CN113164196A - 热消融区域的时间映射 - Google Patents

热消融区域的时间映射 Download PDF

Info

Publication number
CN113164196A
CN113164196A CN201980076647.3A CN201980076647A CN113164196A CN 113164196 A CN113164196 A CN 113164196A CN 201980076647 A CN201980076647 A CN 201980076647A CN 113164196 A CN113164196 A CN 113164196A
Authority
CN
China
Prior art keywords
ablation
pixel
probability
data sets
scan data
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.)
Pending
Application number
CN201980076647.3A
Other languages
English (en)
Inventor
J·克吕克尔
S·塞特拉曼
F·C·梅拉尔
W·T·史
E·莱维
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN113164196A publication Critical patent/CN113164196A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/0841—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating instruments
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • 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
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
    • A61B18/04—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by heating
    • A61B18/12—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by heating by passing a current through the tissue to be heated, e.g. high-frequency current
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
    • A61B2018/00571—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for achieving a particular surgical effect
    • A61B2018/00577—Ablation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/102—Modelling of surgical devices, implants or prosthesis
    • A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Robotics (AREA)
  • Vascular Medicine (AREA)
  • Otolaryngology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Surgical Instruments (AREA)

Abstract

本公开的各种实施例包括热消融概率控制器(30)，所述热消融概率控制器采用消融概率模型(32)，所述消融概率模型被训练为针对图示静态解剖消融的消融扫描图像的每个像素呈现像素消融概率。在操作中，所述热消融概率控制器(30)将表示动态解剖消融的消融扫描数据集的时间序列在空间上对齐，并且将消融概率模型(32)应用于消融扫描数据集的所述时间序列的所述空间对齐以针对图示静态解剖消融的消融扫描图像的每个像素呈现像素消融概率。

