CN111031895B - 用于估计对象的脂肪含量分数的方法 - Google Patents

用于估计对象的脂肪含量分数的方法 Download PDF

Info

Publication number
CN111031895B
CN111031895B CN201880050042.2A CN201880050042A CN111031895B CN 111031895 B CN111031895 B CN 111031895B CN 201880050042 A CN201880050042 A CN 201880050042A CN 111031895 B CN111031895 B CN 111031895B
Authority
CN
China
Prior art keywords
thermoacoustic
interest
ultrasound
region
boundary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201880050042.2A
Other languages
English (en)
Other versions
CN111031895A (zh
Inventor
曹骏桓
迈克尔·M·桑顿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Andra Life Sciences
Original Assignee
Andra Life Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Andra Life Sciences filed Critical Andra Life Sciences
Publication of CN111031895A publication Critical patent/CN111031895A/zh
Application granted granted Critical
Publication of CN111031895B publication Critical patent/CN111031895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
    • A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/4244—Evaluating particular parts, e.g. particular organs liver
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4416—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to combined acquisition of different diagnostic modalities, e.g. combination of ultrasound and X-ray acquisitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Artificial Intelligence (AREA)
  • Endocrinology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

一种用于估计对象的脂肪含量分数的方法。能量发射器用于将能量信号导向感兴趣区域，其中感兴趣区域具有感兴趣对象、参考物和边界区，该边界区在感兴趣对象和参考物之间具有一个或更多个边界位置。接着，使用多个热声或超声换能器从一个或更多个边界位置接收多个热声双极信号，其中，热声双极信号是由能量信号引起的。机器被配置为接受来自能量发射器和多个热声或超声换能器的数据，并计算脂肪浓度，该脂肪浓度是在每个相应边界位置处的热声双极信号和在位置之间的一个或更多个距离的函数。

