專利名稱：利用生理模型來控制功能獲取的制作方法
利用生理模型來控制功能獲取
在此公開的實施例涉及用于在觀察標(biāo)記物質(zhì)或造影劑的動態(tài)狀態(tài)的情 況下的圖像獲取時間序列的功能成像。
除了常規(guī)的靜態(tài)成像，對于許多不同的形式，各種動態(tài)獲取方案和分
析算法正變得越來越多。例如，已經(jīng)研發(fā)了用于如計算機(jī)斷層造影術(shù)(CT)， 核磁共振成像(MRi)，介入性放射學(xué)(interventional radiology)或單光子發(fā)射計 算機(jī)斷層造影術(shù)(SPECT)之類的形式的動態(tài)獲取方案，并且其包括對于灌 注、血流量、以及分子成像中的示蹤劑動力學(xué)的分析。該ID還涉及臨時對 照結(jié)構(gòu)的體成像。
當(dāng)前，用來為功能成像獲取數(shù)據(jù)的最常用的方法是利用固定方案，即 預(yù)定的一組技術(shù)成像參數(shù)和獲取時序。由于病人之間的差異，這樣的組可 能適于或不適于功能獲取。用于對所獲取的圖像數(shù)據(jù)進(jìn)行功能分析的每一 種可能的算法通常對于要對什么進(jìn)行成像及如何對其進(jìn)行成像具有不同的 參數(shù)約束。例如，所述參數(shù)可以包括獲取時間、成像器幾何形狀、分辨率、 以及示蹤劑或造影劑的劑量。當(dāng)采用多種成像模式(例如SPECT和CT的組 合)時，由于在病人體內(nèi)的動態(tài)狀態(tài)以及要調(diào)整的控制的數(shù)量，圖像獲取的 復(fù)雜性會顯著增大。
任一成像參數(shù)或獲取時序的錯誤調(diào)整常常導(dǎo)致較差的圖像質(zhì)量和不可 靠的功能評估。結(jié)果，在一個獲取發(fā)生時，通常需要進(jìn)行用戶交互來使該 獲取與各種動態(tài)參數(shù)相適應(yīng)。如果用戶做出了并非最佳的調(diào)整，則功能評 估和重構(gòu)算法會提供質(zhì)量降低的信息。在一些實例中，質(zhì)量降低的信息會 是僅有的可利用的信息。
在成像時要考慮的一個重要問題是造影劑的毒性或放射性。根據(jù)以前 服用的造影劑的量，可能會禁止為獲得適當(dāng)圖像而服用更多造影劑，或者 簡單的重復(fù)一個圖像獲取。在一些情況下，成像可能必須暫停。因此，在 一些實例中，第一次獲取圖像時，其應(yīng)是最佳的，因為進(jìn)一步的成像會是不可能的。獲取數(shù)量受限制的一個具體實例是使用CT的灌注研究，其是一 種高x射線劑量的形式。如果這種獲取導(dǎo)致超過了特定的X射線劑量，則 不希望甚至是禁止對功能成像進(jìn)行重復(fù)。
將會有利的是在獲取過程期間自動為成像器提供適合的參數(shù)調(diào)整， 以獲取最佳圖像數(shù)據(jù)，而不重復(fù)不必要的獲取，同時使操作者的調(diào)整最小 化。
在一個實施例中， 一種用于自適應(yīng)地控制成像系統(tǒng)的方法，包括以下 步驟構(gòu)建一個過程隨時間進(jìn)展的多個模型特征特性；對于所述過程的每 一個狀態(tài)，確定用于控制所述成像系統(tǒng)的參數(shù)和命令；對所述過程執(zhí)行數(shù) 據(jù)獲??；從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征；將所述當(dāng)前特征與 所述模型特征特性進(jìn)行匹配，以確定所述過程的狀態(tài)；以及基于所述過程 的所述狀態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
