用于放射成像中的前瞻性运动门控的神经生理监测的制作方法
【专利说明】
【背景技术】
[0001]用于断层摄影(例如CT或MRI)的对医学图像的采集可能在延长的时间段(例如几秒或几分钟)上发生。在时间段上收集数据并且对数据进行重建以创建最终的图像体积。然而，成像时段期间的患者运动可能造成数据的部分被损坏，这是因为在患者处于不同身体位置时采集到的数据不能够与剩余的数据组合。因此，成像时段期间的运动极大地将图像重建复杂化。
[0002]当前的运动校正和运动补偿算法是回顾性的。例如，运动损坏的数据在最终的图像重建期间可能被拒绝。然而，难以在成像期间确定己经采集了多少运动损坏的数据。因此，最终的图像特性(例如信噪比)可能在否则会相同的扫描之间变化，这是因为可能在图像重建中使用不同量的数据。另外，对于需要电离辐射的医学成像过程(例如CT成像)，期望限制对患者和接近成像系统的任何操作者的辐射暴露。然而，采集最终将被拒绝的损坏的数据仍将患者暴露于辐射而无任何附加的益处。使用运动补偿方法来在采集期间检测运动的设备本身仍存在同样的问题，因为仍必须首先采集图像数据。
【发明内容】
[0003]—种用于监测医学成像期间的运动的方法。所述方法包括:启动对图像数据的采集；测量患者的生理信号；通过整合所述生理信号来生成预测信号；基于所述预测信号来确定患者运动是否可能发生；并且在预测到患者运动可能发生的情况下修改所述对图像数据的采集。
[0004]一种用于监测医学成像期间的运动的系统。所述系统包括监测系统以及处理器，所述监测系统测量患者的生理信号，所述处理器启动对图像数据的采集、通过整合所述生理信号来生成预测信号、基于所述预测信号来确定患者运动是否可能发生、并且在预测到患者运动可能发生的情况下修改所述对图像数据的采集。
[0005]—种包括能由处理器运行的指令的集合的非瞬态计算机可读存储介质。所述指令的集合能够:启动对图像数据的采集；测量患者的生理信号；通过整合所述生理信号来生成预测信号；基于所述预测信号来确定患者运动是否可能发生；并且在预测到患者运动可能发生的情况下修改所述对图像数据的采集。
【附图说明】
[0006]图1示出了根据示范性实施例的系统的示意性绘图；
[0007]图2示出了图1的系统的另一示意性绘图；
[0008]图3示出了根据示范性实施例的方法的流程图。
【具体实施方式】
[0009]参考以下说明和附图，将进一步理解示范性实施例，其中，利用相同的附图标记来指示相同的元件。示范性实施例涉及用于优化医学成像过程的系统和方法。具体而言，示范性实施例描述了用于预测患者的运动并且在预测到的运动时段期间停止对图像的采集的系统和方法。一些患者运动可能是主动的，例如在患者移动以移位到更舒适的位置中或者处理发痒时。研究己经示出，诸如EEG、MEG或EMG的神经生理测量结果示出能够被用于在运动发生之前预测并表征实际身体运动的图样。这些测量结果可能与思维过程相对应，所述思维过程造成肌肉收缩或将该信号传达到执行主动运动的肌肉群。还可以使用类似的方法来预期非主动运动。因此，通过在患者被成像时监测神经生理信号，可能预测不利地影响成像数据的患者运动的一些部分，并且在该运动的时段期间防止对图像数据的采集。
[0010]如图1和图2所示，根据本公开的示范性实施例的系统100经由生理测量结果来预测在成像过程期间的患者的运动，以避免对运动损坏的数据的采集。系统100包括处理器102、用户界面104、显示器106和存储器108。处理器102通过经由监测系统110测量来自患者的生理信号来预测患者的运动。监测系统110包括例如脑电图描记器(EEG)、脑磁图描记器(MEG)、肌电图描记器(EMG)、心电图描记器(ECG/EKG)、相机、范围成像相机、热探头或相机、压力传感器、或者测量指示任何到来的运动的任何生理状态的任何传感器、或它们的任何组合。研究特性提取模块112提取与请求的图像研究有关的研究信息，例如身体部分(例如头部、胸部)、模态(例如MR1、CT)、协议、分辨率以及视图。处理器102的预测引擎114对由监测系统110测得的信号进行解释并且在给定提取出的研究信息的情况下确定患者运动是否可能发生以及运动可能发生的时间。当预测引擎114确定将发生患者运动时，预测引擎114向扫描器控制模块116发送停止信号，所述停止信号将在给定的时段期间停止由扫描器120进行的对图像数据的采集。任选地，系统100还包括重启模块118，所述重启模块118生成并向扫描器120发送重启信号，以重启对图像数据的采集。例如，重启信号基于由用户进行的人工介入和/或经由重启监测器124的传感器观测，所述传感器观测指示患者己经返回到他或她的原始位置。备选地，监测系统110的传感器被用于检测患者的返回运动。