Description

热消融区域的时间映射
技术领域
本公开总体涉及经皮热消融。本公开具体地涉及用于监测经皮热消融的热消融区域的成像。
背景技术
经皮热消融是介入放射科医师的抗癌治疗武器中广泛使用的工具，2016年在全球范围内执行了约200,000例手术，并且增长率超过8％。为了精确消融肿瘤，同时保留附近的健康组织，需要监测消融过程(即，(一个或多个)生长中的热消融区域的可视化)。超声成像通常用于引导消融针的放置，但是当前基于超声的监测方法可能涉及对消融的不充分监测和流程内评估，这可能导致肿瘤消融不彻底，从而导致肿瘤复发或对消融区域附近的健康关键结构的潜在的损害。
更特别地，已经研究了用于消融监测的基于超声的方法，并且显示出这些方法有望用于描绘消融边界(例如，剪切波弹性成像)。然而，在消融期间的困难成像情况可能会导致显著的伪影和/或低信噪比(SNR)，例如，像消融电极、肿瘤和热梯度的存在，以及常见的可能导致明显的伪影和/或低信噪比的组织不均匀性和生理运动。
重要的是，在消融监测中要观察到的相关余量是由于凝结坏死而导致的具有不可逆的永久性热组织损伤的(一个或多个)区域的轮廓。凝结过程的特征是组织刚度显著增加。在消融过程中，凝结区将从紧邻消融电极尖端的区域生长到距尖端几厘米的距离。由于消融监控图像可能充满伪影和低SNR，因此在离散时间点分辨个体图像中消融的相关边界可能变得困难。因此，当观看这样的个体图像时，难以识别消融区域的轮廓，这可能导致消融不完全、肿瘤复发或损害对于健康关键的结构。
发明内容
尽管已经证明了已知的基于超声的消融监测方法是有益的(例如，剪切波弹性成像)，但是仍然需要用于经由对消融的解剖区域进行扫描成像来提供对(一个或多个)消融区域的准确而可靠的监测的改进技术。本公开教导了一种用于基于对个体消融监测图像的观察和跟踪来识别消融区域的概率方法。
更特别地，出于本公开的描述和权利要求的目的，在离散时间中不变的解剖消融的扫描图像被认为是静态解剖消融，并且在一段时间内扩大的解剖消融的扫描图像的时间序列被认为是动态解剖消融。本公开教导了一种基于对动态解剖消融的观察和跟踪来识别静态解剖消融的(一个或多个)消融区域的概率方法。
本公开的一个实施例是一种热消融概率控制器，其采用存储器，所述存储器包括消融概率模型，所述消融概率模型被训练为针对图示静态解剖消融(即，在离散时间的不变的解剖消融)的消融扫描图像的每个像素呈现像素消融概率。
所述热消融概率控制器还采用一个或多个处理器，以在空间上对齐表示动态解剖消融的消融扫描数据集的时间序列(即，在一段时间内扩大的解剖消融)，并将消融概率模型应用于消融扫描数据集的时间序列的空间对齐，以针对图示静态解剖消融的消融扫描图像的每个像素呈现像素消融概率。
本公开的第二实施例是一种编码有指令的非瞬态机器可读存储介质，所述指令用于由一个或多个处理器执行消融概率模型，所述消融概率模型被训练为针对表示静态解剖消融(即在离散时间的不变的解剖消融)的消融扫描数据集的每个像素呈现像素消融概率。
非瞬态机器可读存储介质包括指令，以在空间上对齐表示动态解剖消融的消融扫描数据集的时间序列(即，在一段时间内扩大的解剖消融)，并将消融概率模型应用于消融扫描数据集的时间序列的空间对齐，以针对图示静态解剖消融的消融扫描图像的每个像素呈现像素消融概率。
本公开的第三实施例是一种能够由热消融概率控制器执行的热消融概率方法，所述热消融概率控制器包括消融概率模型，所述消融概率模型被训练为针对表示静态解剖消融(即在离散时间的不变的解剖消融)的消融扫描数据集的每个像素呈现像素消融概率。
所述热消融概率方法包括由热消融概率控制器将表示动态解剖消融(即，在一段时间的扩大的解剖消融)的消融扫描数据集的时间序列空间对齐。
所述热消融概率方法还包括由所述热消融概率控制器将消融概率模型应用于所述消融扫描数据集的所述时间序列的所述空间对齐，以针对图示静态解剖消融的消融扫描图像的每个像素呈现像素消融概率。
对于本公开的各种实施例，将所述消融概率模型应用于消融扫描数据集的所述时间序列的所述空间对齐可以包括图示根据消融扫描图像数据的所述时间序列的所述空间对齐导出的所述静态解剖消融的所述消融扫描图像的像素的时间像素强度。
额外地，将消融概率模型应用于消融扫描数据集的时间序列的空间对齐还可以包括图示根据消融扫描数据集的所述时间序列的所述空间对齐导出的所述静态解剖消融的所述消融扫描图像的一个或多个相邻像素的时间像素强度。
此外，将所述消融概率模型应用于消融扫描数据集的所述时间序列的所述空间对齐可还包括将消融概率规则应用于像素和(一个或多个)相邻像素的时间像素强度以呈现像素的像素消融概率。
对于本公开的各种实施例，将所述消融概率模型应用于消融扫描数据集的所述时间序列的所述空间对齐可以包括通过消融扫描图像数据的所述时间序列的所述空间对齐的每个像素的时间序列的消融概率模型进行的时间像素强度评估。
额外的，将所述消融概率模型应用于消融扫描数据集的所述时间序列的所述空间对齐还可以包括通过消融扫描图像数据的所述时间序列的所述空间对齐的一个或多个相邻像素的时间像素强度评估的消融概率模型进行的空间像素强度评估。
此外，将所述消融概率模型应用于消融扫描数据集所述的时间序列的所述空间对齐还可以包括将一个或多个消融概率规则应用于所述时间像素强度评估和所述空间像素强度评估。所述(一个或多个)消融概率规则基于像素和(一个或多个)相邻像素的时间像素强度评估与消融阈值的比较。
对于本公开的实施例，从针对图示静态解剖消融的消融扫描图像的每个像素的像素消融概率导出的消融概率图像可以被生成并传送(例如，消融的解剖区域的(一个或多个)可能消融区域的黑白或灰度或彩色编码图像的显示和/或打印)。
替代地或同时地，从静态解剖消融的解剖图像中导出并且还从针对图示静态解剖消融的消融扫描图像的每个像素的像素消融概率导出的消融概率解剖扫描图像可以被生成并传送(例如，(一个或多个)可能消融区域在消融的解剖区域上的叠加的显示和/或打印)。