Description

用于估计对象的脂肪含量分数的方法
相关申请的交叉引用
本申请要求Jang等人于2017年8月1日提交的美国非临时专利申请 15/666,546的优先权益，该专利申请通过引用以其整体被并入本文。
领域
本申请涉及一种用于估计对象的脂肪含量分数(fractional fat content) 的方法。
背景
也称为脂肪肝病的肝性脂肪变性是肝细胞遭受大部分以甘油三酯(TG) 的形式的脂肪的异常细胞内积聚的状况。肝性脂肪变性的两种主要类型是酒精性肝病(ALD)和非酒精性脂肪性肝病(NAFLD)。NAFLD在美国是慢性肝病的最常见的原因。肝性脂肪变性可导致进行性肝病，且是心血管疾病和糖尿病的危险因素。具有组织学分析的肝活组织检查通常用于诊断脂肪肝并对脂肪肝分级。然而，由于具有组织学分析的肝活组织检查的侵入性质和限制(例如整个肝的表示的缺乏)，基于横截面成像的非侵入性评估正在被研究。
超声成像已经被用于评估肝性脂肪变性。超声成像使用频率高于人类听觉频率(>20000Hz)的声波。这些声波使用探针脉动进入(pulsed into) 组织。声波从组织反射。不同的组织反映不同程度的声音。这些回波通过信号处理被分析，并使用临床超声重建算法进一步被处理以重建由操作者表示和解释的超声图像。使用超声成像可以重建许多不同类型的图像。一种这样的类型是显示组织的二维横截面的声阻抗的B型图像(B-mode image)。然而，超声成像在评估肝性脂肪变性方面遭受差的重复性和再现性。
未增强的计算机断层扫描(CT)已经被用于评估肝性脂肪变性。使用未增强的CT，可以根据脂肪肝的衰减值以及与脾脏和血液的相对关系来诊断脂肪肝。然而，未增强的CT的敏感性是有限的。
磁共振成像(MRI)是目前用于诊断和量化肝性脂肪变性的最准确和精确的非侵入性成像方式。MRI数据可以被处理以估计质子密度脂肪分数 (PDFF)作为脂肪含量分数的量度。然而，MRI是昂贵的。
尽管已经考虑了用于检测肝性脂肪变性并对肝性脂肪变性分级的技术，但改进是期望的。因此，目的是至少提供一种用于使用热声成像来估计对象的脂肪含量分数的新颖的方法和系统。
概述
在一个实施例中，一种用于识别感兴趣区域中脂肪含量的方法包括：将能量信号导向感兴趣区域，其中，感兴趣区域具有感兴趣对象、参考物以及在感兴趣对象和参考物之间具有一个或更多个边界位置的边界区；从一个或更多个边界位置接收多个热声双极信号，其中，所述热声双极信号是由所述能量信号引起的；以及计算脂肪浓度，该脂肪浓度是在每个相应边界位置处的热声双极信号和在位置之间的一个或更多个距离的函数。
在一个实施例中，热声双极信号由热声和/或超声换能器的组合接收。
在一个实施例中，感兴趣对象是肝，并且所计算出的脂肪浓度与肝性脂肪变性状况相关联。
在一个实施例中，热声双极信号由相同的热声或超声换能器、但是在不同的时间处在不同的位置上接收。
在一个实施例中，能量信号是射频脉冲。
在一个实施例中，能量信号是可见光。
在一个实施例中，能量信号是红外辐射。
在一个实施例中，每个热声双极信号对应于单独的边界位置。
在一个实施例中，接收热声双极信号的步骤通过使用热声成像系统来实现，并且热声成像系统生成热声位置坐标。
在一个实施例中，该方法还包括利用生成超声位置坐标的超声成像系统接收来自感兴趣对象和至少一个参考物的超声信号。
在一个实施例中，该方法还包括配准从热声成像系统和超声成像系统导出的坐标系，其中，配准步骤包括将热声位置坐标与超声位置坐标相映射。
在一个实施例中，该方法还包括在该方法的第一步骤之前，使用超声位置坐标来识别边界区。
在一个实施例中，感兴趣对象是肝，并且所计算出的脂肪浓度与肝性脂肪变性状况相关联。
在一个实施例中，参考物是肝内的至少一个血管。
在一个实施例中，参考物是邻近肝的肾脏。
在一个实施例中，系统被配置为计算感兴趣位置的脂肪浓度，所述系统包括：能量发射器，该能量发射器被配置为将能量信号导向感兴趣区域，其中，感兴趣区域具有感兴趣对象、参考物以及在感兴趣对象和参考物之间具有一个或更多个边界位置的边界区域；多个热声或超声换能器，该多个热声或超声换能器被配置为从一个或更多个边界位置接收多个热声双极信号，其中，热声双极信号是由能量信号引起的；以及机器，该机器被配置为接受来自能量发射器和多个热声或超声换能器的数据，并计算脂肪浓度，该脂肪浓度是每个相应边界位置处的热声双极信号和在位置之间的一个距离或更多个距离的函数。
附图简述
现在将参考附图更充分地描述实施例，其中：
图1是根据主题申请的成像系统的示意图；
图2是示出由图1的成像系统获得的示例性双极信号的曲线图；
图3是示出由图1的成像系统获得的示例性电场强度衰减曲线的曲线图；
图4是用于计算感兴趣对象的脂肪浓度的方法的流程图；
图5是包含感兴趣对象和参考物的示例性感兴趣区域；
图6是示出在两个位置处获得的热声数据的示例性感兴趣区域；
图7是示出用于对感兴趣对象分级的步骤的流程图；
图8是热声数据调整的流程图；
图9是包含感兴趣对象和参考物的另一示例性感兴趣区域；
图10是另一热声数据调整的流程图；
图11A和图11B示出了使用补偿因子的实施例；
图12A和图12B示出了使用补偿因子的另一个实施例；
图13A和图13B示出了使用补偿因子的另一个实施例；
图14是示出在中间结构存在时由图1的成像系统获得的示例性双极信号的曲线图；以及
图15是示出用于估计感兴趣对象的脂肪含量分数的步骤的另一个实施例的流程图。
图16是示出人体中可以计算脂肪浓度的不同位置的图。
实施例的详细描述
在下文中，将描述用于估计感兴趣对象的脂肪含量分数的方法。
现在转到图1，成像系统被示出并且通常由参考数字20来标识。如可以看到的，在这个实施例中，成像系统20包括通信地耦合到超声成像系统24和热声成像系统26的计算设备22。超声成像系统24和热声成像系统26被配置为分别获得与受试者S相关联的感兴趣区域(ROI)的超声图像数据和热声数据。
在本实施例中的计算设备22是包括以下项的机器：个人计算机或其他合适的处理设备，其例如包括含有一个或更多个处理器的处理单元、系统存储器(易失性和/或非易失性存储器)、其他不可移除的或可移除的存储器(例如，硬盘驱动器、RAM、ROM、EEPROM、CD-ROM、DVD、闪存等)以及将各种计算机部件耦合到处理单元的系统总线。计算设备22 还可以包括使用以太网、Wi-Fi和/或其它合适的网络形式以实现到共享或远程驱动器、一个或更多个联网计算机或其他联网设备的连接的联网能力。诸如鼠标和键盘(未示出)的一个或更多个输入设备耦合到计算设备22 以用于接收用户输入。例如计算机屏幕或监视器的显示设备(未示出)耦合到计算设备22以用于显示基于从超声成像系统24接收的超声图像数据和/或从热声成像系统26接收的热声数据的一个或更多个生成的图像。
超声成像系统24包括被配置成将声波发射到受试者的感兴趣区域 ROI中的一个或更多个超声换能器阵列25。在该实施例中，一个或更多个超声换能器阵列25与超声成像系统24可断开连接。被引导到受试者的感兴趣区域ROI中的声波从感兴趣区域ROI内的组织产生回声，其中不同组织反射不同程度的声音。这些回声由一个或更多个超声换能器阵列25接收，并且在作为超声图像数据传送到计算设备22用于进一步处理以及用于由操作者表示和解释之前由超声成像系统24处理。在该实施例中，超声成像系统24利用假定1,540m/s的标称声速的B型超声成像技术。
热声成像系统26包括射频(RF)源28，该射频(RF)源28被配置为生成RF电磁辐射的短脉冲，该RF电磁辐射的短脉冲被引导到受试者的感兴趣区域ROI中以向在该受试者的感兴趣区域ROI内的组织输送能量。输送到组织的能量引起声压波，该声压波被热声成像系统26使用一个或更多个超声换能器阵列检测到。在该实施例中，热声成像系统26通过断开超声成像系统24的一个或更多个超声换能器阵列25的连接并将它们连接到热声成像系统26来利用超声成像系统26的一个或更多个超声换能器阵列25，且因此，在超声换能器阵列25之间的坐标映射是不需要的。在该实施例中，RF源具有在约10Mhz和100Ghz之间的频率，并且具有在约0.1纳秒和10微秒之间的脉冲持续时间。由一个或更多个超声换能器阵列25检测到的声压波被处理，并作为热声数据被传送给计算设备22以用于进一步处理以及用于由操作者表示和解释。
在单独的实施例中，热声成像系统26可以利用与超声换能器阵列25 分开的热声换能器。