[0011]作为额外的任选特征，系统100还包括精神集中设备122，所述精神集中设备122吸引患者的精神集中以防止患者移动。例如，如果患者专注于精神集中设备，则注意力较不可能被引导到可能引起患者运动的其他事情上。精神集中设备122例如是光、屏幕上的视频、音频信号、或能够吸引人类的感官注意的任何其他事物。在该实施例中，监测系统110被用于检测患者对精神集中设备122的注意力水平。在采集图像数据时，数据被存储在存储器108中。存储器108任选地也存储患者数据，例如患者信息(例如识别信息、症状、诊断)、针对图像扫描的先前扫描或检查医嘱(exam order)。一旦己经按需要采集了所有图像数据，处理器102将图像数据进行编译以生成最终的图像，所述最终的图像可以被显示在显示器106上和/或被存储到存储器108。用户可以经由用户界面104来指示任何期望的偏好和/或设定，所述用户界面104包括诸如键盘、鼠标和/或显示器106上的触摸显示器的输入设备。
[0012]图3示出了方法200，系统100通过所述方法200来预测患者的运动并且防止在该时段期间的对图像数据的采集。在步骤210中，研究特性提取模块112提取针对所请求的扫描的研究信息，例如身体部分、模态、协议、分辨率以及视图。例如，研究特性提取模块112分析检查医嘱以提取研究信息。在步骤220中，研究信息接着被用于确定运动容忍度指标。运动容忍度指标例如是指示对患者的运动的容忍范围的阈值或者值的范围。例如，运动容忍度指标是按检查的类型(例如MR1、CT)经由查找表来确定的，以确定能够被容忍而不会负面地影响图像重建的运动的范围。例如，MRI可能具有较短的容忍度，而CT扫描可能具有较长的容忍度。
[0013]在步骤230中，扫描器120开始采集图像数据。在系统还包括精神集中设备122(例如光、屏幕上的视频、音频信号等)的情况下，精神集中设备122也被激活，使得当扫描器120采集数据时用户专注于设备122上。诸如有趣的新闻的视频信号能够被用于吸引精神集中，使得可以防止患者移动。在开始成像检查之前，患者可以从视频或音频主题的选集中进行选择，使得患者能够在成像检查期间尽可能地保持专注。
[0014]在步骤240中，监测系统110测量患者的生理信号。生理信号例如包括电磁信号(例如从其他神经系统元发射的脑波或信号)、皮肤外观(例如颜色、纹理)、温度、呼吸率、心率、汗液、导电性或机械压力、或者指示不安的基于相机的面部表情识别。在也采用精神集中设备122的情况下，监测系统110可以测量并检测患者正在专注于精神集中设备122的注意力水平。精神集中的水平越高，患者专注于其他事情(例如痒的区域)的可能性就越低，从而降低身体运动的可能性。该技术也可以被用于检测对象有多么专注于由成像装备操作者给出的指令。例如，对于心脏MR采集，在执行若干屏气采集的情况下，精神集中的水平指示患者对执行屏住他/她的呼吸的命令的精神合作性。
[0015]在步骤250中，生理信号被发送到预测引擎114，使得预测引擎114能够随时间和/或跨信号类型地来将这些信号整合为预测信号，所述预测信号预测患者运动是否可能发生以及其将发生的时间。在一个示范性实施例中，通过在预测的时刻之前的时段上求平均来随时间整合生理信号。备选地，可以使用最小值、最大值、中值、标准差或任何其他统计学量度。
[0016]在系统操作的一个范例中，经由数学函数来跨信号类型地整合生理信号，所述数学函数例如是对由监测系统110生成的信号值的线性组合。备选地，所述组合可以是非线性函数，所述非线性函数的属性可以通过己知的机器学习或优化方法来确定。可以利用来自先前患者的数据来训练预测引擎模块114。例如，可以获得训练数据的集合，针对所述训练数据的集合的信号值是己知的，并且在固定的或自适应的时间框架内后续的患者运动事件的发生或未发生也是已知的。数学组合函数的参数(例如系数、指数等)可以被优化为使得对那些参数的选择引起对患者运动的预测。用于定义和生成这样的函数的方法包括但不限于人工神经网络、贝叶斯估计器，支持向量机以及最近整数分类器。这些方法然后产生在固定或自适应的时间框架内发生运动事件的概率。在另外的实施例中，在当前患者己经执行了重复的扫描的情况下，收集到的训练数据可以是特定于当前患者的。作为另外的选项，系统100还可以包括运动检测设备，例如具有图像分析能力的视频相机。所述运动检测设备与扫描器120同步。利用来自先前患者的数据训练的预测引擎模块114被应用到当前患者，以预测当前患者的运动。如果当前患者没有