替代地或同时地，从图示静态解剖消融的消融扫描图像中导出并且还从针对图示静态解剖消融的消融扫描图像的每个像素的像素消融概率导出的消融概率导出的消融扫描图像可以被生成并传送(例如，(一个或多个)可能消融区域在显示和/或打印的消融超声扫描图像上的叠加的显示和/或打印)。
为了本公开的描述和权利要求的目的：
(1)现有技术术语，包括但不限于“扫描”，“消融”，“静态解剖消融”，“动态解剖消融”，“像素”，“数据集”，“空间对齐”和“概率模型”应被解读为是本公开的领域中已知的并且被解读为如本公开中的示例性描述的；
(2)更具体地说，术语“像素”既包括平面像素又包括体积像素(又称为体素)；
(3)术语“控制器”广泛地包括用于控制如在本公开中示例性描述的本公开的各种发明原理的应用的主电路板或集成电路的所有结构配置，如本公开的领域中所理解的以及如本公开的示例中所描述的。控制器的结构配置可以包括但不限于，(一个或多个)处理器，(一个或多个)计算机可用/计算机可读存储介质，操作系统，(一个或多个)应用模块，(一个或多个)外围设备控制器，(一个或多个)槽和(一个或多个)端口。控制器可以容纳在工作站内或链接到工作站。“工作站”的示例包括但不限于以独立计算系统、服务器系统的客户端计算机、台式机或平板电脑形式的一个或多个计算设备、显示器/监视器以及一个或多个输入设备(例如，键盘、操纵杆和鼠标)的组件；
(4)术语“应用程序模块”广泛涵盖并入在用于执行特定程序的包括电子电路(例如，电子组件和/或硬件)和/或可执行程序(例如，存储在(一个或多个)非瞬态计算机可读介质和/或固件)的控制器中或可由其访问的应用程序；并且
(5)术语“数据”广泛地涵盖了如本公开领域中所理解的以及如本公开中所描述的示例性的用于传输的支持应用如本公开随后所述的本公开的各种发明原理的信息和/或指令的所有形式的可检测物理量或脉冲(例如，电压，电流或磁场强度)。本公开的各种部件的数据通信可以涉及本公开的领域中已知的任何通信方法，包括但不限于通过任何类型的有线或无线数据链路的数据发送/接收以及上传到计算机可用/计算机可读存储介质的数据的读取。
结合对随附附图的阅读，根据对本公开的发明的各种实施例的详细描述，本公开的发明的前述实施例和其他实施例以及本公开的发明的各种结构和优点将变得更加明显。详细描述和附图仅是本公开的发明的例示而非限制，本公开的发明的范围由所附权利要求及其等价方案限定。
附图说明
图1图示了根据本公开的各方面的热消融概率系统的示例性实施例。
图2图示了根据本公开的各方面的表示热消融概率方法的流程图的示例性实施例。
图3图示了根据本公开的各方面的消融扫描数据集的时间序列的示例性空间对齐。
图4图示了根据本公开各方面的表示消融概率模型应用方法的流程图的示例性实施例。
图5图示了根据本公开的各方面的概率决策树的示例性实施例。
图6A-6D示出了根据本公开的各方面的消融扫描图像和消融概率图像的时间序列的示例性生成。
图7图示了根据本公开的各方面的解剖扫描图像和消融概率解剖扫描图像的示例性生成。
图8图示了根据本公开的各方面的消融扫描图像和消融概率消融扫描图像的示例性生成。
图9图示了根据本公开的各方面的图像扫描器和热消融概率控制器的示例性实施例。
具体实施方式
为了促进对本公开的各种发明的理解，以下对图1至图2的描述教导了本公开的示例性热消融概率系统和方法。根据该描述，本领域普通技术人员将理解如何将本公开的发明原理应用于制造和使用本公开的热消融概率系统和方法的附加实施例。
参考图1，本公开内容的热消融概率系统采用解剖学扫描器20以扫描消融的解剖区域10(例如，颅骨区域或胸廓区域)以生成表示消融解剖区域10的静态解剖消融的像素的二维(“2D”)扫描数据集和/或表示消融解剖区域10的静态解剖消融的体积像素(又称体素)的三维(“3D”)扫描数据集。
更具体地，所生成的2D/3D扫描数据集表示在离散时间处的消融解剖区域10的不变的解剖消融，其被认为是静态解剖消融。所生成的2D/3D扫描数据集的时间序列表示一段时间内解剖消融扩大，其被认为是动态解剖消融。本质上，动态解剖消融由静态解剖消融的时间序列组成。
在实践中，2D/3D解剖扫描器20可以是用于可视化消融解剖区域10的消融区域的特征的任何类型的解剖扫描器，其将(一个或多个)消融区域与周围的(一个或多个)未消融区域区分开。这样的特征的示例包括但不限于组织刚度、组织密度和组织温度。
在一个实施例中，2D/3D解剖扫描器20是用于生成2D或3D解剖扫描数据集21的超声扫描器，所述2D或3D解剖扫描数据集21表示被消融的解剖区域10的扫描图像，不包括对任何类型的(一个或多个)消融区域的描绘(例如，B模式超声成像)。替代地或同时地，超声扫描器可以生成表示包括对(一个或多个)消融区域的描绘的消融解剖区域10的扫描图像的2D或3D消融扫描数据集22(例如，超声剪切波弹性成像)。这样的解剖扫描器20的示例包括但不限于，并入在Philips PercuNav系统和Philips UroNav系统内的超声扫描器。
仍然参考图1，本公开内容的热消融概率系统还采用显示处理器40，用于根据静态解剖消融的2D/3D解剖扫描数据集21(例如，B模式超声成像)或根据动态解剖消融的2D/3D解剖扫描数据集21的时间序列(例如，时间B模式超声成像)来生成解剖扫描图像41。替代地或同时地，显示处理器40可以根据静态解剖学消融的2D/3D消融扫描数据集22(例如，超声剪切波弹性成像)或根据动态解剖消融的2D/3D消融扫描数据集22的时间序列(例如，时间超声剪切波弹性成像)来生成消融扫描图像42。
实际上，显示处理器可以是用于将扫描数据集的像素/体素转换成显示像素/体素的任何类型的显示处理器。这样的显示处理器的示例包括但不限于，Philips PercuNav系统和Philips UroNav系统中包含的显示处理器。
仍然参考图1，本公开的热消融概率系统还采用本公开的热消融概率控制器30。为了应用概率方法来基于动态解剖消融的观察和跟踪来识别静态解剖消融的(一个或多个)消融区域，热消融概率控制器30包括以空间映射器31、消融概率模型32和图像数据生成器33的形式的应用模块用于执行由图2中所示的流程图50表示的本发明的热消融概率方法。