在另一個實施例中， 一種自適應(yīng)受控成像系統(tǒng)包括控制器，其用于 存儲一個過程隨時間進(jìn)展的多個模型特征特性；存儲對于所述過程的每個 狀態(tài)、用來控制所述成像系統(tǒng)的參數(shù)和命令；對所述過程執(zhí)行數(shù)據(jù)獲??； 從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征；將所述當(dāng)前特征與所述模型 特征特性進(jìn)行匹配，以確定所述過程的狀態(tài)；以及基于所述過程的所述狀 態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
在再另一個實施例中， 一種計算機(jī)程序產(chǎn)品包括計算機(jī)可用介質(zhì)，其 具有計算機(jī)可讀程序，其中，當(dāng)在控制器上執(zhí)行所述計算機(jī)可讀程序時， 使得所述控制器存儲一個過程隨時間進(jìn)展的多個模型特征特性；存儲對 于所述過程的每個狀態(tài)、用來控制所述成像系統(tǒng)的參數(shù)和命令；對所述過 程執(zhí)行數(shù)據(jù)獲?。粡乃@取的數(shù)據(jù)中提取所述過程的當(dāng)前特征；將所述當(dāng) 前特征與所述模型特征特性進(jìn)行匹配，以確定所述過程的狀態(tài)；基于所述 過程的所述狀態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
在以下說明中結(jié)合附圖解釋了本發(fā)明前述的方面和其它特征，其中

圖1示出了根據(jù)所公開的實施例的一個反饋回路，用于基于在獲取圖 像數(shù)據(jù)時將模型特征信息與圖像數(shù)據(jù)相比較，來進(jìn)行自適應(yīng)功能成像；圖2A和2B示出了適用于實現(xiàn)所公開的實施例的示范性成像系統(tǒng)的示 意圖3示出了用于灌注研究的示范性模型特征特性；
圖4示出了從成像器數(shù)據(jù)中實時提取的當(dāng)前特征；
圖5示出了用于血管系統(tǒng)的組合功能獲取的示范性模型特征特性；及
圖6示出了為以上的組合獲取而從成像器數(shù)據(jù)中實時提取的當(dāng)前特征。
圖1示出了適于實現(xiàn)在此所公開的實施例的成像系統(tǒng)100的框圖。盡 管將參考在圖中所示的實施例來說明本發(fā)明，但應(yīng)理解本發(fā)明可以以許多 替換形式來體現(xiàn)，包括硬件和軟件的任何組合。另外，可以使用任何適合 的尺寸、形狀或類型的材料、元件、計算機(jī)程序單元，計算機(jī)程序代碼、 或計算機(jī)程序模塊。
所公開的實施例總體上針對對于造影劑動態(tài)狀態(tài)和表象(appearance)進(jìn)
行建模。本發(fā)明的一個特點是采用一個生理過程的模型。采用規(guī)一化時間 比例對該生理過程的圖像數(shù)據(jù)中造影劑的表象變化進(jìn)行建模。通過在獲取 該過程的圖像數(shù)據(jù)時將所建模的特性與生理過程的實際特性相比較，來確 定該生理過程在成像時刻的狀態(tài)。隨后，可以修改成像參數(shù)和數(shù)據(jù)獲取參 數(shù)，來為所觀察的特定過程狀態(tài)獲得最佳圖像數(shù)據(jù)。
圖1示出了反饋回路100，其用于基于在獲取圖像數(shù)據(jù)時將模型特征信 息與圖像數(shù)據(jù)進(jìn)行比較，來進(jìn)行自適應(yīng)功能成像。該回路包括各種處理， 稱為模塊，用于實現(xiàn)所公開的實施例的特征。盡管是在計算機(jī)程序代碼的 背景下進(jìn)行論述的，但應(yīng)理解，所述模塊可以采用硬件電路、計算機(jī)程序 代碼，或硬件電路與計算機(jī)程序代碼的任何組合來實現(xiàn)。
如在模塊105中所示，構(gòu)建一個生理過程隨時間進(jìn)展的多個模型特征 特性，所述生理過程例如為血管血流量、灌注面積、藥物攝取、等等。模 型特征特性可以包括對于特定過程、采用規(guī)一化時間比例的造影劑表象中 的變化。