由于与其他富含水和离子的软组织相比，脂肪和脂肪组织在RF中的较低的电导率和介电常数，因此热声成像可用于在脂肪和脂肪组织之间形成对比。与软组织(如肌肉)相比，脂肪和脂肪组织也具有较低的吸收系数。因此，获得脂肪组织和软组织的热声数据导致在脂肪组织和软组织之间的边界处的双极信号。双极信号的强度取决于脂肪组织和软组织的相对吸收特性。更多详情见以下参考资料：“Scanning thermoacoustic tomography inbiological tissue”，作者Ku等人，Med.Phys.,第27卷,第5期,第 1195-202页,2000年5月；“Microwave-induced thermoacoustic imaging model for potential breast cancerdetection”，作者Wang等人，IEEE Trans.Biomed. Eng.，第59卷，第10期，第2782-01页,2012年10月；以及“IT’IS Database for thermal and electromagnetic parameters ofbiological tissues”，作者Hasgall 等人，版本3.0,2015年9月。
示例性双极信号50、55和60在图2中示出。双极信号50、55和60 表示在脂肪组织70和瘦肉组织75之间的边界65处获得的热声数据。虚线80指示对应于边界65的时间点。每个双极信号50、55和60的峰间值与在脂肪组织70和瘦肉组织75之间的吸收系数的差成比例。因此，与在没有脂肪的组织(例如肾脏)和具有高脂肪含量分数的组织(例如脂肪肝) 之间的边界相关联的热声数据导致双极信号50。与在没有脂肪的组织(例如肾脏)和具有中等脂肪含量分数的组织(例如不健康的肝)之间的边界相关联的热声数据导致双极信号55。与没有脂肪的组织(例如肾脏)和具有低脂肪含量分数的组织(例如健康肝)之间的边界相关联的热声数据导致双极信号60。
不同组织在给定频率下具有特征介电特性。组织的介电特性确定组织吸收多少能量。通过组织传输的电场被衰减，且衰减量是通过组织的介电特性和物理特性确定的。通常，与正常组织相比，脂肪组织吸收的能量较少，且因此电场减弱的也较少。了解这些特性，就可以估计衰减量。更多细节可以在以下参考文献中找到：标题为“Determination ofadded fat in meat paste using microwave and millimetre wave techniques”，作者Ng等人，Meat Science，第79卷，第4期，第748-56页，2008年8月。
图3示出了根据与热声成像系统26的RF源28的距离在组织94中的电场强度衰减曲线90和92。每个电场强度衰减曲线90和92对应于脂肪组织，每个脂肪组织具有不同的脂肪浓度。与电场强度曲线90相关联的脂肪组织比与电场强度曲线92相关联的脂肪组织具有更高的脂肪浓度。
成像系统20利用在介电特性与脂肪含量分数之间的关系来估计感兴趣对象的脂肪含量分数。在该实施例中，成像系统20执行如现在将参考图4描述的用于基于感兴趣对象的脂肪含量分数来对感兴趣对象进行分级的方法。
该方法开始于将能量信号导向感兴趣区域，其中感兴趣区域具有感兴趣对象、参考物以及在感兴趣对象和参考物之间的具有一个或更多个边界位置的边界区(步骤401)。在该实施例中，使用超声成像系统24来定位感兴趣区域。具体地，由超声成像系统24获得的超声图像数据被传送到计算设备22。超声图像数据由计算设备22处理，并且重建的超声图像被呈现在显示设备上。操作者移动在受试者的身体上的一个或更多个超声换能器阵列，直到感兴趣区域被定位为止。在一个实施例中，当定位感兴趣区域时，计算设备22将与一个或更多个换能器阵列的轴向轴(或超声换能器阵列波束轴)的角度相关联的信息覆盖在显示设备上的重建的超声图像之上。该信息用于向操作者提供反馈，以确保一个或更多个换能器阵列的轴向轴通常垂直于在感兴趣对象和参考物之间的边界。
图4还显示了从一个或更多个边界位置接收多个热声双极信号的步骤，其中，热声双极信号是由能量信号引起的(步骤402)；以及计算脂肪浓度，该脂肪浓度是每个相应边界位置处的热声双极信号和位置之间的一个距离或更多个距离的函数(步骤403)。
如图5所示，示例性感兴趣区域包括参考物501和感兴趣对象506。在参考物501和感兴趣对象506之间的边界区域508包含边界位置502。图5中还示出了能量发射器505，其被配置为通过参考物501将能量信号 504引导至边界位置502。框507显示为平行于相对应的热声或超声换能器503延伸。
在步骤402中，我们用热声或超声换能器503从边界位置502接收热声双极信号，其中，热声双极信号是由能量信号504引起的。在该实施例中，操作者使用例如耦合到计算设备22的鼠标的输入设备来识别边界位置502。具体地，框507是具有至少一部分的感兴趣对象506、至少一部分的参考物501以及在感兴趣对象506和参考物501之间的边界502的形状的一个实施例。框通常是矩形的，其具有长轴(平行于长边)和短轴(平行于短边)。计算设备22通过显示设备向用户提供反馈，以指示在框507 的长轴和边界502之间的近似角度，以确保框507的长轴大体上垂直于边界502。
识别在感兴趣对象和参考物之间的多个边界位置。在该实施例中，操作者使用例如耦合到计算设备22的鼠标的输入设备来识别该至少一个边界。具体地，操作者绘制包括感兴趣对象的至少一部分、参考物的至少一部分以及在感兴趣对象和参考物之间的边界的框。该框通常是矩形的，其具有长轴(平行于长边)和短轴(平行于短边)。计算设备22通过显示设备向用户提供反馈，以指示在框的长轴和边界之间的近似角度，以确保框的长轴通常垂直于边界。
使用热声成像系统26获得感兴趣区域的热声数据的至少一个集合。如将认识到的，超声图像网格由尺寸、其相对于感兴趣区域的定位和单位单元(体素)尺寸来定义。超声图像网格和定位被定义为使得边界区域508 被包围在网格内。从超声图像网格中，热声测量网格被构建以确保热声图像位置与超声图像坐标的配准。在该实施例中，因为热声数据是使用用于获得超声图像数据的超声换能器阵列之一来获得的，因此热声测量网格容易被构建。具体地，热声测量网格等于超声图像网格。
在图6中显示了包含感兴趣对象210和参考物220的示例性感兴趣区域200。在该实施例中，获得热声数据的两(2)个集合。注意，也可以使用多于两个集合。第一超声换能器阵列601提供热声数据的第一集合，以及第二超声换能器阵列602提供热声数据的第二集合。针对每个超声换能器阵列生成框507。每个超声换能器阵列从不同的边界位置240接收它们各自的热声数据集。所示的两个边界位置240各自离能量源28不同的距离。这确保了热声数据的两(2)个集合之间出现明显的衰减。
为了估计感兴趣对象的脂肪含量分数，使用了许多方程。如公知的，由热源H(r，t)产生的热声压力遵循以下方程：
Figure GDA0003148414420000091
其中，
Figure GDA0003148414420000092
是空间定位向量，β是等压体积膨胀系数，c是声速，以及Cp是比热容。求解关于热声压力的方程1会产生以下正演问题：
Figure GDA0003148414420000093
热源被建模为两个因子的乘积：能量吸收的空间分布
Figure GDA0003148414420000094
其是被成像的对象的特征；和时间照射函数I(t)。因为超声换能器阵列具有有限的带宽，所以所记录的热声测量值
Figure GDA0003148414420000095
是所引起的压力
Figure GDA0003148414420000096
和超声换能器阵列的脉冲响应h(t)的卷积，如在方程3中所陈述的：
Figure GDA0003148414420000097
其中，*t表示一维(1D)时间卷积。
将要认识到，对于传统的热声成像，目标是通过反转正演问题来恢复空间吸收分布
Figure GDA0003148414420000098
辐射函数被建模为在给定时间点处在整个场统一的 (uniform)时间函数。
由于用于接收热声数据的超声换能器阵列的有限带宽，准确恢复吸收分布并非易事。因此，从热声数据中提取定量信息(例如感兴趣对象的脂肪含量分数)需要超越传统重建方法的复杂方法。
当感兴趣对象用RF辐射脉冲加热时，每单位体积的功率沉积表示为：
Figure GDA0003148414420000099
其中，ω是弧度频率，ε0是真空介电常数，ε″r是组织的相对介电常数，以及