参考图2，在流程图50的阶段S52期间，空间映射器31被配置为在空间上对齐消融扫描数据集22的时间序列，从而在空间上对齐消融扫描数据集22的每个像素的时间像素强度。空间映射器31还被配置为缓存空间对齐的消融扫描数据集37的时间序列。
例如，图3图示沿着由基线消融扫描数据集定义的坐标系60的Z轴的八(8)个消融扫描数据集22f1-22f8的时间序列的空间对齐61，所述基线系统可以是解剖扫描器20生成的所述时间序列中的第一消融扫描数据集22f1或第一消融扫描数据集22。将八(8)个消融扫描数据集22f1-22f8的时间序列配准到坐标系60中，其中，将每个像素23的时间像素强度对齐，以通过消融概率模型32进行处理。
在实践中，空间映射器31可以使用本公开领域中已知的图像配准技术来执行空间对齐，所述图像配准技术可以通过用户输入来增强，并且可以通过解剖扫描器20的机械控制(例如，超声探头的固定)和/或使用(一种或多种)呼吸运动门控技术来改善，如本公开的本领域中已知的。
同样在实践中，空间映射器31可以增加用于解剖扫描器20(图1)的空间跟踪系统(或主动或被动机械支架)，从而防止或补偿解剖扫描器20的运动，这使得剩余的生理组织运动要被使用基于图像的方法校正。如果解剖扫描器20从初始基线成像位置移动，则空间映射器31还可以通过提供反馈来利用空间跟踪系统来维持恒定的成像视场。
进一步在实践中，缓存大小取决于解剖扫描器20的帧速率，并且可以在覆盖一(1)秒与一(1)分钟之间的时间跨度的大小范围内被调节。
返回图2，在流程图50的阶段S54期间，消融概率模型32被训练为针对示出静态解剖消融的消融扫描图像42(图1)的每个像素呈现像素消融概率。为此，消融概率模型32从缓存中检索空间对齐的消融扫描数据集37的时间序列，以针对与消融扫描数据集相对应的消融扫描图像42的每个像素呈现像素消融概率，所述消融扫描数据集包括空间对齐的消融扫描数据集37的时间序列或与其有关。
在实践中，消融概率模型32是被训练用于基于消融扫描图像42的时间序列来估计消融扫描图像42的哪些区域是消融区域的概率的任何统计分析工具。可以从临床数据或模拟数据中训练对消融概率模型32的训练，以匹配一般或不同组织类型中观察到的组织的消融行为。替代地或同时地，可以以针对被消融的组织类型的不同调整，针对消融电极的不同调整和/或针对解剖扫描器20的类型的不同调整来训练消融概率模型32。
在一个实施例中，消融概率模型32定义了一组规则，所述一组规则描述了给定在该像素处以及在该像素内的在像素周围N个像素(N≥1)内的像素领域处的图像强度的时间历史的情况下，给定图像像素是消融扫描图像42的消融区域的一部分的可能性。对于该实施例，图4图示了表示本公开的消融概率模型应用方法的一个实施例的流程图70。
参考图4，流程图70的阶段S72包括消融概率模型32，其执行空间对齐的消融扫描数据集37的时间序列的每个像素23(X，Y)的时间像素强度24(X，Y)的评估73。例如，对于超声剪切波弹性成像，消融扫描数据集37的每个像素将具有介于为十(10)的蓝色强度(指示未消融的组织刚度、未消融的组织密度或未消融的组织温度)与为第五(50)的红色的强度(指示完全消融的组织硬度、完全消融的组织密度或完全消融的组织温度)之间的强度。
在阶段S72的一个实施例中，时间像素强度24(X，Y)是空间对齐的消融扫描数据集37的时间序列的每个像素23(X，Y)的时间像素强度的强度平均值。
在阶段S72的第二实施例中，时间像素强度24(X，Y)是空间对齐的消融扫描数据集37的时间序列的每个像素23(X，Y)的时间像素强度值中的强度值的中值。
在阶段S72的第三实施例中，时间像素强度24(X，Y)是空间对齐的消融扫描数据集37的时间序列的每个像素23(X，Y)的时间像素强度值中的强度值的最大值。
在阶段S72的第四实施例中，时间像素强度24(X，Y)是空间对齐的消融扫描数据集37的时间序列的每个像素23(X，Y)的时间像素强度值中的强度值的最小值。
在阶段S72的第五实施例中，时间像素强度24(X，Y)是从空间对齐的消融扫描数据集37的时间序列的每个像素23(X，Y)的时间像素强度值的标准偏差导出的强度值。
仍然参考图4，流程图70的阶段S74包括消融概率模型32，其被执行为每个像素23的空间邻域的时间像素强度24的评价75。
在实践中，每个像素23的空间邻域取决于给定像素23的(X，Y)位置和邻接像素23的数量，所述邻接像素23由与给定像素23相邻的像素23组成。
例如，示出了围绕给定像素23(X，Y)的八(8)个像素23(X-1，Y+1)，像素23(X，Y+1)，像素23(X，Y+1)，像素23(X-1，Y)和像素的像素23(X+1，Y)，像素23(X-1，Y-1)，像素23(X，Y-1)和像素23(X+1，Y-1)。这些邻接像素23中的一个或多个可以被包括在像素23(X，Y)的空间邻域内。此外，邻接所述八(8)个像素23并且不邻接像素23(X，Y)的一个或多个像素(未示出)可以被包括在像素23(X，Y)的空间邻域之内。
在描绘像素23(X，Y)的空间邻域后，评价75包括像素23的时间像素强度24的分组。
仍然参考图4，流程图70的阶段S76包括根据训练的概率规则来计算时间消融概率77、空间消融概率78和像素消融概率79的消融概率模型32。
针对时间消融概率77(一个或多个)概率规则提供取决于阶段期间S72的给定像素23(X，Y)的时间像素强度评估的、给定像素23(X，Y)表示消融的组织的概率的初步估计。
针对空间消融概率78(一个或多个)概率规则提供取决于阶段期间S74的给定像素23(X，Y)的空间像素强度评价的、给定像素23(X，Y)表示消融的组织的概率的补充估计。
针对像素消融概率79的(一个或多个)概率规则提供对取决于针对给定像素23(X，Y)的时间消融概率77和空间消融概率78的、给定像素23(X，Y)表示消融组织的概率的最终估计。
在一个实施例中，如图5中所示的概率决策树80实施针对消融概率77-79的概率规则。