術(shù)語"特征"可以在模式識別的背景下使用，并可以指代用以描述成 像數(shù)據(jù)的某種預(yù)期特性的一組數(shù)值。在一個實例中，模型特征特性可以包 括成像數(shù)據(jù)的預(yù)期特性，例如時間分辨率、空間分辨率、灰度級對比度、等等。在另一個實例中，模型特征特性可以包括對于該生理過程的隨時間 進(jìn)展的各個狀態(tài)之間的各種預(yù)期狀態(tài)和預(yù)期轉(zhuǎn)變的表示。
在模塊110中，預(yù)先確定對于特定生理過程的每一個狀態(tài)、用于控制 成像系統(tǒng)100的參數(shù)和命令。示范性參數(shù)和命令可以包括獲取開始或停止
時間、成像速度、空間或時間分辨率、或者用于控制成像系統(tǒng)的任何其它 參數(shù)。
成像器模塊115開始數(shù)據(jù)獲取，并在生理過程出現(xiàn)在病人體內(nèi)時獲取 與生理過程有關(guān)的數(shù)據(jù)120。實時特征提取模塊125分析所獲取的數(shù)據(jù)，以 確保觀察到生理過程的當(dāng)前特征130。在模塊135中，將當(dāng)前特征130與生 理過程的模型特征特性105進(jìn)行匹配。在模塊140中，依據(jù)該匹配，確定 生理過程的狀態(tài)。在模塊145中，基于生理過程的狀態(tài)選擇來自模塊110 的、用于控制獲取過程的參數(shù)和命令，并將其傳遞到成像器模塊115。成像 器模塊115利用所選擇的來自模塊110的成像器參數(shù)和命令，實時調(diào)整成 像過程，以產(chǎn)生優(yōu)化的獲取數(shù)據(jù)120。
這樣，所公開的實施例提供了一種實時反饋回路300，其中，實時地發(fā) 生實時特征提取125、匹配135、參數(shù)和命令選擇145、以及產(chǎn)生圖像過程 調(diào)整。這產(chǎn)生了針對所觀察的功能過程的狀態(tài)而進(jìn)行優(yōu)化的獲取數(shù)據(jù)120。 結(jié)果，減少或消除了用戶交互和任何錯誤調(diào)整，并且獲得了更準(zhǔn)確和有效 的成像。
采用用于特定生理過程的功能分析算法155來處理模塊120的優(yōu)化的 獲取數(shù)據(jù)。在一個實例中，模型特征特性105和功能過程140的狀態(tài)可以 與功能分析算法155的約束(例如最大噪聲閾值)相關(guān)聯(lián)。當(dāng)前實時特征130 可以表示實際出現(xiàn)在圖像數(shù)據(jù)中的噪聲量，模型特征特性105可以包括基 于圖像數(shù)據(jù)噪聲的模型。如果匹配模塊135的結(jié)果確定模塊140的狀態(tài)表 示圖像數(shù)據(jù)噪聲閾值超過了功能分析算法155所要求的，則可以為成像器 115選擇圖像參數(shù)和命令I(lǐng)IO(也可以是實時的)，以便減少成像器數(shù)據(jù)噪聲。
作為所公開實施例的一個可選部分，功能分析算法的結(jié)果還可以用于 修改由模塊145選擇的來自模塊110的成像器參數(shù)和命令。在一個實例中， 成像設(shè)備可以具有以下能力計算功能分析算法，并隨后選擇性地進(jìn)一步 修改由模塊145所選擇的參數(shù)和命令，以得到用于進(jìn)一步優(yōu)化成像過程的相適應(yīng)的參數(shù)和命令150。
基于以上示出的系統(tǒng)和技術(shù)的以下示范性實施例說明了本發(fā)明的使 用，并闡明了其益處和優(yōu)點。盡管以下實例是在CT掃描和介入式x射線背 景下說明的，但應(yīng)理解本發(fā)明可以用于任何適合的掃描技術(shù)。
圖2A示出了一種CT掃描器200。在一個優(yōu)選實施例中，該掃描器是 多切片型成像器，并提供了軸向掃描。圖2B示出了介入式x射線成像器， 其優(yōu)選地能夠以旋轉(zhuǎn)獲取進(jìn)行體成像。每一個掃描器都可以通過能夠進(jìn)行 實時數(shù)據(jù)通信的鏈路225連接到控制器210?？刂破骺梢跃哂谐绦虼鎯ζ?220，其包括計算機(jī)可使用介質(zhì)，例如磁盤、計算機(jī)硬盤驅(qū)動器、小型磁盤、 數(shù)字多用途光盤、光盤、芯片、半導(dǎo)體、或能夠以計算機(jī)可讀代碼形式存 儲程序的任何其它設(shè)備。程序存儲器220能夠存儲并利用模型特征特性105 及成像器參數(shù)和命令I(lǐng)IO。當(dāng)被控制器130執(zhí)行時，所述計算機(jī)可讀程序代 碼使得控制器130執(zhí)行在此所述的動作，并實現(xiàn)在此所述的模塊和過程。