Figure GDA00031484144200000910
是电场强度。从组织获得的热声数据的强度是组织的沉积能量和格林乃森参数Γ的乘积：
Figure GDA00031484144200000911
将要认识到，由于超声换能器的脉冲响应特性，记录的热声数据在两个不同组织之间的边界处表现双极信号。双极热声数据的强度被定义为双极信号的两个峰值之间的距离。将要认识到，在其他实施例中，度量还可以包括其他信息，诸如，例如双峰信号(bimodalsignal)的宽度。
在介电损耗介质(dielectric lossy medium)中，电场强度随着它在介质中的传播而减弱。衰减量由各种因素决定，例如介质(对象)的特性和施加器的设计。电场的空间分布可以写成如下
Figure GDA0003148414420000101
其中，
Figure GDA0003148414420000102
描述电场在给定空间上的衰减。对于简单的1D情况，衰减函数可以具有以下指数形式：
EA(d)＝e-ηd (7)
其中，η是电场吸收系数。
在该实施例中，方程5被用作模型，以从热声数据推断脂肪含量分数。如前所述，从在感兴趣对象和参考物之间的边界获得的热声数据是双极信号。双极信号的强度代表在感兴趣对象和参考物之间的吸收特性差异。此外，在边界处的热声数据的相位指示哪个组织(感兴趣对象或参考物)具有较高或较低的吸收系数。在边界位置rl处测量的热声信号的强度在方程8 中表示：
Sl＝(Γ1ε″r，1-Γ2ε″r，2)ωε0El 2 (8)
其中，下标1和2表示位于边界位置rl的每一侧上的两个不同组织，以及El表示在边界位置处的入射电场强度。
如方程8中所示，获取的热声数据的强度是通过几个组织特性和电场的强度确定的。
由于使用换能器阵列601和换能器阵列602获得热声数据的两(2) 个集合的不同位置之间的电场衰减，热声数据的每个集合的强度是不同的。因为感兴趣对象位于两个位置之间，所以电场的衰减由感兴趣对象的介电特性表征，该介电特性与肝的脂肪含量分数相关联。使用方程6和8，比率可以表示为：
Figure GDA0003148414420000111
在我们使用目标对象的吸收系数和新函数将该比率新定义为指数项(类似于方程(7))的情况下，获得热声数据的两(2)个集合的位置(位置1 和2)之间的有效距离。有效距离
Figure GDA0003148414420000112
是两个位置(
Figure GDA0003148414420000113
和
Figure GDA0003148414420000114
)之间的距离，该距离有助于它们之间的电场衰减。因此，两个位置之间的有效距离deff可能不同于它们之间的实际物理距离。有效距离的功能形式是基于RF应用设计及其预期的电场模式确定的。
当在目标对象和参考物之间的边界的两个不同位置被用于估计时，使用方程(9)。也可以使用具有已知属性的两个不同的参考物。在这种情况下，在选择的位置处的热声信号强度之间的比率如下：
Figure GDA0003148414420000115
换句话说，因为具有较高脂肪含量分数的组织将具有与瘦肉(无脂肪含量) 组织不同的介电特性和热特性，所以组织的感兴趣区域的脂肪含量分数被推断出来：
Figure GDA0003148414420000116
在一个实施例中，根据图7中所示的方法400对感兴趣对象进行分级。在该方法期间，将所估计的脂肪含量分数(步骤410)与阈值进行比较(步骤420)。在该实施例中，阈值是针对脂肪肝病的，并且被设置为5％的脂肪含量分数。对于脂肪肝病的阈值的具体内容在以下文献中进行了概述：“Magnetic resonance imaging and liver histology asbiomarkers of hepatic steatosis in children with non-alcoholic fatty liverdisease”，作者Schwimmer， Hepatology，第61卷，第1887-1895页，2015年。
如果所估计的脂肪含量分数小于阈值，则确定受试者没有疾病，且因此感兴趣对象被分级为零(0)(步骤430)。如果所估计的脂肪含量分数高于阈值，则确定存在诸如脂肪变性的疾病(步骤440)。通过将所估计的脂肪含量分数与已知的表格值进行比较，感兴趣对象又被分级为一(1)、二 (2)或三(3)(步骤450)。在该实施例中，已知的表格值在以下文献中进行了概述：“Non-alcoholic steatohepatitis：A proposal for grading andstaging the histological lesions”，作者Brunt等人，Am.J.Gastroenterol.，第 94卷，第9期，第2467-2474页，1999年9月。
具体地，在该实施例中，如果所估计的脂肪含量分数在5％和33％之间，则感兴趣对象被分级为一(1)。如果所估计的脂肪含量分数在34％和 66％之间，则感兴趣对象被分级为二(2)。如果所估计的脂肪含量分数大于66％，感兴趣对象被分级为三(3)。
然后将感兴趣对象的等级与针对该受试者获得的先前等级(如果可得到)进行比较(步骤460)。如果感兴趣对象的等级没有改变，则感兴趣对象被认为是稳定的并且对象被释放(步骤470)。如果感兴趣对象的等级已经改变，则认为需要进一步的医疗行为(步骤480)。
在一个实施例中，如图8中所示，可以使用热声数据调整。在这个实施例中：估计在框507和感兴趣区域之间的角度(步骤801)；确定框是否垂直于感兴趣区域(步骤802)；如果是，则执行步骤401、402、403和 404(步骤803)；如果否，则基于角度计算补偿因子(步骤804)；执行步骤401和402(步骤805)；执行步骤403，并使用计算出的补偿因子调整结果(步骤806)；并执行步骤404(步骤807)。
尽管在上述实施例中，参考物被描述为相邻于感兴趣对象，但是本领域中的技术人员将认识到，可以使用其它类型的组织。例如，在另一个实施例中，可以使用一个或更多个血管作为参考物。此外，可以有多于一个参考物。在该实施例中，显示在显示设备上的重建的超声图像可以被操作者用来识别和选择一个或更多个血管。图9中显示了一个示例。如可以看到的，感兴趣区域700包括感兴趣对象710。感兴趣区域700还包括参考物720，在该示例中，参考物720是血管。通过放置穿过参考物(720、740 和750)和感兴趣对象710的线730来识别边界。
在一些实施例中，可以根据热声数据调整来校正热声图像数据。
例如，将要认识到，热声信号以声压波的形式在整个空间中传播。在超声换能器阵列处接收的信号可以根据方程[10]来表示：
Figure GDA0003148414420000131
其中，S是超声换能器阵列的表面积。超声换能器阵列的特性及其相对于受试者的定位都会改变热声数据的特性。超声换能器阵列接收的热声信号强度受各种因素的影响，这些因素与信号生成无关，而是与声传播相关。这些因素取决于换能器空间灵敏度、在超声换能器阵列和感兴趣对象与参考物之间的边界之间的相对定位，以及参考物相对于超声换能器阵列表面的相对形状。即使对于相同的受试者和相同的超声换能器阵列，在热声数据获取期间改变超声换能器阵列的定位和角度也会导致不同的测量结果。
在实施例中，基于用户提供的信息和测量结果或者使用超声图像数据估计的信息和测量结果来计算补偿因子。补偿因子可以是单个因子或多个因子，其中每个因子是计算的信息，例如参考物的尺寸和形状以及超声换能器阵列和边界之间的角度。在一个实施例中，补偿因子基于理论方法(例如通过使用声传播和超声换能器特性)来计算。在另一个实施例中，补偿因子可以从仿真(phantom)和临床研究中获得。在又一个实施例中，可以使用理论和实验方法。
当用补偿器因子调整热声数据时，方程11中的热声信号强度S位置应由调整后的热声信号强度
Figure GDA0003148414420000132
代替：
Figure GDA0003148414420000133
其中，
Figure GDA0003148414420000134
是校正的信号强度。
Figure GDA0003148414420000135
其中，当血管用作参考物时，C是取决于平移角(θ)、仰角
Figure GDA0003148414420000136
和血管的厚度(d厚度)的校正函数。对于其他参考物，校正函数仅取决于角度：
Figure GDA0003148414420000137
