用於計算感興趣對象的位移的方法和系統與流程

2023-08-13 22:57:51

本發明涉及對象移動測量的領域，尤其涉及用於計算感興趣對象的位移的方法。

背景技術：

輻射治療廣泛用在癌症處置或治療中。輻射治療的目的是殺死患者身體中的感興趣對象中發生的病理結構，例如，腫瘤細胞，而不損害感興趣對象的周圍組織。這通過將較高輻射劑量遞送到患者身體的感興趣對象，並且將可能較低輻射劑量遞送到感興趣對象周圍的健康器官組織來完成。然而，在整個處置過程期間，患者身體的呼吸運動可以產生關於輻射被應用的位置的不準確。實際上，患者身體的感興趣對象的位置可以隨著呼吸運動而改變，並且甚至患者身體的感興趣對象的尺寸和形狀有時隨著通過內部身體肌肉力的變形而改變。

對象跟蹤當感興趣對象在患者身體中時由於身體移動(諸如，由呼吸引起的身體移動)而是具有挑戰的。跟蹤由呼吸引起的患者身體中的這樣的感興趣對象的移動中的困難可以是進行輻射治療時的不準確性的重要原因。

超聲成像被用於在處置期間提供圖像。用於運動跟蹤的已知方法是標記被放置在患者的皮膚上。標記然後使用諸如超聲的成像設備來跟蹤。然而，處理圖像的大的集合在對象跟蹤中是具有挑戰的。當前，還沒有可用於跟蹤患者身體中的對象的位置的解決方案，因為需要高的計算複雜性。測量對應的表面移動還不足夠準確以反映身體中的對象移動。

公開物，speeding-upimageregistrationforrepetitivemotionscenarios,isbi(1355-1358)，公開了一種用於針對經歷呼吸的器官的圖像序列的實時圖像配準的方法。在訓練階段期間，圖像被配準，並且然後通過採用對圖像的維度降低和對應位移的存儲來學習圖像外觀與空間變換之間的關係。對於應用階段中的每幅圖像，訓練設置中最相似的圖像被計算並且進行位移預測。公開物，respirationinducedfiducialmotiontrackinginultrasoundusinganextendedsfaapproach,proc.ofspievol.9419，公開了一種用於實時將在訓練階段中從超聲圖像序列提取的預估計的目標運動轉移到在線數據的方法。所述方法基於提取目標對象的特徵點，通過慢特徵分析利用特徵運動的低維描述，並且找到來自訓練數據的最相似的圖像特徵，用於估計當前或在線對象位置。對於每幅採集的圖像，計算最相似的圖像，並且基於針對每幅採集的圖像的最相似的圖像來進行映射。因此，計算複雜性是高的。

技術實現要素：

本發明的目的是提出一種計算感興趣對象的位移的方法。

獨立權利要求限定了本發明。從屬權利要求定義了有利實施例。

根據本發明的方法旨在計算感興趣對象的位移。所述方法包括根據感興趣對象的預先採集的圖像的集合中相鄰的圖像來計算感興趣對象的位移模型的步驟，所述位移模型反映感興趣對象沿時間的位置。所述方法還包括：

-基於所述位移模型來確定所述預先採集的圖像的集合的一個周期性時間循環內的來自所述預先採集的圖像的集合的圖像的第一子集的步驟；

-從新採集的圖像識別圖像的第二子集的第一步驟，圖像的所述第二子集(s2)中的圖像是相繼的並且在圖像的第一子集(s1)中具有相同的最相似圖像，其中，通過將所述新採集的圖像中的給定圖像與圖像的所述第一子集(s1)中的每幅圖像進行比較來確定相似性水平的集合，並且其中，所述最相似圖像具有在相似性水平的所述集合中的最大相似性水平；

-在圖像的所述第二子集中選擇給定圖像作為第一參考圖像的第一步驟；

-從所述新採集的圖像識別圖像的第三子集的第二步驟，其中，圖像的所述第三子集(s3)中的圖像是相繼的並且在圖像的所述第一子集(s1)中具有相同的最相似圖像，其中，通過將所述新採集的圖像中的給定圖像與圖像的所述第一子集(s1)中的每幅圖像進行比較來確定相似性水平的集合，並且其中，所述最相似圖像具有在相似性水平的所述集合中的最大相似性水平；