如上所述，各種成像技術(shù)都可以利用病人服用的造影劑。對于灌注研 究或造影劑攝入研究，可以使用造影劑的彈丸注射(bolus injection),在該情 況下注射了大量造影劑。
對于根據(jù)現(xiàn)有技術(shù)的示范性CT灌注研究，可以使用多切片型成像在固 定時間區(qū)間中反復(fù)獲得一小組切片，以對滋養(yǎng)動脈(feedingarteries)中的造影 劑攝入、在健康組織中的造影劑早期攝入、以及在梗塞區(qū)域的半影帶 (penumbra)中的延緩且減少的造影劑攝入進(jìn)行成像。使用滋養(yǎng)動脈中的造影 劑攝入來確定對于灌注區(qū)域的輸入函數(shù)。在造影劑注射后的固定時間，例 如約5秒后，系統(tǒng)開始獲取切片。在固定數(shù)量的時間內(nèi)，例如約40秒內(nèi)， 以最大時間分辨率來獲取切片。
可以用在此公開的圖1所示的過程來代替現(xiàn)有技術(shù)的方案，其包括 在獲取圖像數(shù)據(jù)時，將所建模的特性與灌注研究的實際特性相比較；確定 生理過程或成像過程的狀態(tài)；以及實時調(diào)整成像器的參數(shù)和命令，以獲得 最佳成像數(shù)據(jù)。
圖3示出了用于灌注研究的模型特征特性105(圖l)的一個實例。依據(jù) 隨時間進(jìn)展的、以hounsfidd單位計的總附加衰減，來表示該特定特性組。 對于模型特征特性的每一個狀態(tài)A-E，確定成像器參數(shù)和命令110。對于涉及半影帶評估或組織生存性評估的灌注研究而言，所關(guān)注的通 常不是具有很小造影劑衰減的圖像數(shù)據(jù)，而是造影劑彈丸的到達(dá)。 一旦彈 丸到達(dá)，就可以要求在較短時間期間內(nèi)的高獲取速率，以確定灌注分析的 輸入函數(shù)。未受影響的組織提供了與模型的良好的匹配，并可以需要較少 的幀。在延遲的梗塞半影帶衰減的候選時間區(qū)間中，可能需要更高的幀速 率來準(zhǔn)確的捕捉病狀。
圖4表示由實時特征提取125產(chǎn)生的當(dāng)前特征130。
再次參考圖3，在狀態(tài)A，模型顯示了基本平坦的低衰減，其表明造影 劑還沒有到達(dá)所觀察的區(qū)域。用于該狀態(tài)的成像器參數(shù)通常包括低獲取速 率或低劑量成像。衰減曲線斜率的增大表明已經(jīng)到達(dá)狀態(tài)B，在該狀態(tài)中 造影劑是可見的，并可以要求相對較高的圖像獲取速率，以準(zhǔn)確的捕捉血 管中的快速攝入。在狀態(tài)C中，衰減的斜率到達(dá)峰值，隨后變?yōu)樨?fù)值，這 表明靜脈流出，且健康組織已被灌注，從而指定適度的獲取速率。在斜率 繼續(xù)減小期間的狀態(tài)D是用于可能的半影帶衰減的時間，并且該狀態(tài)要求 最大圖像獲取速率，以捕捉病狀。在狀態(tài)E，在第二次穿過了血管系統(tǒng)之后， 造影劑再次到達(dá)，圖像獲取結(jié)束。
在圖1的實時反饋回路的模塊110中，可以利用針對在圖3模型中所 示的每一個狀態(tài)的特性及相應(yīng)的成像器參數(shù)和命令。圖1的反饋回路100 隨后運(yùn)作來獲得己經(jīng)實時優(yōu)化的圖像數(shù)據(jù)，用于借助功能分析算法155的 處理。
在另一實施例中，可以使用圖1的實時反饋回路和模塊來實現(xiàn)組合的 三維流量和灌注獲取。盡管以下的實例是用如圖2B所示的介入式C臂成像 器來說明的，但應(yīng)理解可以使用任何適合的掃描系統(tǒng)。