示例性热声数据调整800在图10中被示出。超声换能器阵列和边界的切线之间的平移角和仰角被确定(步骤810)。执行检查以确定参考物是否是血管(步骤820)。如果参考物是血管，则计算设备使用超声图像数据和分割方法来估计血管的形状(步骤830)，并且该方法继续到步骤840。如将认识到，血管的形状可以是血管的厚度、视野内血管的长度和血管的横截面。如果参考物不是血管，则该方法不执行步骤830，并继续到步骤 840。在步骤840期间，使用在步骤810至830中获得的信息并使用超声换能器阵列特性来计算补偿因子。在该实施例中，用于计算补偿因子的信息是以下中的至少一个：平移角、仰角、血管(如果被选择作为参考物) 的厚度和超声换能器阵列的空间灵敏度。因此，补偿因子被计算出。使用由步骤840计算出的补偿因子来调整在步骤403中获得的热声数据。然后，执行步骤404。
在图11A和图11B中显示了使用补偿因子的实施例。如可以看出的，当超声换能器阵列和边界的切线之间的角度不是直角时，热声信号根据相对于直角的偏差而减小。因此，可以使用补偿因子来校正超声换能器阵列和边界的切线之间的角度不是直角的事实。
图12A和图12B示出了使用补偿因子的另一个实施例。如可以看出的，当选择血管作为参考物时，热声信号根据仰角而减小，仰角被定义为显示扫描平面和穿过血管的中心的扫描平面之间的角度。因此，补偿因子可用于校正仰角并不穿过血管的中心的事实。
图13A和图13B示出了使用补偿因子的另一个实施例。如可以看出的，当选择血管作为参考物时，热声信号根据血管的厚度而增加。因此，可以使用补偿因子来校正血管的厚度。
尽管在上述实施例中边界是在感兴趣对象和参考物彼此紧密相关的位置处被选择的，但是本领域中的技术人员将认识到，替代方案是可用的。例如，在另一个实施例中，中间结构可以在参考物和感兴趣对象之间。该实施例的示例性双极信号950和955在图14中被示出。双极信号950和 955分别表示在参考物965和中间结构970之间的边界960以及在中间结构970和感兴趣对象980之间的边界975处获得的热声数据。虚线985指示对应于边界960的时间点，以及虚线990指示对应于边界975的时间点。
图15示出了具有一个或更多个中间结构的实施例。示出了步骤1501，定位包含感兴趣对象、参考结构和一个或更多个中间结构的感兴趣区域；步骤1502，识别在参考结构和第一中间结构之间的、在中间结构之间的边界；步骤1503，识别在最后中间结构和感兴趣对象之间的边界；步骤1504，从发射器处的能量信号电场强度开始，从参考结构和中间结构中减去衰减电场信号损耗，以估计每个边界处的电场强度；步骤1505，将每个边界处的热声双极信号与每个相应边界处的电场强度相关联，以针对每个相应边界生成校正的热声双极信号；以及步骤1506，根据校正的热声双极信号计算感兴趣对象的脂肪浓度。
尽管在上面描述的实施例中参考物被描述为由操作者选择，但是本领域中的技术人员将认识到，替代方案是可采用的。例如，在另一个实施例中，可以使用由计算设备22基于在感兴趣区域内的特定类型的组织的已知几何形状和/或已知超声特性执行的算法来自动定义参考物。此外，可以使用基于超声分割或热声数据分析的算法来自动定义在参考物和感兴趣对象之间的边界。如将认识到，操作者定义的方法和自动方法都可以组合。
尽管在上述实施例中一个或更多个超声换能器阵列被描述为与超声成像系统24可断开连接并且可重新连接到热声成像系统26，但是本领域的技术人员将认识到，替代方案也是可能的。例如，超声成像系统24和热声成像系统26可以具有其各自的一个或更多个换能器阵列。在另一个实施例中，一个或更多个超声换能器阵列可以连接到其本身连接到超声成像系统和热声成像系统的集线器。在该实施例中，集线器可以由计算设备 22或通过其他输入端来控制，以在超声成像系统与热声成像系统之间切换操作，反之亦然。
尽管在上述实施例中，所使用的度量被描述为在双峰信号的两个峰之间的差，但是本领域中的技术人员将认识到，该度量可以是简单峰值(最大值)、p范数、在双峰信号下的面积等。
如将认识到的，可以使用存储在存储器中的图像实时或离线地对超声图像和热声图像执行上述图像处理的实施例。
尽管热声成像系统被描述为包括被配置成生成RF电磁辐射的短脉冲的RF源，但是本领域技术人员将认识到，在其他实施例中，热声成像系统可以包括波长在400nm和10μm之间和脉冲持续时间在10皮秒和10微秒之间的可见光源或红外辐射源。
尽管在上述实施例中热声成像系统和超声成像系统被描述为使用一个或更多个超声换能器阵列，本领域中的技术人员将认识到，替代方案是可采用的。例如，可以使用单个换能器元件、具有直线或弯曲的一维阵列的超声换能器阵列或者二维超声换能器阵列。另外，可使用凝胶状材料或水囊来使一个或更多个超声换能器阵列与感兴趣区域对接。
尽管在上述实施例中使用从单个感兴趣区域获得的热声数据来估计感兴趣对象的脂肪含量分数，但是本领域中的技术人员将认识到，多个感兴趣区域可以被分析和组合。
尽管在上述实施例中血管被描述为由操作者手动识别，但是本领域中的技术人员将认识到，血管可以以其他方式被识别。例如，在另一个实施例中，自动或半自动算法可以被用于识别一个或更多个血管。在其它实施例中，多普勒成像方法可用于识别血管。
本领域中的技术人员将认识到，上述超声图像数据和热声数据可以是一维的、二维的或三维的。在实施例中，超声图像数据可以在与热声数据不同的维度中。例如，超声图像数据可以是二维的，以及热声数据可以是一维的。此外，可以使用不同的视场。
在另一个实施例中，不同类型或模型的换能器阵列可以与热声和超声成像系统一起使用。在该实施例中，可以使用变换来将热声吸收图像映射到超声图像。在另一实施例中，在换能器阵列几何形状的知识不容易获得的情况下，可使用幻象参考点(phantomreference points)来将热声吸收图像映射到超声图像。在该实施例中，可以使用变换来将来自热声吸收图像的已知的幻象参考点映射到超声图像上的幻象参考点。
尽管超声成像系统被描述为使用B型超声成像技术，但是也可以使用其他技术，例如功率多普勒图像、连续波多普勒图像等。
图16是示出了人体内不同位置的图，其中脂肪浓度可以利用本公开中提供的方法和系统来计算。示出了心外膜/心包(epi/pericardial)脂肪组织1601、肝脂肪1602、皮下脂肪组织1603、内脏脂肪组织1604、皮下臀股脂肪组织1605、血管周围脂肪组织1606、心肌脂肪1607、胰腺脂肪1608、肾窦脂肪1609和肌肉脂肪1610。
本领域中的技术人员将认识到，可以评估其它感兴趣对象，以及可以使用其它参考物，例如心脏、肾脏、肺、食道、胸腺、乳腺、前列腺、脑、肌肉、神经组织、上皮组织、膀胱、胆囊、肠、肝、胰腺、脾脏、胃、睾丸、卵巢、子宫、皮肤和脂肪组织。
尽管在上述实施例中获得的是感兴趣区域的热声数据，但是本领域中的技术人员将认识到，可以获得大于感兴趣区域的面积的热声数据。
使用前述说明书，本发明可以通过使用标准编程和/或工程技术以产生编程软件、固件、硬件或其任何组合而被实现为机器、过程或制品。
具有计算机可读指令的任何因而得到的程序可以被存储在一个或更多个计算机可用介质(例如存储器设备或传输设备)中，从而制造根据本发明的计算机程序产品或制品。因此，功能可以作为计算机程序在物理设备上被植入，该计算机程序作为将由处理器执行的指令存在于任何计算机可读介质上，例如在任何存储器设备上或在任何传输设备中。
存储设备的示例包括硬盘驱动器、软盘、光盘、磁带、半导体存储器 (例如闪存、RAM、ROM、PROMS)，等等。网络的示例包括但不限于互联网、内联网、基于电话/调制解调器的网络通信、硬连线/电缆通信网络、蜂窝通信、无线电波通信、卫星通信以及其他固定或移动网络系统/通信链路。
体现本发明的机器可以涉及体现如在权利要求所阐述的本发明的一个或更多个处理系统，包括例如，计算机处理单元(CPU)或处理器、存储器/存储设备、通信链路、通信/传输设备、服务器、I/O设备或一个或更多个处理系统的任何子部件或单独部分(包括软件、固件、硬件或其任何组合或子组合)。
使用在本文提供的描述，本领域中的技术人员将能够容易地将如所述创建的软件与适当的或专用计算机硬件组合，以创建体现本发明的计算机系统和/或计算机子部件，并创建用于执行本发明的方法的计算机系统和/ 或计算机子部件。
尽管以上已经参考附图描述了实施例，但是本领域技术人员将认识到，可以在不脱离由所附权利要求限定的本发明的范围的情况下进行变化和修改。

