,从而对重建问题施加更多的约束。 [0101] 该书面描述使用示例来公开本发明,其包括最佳模式,并且还使本领域内技术人员能够实践本发明,其包括制作和使用任何装置或系统并且执行任何包含的方法。本发明的专利范围由权利要求限定,并且可包括本领域内技术人员想到的其他示例。这样的其他示例如果它们具有不与权利要求的文字语言不同的结构要素,或者如果它们包括与权利要求的文字语言无实质区别的结构要素则规定在权利要求的范围内。 |