-在圖像的所述第三子集中選擇給定圖像作為第二參考圖像的第二步驟；

-計算所述第二參考圖像與所述第一參考圖像之間的位移的步驟。

利用該方法，能夠利用有限的計算資源來計算由感興趣對象的移動引起的位移。事實上，該方法降低了計算複雜性，這得到在圖像採集正在進行時跟蹤感興趣對象的位置的現實的解決方案。其還改進檢測身體中的對象的位置改變的準確性。

通過使用該方法，位移計算基於來自新採集的圖像的兩個相繼子集的選定圖像。相比於計算兩幅相繼的新採集的圖像之間的位移，其降低了計算複雜性。

本發明還涉及一種用於計算位移的系統。

所述系統包括用於執行根據本發明的上述方法的各個步驟的處理單元。

以下將給出對本發明的詳細解釋和其他各方面。

附圖說明

現在將參考下文描述並且結合附圖考慮的實施例來解釋本發明的特定方面，其中，相同部分或子步驟以相同方式來指定：

圖1描繪了根據本發明的方法的流程圖，

圖2圖示了根據本發明的感興趣對象的位移模型的範例，

圖3圖示了根據本發明的圖像的第一子集與預先採集的圖像的關係，

圖4圖示了根據本發明的新採集的圖像的相似性的識別，

圖5圖示了根據本發明的第一參考圖像和第二參考圖像的選擇，

圖6描繪了根據本發明的系統的示意圖，

圖7描繪了根據本發明的系統的示意圖。

具體實施方式

例如，輻射治療是在癌症處置或者更一般地在醫學治療中廣泛使用的處置。輻射治療旨在通過將較高輻射劑量遞送到腫瘤並且將可能較低劑量遞送到健康器官組織來殺死患者身體中的腫瘤細胞，而不損害周圍組織。在下文中，接收輻射的患者身體的部分被描述為「感興趣對象」。例如，在對腹部的腫瘤的處置期間，感興趣對象可以具有由患者的呼吸引起的特定移動。通過計算由該移動引起的位移，位移信息被發送到用於處置的輻射治療裝備的控制模塊。控制模塊使用該位移信息來補償患者身體的感興趣對象的位移，以便使輻射射束跟隨感興趣對象，即使感興趣對象具有特定移動。

在處置的開始之前，利用醫學成像系統來掃描患者身體的感興趣對象以採集圖像，例如，超聲成像、x射線、ct和mri等。例如，在處置之前幾小時或幾分鐘進行掃描。

在掃描期間，患者例如水平地躺在床上。成像掃描的持續時間等於患者的若干呼吸循環的持續時間。由醫學成像系統生成的這些圖像在本發明中被稱為「預先採集的圖像」。在圖像掃描期間獲得圖像允許導出沿時間的感興趣對象的位移模型。

根據第一方法，通過依次計算在兩幅相繼的預先採集的圖像之間的感興趣對象的位移來獲得位移模型。通過隨時間進行此，能夠測量患者身體的感興趣對象的整體患者位移模型。

根據第二方法，通過在掃描期間使用被附接在患者皮膚上的標記來獲得所述位移模型。基於被提供到一些傳感器的標記的位置信息，能夠計算感興趣對象的位移信息。因此，能夠通過沿著時間進行此來測量患者身體的感興趣對象的整體患者位移模型。

在處置期間，輻射射束被引導到患者身體的感興趣對象。利用醫學成像系統來掃描患者以採集圖像，例如，超聲成像。掃描將針對處置的整個持續時間持續。由醫學成像系統生成的這些圖像在本發明中被稱為「新採集的圖像」。

根據本發明，當在處置期間正利用醫學成像系統掃描患者時，基於新採集的圖像來計算患者身體的感興趣對象的位移信息，如下面詳述的。

圖1描繪了根據本發明的方法的流程圖，所述方法用於計算感興趣對象的位移。

所述方法包括根據感興趣對象的預先採集的圖像的集合中相鄰的圖像來計算101感興趣對象的位移模型的步驟，其中，所述位移模型反映所述感興趣對象沿時間的位置。所述位移模型例如能夠通過第一或第二上述方法來確定。

感興趣對象可以包括各種類型的對象，其中，位置信息需要被確定。例如，在輻射治療的領域中，感興趣對象對應於患者身體中的組織或器官。所述感興趣對象可以是體模，在工業領域中有興趣對其進行監測。