参考图5，节点81将给定像素23(X，Y)的时间像素强度评估24(X，Y)与表示消融的组织刚度、消融的组织密度或消融的组织温度的消融强度阈值ABT(例如，对于超声剪切波弹性成像为48)进行比较。
如果在节点81处给定像素23(X，Y)的时间像素强度评估24(X，Y)大于消融强度阈值ABT，则节点82a确定针对给定像素23(X，Y)的邻居像素的数量是否等于邻域消融阈值NABT1。例如，邻域消融阈值NABT1是具有大于消融强度阈值ABT的时间像素强度评估24的相邻像素的100％。
如果在节点82a处，针对给定像素23(X，Y)的邻居像素的数量等于邻域消融阈值NABT1，则节点83a认为给定像素23(X，Y)表示消融组织的100％的像素消融概率。
如果在节点82a，针对给定像素23(X，Y)的邻居像素的数量小于邻域消融阈值NABT1，则节点83b认为给定像素23(X，Y)表示消融组织的M％像素消融概率，M％≥50％并且M％<100％，取决于所有相关像素的时间像素强度评估24。
相反，如果在节点81处给定像素23(X，Y)的时间像素强度评估24(X，Y)等于或小于消融强度阈值ABT，则节点82b确定针对给定像素23(X，Y)的邻居像素的数量是否等于邻域消融阈值NABT1。例如，邻域消融阈值NABT2是具有大于消融强度阈值ABT的时间像素强度估值24的相邻像素的0％。
如果在节点82b，针对给定像素23(X，Y)的邻居像素的数量大于邻域消融阈值NABT2，则节点83c认为给定像素23(X，Y)表示消融组织的N％像素消融概率，N％≥0％并且N％<100％，取决于所有相关像素的时间像素强度评估24。
如果在节点82b处，针对给定像素23(X，Y)的邻居像素的数量等于邻域消融阈值NABT2，则节点83d认为给定像素23(X，Y)表示消融组织的0％的像素消融概率(即，未消融的组织)。
为了达到消融组织的特定概率百分比，节点83b和节点83c可以实施额外的概率规则。
例如，节点83c的概率规则可以考虑如果给定像素23(X，Y)与100％像素消融概率的邻居像素相邻并且给定像素23(X，Y)的时间像素强度评估24(X，Y)大于消融强度阈值ABT的80％，则给定像素23(X，Y)的像素要被消融的像素消融概率为50％。
通过进一步的实例，节点83c的概率规则可以如果给定像素23(X，Y)与100％像素消融概率的邻居像素相邻并且给定像素23(X，Y)的时间像素强度评估24(X，Y)大于消融强度阈值ABT的90％，则增加给定像素23(X，Y)的像素要被消融的像素消融概率。
通过进一步的实例，节点83c的概率规则可以如果给定像素23(X，Y)与小于100％像素消融概率并且大于0％像素消融概率的邻居像素相邻并且给定像素23(X，Y)的时间像素强度评估24(X，Y)小于消融强度阈值ABT的80％，则降低给定像素23(X，Y)的像素要被消融的像素消融概率。
在实践中，本公开的概率决策树可以被定义为针对正被消融的组织类型具有不同的调整，针对消融电极具有不同的调整和/或针对解剖扫描器20具有不同的调整。
在一实施例中，可基于不同组织类型中的测试消融来校准阈值和像素消融概率。
在第二实施例中，可以通过将消融概率模型32拟合到消融扫描图像的时间历史中来整合消融区域的预期发展的时空模型(例如，从有限元建模中导出)。给定像素23(X，Y)处的消融概率可以定义为图像导出的概率与的给定像素23(X，Y)附近拟合的模型的质量度量(例如DICE系数)的组合。。
在第三实施例中，通过将在消融的早期阶段中计算的消融区域与在这些时间点获得的图像值进行匹配，可以使用消融区域的预期发展的时空模型来确定消融概率模型32中的阈值。
在第四实施例中，可以通过利用足够的受控实验训练消融概率模型32(与利用参考成像模态的消融区域的真实情况难)或利用给定成像模态成像的消融模拟,来通过机器学习技术(例如，卷积神经网络)学习阈值和像素消融概率。
返回图2，在流程图50的步骤S54期间，图像数据生成器33被配置为生成表示在步骤S54期间由消融概率模型32呈现的表示每个像素的像素消融概率的图像数据。
在实践中，图像数据生成器33为具有100％的像素消融概率的每个像素分配独特的颜色水平(例如，白色)，并且向具有0％的像素消融概率向每个像素分配独特的颜色水平(例如，黑色)。所有其他(一个或多个)像素将具有与所有具有0％像素消融概率的(一个或多个)像素相同的独特颜色水平，或者具有取决于相关像素消融概率的灰度颜色。
同样在实践中，图像数据生成器33可以生成消融概率图像数据集34，由此显示处理器40可以生成黑/白或灰度消融概率图像43。消融概率图像数据集34表示(一个或多个)消融区域中的在概率映射图的特定概率水平(例如，100％)的(一个或多个)轮廓。
例如，图6A-6D图示了在如图6A中所示的t＝五(5)分钟，在如图6B中所示的t＝十(10)分钟，在如图6C中所示的t＝十五(15)分钟，在如图6D中所示的t＝二十(20)分钟时具有消融区域90的一系列超声剪切波弹性成像图像42a和具有消融区域91的相应的消融概率图像43a。
参考图6A-6D，要注意的重要事项是图6A-6D是消融概率模型32如何定义增加的消融90超声剪切波弹性成像图像42a而不包括伪影92，其在在t＝十(10)分钟和t＝十五(15)分钟时暂时出现在消融区域90下方，但在成像条件改善后的t＝二十(20)分钟时又消失了。
返回图2，替代地或同时地，图像数据生成器33可以生成消融概率解剖覆盖数据集35，由此显示处理器40可以生成在解剖扫描图像44(例如，B模式超声图像)上的(一个或多个)可能的消融区域的叠加。消融概率图像叠加数据集35在解剖扫描图像中在特定概率水平(例如，100％)处的消融区域的轮廓。
例如，图7示出了具有由消融概率模型32呈现的消融叠加93的解剖图像41a和解剖图像44a。
返回图2，替代地或同时地，图像数据生成器33可以生成消融概率解剖覆盖数据集36，由此显示处理器40可以生成在解剖扫描图像44上的(一个或多个)可能的消融区域的叠加。消融概率图像叠加数据集36在消融图像中在特定概率水平(例如，100％)处的的消融区域的轮廓。