在該組合獲取中，可以使用一種造影劑劑量來確定在滋養(yǎng)動脈中的流 量和造影劑經(jīng)灌注區(qū)的穿行。該組合獲取可以包括相對較快的旋轉(zhuǎn)獲取， 具有用于流量量化的相對較高的獲取速率；以及用于灌注成像的較慢的旋 轉(zhuǎn)獲取(優(yōu)選的在反向上)。流量和灌注現(xiàn)象的旋轉(zhuǎn)獲取通常要求精確的時 序，其是在此的實施例能夠提供的。
對于這種組合功能獲取，不同組的所獲取數(shù)據(jù)120可以與一種或多種 功能分析算法155 —起使用。在模型105中所利用的特征可以包括圖像中造影劑的量，以及血管過濾技術(shù)的結(jié)果。
圖5示出了用于這種組合功能獲取的模型特征特性105的一個實例。 在隨時間進(jìn)展的血管過濾結(jié)果與造影劑在可見血管中出現(xiàn)相關(guān)聯(lián)時，依據(jù) 該血管過濾結(jié)果來定義所述特性，這用于為組合的流量和灌注過程的每一 個狀態(tài)來調(diào)整成像器的旋轉(zhuǎn)速度、掃描方向、和獲取速率?？梢詾樵摻M合 過程的每一個狀態(tài)確定用于旋轉(zhuǎn)速度、掃描方向和獲取速率的成像器參數(shù) 和命令，并在模塊110中使用。
圖6示出了當(dāng)前特征130，其是由同樣依據(jù)隨時間進(jìn)展的血管過濾結(jié)果 的、實時特征提取模塊125的操作產(chǎn)生的。
轉(zhuǎn)到圖5，在狀態(tài)A，在固定的開始位置且以較低X射線劑量開始圖 像獲取，以檢測在所關(guān)注的血管或血管樹之前的血管中造影劑的到達(dá)。隨 著過濾結(jié)果的值開始增加(其表明了流入狀態(tài))，流量獲取可以在狀態(tài)B以高 旋轉(zhuǎn)速度和高圖像獲取速率開始。
在狀態(tài)C中，對于使用中的血管過濾器可見的所有血管結(jié)構(gòu)己經(jīng)顯現(xiàn)， 并且灌注分析可以開始。此時，造影劑注射可以是不連續(xù)的。在一個實施 例中，在該狀態(tài)期間，成像器繼續(xù)旋轉(zhuǎn)，直到其行程的終點。應(yīng)理解，狀 態(tài)B和C可以重疊，g卩，流量分析和灌注分析可以重疊。同樣重要的是注 意在成像器旋轉(zhuǎn)盡可能快的情況下，流量分析在該組合功能獲取中出現(xiàn)得 相對較早且較快，從而可以從所有不同方向來獲取該過程，而灌注分析出 現(xiàn)在該分析的稍后階段，并需要較長的時間期間和較慢的旋轉(zhuǎn)速度。
在狀態(tài)D，血管過濾結(jié)果的數(shù)值開始下降?？梢砸暂^慢旋轉(zhuǎn)速度和獲 取速率來操作成像器，在一個實施例中可以反向旋轉(zhuǎn)，從其行程終點到其 開始點。在另一個實施例中，如果時間允許，對于分析的該部分，成像器 可以返回到其原始開始點。針對彈丸經(jīng)由所關(guān)注組織的預(yù)期通過時間，來 優(yōu)化在該狀態(tài)期間出現(xiàn)的用于灌注分析的旋轉(zhuǎn)速度。在狀態(tài)E，在造影劑第 二次穿過血管系統(tǒng)后，造影劑再次到達(dá)，圖像獲取結(jié)束。
用于圖5模型中所示的每一個狀態(tài)的特性及相應(yīng)的成像器參數(shù)和命令 可以在圖1的實時反饋回路的模塊110中使用。圖1的反饋回路100隨后 運(yùn)作來獲得實時優(yōu)化的圖像數(shù)據(jù)，用于借助功能分析算法155的處理。
如上所述，可以有一種以上的功能分析算法155。在該情況下，可以在不同時間將優(yōu)化的獲取數(shù)據(jù)提供給不同的功能分析算法。例如，當(dāng)完成了 用于流量分析的圖像獲取時，可以將用于流量分析的獲取數(shù)據(jù)提供給用于 流量分析的功能分析算法，同時繼續(xù)用于灌注分析的數(shù)據(jù)獲取。該實時反 饋回路還可以具有其他優(yōu)點能夠?qū)⑺@取數(shù)據(jù)120自動分配給不同的功 能分析算法155，而無需用戶交互。