圖2描繪了根據本發明的感興趣對象的位移模型的範例。

水平軸對應於時間並且垂直軸對應於感興趣對象的位移。例如，位移模型反映患者身體的沿時間變化的感興趣對象的位置。對於患者身體中的感興趣對象，所述位移模型通常是周期性曲線，因為移動是由呼吸移動引起的。一個周期性時間循環是t。例如，部分a是位移模型的一個周期。與位移改變較慢的區域p2和p5相比，p1、p3、p4和p6表示位移改變較快的區域。

方法還包括基於所述位移模型來確定102所述預先採集的圖像的集合的一個周期性時間循環內的來自所述預先採集的圖像的集合的圖像的第一子集s1的步驟。

位移模型的一個周期內的時間點被選擇。如圖2中圖示的，在部分a中選擇了一些時間點。存在一些區域，例如p1、p2、p3、p4、p5和p6。

在圖2中，t1p1、t2p1、t3p1是區域p1中的選定的時間點，而t2p2是區域p2中的選定的時間點。應當有在其他區域中，例如在p3、p4、p5和p6中，選擇的一些其他時間點。

在這些選定的時間點處採集的圖像形成在下文中稱為「圖像的第一子集」的圖像的集合。

圖3圖示了圖像的第一子集s1與預先採集的圖像s之間的關係。圖像的第一子集s1是預先採集的圖像s的子集。

如圖示的，預先採集的圖像s中沒有選擇時間點的圖像不被包括在圖像的第一子集s1中。

所述方法還包括從新採集的圖像識別103圖像的第二子集s2的第一步驟，其中，圖像的所述第二子集(s2)中的圖像是相繼的並且在圖像的第一子集(s1)中具有相同的最相似圖像，其中，通過將新採集的圖像中的給定圖像與圖像的所述第一子集(s1)中的每幅圖像進行比較來確定相似性水平的集合，並且其中，最相似圖像具有在相似性水平的所述集合中的最大相似性水平。

所述新採集的圖像是在患者的處置期間採集的圖像。所述最相似圖像是針對新採集的圖像的在圖像的所述第一子集s1中的代表性圖像。

對於新採集的圖像，通過與圖像的所述第一子集s1中的圖像進行比較，導出相似性水平。通過與圖像的第一子集s1中的所有圖像進行比較，導出相似性水平的集合。每個相似性水平表示新採集的圖像與圖像的所述第一子集s1中的對應的圖像之間的相似性。所述最相似圖像是從圖像的所述第一子集s1選擇的。所述最相似圖像與新採集的圖像之間的相似性水平在相似性水平的所述集合中是最大的。

例如，在圖4中，圖像in1是新採集的圖像。將該新採集的圖像in1與圖像的所述第一子集s1中的所有圖像進行比較。通過將新採集的圖像in1與圖像的比較第一子集s1中的所有圖像進行比較來導出相似性水平的集合。圖像imt在圖像的第一子集s1之中具有最大相似性水平。然後，圖像imt被識別為s1中的新採集的圖像in1的最相似圖像。

對於每幅新採集的圖像，以相同方式來識別最相似圖像。

可能發生的是，一些新採集的圖像在圖像的所述第一子集s1中具有相同的最相似圖像。

圖像的所述第一子集s1的沿時間的採集幀率低於所述預先採集的圖像。針對患者身體的相同感興趣對象，預先採集的圖像的採集幀率與新採集的圖像的採集幀率相同。因此，圖像的第一子集s1的採集幀率低於新採集的圖像。例如，在3維體積超聲成像中，在使用具有機械掃掠線性陣列的超聲探頭時，圖像採集幀率在[4hz-15hz]的範圍中，並且在使用具有電操縱矩陣陣列換能器時，在[20hz-50hz]。

在下文中，「3d」用於表示3維；「2d」用於表示2維。

例如，如圖5圖示的，來自圖像[i11…i1n]的新採集的圖像在圖像的第一子集s1中具有相同最相似圖像imt1。因此，圖像[i11…i1n]的集合定義圖像的第二子集，在圖5中被稱為s2。

在新採集的圖像的圖像的第一子集s1中的最相似圖像不同於圖像imt1時圖像的第二子集s2被完全地識別。例如，當imt2被識別為新採集的圖像i21的圖像的第一子集s1中的最相似圖像，圖像的第二子集s2完成。