例如，图7示出了具有由消融概率模型32呈现的消融叠加92的消融图像42a和消融图像45a。
返回图2，流程图50是在消融流程期间循环执行。
在实践中，空间映射器31以控制每个像素的消融概率的更新频率的模式操作。
在一个实施例中，空间映射器31在最新消融扫描数据集32进入缓存/最旧的消融扫描数据集32离开缓存的模式中工作，由此，对消融的解剖区域10的每次扫描导致每个像素的更新的消融概率。
在第二实施例中，空间映射器31在清除缓存/填充缓冲的模式下操作，由此消融的解剖区域10的每N次扫描导致每个像素的更新的消融概率。
为了促进对本公开的各种发明的进一步理解，以下对图9的描述将将教导本公开的热消融概率控制器的示例性实施例。根据该描述，本领域普通技术人员将理解如何将本公开的各方面应用于制造和使用本公开的热消融概率控制器的另外的实施例。
参考图9，热消融概率控制器130包括经由一个或多个系统总线136互连的一个或多个处理器131、存储器132、用户接口133、网络接口134和存储设备135。
每个处理器131可以是能够执行存储在存储器132或存设备储中的指令或以其他方式处理数据的任何硬件设备，如本公开的技术领域中已知的或以下构思的。在非限制性示例中，(一个或多个)处理器131可以包括微处理器、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或其他类似设备。
存储器132可以包括如本公开的领域中已知的或在下文中构思的各种存储器，包括但不限于L1、L2或L3高速缓存或系统存储器。在非限制性示例中，存储器132可以包括静态随机存取存储器(SRAM)、动态RAM(DRAM)、闪存、只读存储器(ROM)或其他类似的存储器设备。
用户接口133可以包括一个或多个设备，如在本公开的领域中已知的或在下文中构思的，用于使得能够与诸如管理员的用户进行通信。在非限制性示例中，用户接口可以包括命令行接口或图形用户接口，其可以经由网络接口134呈现给远程终端。
网络接口134可以包括一个或多个设备，如在本公开的技术领域中已知的或在下文中构思的，用于使得能够与其他硬件设备进行通信。在非限制性示例中，网络接口134可以包括被配置为根据以太网协议进行通信的网络接口卡(NIC)。另外，网络接口134可以根据TCP/IP协议实现用于通信的TCP/IP栈。用于网络接口134的各种替代或附加硬件或配置将是显而易见的。
如本公开的技术领域中或以下构思的，存储器135可以包括一个或多个机器可读存储介质，包括但不限于只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质，光学存储介质，闪存设备或类似的存储介质。在非限制性示例中，存储设备135可以存储用于由(一个或多个)处理器131执行的指令或者(一个或多个)处理器1620可以操作的数据。例如，存储器135可以存储用于控制硬件的各种基本操作的基本操作系统。存储器135还以可执行软件/固件的形式存储用于实现如本公开先前所描述的控制器130a的各种功能的应用模块，包括但不限于如先前在本公开中描述的空间映射器137a、消融概率模型137b和图像数据生成器137c。
控制器130被安装在采用监视器101、键盘102、计算机103和超声探头104和105的独立工作站100中。显示处理器(未示出)和扫描处理器(未示出)也被安装在计算机103内。替代地，控制器130可以被安装在服务器内，由此可以经由客户端工作站或移动设备(例如，平板电脑)来访问控制器。
参考图1-9，本公开的领域中的普通技术人员将理解本公开发明的众多益处，包括但不限于基于随时间观察和跟踪个体消融监测图像来识别(一个或多个)消融区域的概率方法。
此外，鉴于本文提供的教导，本领域普通技术人员将理解，本公开/说明书中描述和/或图中描绘的结构、元件、部件等可以以硬件和软件各种组合实现，并提供可以组合在单个元件或多个元件中的功能。例如，可以通过使用专用硬件以及能够执行与针对增加的功能适当软件相关联的软件的硬件来提供附图中示出/示出/描绘的各种结构、元件、部件等的功能。当由处理器提供时，所述功能能够由单个专用处理器、由单个共享处理器，或由多个个体处理器(它们中的一些能够是共享的和/或多路复用的)来提供。此外，对术语“处理器”或“控制器”的明确使用不应当被解释为排他性地指代能够运行软件的硬件，而是能够暗含地不加限制地包括数字信号处理器("DSP")硬件、存储器(例如用于存储软件的只读存储器("ROM")、随机存取存储器("RAM")、非易失性存储装置等)以及能够(和/或可配置为)执行和/或控制过程的任何虚拟装置和/或机器(包括硬件、软件、固件、电路、它们的组合等)。
此外，本文中提到原理、方面和本发明实施例的所有陈述以及其具体范例都旨在涵盖其结构上和功能上的等价方案。另外，旨在使这样的等同要件既包括当前已知的等同要件，又包括未来开发的等同要件(例如，所开发出的能够执行相同或基本上相似的功能的元件，而不管其结构如何)。因此，例如，本领域普通技术人员鉴于本文中提供的教导将认识到，本文中呈现的任何方框图能够表示实现本发明的原理的说明性系统部件和/或电路的概念图。类似地，本领域普通技术人员鉴于本文中提供的教导应当认识到，任意流程图示、流程图等能够表示能够基本上被表示在计算机可读存储介质中并且由计算机、处理器或具有处理能力的其他设备如此运行的各种过程，而无论是否明确示出这样的计算机或处理器。
已经描述了本公开的各种和众多发明的优选和示例性实施例(这些实施例旨在是示例性的而不是限制性的)，应注意，本领域技术人员可以根据本文提供的教导(包括附图)进行修改和变型。因此，应当理解，在本公开的实施例的范围内，可以对本公开的优选和示例性实施例进行改变。
此外，预期的是，实施所述设备/系统等的对应的和/或相关的系统也可以在根据本公开的设备中/与本公开的设备一起使用/实施，也被预期和认为在本公开的范围内。此外，还预期和认为对应的和/或相关的用于制造和/或使用根据本公开的设备和/或系统的方法在本公开的范围内。