因此，在此公開的實施例提供了多個優(yōu)點，包括通過為隨后的重構(gòu) 和分析算法提供特制的獲取而得到較高的圖像質(zhì)量，通過成像器參數(shù)的自 動算法自適應(yīng)確定而減少用戶交互并提高易用性。所公開的實施例還提供 了以下能力用不同時間比例執(zhí)行不同類型獲取(例如流量和灌注)，并通過 實時優(yōu)化數(shù)據(jù)獲取避免了重復(fù)獲取。
應(yīng)理解前面的描述僅是本發(fā)明的說明。在不脫離本發(fā)明的情況下，本 領(lǐng)域技術(shù)人員可以設(shè)計各種備選方案和變型。因此，本發(fā)明意圖包含所有 這種備選方案，變型和變化，它們都在所附權(quán)利要求的范圍內(nèi)。
權(quán)利要求
1、一種用于自適應(yīng)地控制成像系統(tǒng)(200、205)的方法，包括以下步驟構(gòu)建一個過程隨時間進(jìn)展的多個模型特征特性(105)；對于所述過程的每一個狀態(tài)，確定用于控制所述成像系統(tǒng)的參數(shù)和命令(110)；對所述過程執(zhí)行數(shù)據(jù)獲取(120)；從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征(130)；將所述當(dāng)前特征(130)與所述模型特征特性(105)進(jìn)行匹配(135)，以確定所述過程的狀態(tài)(140)；以及基于所述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
2、 如權(quán)利要求l所述的方法，其中，實時地執(zhí)行以下步驟對所述過程執(zhí)行數(shù)據(jù)獲??；從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征；將所述當(dāng) 前特征與所述模型特征特性進(jìn)行匹配以確定所述過程的狀態(tài)；以及基于所 述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取。
3、 如權(quán)利要求l所述的方法，其中，控制所述數(shù)據(jù)獲取的步驟包括指 定以下至少一種獲取開始時間、獲取停止時間、成像速率、空間分辨率、 以及時間分辨率。
4、 如權(quán)利要求1所述的方法，還包括對所述優(yōu)化的數(shù)據(jù)執(zhí)行功能分析 (155)。
5、 如權(quán)利要求4所述的方法，還包括用所述功能分析的結(jié)果進(jìn)一步控 制所述數(shù)據(jù)獲取。
6、 一種自適應(yīng)受控成像系統(tǒng)(200、 205)，包括 控制器(220)，其用于存儲一個過程隨時間進(jìn)展的多個模型特征特性(105);存儲對于所述過程的每一個狀態(tài)、用于控制所述成像系統(tǒng)的參數(shù) 和命令(110);對所述過程執(zhí)行數(shù)據(jù)獲取(120);從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征(130);將所述當(dāng)前特征(130)與所述模型特征特性(105)進(jìn)行匹配(135)，以 確定所述過程的狀態(tài)；以及基于所述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
7、 如權(quán)利要求6所述的系統(tǒng)，其中，所述控制器實時地執(zhí)行以下步驟 對所述過程執(zhí)行數(shù)據(jù)獲??；從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征； 將所述當(dāng)前特征與所述模型特征特性進(jìn)行匹配，以確定所述過程的狀態(tài)； 以及基于所述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取。