所述方法還包括在圖像的第二子集s2中的選擇104給定圖像i1作為第一參考圖像i1的第一步驟。

如圖5所示，從圖像的第二子集s2中選擇圖像i1作為第一參考圖像。

有利地，第一參考圖像i1是在圖像的第二子集s2的中心時隙中選擇的圖像。例如，如果圖像的第二子集s2的數量是n，如果n是奇數，則第一參考圖像i1的次序被選擇為圖像的第二子集s2中的第(n+1)/2；如果n是偶數，則第一參考圖像i1的次序被選擇為圖像的第二子集s2中的第n/2-1或者第n/2+1。

有利地，第一參考圖像i1是在圖像的第二子集s2中隨機地或任意地選擇的圖像。

有利地，第一參考圖像i1是圖像的第二子集s2中的第一圖像。

所述方法還包括從新採集的圖像識別105圖像的第三子集s3的第二步驟，其中，圖像的所述第三子集(s3)中的圖像是相繼的並且在圖像的第一子集(s1)中具有相同的最相似圖像，其中，通過將新採集的圖像中的給定圖像與圖像的第一子集(s1)中的每幅圖像進行比較來確定相似性水平的集合，並且其中，所述最相似圖像具有在相似性水平的集合中的最大相似性水平。

所述新採集的圖像是在患者的處置期間採集的圖像。

所述最相似圖像是針對新採集的圖像的在圖像的所述第一子集s1中的代表性圖像。

對於新採集的圖像，通過與圖像的所述第一子集s1中的圖像進行比較，導出相似性水平。通過與圖像的第一子集s1中的所有圖像進行比較，導出相似性水平的集合。每個相似性水平表示新採集的圖像與圖像的所述第一子集s1中的對應的圖像之間的相似性。所述最相似圖像是從圖像的所述第一子集s1選擇的。所述最相似圖像與新採集的圖像之間的相似性水平在相似性水平的所述集合中是最大的。

例如，在圖5中，圖像i21是新採集的圖像。將該新採集的圖像i21與圖像的第一子集s1中的所有圖像進行比較。通過比較新採集的圖像i21與圖像的第一子集s1中的所有圖像來導出相似性水平的集合。圖像imt2在圖像的第一子集s1之中具有最大相似性水平。然後，圖像imt2被識別為s1中的新採集的圖像i21的最相似圖像。

對於每幅新採集的圖像，以相同方式來識別最相似圖像。

可能發生的是，一些新採集的圖像在圖像的所述第一子集s1中具有相同的最相似圖像。

圖像的所述第一子集s1的沿時間的採集幀率低於所述預先採集的圖像。針對患者身體的相同感興趣對象，預先採集的圖像的採集幀率與新採集的圖像的採集幀率相同。因此，圖像的第一子集s1的採集幀率低於新採集的圖像。例如，在3d體積超聲成像中，在使用具有機械掃掠線性陣列的超聲探頭時，圖像採集幀率在[4hz-15hz]的範圍中，並且在使用具有電操縱矩陣陣列換能器時，在[20hz-50hz]。

例如，如圖5圖示的，來自圖像[i21…i2m]的新採集的圖像在圖像的第一子集s1中具有相同最相似圖像imt2。因此，圖像[i21…i2m]的集合定義圖像的第三子集，在圖5中被稱為s3。

在新採集的圖像的圖像的第一子集s1中的最相似圖像不同於圖像imt3時圖像的第二子集s3被完全地識別。例如，當imt3被識別為新採集的圖像i31的圖像的第一子集s1中的最相似圖像時，圖像的第三子集s3完成。

所述方法還包括在圖像的第三子集s3中的選擇106給定圖像i2作為第二參考圖像i2的第二步驟。

如圖5所示，從圖像的第三子集s3選擇圖像i2作為第二參考圖像。

有利地，第二參考圖像i2是在圖像的第三子集s3的中心時隙中的選擇的圖像。例如，如果圖像的第三子集s3的數量是n，如果n是奇數，則第二參考圖像i2的次序被選擇為圖像的第三子集s3中的第(n+1)/2；如果n是偶數，則第二參考圖像i2的次序被選擇為圖像的第三子集s3中的第n/2-1或者第n/2+1。