Claims (18)

1.一种用于识别感兴趣区域中的脂肪含量的方法，所述方法包括：
将能量信号导向所述感兴趣区域，其中，所述感兴趣区域具有感兴趣对象、参考物以及边界区，所述参考物具有已知属性，所述边界区在所述感兴趣对象和所述参考物之间具有一个或更多个边界位置；
从所述一个或更多个边界位置接收多个热声双极信号，其中，所述热声双极信号是由所述能量信号引起的；和
计算脂肪浓度，所述脂肪浓度是在每个相应边界位置处的所述热声双极信号的两个峰值之间的差和在每个相应边界位置之间的一个或更多个距离的函数。
2.根据权利要求1所述的方法，进一步的，其中，每个热声双极信号对应于单独的边界位置。
3.根据权利要求1所述的方法，其中，接收所述热声双极信号的步骤通过使用热声成像系统来实现，并且所述热声成像系统生成热声位置坐标。
4.根据权利要求3所述的方法，还包括利用生成超声位置坐标的超声成像系统从所述感兴趣对象和所述至少一个参考物接收超声信号。
5.根据权利要求4所述的方法，还包括配准从所述热声成像系统和所述超声成像系统导出的坐标系，其中，配准步骤包括将所述热声位置坐标与所述超声位置坐标相映射。
6.根据权利要求5所述的方法，还包括在所述方法的第一步骤之前，使用所述超声位置坐标来识别所述边界区。
7.根据权利要求1所述的方法，其中，所述感兴趣对象是肝，并且所计算出的脂肪浓度与肝性脂肪变性状况相关联。
8.根据权利要求1所述的方法，其中，所述参考物是肝内的至少一个血管。
9.根据权利要求1所述的方法，其中，所述参考物是邻近肝的肾脏。
10.根据权利要求1所述的方法，其中，所述能量信号选自包括射频脉冲、可见光和红外辐射的组。
11.一种被配置为识别感兴趣区域中的脂肪含量的系统，所述系统包括：
射频源，其被配置为将射频电磁辐射的脉冲导向所述感兴趣区域，其中，所述感兴趣区域具有感兴趣对象、参考物以及边界区，所述参考物具有已知属性，所述边界区在所述感兴趣对象和所述参考物之间具有一个或更多个边界位置；
至少一个热声或超声换能器，其被配置为从所述一个或更多个边界位置接收多个热声双极信号，其中，所述多个热声双极信号是由传送到所述感兴趣区域的射频电磁辐射的脉冲引起的；和
处理器，其被配置为接受来自射频源和所述至少一个热声或超声换能器的数据，并计算脂肪浓度，所述脂肪浓度是在每个相应边界位置处的所述热声双极信号的两个峰值之间的差和在所述感兴趣对象和所述参考物的每个相应边界位置之间的一个或更多个距离的函数。
12.根据权利要求11所述的系统，进一步地，其中，所述至少一个热声或超声换能器还被配置为接收对应于单独的边界位置的多个热声双极信号。
13.根据权利要求11所述的系统，其中，所述处理器还被配置为用热声位置坐标生成热声图像。
14.根据权利要求13所述的系统，其中，所述处理器还被配置为用超声位置坐标生成超声图像。
15.根据权利要求14所述的系统，其中，所述处理器还被配置为配准所述热声位置坐标和所述超声位置坐标。
16.根据权利要求11所述的系统，其中，所述处理器还被配置为计算肝的脂肪浓度，并且将所述肝的脂肪浓度与肝性脂肪变性状况相关联。
17.根据权利要求11所述的系统，其中，所述参考物是肝内的至少一个血管。
18.根据权利要求11所述的系统，其中，所述参考物是邻近肝的肾脏。
CN201880050042.2A 2017-08-01 2018-01-05 用于估计对象的脂肪含量分数的方法 Active CN111031895B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/666,546 2017-08-01
US15/666,546 US9888880B1 (en) 2017-08-01 2017-08-01 Method and system for estimating fractional fat content of an object
PCT/US2018/012575 WO2019027497A1 (en) 2017-08-01 2018-01-05 METHOD OF ESTIMATING THE FRACTIONAL CONTENT IN FAT FROM AN OBJECT