Claims (20)

1.一种热消融概率控制器(30)，包括：
存储器(132)，其包括消融概率模型(32)，所述消融概率模型被训练为针对图示静态解剖消融的消融扫描图像的每个像素呈现像素消融概率；以及
与所述存储器(132)通信的至少一个处理器(131)，其中，所述至少一个处理器(131)被配置为：
在空间上对齐表示动态解剖消融的消融扫描数据集的时间序列；并且
将所述消融概率模型(32)应用于消融扫描数据集的所述时间序列的所述空间对齐，以针对图示所述静态解剖消融的所述消融扫描图像的每个像素呈现所述像素消融概率。
2.根据权利要求1所述的热消融概率控制器(30)，其中，将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐还包括所述至少一个处理器(131)被配置为：
根据消融扫描数据集的所述时间序列的所述空间对齐导出图示所述静态解剖消融的所述消融扫描图像的像素的时间像素强度；
根据消融扫描数据集的所述时间序列的所述空间对齐导出图示所述静态解剖消融的所述消融扫描图像的至少一个相邻像素的时间像素强度；并且
将消融概率规则应用于所述像素和所述至少一个相邻像素的所述时间像素强度以呈现所述像素的所述像素消融概率。
3.根据权利要求1所述的热消融概率控制器(30)，其中，将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐包括所述至少一个处理器(131)被配置为：
通过所述消融概率模型(32)，对所述消融扫描数据集的所述时间序列的所述空间对齐的每个像素的时间序列执行时间像素强度评估。
4.根据权利要求1所述的热消融概率控制器(30)，其中，消融扫描数据集的所述时间序列的每个像素的所述时间像素强度评估是以下中的一项：
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度平均；
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度值中值；
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度值最大值；
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度值最小值；以及
根据消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的标准偏差导出的强度值。
5.根据权利要求3所述的热消融概率控制器(30)，其中，将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐还包括所述至少一个处理器(131)被配置为：
通过消融概率模型(32)，对消融扫描数据集的所述时间序列的所述空间对齐的至少一个相邻像素中的一个或每个相邻像素的所述时间像素强度评估执行空间像素强度评价。
6.根据权利要求5所述的热消融概率控制器(30)，其中，将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐还有所述至少一个处理器(131)被配置为：
通过所述消融概率模型(32)，将至少一个消融概率规则应用于针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率的所述时间像素强度评估和所述空间像素强度评估，
其中，所述至少一个消融概率规则基于所述像素和所述至少一个相邻像素的所述时间像素强度评估与消融阈值的比较。
7.根据权利要求1所述的热消融概率控制器(30)，其中，所述至少一个处理器(131)还被配置为进行以下中的至少一项：
生成从针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率图像；
生成从所述静态解剖消融的解剖图像导出并且还从针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率解剖扫描图像；以及
生成从图示所述静态解剖消融的所述消融扫描图像导出并且还从图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率消融扫描图像。
8.根据权利要求1所述的热消融概率控制器(30)，其中，消融扫描数据集的所述时间序列的每个像素的强度值表示解剖学刚度、解剖学密度或解剖学温度中的一项。
9.一种编码有指令的非瞬态机器可读存储介质，所述指令用于由至少一个处理器(131)运行消融概率模型(32)，所述消融概率模型被训练为针对表示静态解剖消融的消融扫描数据集的每个像素呈现像素消融概率，所述非瞬态机器可读存储介质包括用于进行以下操作的指令：
在空间上对齐表示动态解剖消融的消融扫描数据集的时间序列；并且
将所述消融概率模型(32)应用于消融扫描数据集的所述时间序列的所述空间对齐，以针对图示所述静态解剖消融的所述消融扫描图像的每个像素呈现所述像素消融概率。
10.根据权利要求9所述的非瞬态机器可读存储介质，其中，将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐包括用于进行以下操作的指令：
从消融扫描数据集的所述时间序列的所述空间对齐导出图示所述静态解剖消融的所述消融扫描图像的像素的时间像素强度；
从消融扫描数据集的所述时间序列的所述空间对齐导出图示所述静态解剖消融的所述消融扫描图像的至少一个相邻像素的时间像素强度；并且
将消融概率规则应用于所述像素的所述时间像素强度和所述至少一个相邻像素的所述时间像素强度以呈现所述像素的所述像素消融概率。
11.根据权利要求9所述的非瞬态机器可读存储介质，其中，用于将消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐的指令包括用于进行以下操作的指令：
通过所述消融概率模型(32)来执行消融扫描数据集的所述时间序列的所述空间对齐的每个像素的时间序列的时间像素强度评估。
12.根据权利要求11所述的非瞬态机器可读存储介质，其中，消融扫描数据集的所述时间序列的每个像素的所述时间像素强度评估是以下中的一项：
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度平均；
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度值中值；
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度值最大值；
消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的强度值最小值；以及
根据消融扫描数据集的所述时间序列的所述空间对齐的每个像素的所述时间序列的标准偏差导出的强度值。
13.根据权利要求11所述的非瞬态机器可读存储介质，其中，用于将消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐的指令还包括用于进行以下操作的指令：
通过指令消融概率模型(32)，计算消融扫描数据集的所述时间序列的所述空间对齐的至少一个相邻像素中的一个或每个相邻像素的所述时间像素强度评估的空间像素强度评价。
14.根据权利要求13所述的非瞬态机器可读存储介质，其中，用于将消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐的指令还包括用于进行以下操作的指令：
通过所述消融概率模型(32)，将至少一个消融概率规则应用于针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率的所述时间像素强度评估和所述空间像素强度评估，
其中，所述至少一个消融概率规则基于所述像素和所述至少一个相邻像素的所述时间像素强度评估与消融阈值的比较。
15.根据权利要求9所述的非瞬态机器可读存储介质，还包括用于执行以下操作中的一项的指令：
生成从针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率图像；
生成从所述静态解剖消融的解剖图像导出并且还从针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率解剖扫描图像；以及
生成从图示所述静态解剖消融的所述消融扫描图像导出并且还从图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率消融扫描图像。
16.一种能够由热消融概率控制器(30)执行的热消融概率方法，所述热消融概率控制器包括消融概率模型(32)，所述消融概率模型被训练为呈现表示静态解剖消融的消融扫描数据集的每个像素的像素消融概率，
所述热消融概率方法包括：
通过热消融概率控制器(30)来对表示动态解剖消融的消融扫描数据集的时间序列进行空间对齐；并且
通过所述热消融概率控制器(30)来将所述消融概率模型(32)应用于消融扫描数据集的所述时间序列的所述空间对齐，以针对图示所述静态解剖消融的所述消融扫描图像的每个像素呈现所述像素消融概率。
17.根据权利要求16所述的热消融概率方法，其中，通过所述热消融概率控制器(30)来将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐包括：
从消融扫描数据集的所述时间序列的所述空间对齐导出图示所述静态解剖消融的所述消融扫描图像的像素的时间像素强度；
从消融扫描数据集的所述时间序列的所述空间对齐导出图示所述静态解剖消融的所述消融扫描图像的至少一个相邻像素的时间像素强度；并且
将消融概率规则应用于所述像素的所述时间像素强度和所述至少一个相邻像素的所述时间像素强度以呈现所述像素的所述像素消融概率。
18.根据权利要求16所述的热消融概率方法，其中，通过所述热消融概率控制器(30)来将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐包括：
通过所述消融概率模型(32)执行消融扫描数据集的所述时间序列的所述空间对齐的每个像素的时间序列的时间像素强度评估；并且
通过指令消融概率模型(32)，计算消融扫描数据集的所述时间序列的所述空间对齐的每个像素的至少一个相邻像素中的一个或每个相邻像素的所述时间像素强度评估的空间像素强度。
19.根据权利要求16所述的热消融概率方法，其中，通过所述热消融概率控制器(30)来将所述消融概率模型(32)应用到消融扫描数据集的所述时间序列的所述空间对齐还包括：
通过所述消融概率模型(32)，将至少一个概率规则应用于所述时间像素强度评估和所述空间像素强度评估以针对图示所述静态解剖消融的所述消融扫描图像的每个像素呈现所述像素消融概率，
其中，所述至少一个消融概率规则基于所述像素和所述至少一个相邻像素的所述时间像素强度评估与消融阈值的比较。
20.根据权利要求16所述的热消融概率方法，还包括以下中的至少一项：
生成从针对图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率图像；
生成从所述静态解剖消融的解剖图像导出并且还从图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率解剖扫描图像；并且
生成从图示所述静态解剖消融的消融扫描图像导出并且还从图示所述静态解剖消融的所述消融扫描图像的每个像素的所述像素消融概率导出的消融概率消融扫描图像。
CN201980076647.3A 2018-11-20 2019-11-15 热消融区域的时间映射 Pending CN113164196A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862769602P 2018-11-20 2018-11-20
US62/769602 2018-11-20
PCT/EP2019/081450 WO2020104308A1 (en) 2018-11-20 2019-11-15 Temporal mapping of thermal ablation areas