有利地，第二參考圖像i2是在圖像的第三子集s3中隨機或任意選擇的圖像。

有利地，第二參考圖像i2是圖像的第三子集s3中的第一圖像。

所述方法還包括計算107第二參考圖像i2與第一參考圖像i1之間的感興趣對象的位移的步驟。

所述位移表示第二參考圖像i2中的對象的位置與第一參考圖像i1中的對象的位置之間的位置改變。

所述位移是通過計算圖像i2上的患者身體的感興趣對象的位置信息與圖像i1上的患者身體的感興趣對象的位置信息之間的距離來測量的。

例如，在超聲成像中，兩幅圖像之間的位移是通過使用本發明中的方法來計算的。在2d超聲成像中，其分別在坐標軸(x、y)的2個方向上被計算。在3d超聲成像中，其分別在坐標軸(x、y、z)的3個方向上被計算。

上面計算的位移反映平移的像素。通過與坐標軸的每個方向上的已知空間解析度進行組合，實際移動距離被確定。

有利地，確定102的步驟適於確定從集合[12、14、16、18、20、22、24]中選擇的具有若干圖像的圖像的所述第一子集s1。

例如，如果患者呼吸頻率為約20/min並且患者的呼吸循環的持續時間為約3秒。在3d體積超聲成像中，在使用具有機械掃掠線性陣列的超聲探頭時，圖像採集幀率在[4hz-15hz]的範圍中，並且在使用具有電操縱矩陣陣列換能器時，在[20hz-50hz]。因此，能夠在一個呼吸周期性時間循環內採集的超聲圖像的數量在使用具有機械掃掠線性陣列的超聲探頭時在範圍[12；45]中，並且在使用具有電操縱矩陣陣列換能器的超聲探頭時在[60；150]中。

作為範例，實驗示出了從集合[12、14、16、18、20、22、24]選擇的圖像的數量是現實的。

有利地，確定102的步驟包括在位移模型的周期性時間循環內選擇第一區域和第二區域，其中，在第一區域中選擇的圖像的數量大於在第二區域中選擇的圖像的數量，並且其中，第一區域內的位移模型的斜率大於第二區域中的位移模型的斜率。

如圖2圖示的，選擇一些區域，例如p1、p2、p3、p4、p5和p6。位移模型的斜率指示位移變化。區域p1的斜率和區域p3的斜率大於區域p2的斜率。區域p4的斜率和區域p6的斜率大於區域p5的斜率。

例如，t1p1、t2p1、t3p1是區域p1中的選定的時間點，而t2p2是區域p2中的選定的時間點。在區域p1中選擇的時間點的數量大於在區域p2中選擇的時間點的數量。同時，區域p1的斜率大於區域p2的斜率。

應當有在其他區域中，例如在p3、p4、p5和p6中，選擇的一些其他時間點。在區域p3中選擇的時間點的數量大於在區域p2中選擇的時間點的數量。同時，區域p3的斜率大於區域p2的斜率。在區域p4、p6中選擇的時間點的數量大於在區域p5中選擇的時間點的數量。同時，區域p4、p6的斜率大於區域p5的斜率。

有利地，在以上的確定102的步驟之後，所述方法還包括將標記附接到圖像的第一集合s1的步驟，所述標記包括感興趣對象的呼吸呼氣信息和呼吸吸氣信息。

例如，患者的呼吸時間循環包括呼氣階段和吸氣階段。圖像的第一集合s1中的每幅圖像被給予標記以反映不同狀態。

有利地，識別103的第一步驟中和識別105的第二步驟中的最相似圖像是基於使用在體積到體積互相關準則和平方差的和的最小值準則之中選擇的準則而被識別的。

體積到體積互相關是已知的圖像處理方法(hermosillo,g.,chefd』hotel,d.,faugeras,o.:variationalmethodsformultimodalimagematching.int.j.comput.vision50,329-343(2002))。應用體積到體積互相關是要找到給定圖像與圖像的第一子集s1中的圖像之間的最大相關係數。

平方差的和的最小值準則也是已知的圖像處理方法(yin,y.,hoffman,e.,lin,c.:masspreservingnonrigidregistrationofctlungimagesusingcubicb-spline.med.phys.36(9),4213–4222(2009))。