Publications (2)

Publication Number Publication Date
CN111031895A CN111031895A (zh) 2020-04-17
CN111031895B true CN111031895B (zh) 2021-12-17

Family

ID=61147824

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201880050042.2A Active CN111031895B (zh) 2017-08-01 2018-01-05 用于估计对象的脂肪含量分数的方法
CN201980040092.7A Active CN112312830B (zh) 2017-08-01 2019-03-29 用于确定组织的脂肪含量分数的方法和系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201980040092.7A Active CN112312830B (zh) 2017-08-01 2019-03-29 用于确定组织的脂肪含量分数的方法和系统

Country Status (4)

Country Link
US (3) US9888880B1 (zh)
EP (3) EP3668382B1 (zh)
CN (2) CN111031895B (zh)
WO (2) WO2019027497A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9888880B1 (en) 2017-08-01 2018-02-13 Endra Life Sciences Inc. Method and system for estimating fractional fat content of an object
US11304606B2 (en) 2018-11-07 2022-04-19 Endra Life Sciences Inc. Method and system for enhancing RF energy delivery during thermoacoustic imaging
US11051699B2 (en) * 2018-12-24 2021-07-06 Endra Life Sciences Inc. Method and system for estimating fractional fat content of an object of interest
US10631734B1 (en) * 2018-12-27 2020-04-28 Endra Life Sciences Inc. Method and system for monitoring tissue temperature
US11141067B2 (en) * 2018-12-27 2021-10-12 Endra Life Sciences Inc. Method and system for monitoring tissue temperature
US10682059B1 (en) 2018-12-28 2020-06-16 Endra Life Sciences Inc. Radio frequency applicator and thermoacoustic imaging system employing the same
US10993624B2 (en) * 2019-02-19 2021-05-04 Endra Life Sciences Inc. Systems and methods for thermoacoustic transducer optimization
US11779312B2 (en) * 2019-06-28 2023-10-10 Siemens Medical Solutions Usa, Inc. Ultrasound medical imaging with optimized speed of sound based on fat fraction
CN110179498A (zh) * 2019-07-02 2019-08-30 四川大学华西医院 一种用于淋巴水肿显像的热声成像系统及其控制方法
US20210038190A1 (en) * 2019-08-08 2021-02-11 Endra Life Sciences Inc. Method and system for identifying a material of interest
US11047832B2 (en) 2019-08-29 2021-06-29 Endra Life Sciences Inc. Method and system for determining at least one parameter of interest of a material
US11266314B2 (en) 2019-10-01 2022-03-08 Endra Life Sciences Inc. Method and system for determining a material type of an object of interest
US11067543B2 (en) 2019-10-03 2021-07-20 Endra Life Sciences Inc. Method and system for determining a parameter of a material of interest
US11337676B2 (en) * 2020-02-12 2022-05-24 Endra Life Sciences Inc. Acoustically compatible radio-frequency applicator method and system
US11172829B2 (en) * 2020-04-21 2021-11-16 Endra Life Sciences Inc. Thermoacoustic transducer with integrated switch
US10996163B1 (en) * 2021-01-12 2021-05-04 Endra Life Sciences Inc. Acoustically isolated thermoacoustic imaging probe and process of manufacture