8、 如權(quán)利要求6所述的系統(tǒng)，其中，所述控制器通過指定以下至少一 種來基于所述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取獲取開始時間、獲取停 止時間、成像速率、空間分辨率、以及時間分辨率。
9、 如權(quán)利要求6所述的系統(tǒng)，其中，所述控制器用于對所述優(yōu)化的數(shù) 據(jù)執(zhí)行功能分析(155)。
10、 如權(quán)利要求9所述的系統(tǒng)，其中，所述控制器用于采用所述功能 分析的結(jié)果進(jìn)一步控制所述數(shù)據(jù)獲取。
11、 一種計算機(jī)程序產(chǎn)品，包括具有計算機(jī)可讀程序的計算機(jī)可用介 質(zhì)，其中，當(dāng)在控制器上執(zhí)行所述計算機(jī)可讀程序時，使得所述控制器-存儲一個過程隨時間進(jìn)展的多個模型特征特性(105); 存儲對于所述過程的每一個狀態(tài)、用于控制所述成像系統(tǒng)的參數(shù)和命 令(110);對所述過程執(zhí)行數(shù)據(jù)獲取(120);從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征(130);將所述當(dāng)前特征(130)與所述模型特征特性(105)進(jìn)行匹配(135)，以確定 所述過程的狀態(tài)；以及基于所述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
12、 如權(quán)利要求ll所述的計算機(jī)程序產(chǎn)品，其中，所述計算機(jī)可讀程 序還使得所述控制器實時地執(zhí)行以下步驟對所述過程執(zhí)行數(shù)據(jù)獲?。粡?所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征；將所述當(dāng)前特征與所述模型特 征特性進(jìn)行匹配，以確定所述過程的狀態(tài)；以及基于所述過程的所述狀態(tài) 控制所述數(shù)據(jù)獲取。
13、 如權(quán)利要求ll所述的計算機(jī)程序產(chǎn)品，其中，所述計算機(jī)可讀程 序還使得所述控制器通過指定以下一種來控制所述數(shù)據(jù)獲取獲取開始時 間、獲取停止時間、成像速率、空間分辨率、以及時間分辨率。
14、 如權(quán)利要求ll所述的計算機(jī)程序產(chǎn)品，其中，所述計算機(jī)可讀程 序還使得所述控制器對所述優(yōu)化的數(shù)據(jù)執(zhí)行功能分析(155)。
15、 如權(quán)利要求14所述的計算機(jī)程序產(chǎn)品，其中，所述計算機(jī)可讀程 序還使得所述控制器采用所述功能分析的結(jié)果控制所述數(shù)據(jù)獲取。
全文摘要
自適應(yīng)地控制成像系統(tǒng)(200，205)的方法，包括構(gòu)建一個過程隨時間進(jìn)展的多個模型特征特性(105)；對于所述過程的每一個狀態(tài)，確定用于控制所述成像系統(tǒng)的參數(shù)和命令(110)；對所述過程執(zhí)行數(shù)據(jù)獲取(120)；從所獲取的數(shù)據(jù)中提取所述過程的當(dāng)前特征(130)；將所述當(dāng)前特征(130)與所述模型特征特性(105)進(jìn)行匹配(135)，以確定所述過程的狀態(tài)(140)；以及基于所述過程的所述狀態(tài)控制所述數(shù)據(jù)獲取，以產(chǎn)生優(yōu)化的數(shù)據(jù)。
文檔編號A61B6/00GK101291622SQ200680038485
公開日2008年10月22日 申請日期2006年10月6日 優(yōu)先權(quán)日2005年10月17日
發(fā)明者A·格羅特, C·諾伊基興, G·羅澤, J·威斯, J·布雷多諾, J·維格特, M·貝爾特拉姆, S·莫盧斯 申請人:皇家飛利浦電子股份有限公司