有利地，識別103的第一步驟包括以下子步驟：

-基於與相繼的圖像進行比較來將標記附接到新採集的圖像，所述標記包括呼吸呼氣信息和呼吸吸氣信息；

-從圖像的所述第一子集s1識別圖像的第四子集s4，圖像的所述第四子集s4具有相同的標記；

-從新採集的圖像識別圖像的第二子集s2，圖像的所述第二子集s2中的圖像在圖像的第四子集s4中具有相同最相似圖像。

所述標記包括如上所述的對象的呼吸呼氣信息和呼吸吸氣信息。

有利地，識別105的第二步驟包括以下子步驟：

-基於與相鄰的圖像進行比較來將標記附接到新採集的圖像，所述標記包括呼吸呼氣信息和呼吸吸氣信息；

-從圖像的所述第一子集s1識別圖像的第四子集s4，其中，圖像的所述第四子集s4具有相同的標記；

-從新採集的圖像識別圖像的第三子集s3，其中，圖像的所述第三集合s3中的圖像在圖像的第四子集s4中具有相同最相似圖像。

所述標記包括如上所述的對象的呼吸呼氣信息和呼吸吸氣信息。

有利地，所述方法還包括以下：

-基於所述位移來補償108輻射射束旨在被引導到感興趣對象的的位置的子步驟。

相應地調節輻射射束方向，以便跟隨所述感興趣對象的移動。因此，患者身體呼吸移動被補償。

圖6描繪了計算位移的根據本發明的實施例的系統200的示意圖。系統200包括處理單元230，其用於：

-第一單元(231)，其用於根據感興趣對象的預先採集的圖像的集合的相鄰的圖像來計算感興趣對象的位移模型，其中，所述位移模型反映所述感興趣對象沿時間的位置；

-第二單元(232)，其用於基於所述位移模型來確定所預先採集的圖像的集合的一個周期性時間循環內的來自所述預先採集的圖像的集合的圖像的第一子集s1；

-第三單元(233)，其用於從新採集的圖像識別圖像的第二子集s2，其中，圖像的所述第二子集(s2)中的圖像在圖像的第一子集(s1)中具有相同的最相似圖像，其中，通過將新採集的圖像中的給定圖像與圖像的第一子集(s1)中的每幅圖像進行比較來確定相似性水平的集合，並且其中，所述最相似圖像具有在相似性水平的集合中的最大相似性水平；

-第四單元(234)，其用於在圖像的第二子集s2中選擇給定圖像作為第一參考圖像i1；

-第五單元(235)，其用於從新採集的圖像識別圖像的第三子集s3，其中，圖像的識別第三子集(s3)中的圖像在圖像的所述第一子集(s1)中具有相同的最相似圖像，其中，通過將新採集的圖像中的給定圖像與圖像的所述第一子集(s1)中的每幅圖像進行比較來確定相似性水平的集合，並且其中，所述最相似圖像具有在相似性水平的集合中的最大相似性水平；

第六單元(236)，其用於在圖像的所述第三子集s3中選擇給定圖像作為第二參考圖像i2；

第七單元(237)，其用於計算所述第二參考圖像i2與所述第一參考圖像i1之間的位移。

根據本發明的系統的各種單元適於執行先前描述的各個步驟。例如，一個或多個單元被實施在一個或多個處理器中。

圖7示描繪了根據本發明的實施例的系統。

有利地，系統200適於連接到圖像採集模塊210。

該圖像採集模塊210旨在採集預先採集的圖像和新採集的圖像。

有利地，系統200適於連接到控制模塊220。

由處理單元230計算的位移通過計算處理單元230遞送，並且被發送到控制模塊220。控制模塊220被激活以遞送輻射射束，以便跟隨感興趣對象的移動。

有利地，圖像採集模塊210是超聲成像採集模塊。

儘管已經在附圖和前面的描述中詳細例示和描述了本發明，但這樣的例示和描述應當被認為是例示性或示範性的，而非限制性的。本發明不限於所公開的實施例。本領域技術人員通過研究附圖、公開內容以及從屬權利要求，在實踐請求保護的本發明時能夠理解並且實現對所公開的實施例的其他變型。

在權利要求中，詞語「包括」不排除其他元件或步驟，並且詞語「一」或「一個」不排除多個。單個處理器或其他單元可以完成權利要求書中所記載的若干個項目的功能。儘管在互不相同的從屬權利要求中記載了特定措施，但是這並不指示不能有利地使用這些措施的組合。權利要求書中的任何附圖標記均不應被解釋為對範圍的限制。