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4385634A (en) 1981-04-24 1983-05-31 University Of Arizona Foundation Radiation-induced thermoacoustic imaging
US5713356A (en) 1996-10-04 1998-02-03 Optosonics, Inc. Photoacoustic breast scanner
US7266407B2 (en) * 2003-11-17 2007-09-04 University Of Florida Research Foundation, Inc. Multi-frequency microwave-induced thermoacoustic imaging of biological tissue
EP1935346A1 (en) 2006-12-21 2008-06-25 Stichting voor de Technische Wetenschappen Imaging apparatus and method
CA2762562A1 (en) 2009-05-19 2010-11-25 Endra, Inc. Thermoacoustic system for analyzing tissue
JP5566456B2 (ja) 2009-06-29 2014-08-06 ヘルムホルツ・ツェントルム・ミュンヒェン・ドイチェス・フォルシュンクスツェントルム・フューア・ゲズントハイト・ウント・ウムベルト（ゲーエムベーハー） 被写体を熱音響撮像するための撮像装置及び撮像方法、コンピュータプログラム並びにコンピュータで読み取り可能な記憶媒体を備える装置
US20110288411A1 (en) * 2010-05-24 2011-11-24 Stephen Anthony Cerwin Multi-Mode Induced Acoustic Imaging Systems And Methods
US9757092B2 (en) * 2011-11-02 2017-09-12 Seno Medical Instruments, Inc. Method for dual modality optoacoustic imaging
US10357223B2 (en) * 2012-07-03 2019-07-23 University of Pittsburgh—of the Commonwealth System of Higher Education Method and apparatus to detect lipid contents in tissues using ultrasound
US20150250388A1 (en) * 2013-07-10 2015-09-10 The Board Of Trustees Of The Leland Stanford Junior University Remote sensing, imaging, or screening of embedded or concealed objects
US20150285882A1 (en) * 2014-04-03 2015-10-08 University Of Maryland, Baltimore Portable system and method for mri imaging and tissue analysis
US10022107B2 (en) * 2015-07-31 2018-07-17 Endra Life Sciences Inc. Method and system for correcting fat-induced aberrations
US10523523B2 (en) 2016-06-02 2019-12-31 Cisco Technology, Inc. Infographic search
US20170351836A1 (en) * 2016-06-05 2017-12-07 Endra, Inc. Method and system for estimating fractional fat content of an object
US9888879B1 (en) 2017-08-01 2018-02-13 Endra Life Sciences Inc. Method and system for estimating fractional fat content of an object
US9888880B1 (en) 2017-08-01 2018-02-13 Endra Life Sciences Inc. Method and system for estimating fractional fat content of an object

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Adaptive and Robust Methods of Reconstruction (ARMOR) for Thermoacoustic Tomography;Yao Xie et al;《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》;20081231;第55卷(第12期);2741-2752页 *
Simulations of the thermo-acoustic lens effect during focused ultrasound surgery;Ibrahim M. Hallaj et al;《Acoustical Society of America》;20010531;第109卷(第5期);2245-2253页 *
Thermoacoustic imaging of rabbit knee joints;Zihui Chi et al;《Am. Assoc. Phys. Med.》;20161231;第43卷(第12期);6226-6233页 *

Also Published As

Publication number Publication date
WO2019240864A1 (en) 2019-12-19
EP3806721A4 (en) 2022-03-09
US9888880B1 (en) 2018-02-13
EP3668382B1 (en) 2022-02-09
EP3806721A1 (en) 2021-04-21
EP3806721B1 (en) 2023-08-09
CN112312830B (zh) 2022-03-08
EP3806721C0 (en) 2023-08-09
US20190038220A1 (en) 2019-02-07
WO2019027497A1 (en) 2019-02-07
EP3730041A1 (en) 2020-10-28
US9980677B1 (en) 2018-05-29
EP3668382A1 (en) 2020-06-24
CN111031895A (zh) 2020-04-17
US10258277B2 (en) 2019-04-16
CN112312830A (zh) 2021-02-02
EP3668382A4 (en) 2021-04-14
EP3730041B1 (en) 2022-08-24

Similar Documents

Publication Publication Date Title
CN111031895B (zh) 用于估计对象的脂肪含量分数的方法
CN111050631B (zh) 用于估计对象的脂肪含量分数的方法和系统
EP3463071A1 (en) A method and system for estimating fractional fact content of an object
CN113624360B (zh) 用于监测组织温度的方法和系统
CN113227782B (zh) 用于估计感兴趣对象的分数脂肪含量的方法和系统
CN114502063B (zh) 用于确定感兴趣对象的材料类型的方法和系统
CN113226208B (zh) 用于监测组织温度的方法和系统
US11047832B2 (en) Method and system for determining at least one parameter of interest of a material
CN114502062B (zh) 用于确定感兴趣材料的参数的方法和系统
US20210038190A1 (en) Method and system for identifying a material of interest

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant