CN112912968A

CN112912968A - 使用疼痛传感器的成像方法

Info

Publication number: CN112912968A
Application number: CN201980070744.1A
Authority: CN
Inventors: C·洛斯勒; M·G·赫勒; D·维尔茨; G·福格特米尔; M·T·约翰逊
Original assignee: Koninklijke Philips NV
Current assignee: Koninklijke Philips NV
Priority date: 2018-08-30
Filing date: 2019-08-20
Publication date: 2021-06-04
Also published as: EP3844774A1; US20210315520A1; EP3618079A1; WO2020043535A1

Abstract

一种用于控制成像或治疗装置的操作的系统。所述系统包括：接口(IN)，其用于接收由一个或多个传感器(S)相对于患者(PAT)的解剖部位(BR)测量到的疼痛测量信号，所述解剖部位：i)在成像流程中由成像装置进行成像，或者ii)在由所述治疗设备递送的治疗流程中经受治疗，同时所述部位(BR)被保持在能调整的固定设备(FD)中。所述系统的控制单元(CU)被配置为处理所述疼痛测量信号来计算至少一个控制信号。所述系统的控制接口(CIF)被配置为在成像或治疗流程期间基于所述控制信号与所述成像装置(IA)和/或所述固定设备(FD)进行交互，以a)影响所述成像流程或所述治疗流程，和/或b)调整所述固定设备，以便改变保持所述部位(BR)的方式。

Description

使用疼痛传感器的成像方法

技术领域

本发明涉及一种支持成像的系统、一种成像装置(arrangement)、一种支持成像的方法、一种训练机器学习部件的方法、一种计算机程序单元、一种计算机可读介质、以及一种固定设备。

背景技术

乳腺癌仍然是女性死亡的主要原因。

总体而言，乳腺摄影被认为是唯一最有效的筛查工具，并且已经被认为降低了与乳腺癌相关的死亡率。

毫无疑问，乳腺摄影是一种用于乳腺癌筛查的非常经济有效的工具。乳腺MRI是用于乳腺癌诊断的目前最灵敏的检测技术。其能够检测在常规成像(诸如基于X射线的)不可见的癌症，能够用作解决问题的工具，并且能够被应用于筛查高危患者。与当今使用的其他成像模态相比，乳腺MRI在监测对化疗的反应方面也是更好的。

存在用于对乳房的诊断成像的多种MRI解决方案。

对乳房的诊断成像需要使其保持静止以防止图像退化，否则可能由于感兴趣区域的运动而导致图像退化。

固定乳房或者替代地固定其他身体部位，会给患者带来疼痛的经历。

发明内容

因此，可能需要改善成像，特别是改善对需要固定的感兴趣区域的成像。

本发明的目的通过独立权利要求的主题来解决，其中，在从属权利要求中并入了另外的实施例。应当注意，本发明的下文所描述的各方面同样适用于支持成像的系统、成像装置、支持成像的方法、计算机程序单元、计算机可读介质、以及固定设备。

根据一个方面，提供了一种用于支持成像或治疗装置的操作的系统，包括：

接口，其用于接收由一个或多个传感器相对于患者的解剖部位测量到的疼痛测量信号，所述解剖部位：i)在成像流程中由成像装置进行成像，或者ii)在由治疗设备递送的治疗流程中经受治疗，同时将所述部位保持在能调整的固定设备中；

控制单元，其被配置为处理所述疼痛测量信号以计算至少一个控制信号；以及

控制接口，其被配置为在成像或治疗流程期间基于所述控制信号与i)成像装置或治疗设备和/或ii)固定设备进行交互，以a)影响成像流程或治疗流程，和/或b)调整固定设备，以便改变保持所述部位的方式。

接口，其用于接收由一个或多个传感器相对于患者的解剖部位测量到的第一疼痛测量信号，所述解剖部位：i)在成像流程中由成像装置进行成像，或者ii)在由治疗设备递送的治疗流程中经受治疗，同时将所述部位保持在能调整的固定设备中，以实现预设的图像质量或治疗质量目标；

控制单元，其被配置为基于所述疼痛测量信号来计算至少一个控制信号；以及

控制接口，其被配置为在成像或治疗流程期间基于所述控制信号与i)成像装置或治疗设备和/或ii)固定设备进行交互，以a)影响、特别是控制所述成像流程或治疗流程，和/或b)调整所述固定设备，以便改变保持所述部位的方式，从而第二疼痛测量信号指示患者没有经历疼痛或者经历能忍受的疼痛，同时尝试满足预设的图像质量或治疗质量目标。

换言之，所述控制单元被配置为在计算所述控制信号时考虑至少一个预设的图像质量或治疗目标。

在实施例中，所述控制可以包括：a)在所述第一疼痛测量信号指示患者经历的疼痛是不能忍受的情况下或者在图像质量或治疗质量条件未被满足的情况下，暂停成像或治疗递送流程，或者b)在所述第一疼痛测量信号指示患者经历的疼痛是能忍受的情况下并且在图像质量或治疗质量条件被满足的情况下，恢复或继续成像或治疗递送流程。

对成像或治疗流程的控制可以替代地或额外地包括改变以下中的任意一项或多项：治疗设备的成像装置的设置、协议。例如，可以对所述部位的不同部分进行成像或处置，或者可以使用可能需要施加较小压力的不同协议，从而为解剖部位的特定部分提供一定的临时缓解。然后可以重新访问该部分以进行成像或稍后处置，并且然后才(重新)施加压力。

在实施例中，成像或治疗质量目标可以通过预设的图像质量或治疗参数来测量，并且可以通过阈值处理来确认，但是这样的显式方案并非总是必要的，因为可以替代添加使用诸如机器学习的隐式方案。

在实施例中，所述控制单元被配置为计算所述控制信号，以便至少维持根据预设的图像或治疗质量参数的成像或治疗质量。

在实施例中，所述控制单元是关于针对接收到的疼痛测量信号的疼痛阈值和/或预设的图像或治疗质量参数以反馈架构来配置的。可以将疼痛阈值和预设的图像或治疗质量参数设置为反馈架构的相应设置点。在实施例中，使用两个反馈回路，一个用于疼痛水平监测，一个用于图像或治疗质量监测。优选地，两个回路被链接。优选地，所述链接是通过固定设备控制信号，所述固定设备控制信号被设置为通过疼痛水平测量回路的输出以及作为针对治疗质量回路的图像质量的输入。再次地，对于阈值处理，(一个或多个)设置点可以是明确的，或者当使用机器学习时，这些设置可以是隐式的。

在实施例中，所述成像流程包括对图像数据的获取。

在实施例中，所述固定设备是能调整的，以便改变由所述固定设备施加在所述部位的至少部分上的压力分布。

在实施例中，所述固定设备包括能调整的接触表面，所述能调整的接触表面能迫使与所述部位的至少部分相接触，其中，所述接触表面的形状是能调整的，以便至少符合所述部位的部分的形状。

在实施例中，所述接触表面的形状在3D中是能调整的。在实施例中，这是通过使所述接触表面由能个体寻址和能致动的接触元件的阵列形成而实现的。

在实施例中，所述控制单元被配置为以疼痛定位器模式来操作，以便基于所述疼痛测量信号来确定在所述部位中或者在所述部位上的何处引起疼痛。以疼痛定位器模式进行的操作包括施加一系列不同的压力分布轮廓(profile)，从而通过观察压力轮廓之间的相关联的疼痛测量峰值来定位所述疼痛。

在实施例中，所述成像装置是以下中的任一项：MRI成像器、X射线成像器；发射成像器、线性加速器(线性加速器)系统。

在实施例中，所述系统包括预训练的机器学习部件，所述预训练的机器学习部件被包含在所述控制单元中或者被耦合到所述控制单元。所述预训练的机器学习部件至少接收所述疼痛测量信号和/或固定设备控制参数作为输入，并且产生控制信号作为输出。所述固定设备控制参数控制所述固定设备，并且允许调整保持解剖部位的方式。特别地，所述固定设备控制参数确定要在解剖部位中施加的压力的量和/或轮廓。

在另外的方面中，提供一种成像装置，包括：前述权利要求中的一项所述的系统、成像装置、至少一个传感器。

在另外的方面中，提供一种支持成像或治疗的方法，包括：

接收由一个或多个传感器相对于患者的部位测量到的疼痛测量信号，所述部位：i)在成像流程中由成像装置进行成像，或者ii)在由治疗设备递送的治疗流程中经受治疗，同时将所述部位保持在能调整的固定设备中；

处理所述疼痛测量信号来计算至少一个控制信号；并且

在所述流程期间基于所述控制信号与i)成像装置或治疗设备和/或ii)固定设备进行交互，以a)影响成像流程或治疗流程，和/或b)调整所述固定设备以便改变保持所述部位(BR)的方式。

在一方面中，提供了一种支持成像或治疗的方法，包括：

接收由一个或多个传感器相对于患者的部位测量到的第一疼痛测量信号，所述部位：i)在成像流程中由成像装置进行成像，或者ii)在由治疗设备递送的治疗流程中经受治疗，同时将所述部位保持在能调整的固定设备中，以实现预设的图像质量或治疗质量目标；

处理所述疼痛测量信号来计算至少一个控制信号；并且

在所述流程期间基于所述控制信号与i)成像装置或治疗设备和/或ii)固定设备进行交互，以a)影响、特别是控制所述成像流程或治疗流程，和/或b)调整所述固定设备，以便改变保持所述部位的方式，从而第二疼痛测量信号指示患者没有经历疼痛或者经历能忍受的疼痛，同时尝试满足预设的图像质量或治疗质量目标。

在另外的方面中，提供了一种训练初始机器学习部件以获得预训练的机器学习部件的方法。

在另外的方面中，提供一种计算机程序单元，其在由至少一个处理单元运行时适于使得所述处理单元执行根据上述实施例中的任一实施例的方法。

在另外的方面中，提供一种在其上存储有程序单元的计算机可读介质。

根据另外的方面，提供一种固定设备，其被配置为在利用成像装置进行成像期间或者在由治疗递送装置对治疗的递送期间保持患者的解剖部位，其中，所述固定设备是能调整的，以便改变由固定设备施加在所述部位的至少部分上的压力分布。

在实施例中，所述固定设备包括能调整的接触表面，所述能调整的接触表面能迫使与所述部位相接触，其中，所述接触表面的形状是能调整的，以便至少符合所述部位的部分的形状。

在固定设备的实施例中，所述接触表面由能个体寻址的多个接触元件形成，以实现接触元件的变形或运动，所述元件一起形成接触表面。因此，所述接触表面可以被适配在3D中。

可以使用一个或多个疼痛传感器。一些或每个传感器可以包括以2D阵列布置或者围绕患者的身体部位能在空间上分布的多个传感器元件。

传感器可以包括相对于整个对象或患者在空间上分布的多个不同的传感器元件。这些测量传感器元件在不同的位置处测量相同的量。备选地，不同类型的多个不同传感器(其中的一些或全部可以包括或者可以不包括不同的传感器元件)。

一个或多个传感器的实施例包括要与患者的皮肤相接触的皮肤电导传感器。备选地或另外地，(一个或多个)传感器/传感器元件可以被布置为电容性传感器，以在没有电流(亦即，皮肤)接触的情况下测量疼痛。

还设想到了其他传感器，例如基于一个或多个光学相机和图像识别以从面部表情或身体姿态推断疼痛状态。

可以替代地或者与以上内容组合地使用其他传感器布置来测量以下中的任意一项或多项：心率、血压、呼吸速率、或者与疼痛的状态相关的任何其他生理质量。

在实施例中，可以将一个或多个疼痛传感器集成到固定设备中。存在共同壳体，其容纳一个或多个疼痛传感器和固定设备两者。所述壳体可以被配置为在形状或尺寸上符合待成像或处置的身体部位。备选地，所述固定设备和(一个或多个)疼痛传感器/传感器元件被布置在单独的壳体中，或者不存在用于固定设备的壳体，而仅存在用于(一个或多个)疼痛传感器的壳体。所述(一个或多个)疼痛传感器可以被布置在壳体的内部，从而其能够被布置成与身体部位/皮肤相接触或者在其附近，以促进均匀的传感器测量条件。然而，对于固定设备或(一个或多个)疼痛传感器而言，都不需要壳体。在实施例中，(一个或多个)疼痛传感器可以被集成到诸如(一个或多个)皮肤贴纸、绷带或一块织物的可穿戴物中。

所提出的系统然后可以帮助优化在最小疼痛和低图像质量与具有可接受的分布式疼痛的最佳图像质量之间的权衡。

所述系统执行自动患者疼痛监测并且与成像装置进行交互。成像支持系统与成像装置和/或固定设备的交互允许通过改变成像流程和/或调整固定设备而对患者的状况做出反应。

对所述控制信号的计算可以包括显式地或隐式地将疼痛测量结果与一个或多个疼痛阈值进行比较。所述疼痛阈值可以隐式地用作在不同优化算法中的约束。

所述固定设备允许施加不同水平的物理压力，并且由此，挤压以改善对比度敏感性和特异性。

所提出的系统允许克服以减轻疼痛并且因此减轻压力水平，这继而由于合作的患者行为而导致更好的图像质量和更高的图像吞吐量。可以避免或减少不必要的图像重新获取。

所提出的系统、方法和固定设备可以有益地用在自主成像或治疗中，在其中因为患者无法或者由于没有HC专业人员而不能够容易地表达疼痛体验并且向HC专业人士指出特定的疼痛区域。

尽管将主要参考MRI，但是也设想到了X射线乳房摄影和其他成像模态，诸如超声、SPECT、PET。同样地，对人类乳房的成像是在本文中的优选实施例，但是在本文中具体设想到了对其他解剖部位的成像，诸如脑部成像、对膝部的成像、心脏成像等。

所提出的系统、方法和固定设备也可以有益地用在诸如MR线性加速器等线性治疗成像系统中。

所提出的系统还可以用于诸如线性加速器之类的治疗设备而无需成像，从而被处置的身体部位保持静止，并且像以前一样管理疼痛，而现在要监测的其他量不是IQ(或者不仅仅是IQ)，而是处置质量参数根据处置计划的处置质量，诸如在辐射治疗中，特别是(但不仅仅是)强度调制辐射治疗(IMRT)，诸如要递送的剂量、待辐射的区域等。

定义

如在本文中所使用的“2D”、“3D”分别表示适用于数据格式或空间或自由度的2维和3维。

在下文中，术语“用户”指示成像装置的操作者和/或希望获取图像的人。这特别包括健康护理专业人员(例如，放射科医师、护士等)。“用户”可以包括放射科医师或其他医学合格人员。

在本文中将使用术语“患者”来指示待成像的人。

如本文在实施例中所使用的，术语“成像流程”可以指示在其中获取图像数据的成像装置的操作的模式。该操作的模式包括使患者暴露于询问信号，诸如MRI中的一个或多个RF脉冲，或者暴露于X辐射，并且因此用于其他成像模态。

附图说明

图1示出了成像装置的示意性框图；

图2是MRI成像装置的框图；

图3示出了特别是成像支持子系统的成像装置的俯视图；

图4示出了成像支持子系统的部件的框图；

图5示出了用于在成像期间保持患者的解剖部位静止的固定设备的截面视图；

图6示出了固定设备的接口的框图；

图7示出了机器学习部件的元件；

图8示出了支持成像的方法的流程图；并且

图9更详细示出了支持成像的方法的子步骤。

具体实施方式

首先参考图1，其示出了在实施例中如在本文中所设想到的成像装置AR的示意性框图。成像装置AR包括被配置为获取人类或动物患者PAT的医学图像的成像装置IA。在本文中设想到了不同的模态，优选包括MRI，但是也包括X射线，诸如PET或SPECT的发射成像，或者超声成像，其全部在本文中设想到了。

在操作中，成像装置IA执行成像流程。在成像流程期间，患者PAT被暴露于询问信号，诸如从任选发射器设备ED发出的电离或非电离辐射。在诸如PET的发射成像中，没有发射器设备ED。在这种情况下，所述询问信号是由放射性示踪物质从患者体内发出的，所述物质先前已经被施予给患者PAT。

可以将对询问信号的曝光限制在某些感兴趣区域或解剖部位，诸如人类女性乳房，更特别是乳房区域。备选地，还设想了全身成像。患者的组织与询问信号进行交互。例如，在MRI中，所述询问信号是RF信号，而在X射线成像中，所述询问信号是X射线束，以及其他模态。与患者组织的交互导致经修改的询问信号。所述询问信号由成像装置的检测单元DU来检测。例如，在MRI中，检测器单元DU是RF线圈，在X射线中，其是X射线敏感检测器，以及其他模态。检测单元DU在检测期间产生检测器信号，所述检测器信号可以通过转换电路转换为图像(原始)数据。因此，成像流程产生图像数据集。所述图像数据可以由运行合适的重建算法的计算单元(在本文中被称为重建处理器)处理成医学图像。以这种方式，可以获得感兴趣的特定区域或者诸如人类女性乳房的解剖部位的图像。所述图像可以被显示在显示设备上，被存储在存储器中或者以其他方式进行处理。所述图像能够被用于诊断目的。图像优选揭示来自患者体内的细节。

针对诸如MRI的一系列成像模态，重要的是在成像流程中在图像数据的获取期间患者(特别是待成像的解剖部位)保持静止。为此，将固定设备FD设置为成像装置的部分。固定设备被配置为固定患者的解剖部分并且在成像流程中将其保持静止。在本文中设想的最主要的应用是用于MRI乳腺摄影，已经发现产生了出色的软组织分辨率，并且有用并且部分优于常规的基于X射线的乳腺摄影。

与常规的X射线乳腺摄影相比，在数十分钟范围内持续更长的MRI成像流程(例如，10、20、30或者甚至40分钟)并非罕见。为了提高成像质量，不仅希望通过固定设备保持乳房静止，而且希望挤压乳房。因此，固定设备FD具有双重功能：保持乳房静止并且产生足够的挤压以实现良好的图像质量。然而，长时间的挤压可能使患者感到不适。

为了减轻不适水平，而且还以高吞吐量确保足够的成像质量，成像装置AR还包括一个或多个疼痛传感器PS1、PS2。这些传感器相对于被成像的患者而被适当地布置，以获取“疼痛信号”，所述“疼痛信号”由于在成像流程期间对诸如乳房的身体部位的挤压而已知与患者经历的疼痛相关。在下文中，将参考“该”疼痛传感器，但是要理解可能涉及一个以上的疼痛传感器。

部件的“三元组”(亦即，成像装置IA、一个或多个疼痛传感器PS和固定设备FD)通过无线或有线连接与被配置为支持成像装置IA的操作的计算机化系统SSI适当地耦合。

成像支持系统SSI(在本文中被简称为“SSI”)可以特别地允许自主成像或治疗，其中，在成像操作期间可能不需要一直存在用户。

在优选实施例中，支持系统SSI被布置在双反馈架构中，以在成像流程期间控制成像装置以及固定设备FD两者的操作。由SSI执行的控制操作基于从一个或多个疼痛传感器PS接收到的信号读数。