Publications (1)

Publication Number Publication Date
CN113164196A true CN113164196A (zh) 2021-07-23

Family

ID=68618143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980076647.3A Pending CN113164196A (zh) 2018-11-20 2019-11-15 热消融区域的时间映射

Country Status (6)

Country Link
US (1) US20210401397A1 (zh)
EP (1) EP3883489A1 (zh)
JP (1) JP2022507770A (zh)
CN (1) CN113164196A (zh)
CA (1) CA3120223A1 (zh)
WO (1) WO2020104308A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113855229A (zh) * 2021-08-02 2021-12-31 应葵 一站式椎骨肿瘤微波消融手术仿真方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023286335A1 (ja) * 2021-07-13 2023-01-19 オリンパス株式会社 システム、プログラム及び情報処理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080033419A1 (en) * 2006-08-04 2008-02-07 Nields Morgan W Method for planning, performing and monitoring thermal ablation
CN103209653A (zh) * 2010-11-18 2013-07-17 皇家飞利浦电子股份有限公司 用于概率消融规划的系统和方法
US20140022250A1 (en) * 2012-07-19 2014-01-23 Siemens Aktiengesellschaft System and Method for Patient Specific Planning and Guidance of Ablative Procedures for Cardiac Arrhythmias
WO2016156540A1 (en) * 2015-03-31 2016-10-06 Koninklijke Philips N.V. Calibration of ultrasonic elasticity-based lesion-border mapping
WO2018130976A1 (en) * 2017-01-12 2018-07-19 Navix International Limited Estimation of effectiveness of ablation adjacency
US20180221075A1 (en) * 2017-02-06 2018-08-09 General Electric Company Methods and systems for electrophysiology ablation gap analysis

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150272653A1 (en) * 2014-04-01 2015-10-01 Siemens Medical Solutions Usa, Inc. Thermal therapy ablation detection with ultrasound

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080033419A1 (en) * 2006-08-04 2008-02-07 Nields Morgan W Method for planning, performing and monitoring thermal ablation
CN103209653A (zh) * 2010-11-18 2013-07-17 皇家飞利浦电子股份有限公司 用于概率消融规划的系统和方法
US20140058387A1 (en) * 2010-11-18 2014-02-27 Koninklijke Philips Electronics N.V. System and method for probabilistic ablation planning
US20140022250A1 (en) * 2012-07-19 2014-01-23 Siemens Aktiengesellschaft System and Method for Patient Specific Planning and Guidance of Ablative Procedures for Cardiac Arrhythmias
WO2016156540A1 (en) * 2015-03-31 2016-10-06 Koninklijke Philips N.V. Calibration of ultrasonic elasticity-based lesion-border mapping
WO2018130976A1 (en) * 2017-01-12 2018-07-19 Navix International Limited Estimation of effectiveness of ablation adjacency
US20180221075A1 (en) * 2017-02-06 2018-08-09 General Electric Company Methods and systems for electrophysiology ablation gap analysis

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113855229A (zh) * 2021-08-02 2021-12-31 应葵 一站式椎骨肿瘤微波消融手术仿真方法及装置

Also Published As

Publication number Publication date
EP3883489A1 (en) 2021-09-29
JP2022507770A (ja) 2022-01-18
CA3120223A1 (en) 2020-05-28
WO2020104308A1 (en) 2020-05-28
US20210401397A1 (en) 2021-12-30

Similar Documents

Publication Publication Date Title
CN104622495B (zh) 医用图像处理装置以及医用图像处理方法
US10607420B2 (en) Methods of using an imaging apparatus in augmented reality, in medical imaging and nonmedical imaging
CN104155623B (zh) 用于自动确定组织种类的磁场反转时间的方法和系统
WO2018205232A1 (zh) 一种针对拼接结果自动精确定位参考线的方法
KR20210051141A (ko) 환자의 증강 현실 기반의 의료 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
JP5399225B2 (ja) 画像処理装置および方法並びにプログラム
JP2009545800A (ja) 画像中のボクセルのクラスター・マップを再構成する方法
EP3174467A1 (en) Ultrasound imaging apparatus
CN107106128B (zh) 用于分割解剖目标的超声成像装置和方法
KR20220026534A (ko) 딥러닝 기반의 조직 절제 계획 방법
CN113164196A (zh) 热消融区域的时间映射
KR102433473B1 (ko) 환자의 증강 현실 기반의 의료 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
CN104720835A (zh) 显示装置、图像显示方法和计算机化断层扫描设备
CN113925598A (zh) 利用超声成像系统对组织进行热监测的方法和系统
CN107633531A (zh) 图像处理装置、图像处理方法以及计算机可读介质
CN116322899A (zh) 用于换能器阵列放置和皮肤表面状况避免的方法和系统
JP4668289B2 (ja) 画像処理装置および方法並びにプログラム
JP2022111704A (ja) 画像処理装置、医用画像撮像装置、画像処理方法、およびプログラム
JP2022111705A (ja) 学習装置、画像処理装置、医用画像撮像装置、学習方法およびプログラム
Athawale et al. A statistical framework for quantification and visualisation of positional uncertainty in deep brain stimulation electrodes
CN116665874A (zh) 基于智能机器人互联网医院远程问诊系统的辅助诊疗方法
CN111053574A (zh) 一种三维表面重建方法、装置及超声设备和存储介质
CN113705807A (zh) 神经网络的训练装置及方法，消融布针规划装置及方法
US20170287159A1 (en) Medical image processing apparatus, medical image processing method, and medical image processing system
US20230113725A1 (en) Region correction device, method, and program

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