第一回路，在本文中被称为疼痛管理回路或“PM回路”，其操作如下：如果由疼痛传感器接收到的疼痛信号超过某个阈值，或者如果在可配置的时间段内维持某个阈值，则重新调整固定设备，以便在成像流程期间改变被施加在乳房上的压力，以减轻所经历的疼痛水平。重新调整基于由SSI计算出的固定设备控制信号。所述固定设备控制信号包括固定设备控制参数，所述固定设备控制参数通过合适的接口传递给固定设备以实现重新调整。(一个或多个)固定设备控制参数如果被应用则实现对固定设备的设置以实现保持乳房的期望方式，诸如期望的(空间)压力分布。用于该回路的设定点是一个或多个疼痛阈值。在下文中，如果提到“该”疼痛阈值，则应当理解，仍然可以使用一个以上这样的阈值。

然而，取决于重新调整的自由度，仍然可以允许乳房移动和/或挤压水平降低得太低。结果，图像质量(“IQ”)可能受到损害。因此，为了更好地协商疼痛管理和IQ管理目标，设想了第二反馈回路，在本文中被称为“IO回路”，其中，ISS控制、特别是改变当前使用的成像程序以确保IQ。可以将IQ设置为用于该反馈回路的第二设定点。可以根据数据一致性测量结果、信噪比、对比噪声比或其他，或者所有前述的组合，来量化IQ。

由SSI进行的用于执行该第二回路的图像流程控制可以包括由SSI计算成像流程控制信号。如果将所述成像流程信号施加到成像器IA，则实现对成像器IA的特定设置。成像流程控制信号确定(一个或多个)成像控制参数以改变当前的成像流程，或者暂停正在进行的成像流程，或者恢复先前暂停的成像流程。所述成像流程确定如何对患者进行成像，下文在图2上更进一步地对其进行成像，其中，将参考MRI的示例性实施例更详细地说明成像流程。

在系统SSI的双反馈架构中，在对固定设备FD的重新调整期间，仍然以适当的采样率接收到由疼痛传感器PS获取的疼痛信号。一旦已经实现了更舒适的调整，这可以通过(再次)低于疼痛水平阈值的接收到的疼痛信号来证明，则成像流程可以从将其挂起的点开始进行。

一旦成像流程已经终止，则支持系统SSI可以评估在可能中断的成像流程期间获取的图像日期是否仍然允许以足够的图像质量来重建图像。如果SSI决定不能够维持或提高图像质量，则重新运行整个或部分成像流程。另一方面，如果决定能够维持图像质量，亦即，在成像流程期间的一个或多个中断对成像质量的影响微不足道，则可以将所获取的图像数据传递给重建器以将图像数据重建为图像。

由于支持系统SSI的反馈架构，所提出的成像装置AR因此可以帮助减少患者所经历的疼痛程度，并且仍然可以帮助以增加的成像吞吐量实现预设的图像质量，因为能够避免不必要的重新成像。

在上文和下文中，为了便于呈现，在疼痛阈值中，假设在疼痛阈值以下表示无疼痛状态，而在阈值以上的疼痛信号的读数指示疼痛的状态。然而，该假设仅是按照惯例而并非限制，并且还可以取决于以下中的任意一种或多种：i)所使用的传感器的类型，ii)对疼痛测量结果的编码，以及iii)在SSI中所使用的逻辑。设想到了有一些设置，其中反之亦然，亦即，低于阈值的数字指示疼痛，而高于阈值的读数则指示无疼痛。在本文中设想到了这两种可能性。通常，疼痛阈值定义了从低或高的范围，其中没有疼痛或者至少疼痛是能忍受的。

在实施例中，可以设置所述疼痛阈值，从而低于某个水平的测得的疼痛传感器值仍然对应于一些(但是能忍受的)剩余的疼痛，而高于阈值的疼痛测量可以被归类为太多疼痛。该阈值因此可以被个性化(例如，在成像之前“空运行”)，从而导致经改善的成像结果。

这样的疼痛只有个体自己才能经历。然而，如果患者经历疼痛，则身体会出现反应。可以通过许多可测量的量来捕获反应。如在本文中所设想到的，疼痛传感器PS1、PS2被配置为测量已知与疼痛经历的状态相关的一个或多个生理或物理量。

可以使用许多不同类型的传感器来测量不同的这样的量。这种不同类型的传感器可以在本文中组合使用。可以通过平均或加权平均等来将一些或全部测量的量组合成组合的疼痛分数，并且将该组合的疼痛分数与疼痛阈值进行比较以得出患者经历疼痛的结论。备选地，仅当一定数量的所述测量结果超过(或者视情况而定，低于)其相应阈值时，才可以针对不同的阈值来评估每个疼痛测量结果，并且通过支持系统SSI的逻辑来推断疼痛的状态(将在下文中更全面地描述)。

可以说疼痛状态具有两个方面：幅度方面和时间方面。幅度方面可以通过任何上述测量阈值来解决。为了解决时间方面，可以基于测量结果超过阈值或者下降到阈值以下的时长来执行额外的时间阈值。仅当在预定时间段内测量超过(或者低于)阈值时，才可以使用计时电路并且推断疼痛的状态。

在下文中，如果提及“疼痛传感器”或“疼痛阈值”，则仅出于简洁起见，并且不排除提及多个阈值和/或多个传感器(可能是不同类型)的情况。

现在参考图2，其示出了设想用于图1的所提出的成像装置AR中的成像装置10的MRI实施例。图2图示了通过使用被布置在患者的头部附近的任选的局部RF线圈40来进行大脑成像的MRI成像流程。然而，将理解的是，这样的局部接收器RF线圈的相似集合可以用于其他感兴趣的解剖结构，适当地形成为对应于感兴趣的解剖结构的几何形状。例如，在乳房成像中，可以使用相似的局部线圈集合，将其绕着患者的乳房适当地形成和确定大小进行布置。

继续参考图2，磁共振成像扫描器10包括壳体12，壳体12限定大体上圆柱形的扫描器孔14，在其内部设置有相关联的成像对象16。主磁场线圈20被设置在壳体12内部。主磁场线圈20被简化地示为大致螺线管配置，以产生沿着平行于扫描器孔14的中心轴线22的Z方向指向的主B₀磁场。主磁场线圈20通常是被设置在低温护罩24内部的超导线圈，但是也能够使用电阻性主磁体。特别是在较高的场强并且因此在较高的频率下，超导磁体是优选的。

壳体12还可以容纳或支撑磁场梯度线圈30，以选择性地沿着Z方向、沿着与Z方向横切的平面内方向(诸如沿着笛卡尔X和Y方向)、或者沿其他选定方向，来产生磁场梯度。壳体12还容纳或支撑射频头部或身体线圈32，以用于选择性地激发和/或检测磁共振。

尽管鸟笼线圈常见于128MHz及以下频率，但是鸟笼线圈之外的其他线圈也能够用作体积传输线圈，诸如横向电磁(TEM)线圈、相控线圈阵列或者任何其他类型的射频线圈。壳体12通常包括限定扫描器孔14的装饰品内衬36。床BD可以被布置在孔的内部以供患者在成像期间躺在上面。作为固定射频线圈32的替代或补充，通常能够采用局部射频发射和/或发射/接收线圈，诸如所图示的(TEM或其他类型的)头部线圈40。所图示的局部射频线圈40是任选的。优选地，局部射频线圈40是可移动的，并且当不进行全身扫描而是仅期望对感兴趣的解剖结构(诸如头部或乳房)的局部扫描时可以使用。诸如TEM的可移动线圈40可以被移动接近待成像的解剖结构以至少部分地围绕局部解剖结构。

主磁场线圈20在Z方向上产生主磁场B0，主磁场B0优选为至少3.0T，并且更优选大于3.0T，诸如7.0T或更高。磁共振成像控制器44操作磁体控制器46以选择性地为磁场梯度线圈30供电，并且操作被耦合到一个或多个射频线圈32、40的射频发射器50，以选择性地为一个或多个射频线圈32、40供电。通过选择性地操作磁场梯度线圈30和一个或多个射频线圈32、40，在成像对象16的所选择的感兴趣区域的至少部分中生成磁共振并且对其进行空间编码。磁共振成像控制器44操作被耦合到一个或多个射频线圈32、40的射频接收器52，以接收被存储在k空间存储器56中的磁共振k空间数据样本形式的图像数据。可以以任何合适的格式来存储图像数据。

重建处理器58应用诸如傅立叶变换重建算法之类的合适的重建算法以将k空间样本重建为包括成像对象的感兴趣区域的至少部分的重建图像。所述重建图像被存储在图像存储器60中，在用户界面62上显示，被存储在非易失性存储器中，通过本地内联网或互联网来传输，或者以其他方式被查看、存储、操纵等。用户界面62还能够使得磁共振成像扫描器10的放射线医师、技术人员或者其他操作员能够与磁共振成像控制器44进行通信，以选择、修改和执行磁共振成像序列。

在一个示例性成像序列中，TEM头部线圈40通过射频激励被激励，以在成像对象16的感兴趣区域中激励¹H的磁共振。对于示例性主磁场B₀＝7.0T，对应的磁共振频率为f_res＝γB₀＝298MHz，其中，γ≈42.58MHz/T为质子陀螺比。在该频率处，共振信号在空气中的波长约为一米，但是在人类头部的平均介电常数为ε_r＝40的情况下，波长γ约为16cm，这比许多典型的感兴趣的成像区域要小。对于待成像的其他身体部位，诸如乳房BR，可能需要调整以上数值示例。

在射频激励期间，磁场梯度线圈30沿着Z方向产生切片选择性磁场梯度，以选择满足用于激励的共振条件的轴向切片或平板66。除了选择轴向切片之外，还能够使用在射频激励期间所施加的适当定向的磁场梯度来选择冠状、矢状或其他取向的切片。

使用沿着切片内相位编码方向施加的一系列相位编码梯度和沿着横向于相位编码方向的切片内读出方向施加的读出梯度，来读出来自所选择的切片的共振信号。在另一合适的读出中，沿着横向于Z方向并且跨180°或360°的视角的选定角度方向施加切片内磁场梯度。针对多个相邻或间隔开的切片重复切片或平板成像序列，以产生成像数据，所述成像数据由重建处理器58适当地重建为体积或多切片重建图像数据。所描述的成像仅仅是示例。本领域技术人员能够容易地修改所描述的多切片序列或者构造其他多切片成像序列，其包括诸如自旋重新聚焦、回波平面读出、对比度增强或者诸如反转恢复预脉冲等之类的选择机制的特征，等等。

上文提到的读出和/或成像脉冲序列由成像控制器44施加到扫描器10的线圈和/或其他部件的上述成像控制参数来定义。因此，图像控制参数定义了成像流程。成像控制参数特别描述了如何执行成像或“扫描”，特别是视场的大小、待扫描的切片和/或待使用的成像或读出脉冲序列、如何影响磁化、如何定义图像对比度，等等。

对于其他成像模态，图像控制参数的性质可能不同。例如，在X射线成像中，所述控制参数包括诸如管电压、阴极安培数、曝光时间、距离、投影参数等的量。设想到的其他成像模态包括超声或结合辐射疗法的成像(MR-线性加速器)。

对于任何成像模态，术语“成像流程”尤其包括对所有控制参数或控制参数的子集的引用。成像流程的改变尤其包括对一个、多于一个或全部成像控制参数的改变。“成像协议”是规定针对感兴趣的特定解剖结构和/或为了成像目的的一种或多种成像流程的规则。术语“扫描”和“成像”在本文中可以互换地使用。

磁共振成像控制器44通过有线或无线连接通过接口CFF与成像支持系统SSI通信地耦合，以从SSI接收数据(诸如新的控制参数)和/或向SSI提供数据。

将理解的是，图2中的上述MRI扫描器10的部件仅仅是根据一个实施例。在备选实施例中，在本文中还设想到了任何其他类型的MRI扫描器。还设想到了组合的MRI和PET/SPECT“串联”成像器。在PET/SPECT中，可能存在额外的存储器来存储图像数据作为核事件数据，例如以列表模式或任何其他格式。

现在参考图3，其示出了在成像流程期间的患者PAT的俯视图，为了便于呈现，部分地切掉了成像装置IA的部件。患者可以躺在被布置在成像器IA中的患者床PB上，诸如在图2的MRI成像器的孔中。床PB是任选的，因为还设想到了患者PAT在成像期间(诸如在胸部X射线期间或者在常规的基于X射线的乳房摄影期间)站立的其他实施例。疼痛传感器(由四个圆圈表示)PS1可以被集成到固定设备FD中，如图3示意性所示的。所述固定设备操作用于保持患者PAT的乳房BR固定并且对其进行挤压以确保图像质量(“IQ”)。

也可以使用光学相机PS2形式的额外的一个或多个疼痛传感器。然而，在其他实施例中，使用了额外的安全传感器SS，诸如光学传感器或其他传感器相机，其不一定形成疼痛传感器系统的部分，但是被布置为强制执行安全要求。诸如安全传感器SS的功能是检测患者，估计患者与传感器之间的距离并且估计安全值。安全传感器SS可以被用于监测患者被正确地放置在扫描器IA内部，和/或在MRI中，线圈是在适当位置中和/或疼痛传感器PS1、PS2被正确地放置。安全传感器SS也可以被集成在线圈40或固定设备FD中。任选的安全传感器被配置为在成像流程期间监测和反馈控制患者PAT的正确位置或者与之的偏离。

布置AR还可以包括用户可操作的用户界面PCD，诸如开关，用户PAT自己能够使用所述用户界面PCD来控制固定设备以减轻挤压水平并且因此减轻疼痛。用户优选地能够推翻SSI以立即缓解疼痛。如果用户通过界面PCD请求重新调整固定设备FD，则优选中断成像流程。

现在参考图4，其更详细示出了所提出的成像支持系统SSI的框图。支持系统SSI可以全部或部分地布置在通用或专用计算设备上的软件中。在实施例中，SSI可以被集成到与成像器AI(或者与这样的成像器的组)相关联的工作站中。替代地或额外地，SSI可以部分或全部作为具有适当接口设备的适当编程的微控制器(诸如FPGA、ASICS或其他)形式的硬件来布置。SSI可以完全或部分地集成到成像装置IA中。SSI可以被集成到成像装置IA的操作员控制台或图像控制单元44中。

图4中的框图具体地图示了在本文中设想到的一个或多个(优选为两个或更多个)反馈回路fb，包括PM回路和IQ回路。SSI可以包括控制单元CU。两个回路的操作由控制单元CU通过适当的控制接口CIF进行管理。通过该接口将控制信号传递给固定设备和成像器，并且通过接口IFC接收反馈，并且将其传递回控制器CU的逻辑。在控制器CU中的数据处理优选是实时的和/或同时的、并行的。

优选地，两个回路被链接并且可以通过在参数空间或相位空间中的操作来概念化，

一般情况下维度至少为3，但是通常更高。

x_IQ是图像质量参数，可以根据信噪比、对比度噪声比或者其组合来表示。

x_IQ可以替代地或额外地涉及一致性测量，其量化图像数据是否已经因图像内运动或挤压变化而受到损害。

x_FD、x_IA分别涉及FD控制参数和成像器控制参数。xp是疼痛测量结果。

对控制单元的操作，亦即，对控制信号的计算，可以被表示为在该空间S中的相应的约束的映射F1、F2。这可以被形式化为：

F1:x_p->x_FD从而x_p<T_p以及 (1)

F2:x_FD->x_IA从而x_IQ>T_IQ, (2)

其中，Tp和T_IQ分别表示疼痛阈值和IO阈值。所述阈值可以是用户定义的或硬编码的。

注意，不一定总是能够同时调和F1和F2两者，并且可能发生死锁情况。优选地，疼痛约束优先。如果不可能够实现x_p<T_p和x_IQ>T_IQ，则可能中止成像。可以通过合适的换能器发出警报信号，诸如闪光灯、寻呼机/电子邮件/文本消息、警报声音等，以警告用户死锁情况。

在控制单元CU中实现的逻辑近似于映射F1、F2。在实施例中，固定函数F1可以由随机生成器来实现，以通过对固定设备的随机不同的重新调整来生成，试图将疼痛水平降低到阈值之下。优选地，映射F1是确定性实现的。

具体地，映射F1、F2可以常规地通过表格(诸如LUT)或者根据已知函数表达的插值或者通过统计技术来进行估计。然而，在优选实施例中，映射F1、F2中的一者或者这两者由机器学习部件MLC来实现。机器学习控制单元MLC可以被并联地耦合至CU，并且具有由一个或多个传感器PS1PS2提供的疼痛测量数据作为输入。可以设置开关SW，所述开关SW将MLC耦合到CU或者直接耦合到控制接口CIF。控制接口CIF为固定设备FD和/或成像器IA提供控制信号。

所述机器学习部件可以在控制单元外部，或者机器学习部件可以被并入在控制单元CU的逻辑中。机器学习部件MLC实现了机器学习算法。MLC已经在合适的历史数据上进行了预训练。稍后将在下文的图7中更详细地解释MLC的神经网络实施例。

更详细地，并且继续参考图4，CU基于从传感器PS1、PS2接收到的疼痛测量结果来计算用于固定设备FD的目标控制参数。应用该控制参数可能导致对乳房的不同的挤压，所述挤压可能足以或者可能不足以维持期望的IQ。在给定由新计算出的固定设备调整引起的预期挤压/运动的情况下，CU基于新的固定设备控制参数来计算能够实现期望的IQ目标的成像控制参数。如果疼痛水平和IQ两者均符合阈值，则控制信号通过控制接口CIF被传递到成像器IA和固定设备FD。在接口处，将由CU计算出的期望的控制参数与当前值进行比较。基于所述比较，为固定设备和成像器IA选择作为各自的控制命令的集合。选择控制命令以实现目标。然后，使用成像控制命令来指示成像器控制模块44。然后，控制模块将可能新的成像控制参数应用于相关的时间成像部件，诸如MRI中的电磁线圈或RF线圈，以改变成像流程并且确保期望的图像质量。基于计算出的成像控制参数，对成像器IA的指令可以包括用于以下操作的指令：中断正在进行的成像流程，或者恢复先前中断的成像流程，或者改变通过患者的乳房或待成像的其他解剖部位的RF脉冲序列和/或空间切片的新定义。

以类似的方式，将新的固定设备控制参数应用于固定设备，以实现新的设置并且在乳房上实现不同的压力分布。

当重新调整固定设备FD时，成像流程不一定被中断，前提是期望的TQ不下降。在成像流程期间可以允许执行某些固定设备的重新调整。在正在进行的成像流程期间应用的固定设备调整很可能仅产生少量的乳房挤压改变，但是有时会极大地减轻疼痛。

将理解的是，如果控制单元CU使用机器学习部件MLC(在下文中被简称为“MLC”)，则可能不一定需要如上文在等式(1)和(2)中的函数F1、F2处提到的显式阈值处理检查，因为已经固有地相对疼痛水平和IQ阈值训练了MLC。然而，在实施例中，即使使用了MLC，作为额外的安全和质量控制层，在PM和/或IQ回路中仍然可能存在任何迭代(亦即，重复)的阈值检查。如果使用非ML算法，则优选在PM和/或IQ回路中执行迭代阈值检查，同时重新调整FD和/或改变成像流程。迭代阈值是作为合适的采样频率来执行的，该采样频率可以是硬设置的，也可以是用户可调的。

优选地，由疼痛传感器PS1、PS2提供的疼痛测量结果被数字化，并且优选在数字域中执行诸如过滤等的任何信号处理。控制接口CIF具有数字或模拟输出以操纵固定设备FD。

SSI内以及在SSI与固定设备和/或成像器IA之间的有线通信链路优选与MRI电磁RF场EMC相兼容。在实施例中，可以使用光通信。例如，在传感器PS1、PS2与控制器CU之间的有线链路被布置为光缆。

成像支持系统SSI还可以包括疼痛定位器部件PL，其以疼痛定位器模式来操作固定设备FD，如将在下文更详细说明的。

尽管在图4的实施例中，单个控制单元CU被示为从所有疼痛传感器接收测量结果，但是在所有实施例中可能不一定是这样。换言之，在备选实施例中，可以提供不同的控制单元(CU1、CU2等)以处理来自各个疼痛传感器PS1、PS2的各个疼痛水平测量结果。

如果图像流程被中断一次或多次，则当前驻留在图像数据存储器56中的图像数据可以包括被中断一次或多次的连续图像数据的两次或更多次运行。可以使用一致性测量针对一致性来评估图像数据的运行，以确保在固定设备重新调整期间可能发生的成像内运动或挤压变化不损害重建后的图像质量。如果不存在不一致，则可以将图像数据从存储器56传递到重建器58以重建所述图像。如果存在不一致，则一些图像数据运行仍可以保留在存储器56中，并且仅重新获取图像数据的实际损坏的运行。在重新获取期间，SSI如上所述地进行操作。一旦发现重新获取的图像数据具有足够的IQ，就可以将重新获取的图像数据运行与来自先前成像流程的保留运行一起传递给重建器58。一致性检查可以由控制单元CU或者由单独的IQ检查器模块(未示出)来执行。

通过使固定设备FD配备有3D能调整的适配表面S，可以有效地实现对压力分布的重新调整。为了更详细地解释这一点，现在参考图5，其以截面图示出了在本文中所设想到的固定设备FD的实施例，优选地(但不是必须地)用于固定人的乳房BR。操作的以下原理和结构可以容易地适应于其他感兴趣的解剖结构，诸如膝盖、头部、手臂或其他。

在该实施例或类似实施例中，固定设备FD包括两个压力致动器PE，在使用中，其可布置在乳房BR的两侧。在实施例中，压力致动器以相对的关系彼此相对并且因此朝向乳房移动，以接合乳房并且对其施加挤压作用。固定设备并且特别是压力致动器PE可以被布置在具有引导元件的合适的壳体HS中，以引导致动器的运动。壳体HS的另外的功能是承载一个或多个疼痛传感器，特别是在其中(一个或多个)疼痛传感器被集成在固定设备中的实施例中。具体地，在实施例中，固定设备FD壳体可以被布置为至少部分地符合相关身体部位(诸如乳房)的形状，其中，壳体是例如杯形的。具有在形状和/或尺寸上与相关身体部位相符的这样的壳体允许在皮肤/身体界面的大部分或全部区域处确保可比较的传感器条件。如果经由被布置在壳体中的若干压力传感器/传感器元件来测量疼痛，则这是有利的。可以将不同的壳体设置为一组不同的尺寸，诸如小/中/大，以适应例如不同的乳房尺寸。可以经由3D打印或其他增材制造技术来制造(一个或多个)壳体，但是可以替代地使用减材制造。这样的固定设备壳体可以被设置用于除乳房之外的身体部位，诸如乳房、手臂、腿、脚踝、头部或者与用于成像或治疗在临床上相关的身体的其他部位。

当传感器PS1、PS2未与固定设备FD集成在一起时，上述壳体HS还可以与固定设备分开设置。在该实施例中，壳体HS是专用的疼痛传感器壳体，其不与固定设备FD集成在一起。如前所述，专用壳体被配置为承载所述传感器并且提供上述可比较的传感器条件，特别是当使用多个分布式疼痛传感器/传感器元件时。一个或多个传感器可以被附接在壳体的内部，以便在将身体部位插入壳体中时完全或部分地围绕身体部位。

尽管主要设想固定设备FD和/或壳体用于成像，但是可以替代地或另外地将其用于治疗和/或与诸如弹性成像或局部热疗的其他设备和处置模态组合使用。例如，在局部热疗中，不是由于机械应力而是通过温度暴露而引起局部疼痛。

压力致动器PE允许在乳房上施加预先定义量的压力，以实现期望的挤压，从而确保IQ。然而，为了能够更好地跨乳房的表面重新分布压力，固定设备FD还包括形状适应部件AD。在实施例中，形状适应部件AD包括接触元件CE的两个集合，如在图5中所示的，一个集合被布置在每个压力致动器PE上。接触元件或衬垫各自能个体地寻址和致动。例如，每个接触元件CE可以独立于(一个或多个)其他接触元件CE朝向乳房移动。独立致动的其他形式可以包括诸如通过膨胀或其他来实现形状改变。对压力致动器和/或个体接触元件CE的致动可以通过气动、液压、压电、机械传动或者任何其他布置来驱动。

接触元件CE的接近乳房的部分形成接触表面S。3D中的接触表面的形状可以通过个体地致动接触元件来调整。以这种方式能够实现各种不同的表面形状，以在施加总体压力的同时与给定患者的乳房形状相符。由于采用歧管形状适应选项，因此能够细微地改变压力分布，从而以局部针对性的方式来缓解疼痛。压力致动器操作用于施加总体压力，并且通过控制接触元件来进行压力微调。

插图5A示出了被迫使与乳房相接触的接触表面的正视图。优选地，每个集合的接触元件CE以相应的阵列来布置，例如6×3的阵列，以形成18个接触元件，每个接触元件如所解释的那样个体地寻址。以这种方式，能够在3D中改变接触表面S。还设想到了类似的实施例，其中每个接触元件被布置为延伸到图5的绘图平面中的条带。然而，这是次优选的，因为该实施例允许较小的自由度，并且因此仅在2D中改变表面。

在每个上述实施例中，每个接触元件CE的位置、形状、膨胀或其他致动可以通过控制接口CIF从控制单元CU寻址。固定设备由另外的传感器PSS来监测，该传感器PSS测量对每个个体接触元件CE的致动，例如前进。额外的反馈信号将每个元件CE的状态和机械前进告知控制接口CIF。

尽管图5示出了其中左和右压力致动器PE各自能致动的两侧实施例，但是在所有实施例中不一定都是如此。备选地，仅存在一个压力致动器，所述压力致动器抵靠诸如固定压缩板的静止部件来致动。作为另外的变型，仅在压力致动器或压缩板中的一个上仅布置单个适应部件AE。

在优选实施例中，如在图5中所示的，疼痛传感器PS1之一可以被集成到固定设备FD中。优选地，所述疼痛传感器被耦合到接触元件CE的近侧部分。

更优选地，在其中压力传感器PS1如此集成的实施例中，压力传感器PS1被布置为离散传感器元件的一个或两个相应阵列。传感器元件与接触元件CE的相应阵列在空间上配准，如在图5中以侧视图所示的。在不同的行中仅示出了疼痛传感器元件阵列和接触元件CE的一个维度，而矩阵的列进入了图5的绘图平面。以这种方式，压力传感器能够提供疼痛图，亦即，疼痛位点的空间(2D)解析指示，亦即，疼痛起源于乳房的位置。在该实施例中，但是也在其他实施例中，压力传感器阵列可以被布置为被配置为测量患者的皮肤电导(GSC)的电流接触元件。矩阵中的每个疼痛传感器元件都可以包括一对电极，这些电极任选地被耦合到附着到患者身体的部分上的高阻抗放大器。通常，每个电极的尺寸为大约1cm²，并且每对电极分离开1-5cm。

传感器或传感器的阵列位于接近但是不一定接触皮肤表面处。当将传感器或传感器阵列被布置在符合身体部位形状的壳体内部时，可以实现这种接近。阵列的传感器元件可以以不需要皮肤接触的电容技术来布置。在该电容性实施例中，传感器元件与皮肤电隔离地布置。另外地或替代地，一个或多个传感器元件是电磁的或光学的。还设想到了温度传感器元件用于疼痛测量目的。

当保持乳房静止时并且在由(一个或多个)挤压或压力致动器PE的挤压下，在传感器元件被促使接触患者的皮肤时，能够以高精度进行疼痛测量。

GSC的测量结果并不一定暗示使用了上述传感器元件阵列。在更简单的实施例中，疼痛传感器可以被布置为单对电极，或者被布置为适当分布地多于一个这样的对，并且使其与患者的皮肤相接触，而不必位于感兴趣的解剖结构处。

基于GSC的疼痛传感器仅仅是被配置为拾取与疼痛相关的生命体征的疼痛传感器的一个实施例。还设想到了其他生命体征传感器PS，只要已知各个生命体征对急性疼痛快速地做出反应。确实，GSC具有的优点是在急性疼痛事件后约1秒记录皮肤电导的快速并且大的增加，由此能够在患者遭受长时间疼痛之前采取纠正动作。基于生命体征的疼痛传感器的另外的实施例包括一个或多个光学相机，以用于基于视频的生理监测。因此，检测到变化的呼吸速率和/或心率也能够指示存在疼痛。

另外地或替代地，集成的运动传感器也可以被用作疼痛传感器，因为增加的患者运动可能指示患者经历了疼痛。设想到的用于疼痛测量的运动传感器包括压电元件、基于RF阻抗的传感器和基于雷达的传感器等中的任意一种。基于RF阻抗的传感器可以包括“低频”技术，例如，通过使用MRI线圈作为发送器/接收器。能够通过改变信号发送和/或接收来检测对象PAT运动。另外地或替代地，“高”频可以基于雷达测量。在基于雷达的方法或类似方法中，可以应用飞行时间，类似于汽车中距离检测的技术。通过使疼痛传感器中的一个或多个被布置为光学相机或者测量皮肤的表面的其他光学传感器，也能够局部地检测运动。

优选将疼痛传感器P1集成到固定设备FD中，但是这不是在本文中设想到的唯一实施例。例如，除了或替代将疼痛传感器PS1集成在固定设备FD中，(一个或多个)疼痛传感器可以被集成在局部RF线圈40中。在又一布置中，疼痛传感器是单独的独立设备，其具有可附接到感兴趣解剖结构的可穿戴部件，诸如绷带部件或者包括传感器PS1的其他纺织品。

针对疼痛传感器系统PS1、PS2的其他实施例包括用于记录面部表情和/或身体姿态的光学相机设备。图像识别处理器然后可以分析由相机捕获的图像，以推断患者是否处于疼痛中。可以通过这种方式来识别出指示疼痛的面部扭曲或者身体的抽筋或痉挛的状态。

另外的实施例包括基于音频的疼痛传感器系统，其包括一个或多个麦克风，所述麦克风被布置在通信地耦合到语音识别处理器的成像器IA中或在成像器IA处。由麦克风记录的在成像期间由患者发出的声音可以由语音识别处理器来拾取和分析。可以将语音识别处理器调整为特别地识别通常与疼痛经历相关联的诸如惊叫或咒骂之类的感叹词，例如“哎呀”等。语音识别处理器能够以多种语言来处理这样的疼痛指示性感叹词。可以以任意组合使用上述疼痛传感器实施例的全部或任何子集，以产生不同类型的多个疼痛测量结果，然后可以将其合并为单个疼痛分数以与阈值进行比较。还设想到了针对多个疼痛阈值对多个这样的疼痛测量结果进行评估，以做出是否存在疼痛事件(亦即，使患者经历疼痛的位置)的决定。

当通过疼痛定位器模块PL以疼痛定位器模式来操作SSI时，传感器元件的矩阵布置可能特别有益。疼痛图可以被用于针对压力方向和压力量来相应地优化固定设备调整。

疼痛特质，亦即，个体经历疼痛的方式，常常不仅是施加压力的函数，而且还取决于施加压力的时长以及在乳房围周上的位置。乳房的某些部分可能比其他部位更敏感，并且这可能是高度个体的。疼痛定位器允许找到疼痛源的位置。然后可以重新调整固定设备，从而减轻疼痛位置处的压力，而在别处增加压力，优选增加相同的量，以维持总体挤压，并且因此维持IQ，并且仍然实现缓解疼痛。同样地，可以暂时缓解敏感的疼痛源，使得疼痛水平降低，反而增加别处的压力。在一定的疼痛缓解时段(其可以由用户调整并且通过控制单元CU的计时器功能进行计时)之后，在疼痛位置处再次增加压力，直到再次建立疼痛水平，依此类推，由此利用了疼痛的时间依赖性。

现在更详细地转到上文在图3处简要提到的疼痛定位功能，这允许找到疼痛轨迹(可能有一个以上)，并且在本文中通过疼痛定位器PL的操作而设想到。

疼痛定位器PL控制所述控制单元CU使其以疼痛定位器模式来操作，现在将对其更详细地解释。疼痛定位器PL可以作为部件(例如，软件例程)被包括，或者可以如在图2中所指示的作为独立的控制部件来布置。在该模式下的操作可以由在图6中上述患者或用户界面来请求。备选地，在预定次数尝试找到可接受的固定设备重新调整失败之后，可以自动进入到该模式中。

注意，在给定上述空间疼痛敏感性变化的情况下，通过固定设备施加最高压力的点可能不一定是疼痛位置。

为了解决与疼痛有关的该问题和其他问题，以疼痛定位器模式进行的操作可以包括对乳房或者其部分(诸如乳房周围的部分)进行“压力采样”，以找到疼痛位置。

当递送该模式时，固定设备由CU来控制。这样的定位模式可能涉及使用固定设备FD的自适应AC设备对压力施加进行顺序的空间修改。例如，取决于特定的实现方式，控制个体接触元件CE以在空间和时间上一致地执行一系列小的致动，诸如小的膨胀或排气或移动。这些致动形成空间和/或时间上变化的压力分布波信号，包括三角扫描或其他分布。压力波信号在不同的时间在不同的点处递送不同的压力，同时疼痛传感器正在监测疼痛水平。因此，在不同时间的不同疼痛信号与乳房上的不同位置相关联。然后，当压力波影响实际的疼痛位置时，疼痛传感器PS可以生成急性疼痛信号。因此，能够通过监测针对峰值的疼痛信号来定位疼痛位置，并且记录找到的对应位置。然后，可以通过适当的警报或消息传递信号向用户通知如何调整固定设备的相关部分的指令。优选地，自适应设备AD被适应为使得即使固定设备中的身体部位的正常运动也不引起急性疼痛。备选地，系统SSI自动地重新调整固定设备，以找到能够维持IQ并且降低疼痛位置上的压力的设置。

现在参考图6中的框图，其以示意性方式示出了在本文中设想的在固定设备FD与成像支持系统SSI的其他部件之间的额外的交互。

任选地，上文简要提到了患者控制界面PCD，以用于自我确定疼痛缓解。患者本人能够控制由固定设备所施加的挤压和/或压力分布的水平。通过患者控制界面PCD请求的固定设备设置优选覆盖由控制单元CU提出或应用的任何设置。

任选地，在患者无法控制固定设备的情况下，存在用于成像装置的用户的用户界面UI来控制固定设备。如果用户在场(或者能够被呼叫)，则他们能够利用固定设备采取纠正动作，以重新调整压力，从而一旦疼痛传感器发出警报则避免疼痛。然而，在如在本文实施例中所设想到的那样在更加自主的设置中，其中用户不容易获得——或者备选地如果患者仅能够困难地交流——则所提出的系统通过与成像器和固定设备的交互来操作以重新调整压力，并且根据需要适应成像流程，如上文所解释的。

现在参考图7，其更详细示出了CNN架构中的机器学习部件设置。然而，优选地，上述关系(特别是函数F1和F2)可以由适当的经训练的机器学习部件来编码。机器学习部件可以被实现为神经网络(“NN”)，特别是卷积神经网络(“CNN”)，但是可以替代地被布置为支持向量机、线性回归算法或其他。

然而，将主要参考NN设置，但是这同样不排除其他提到的实施例。

继续参考，图7示意性示出了如在本文的实施例中所设想到的CNN布局中的MLC架构。

CNN能在两种模式下操作：“训练模式”和“部署模式”。在训练模式中，基于训练数据的集合来训练CNN的初始模型，以产生经训练的CNN模型。在部署模式中，向预训练的CNN模型馈送未训练的新数据，以在SSI的正常使用期间操作。训练模式可以是一次性操作，或者这在重复训练阶段中继续以增强性能。到目前为止，关于这两种模式的所有论述都能适用于任何种类的机器学习算法，并且不限于CNN或就此而言的NN。

CNN包括在层中组织的互连节点的集合。CNN包括输出层OL和输入层IL。CNN优选具有深度学习架构，亦即，在OL与IL之间存在至少一个(优选两个或更多个)隐藏层。隐藏层可以包括一个或多个卷积层CL1、CL2(“CL”)和/或一个或多个池化层PL1、PL2(“PL”)和/或一个或多个完全连接的层FL1、FL2(“FL”)。CL未完全连接和/或从CL到下一层的连接可能变化，但是通常固定在FL中。

节点与被称为“权重”的数字相关联，这些数字表示节点如何响应于来自上一层中的较早节点的输入。

所有权重的集合定义了CNN的配置。在学习阶段中，使用诸如前向-后向(“FB”)传播或其他优化方案等的学习算法，基于训练数据来调整初始配置。

优选地，监督训练模式，亦即，基于经注释的训练数据。经注释的训练数据包括对或训练数据项。针对每个对，一个项目是训练输入数据，并且另一项目是先验已知与其训练输入数据项正确地相关联的目标训练数据。该关联定义注释，并且优选地由人类专家提供。在训练模式中，优选将多个这样的对应用于输入层，以通过CNN来传播，直到在OL处出现输出为止。最初，输出通常与目标不同。在优化期间，将对初始配置进行重新调整，以便使输入的训练数据与其针对所有对的各自目标之间实现良好匹配。

更具体而言，将输入训练数据项施加到输入层(IL)，并且经过卷积层CL1、CL2以及可能的一个或多个池化层PL1、PL2的(一个或多个)级联组，并且最终传递给一个或多个完全连接层。卷积模块负责基于特征的学习(例如，识别疼痛、呼吸漂移、幅度、身体移动等)，而完全连接层负责更抽象的学习，例如，特征对图像质量的影响，以及针对成像流程的可能后果，诸如在MRI中的成像脉冲序列。对成像流程的影响由输出层OL中的节点来指示。换言之，输出层OL包括用于固定设备FD和/或成像器IA的参数。

根据图7的层的精确分组和次序仅仅是一个示例性实施例，并且在不同的实施例中还设想到了层的其他分组和次序。上述所有内容同样适用于在本文中设想到的其他NN，诸如完全连接的经典感知类型的NN、深度或非深度、以及递归NN或其他。与上述不同的是，在不同的实施例中也可以设想到无监督的学习或强化学习方案。

如在本文中所设想到的，用于与SLC中的CU一起使用的用于MLC的经注释的训练数据可能需要重新格式化为结构化的形式。经注释的训练数据可以被布置为向量或矩阵或张量(维度大于2的阵列)。该重新格式化可以由数据预处理器模块(未示出)来完成。

用于当前目的的MLC可以被配置为串联连接的两个单独的NN，优选是CNN。CNN中的一个CNN对PM回路执行控制，并且另一个对IQ回路执行控制。这两个CNN在本文中可以分别被称为PM-CNN和IQ-CNN。在学习或部署中，可以将PM-CNN的输出馈送到IQ回路的输入中。备选地，这两个CNN可以被合并为单个CNN架构。

针对PM-CNN的训练数据包括与可接受的固定设备控制参数相关联的成对的疼痛传感器读数，已知这些固定传感器控制参数根据疼痛阈值导致可接受的疼痛水平。

针对IQ-CNN的训练数据包括与已知成像器控制参数相关联的成对的固定设备控制参数，已知成像器控制参数可根据IQ阈值产生可接受的IQ水平的图像。

将训练数据集应用于两个CNN，并且根据学习算法(诸如先前提到的FB传播算法)进行处理。在训练阶段的结束时，随后可以在部署阶段中使用两个预训练的CNN，以如先前所描述地来操作SSI，以控制成像器IA和固定设备两者，如前所述。在部署中，在正常使用期间对患者进行治疗或成像期间，从(一个或多个)传感器PS1、PS2获得疼痛水平测量结果。疼痛水平测量结果被应用于经训练的神经网络的输入层IL。然后，疼痛测量结果通过PM-CNN传播，以获得固定设备控制参数，以控制固定设备FD。然后，固定设备控制参数进一步传播通过IQ-CNN，以获得用于成像流程的参数，如果与当前使用的成像流程不同，则将所述参数被应用于成像器。

MLC还可以帮助为没有经验的用户实现最佳的IQ。在部署期间，在MLC中的机器学习算法操作用于决定通常复杂的参数设置，包括固定设备控制参数和成像流程参数。

在学习阶段期间，可以如下生成所述固定设备与疼痛水平对。与上述疼痛定位器模式类似，随机地或者根据确定性协议，固定设备由CU来控制以递送许多不同的压力分布。所述压力分布递送可以包括形成重复的压力扫掠。不同的分布可以包括以下中的任意一项或多项：恒压、压力脉冲或三角波扫掠、或者任何其他疼痛分布形状。以这种方式，能够建立在压力信号和疼痛信号的压力历史和/或所得的图像质量之间的关系。这样生成的数据可以由用户注释，或者通过疼痛阈值和/或IQ阈值比较来自动地注释。

能够使用感兴趣的解剖结构(诸如乳房)的弹性体模模型来执行训练数据的生成。另外地或替代地，可以采用使用人类成像的实验数据。一旦如此生成了训练数据，就向MLC馈送该数据，并且可以使用任意上述训练算法来调整MLC的参数。MLC部件优选被布置为诸如GPU(图形处理单元)或TPU(张量处理单元)之类的多核处理器。

现在参考图8，其示出了在本文中所设想到的成像支持的方法的流程图。所述方法涉及上述系统SSI的操作，但是以下方法步骤也可以本身被理解为教导，其不一定与图1-7的实施例的架构有关。

现在首先转到图8，在步骤S810处，从一个或多个疼痛传感器接收疼痛测量信号。

相对于诸如女性人类乳房的患者的解剖部位进行疼痛测量。疼痛传感器可以如在图1-7中的任何上述实施例中那样布置。

优选地，但不是必须地，疼痛传感器被包含在固定设备中，所述固定设备在成像流程期间保持乳房静止并且挤压乳房。

在正在进行的成像流程之前和/或期间进行疼痛测量，亦即，在成像设备使乳房暴露于诸如在MRI成像中的射频脉冲信号序列之类的询问信号的同时。

再次地，尽管将主要参考对人类乳房的MRI成像，但是在本文中还具体设想到了其他成像模态和/或其他解剖部位，诸如人类头部、手臂、腿、膝盖。

在步骤S820处，基于测量，特别是基于疼痛测量，来计算控制信号。所述控制信号将控制由固定设备所施加的挤压水平和/或由成像器IA执行的成像流程或者将由成像器IA执行的成像流程。

计算在步骤S820处计算出的控制信号以在成像流程期间与成像装置和/或与固定设备进行干涉或交互。特别地，固定设备和成像装置均由一个或多个控制信号来控制。

在步骤S820处对控制信号的计算还包括决定是否完全交互。如果根据接收到的测量结果，对于当前的疼痛水平无需进行任何交互，则无需进行交互。

然而，如果根据测量结果决定测量到的疼痛水平需要交互，则过程流移动至动作干预步骤S830，在其中采取动作以与成像器或固定设备或者与这两者进行交互。

在步骤S830处的交互可以在进行中的图像流程期间发生，亦即，在解剖部位暴露于由成像装置IS发射的询问信号期间收集图像数据的同时。

在步骤S830的交互基于在步骤S820处计算出的控制信号。可以将交互组织为两个链接的反馈回路：PM回路和IQ回路。在PM回路中，以合适的采样率来接收疼痛水平测量，并且将其与疼痛阈值进行比较，同时重新调整固定设备以找到挤压水平和分布，从而疼痛测量结果不会或不再超过疼痛阈值。不同的固定设备重新调整可能影响IQ，并且因此影响成像流程。因此，用于实现固定设备重新调整的控制信号被馈送到第二IQ回路中，以检查是否仍然遵守IQ阈值。如果不遵守IQ阈值，则可以改变成像流程和/或重新调整固定设备，因此，流量控制再次链接回PL回路，依此类推。

可以基于查找表、确定性功能表达式或者通过使用如先前参考图7所解释的预训练的机器学习部件来计算在步骤S820处的控制信号。

测量到的信号被输入到机器学习部件MLC中，并且然后在机器学习部件的输出层处输出关于是否干预以及要实现这种干预的方式的决定。

如果经过两个回路导致IQ变差，则交互S830可以包括暂停当前正在运行的成像流程。如果固定设备重新调整花费的时间超过了预设时段，或者如果重新调整的范围更大，则可能需要暂停。如何改变成像流程可以取决于变形或挤压的程度。在MRI中，可能进一步依赖于当前脉冲序列的状态(时间)和当前使用的脉冲序列的类型(例如，T1加权、T2加权等)。

现在参考图9，其更详细示出了在步骤S830处的交互的实施例，特别是在要改变成像流程的情况下。

在步骤S830-10处，一旦通过固定设备实现了对乳房的初始固定，就接收到“OK”信号以开始成像流程。

在步骤S830-20处，继续接收疼痛信号测量。

如果决定不需要干预，则成像流程在步骤S830-50处继续，使用成像控制参数的当前集合IP1在第一轮中获取图像数据的第一集合ID1，包括图像数据项(或帧)，在图8中被示意性地编号为“1-3”。

如果在一个时间点处在步骤S830-20决定疼痛信号指示保证交互的水平，则在步骤S830-30处将控制信号发送给成像装置以请求对当前成像流程的改变。针对改变的该请求可以特别地包括暂停正在进行的成像流程。与成像器的交互还可以包括改变成像协议或成像策略。针对MRI，这可以包括改变正在被成像的切片或者改变脉冲序列的类型或计时。

如果在步骤S830-30中决定中断所述成像，则在步骤S830-40处调整由固定设备施加在乳房上的挤压水平和/或压力的分布。然而，如果重新调整很小，则可能继续成像流程。

在此期间，在PM反馈回路中，在步骤S830-20处仍接收来自压力传感器的疼痛传感器测量结果。一旦测量到的压力水平下降到疼痛阈值以下，从而指示患者不再经历无法忍受的疼痛，则过程流返回到步骤S830-50，以便可能使用不同的图像参数来恢复图像流程IP2，以获取图像数据的第二集合ID2，包括示例性帧“4-6”。

然后，该过程以这种方式继续，直到成像流程结束，并且已经获取了图像数据ID1-ID3的完整集合。

然后，使用任选的全局图像质量步骤S830-60来决定图像数据在本地还是全局一致，以维持期望的图像质量。

如果决定能够维持图像质量，则将所获取的图像数据的完整集合ID1-ID3转发给重建器58以重建图像，然后能够存储、显示或者以其他方式处理所述图像。

然而，如果决定不存在一致性，则可能需要重新获取整个或子集(例如ID2)。在通过中断分开的不同成像流程ID1、ID2、ID期间，通过使用非常不同的挤压水平可能导致缺乏一致性。在CT中，可以通过侦查扫描进行一致性检查，以检查整体运动是否严重到足以保证重复整个或部分成像流程。

然而，优选地，不一定需要获取所有图像数据，而是其可以决定仅重新获取诸如ID的特定部分，而维持ID1和ID3。因此，所提出的方法允许维持一定的预先定义的图像质量，同时仍然减少患者所经历的不适和疼痛水平。可以避免对图像数据的不必要的重新获取，并且由此甚至进一步延长了成像流程。可以理解，特别是在其中在步骤S820使用机器学习步骤的实施例中，所提及的局部一致性检查步骤是隐含的，因为已经训练了机器学习部件以确保遵守IQ。至少仍然可以执行全局一致性检查。

在上述实施例中的任意一个实施例中，替代成像装置IA或者除了成像装置IA之外，可以使用诸如线性加速器或其他的治疗设备，并且所有上述原理均等同地适用于治疗设备。在这些实施例中，控制信号然后涉及例如在放射治疗递送期间控制线性加速器。控制线性加速器特别地包括诸如IMRT中的多叶式准直器的控制和/或线性加速器的处置头部在感兴趣区域周围的运动，以递送规定的、空间分布的辐射剂量。除了或替代IQ参数，监测处置质量参数(例如，处置计划参数)，例如向特定区域的特定剂量递送和周围组织的刺伤等。

在本发明的另一示例性实施例中，提供了一种计算机程序或计算机程序单元，其特征在于适于在适当的系统上执行根据前述实施例之一的方法的方法步骤。

因此，计算机程序单元可以被存储在计算机单元上，所述计算机单元也可以是本发明的实施例的部分。该计算单元可以适于执行或者促使执行上述方法的步骤。此外，其可以适于操作上述装置的部件。计算单元能够适于自动地操作和/或执行用户的命令。可以将计算机程序加载到数据处理器的工作存储器中。所述数据处理器因此可以被装备为执行本发明的方法。

本发明的该示例性实施例涵盖了从一开始就使用本发明的计算机程序和通过更新将现有程序转换为使用本发明的程序的计算机程序。

此外，计算机程序单元能够提供所有必要的步骤，以实现如上所述的方法的示例性实施例的过程。

根据本发明的另外的示例性实施例，提出了一种计算机可读介质，诸如CD-ROM，其中，所述计算机可读介质具有存储在其上的计算机程序单元，所述计算机程序单元由前面的部分来描述。

计算机程序可以被存储和/或分布在合适的介质(特别是但非必须地，非瞬态介质)上，诸如与其他硬件一起提供或者作为其部分提供的光学存储介质或固态介质，但是也可以其他形式分发，诸如经由互联网或其他有线或无线电信系统。

然而，计算机程序也可以通过如万维网之类的网络来呈现，并且可以从这样的网络下载到数据处理器的工作存储器中。根据本发明的另外的示例性实施例，提供了一种用于使计算机程序单元可供下载的介质，所述计算机程序单元被布置为执行根据本发明的前述实施例之一的方法。

必须注意，参考不同的主题描述了本发明的实施例。特别地，参考方法类型权利要求描述了一些实施例，而参考设备类型权利要求描述了其他实施例。然而，本领域技术人员将从以上和以下描述中得出，除非另行通知，否则除了属于一种类型的主题的特征的任何组合之外，与不同主题有关的特征之间的任何组合也被认为在本申请中公开。然而，可以组合所有特征，以提供协同效果，而不仅仅是这些功能的简单求和。

尽管已经在附图和前面的描述中详细地图示和描述了本发明，但是这样的图示和描述应当被认为是说明性或示例性的，而不是限制性的。本发明不限于所公开的实施例。通过研究附图、公开内容和从属权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开的实施例的其他变型。

在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中列举的若干项的功能。在互不相同的从属权利要求中引用某些措施的事实并不表示不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应当被解释为限制范围。

Claims

1.一种用于支持成像或治疗装置的操作的系统，包括：

接口(IN)，其用于接收由一个或多个传感器(S)相对于患者(PAT)的解剖部位(BR)测量到的第一疼痛测量信号，所述解剖部位：i)在成像流程中由所述成像装置进行成像，或者ii)在由治疗设备递送的治疗流程中经受治疗，同时所述部位(BR)被保持在能调整的固定设备(FD)中，以实现预设的图像质量或治疗质量目标；

控制单元(CU)，其被配置为基于所述第一疼痛测量信号来计算至少一个控制信号；以及

控制接口(CIF)，其被配置为在所述成像或治疗流程期间基于所述控制信号与i)所述成像装置(IA)或治疗设备和/或ii)所述固定设备(FD)进行交互，以a)控制所述成像流程或治疗流程，和/或b)调整所述固定设备，以便改变所述部位(BR)被保持的方式，从而第二疼痛测量信号指示所述患者没有经历疼痛或者经历能忍受的疼痛，同时尝试满足所述预设的图像质量或治疗质量目标。

2.根据权利要求1所述的系统，其中，所述控制单元(CU)被配置为在计算所述控制信号时考虑至少一个预设的图像质量或治疗质量参数。

3.根据权利要求2所述的系统，其中，所述控制单元(CU)被配置为计算所述控制信号，以便至少维持根据所述预设的图像或治疗质量参数的成像质量。

4.根据前述权利要求中的任一项所述的系统，其中，所述控制单元(CU)关于针对接收到的疼痛测量信号和/或所述预设的图像或治疗质量参数的疼痛阈值以至少一种反馈架构来配置。

5.根据前述权利要求中的任一项所述的系统，其中，所述成像流程包括对图像数据的获取。

6.根据权利要求5所述的系统，其中，所述成像流程的影响包括以下中的任意一项或多项：i)暂停或恢复对图像数据的所述获取，或者ii)暂停或恢复治疗递送，iii)改变对治疗递送装置或所述成像装置的设置。

7.根据前述权利要求中的任一项所述的系统，其中，所述固定设备(FD)是能调整的，以便改变由所述固定设备施加在所述部位的至少部分上的压力分布。

8.根据前述权利要求中的任一项所述的系统，其中，所述固定设备包括能调整的接触表面，所述能调整的接触表面能迫使与所述部位的至少部分相接触，其中，所述接触表面的形状是能调整的，以便至少符合所述部位(B)的部分的形状。

9.根据权利要求8所述的系统，其中，所述接触表面的形状在3D中是能调整的。

10.根据前述权利要求中的任一项所述的系统，其中，所述控制单元(CU)能配置为以疼痛定位器模式来操作，以便基于所述疼痛测量信号来确定在所述部位(BR)中或者在所述部位上的何处引起疼痛，以疼痛定位器模式进行的所述操作包括施加一系列不同的压力分布轮廓。

11.根据前述权利要求中的任一项所述的系统，其中，所述成像装置是以下中的任意一种：MRI成像器、X射线成像器；发射成像器、线性加速器系统。

12.根据前述权利要求中的任一项所述的系统，包括预训练的机器学习部件(MLC)，所述预训练的机器学习部件被包含在所述控制单元(CU)中或者被耦合到所述控制单元，所述预训练的机器学习部件至少接收所述疼痛测量信号和固定设备控制参数作为输入，以产生所述控制信号作为输出。

13.一种成像装置(AR)，包括：根据前述权利要求中的任一项所述的系统、所述成像或治疗装置、所述至少一个疼痛传感器。

14.一种支持成像或治疗的方法，包括：

接收(S810)由一个或多个传感器(S)相对于患者(PAT)的部位(BR)测量到的第一疼痛测量信号，所述部位：i)在成像流程中由成像装置进行成像，或者ii)在由治疗设备递送的治疗流程中经受治疗，同时所述部位被保持在能调整的固定设备中，以实现预设的图像质量或治疗质量目标；

处理(S820)所述疼痛测量信号来计算至少一个控制信号；并且

在所述流程期间基于所述控制信号与i)所述成像装置(IA)或所述治疗设备和/或ii)所述固定设备(FD)进行交互(S830，S830-30)，以a)影响所述成像或治疗流程，和/或b)调整所述固定设备，以便改变所述部位(BR)被保持的方式，从而第二疼痛测量信号指示所述患者没有经历疼痛或者经历能忍受的疼痛，同时尝试满足所述预设的图像质量或治疗质量目标。

15.一种训练初始机器学习部件以获得根据权利要求12所述的预训练的机器学习部件(MLC)的方法。

16.一种计算机程序单元，所述计算机程序单元在由至少一个处理单元(PU)运行时适于使所述处理单元(PU)执行根据权利要求14或15所述的方法。

17.一种在其上存储有根据权利要求16所述的程序单元的计算机可读介质。

18.一种固定设备(FD)，其被配置为在利用成像装置进行成像期间或者在由治疗递送装置对治疗的递送期间保持患者的解剖部位，其中，所述固定设备(FD)是能调整的，以便改变由所述固定设备施加在所述部位(B)的至少部分上的压力分布，其中，所述固定设备包括能调整的接触表面，所述能调整的接触表面能迫使与所述部位(B)相接触，其中，所述接触表面的形状是能调整的，以便至少符合所述部位(B)的所述部分的形状，其中，所述接触表面由能个体地寻址的多个接触元件(CE)的两个集合来形成，以实现所述集合中的至少一个集合中的所述接触元件的变形或运动，所述两个集合在空间上彼此相对地布置，并且在所述集合中的所述至少一个集合中的所述接触元件以矩阵布局来布置。