CN113749754B - 使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备 - Google Patents

使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备 Download PDF

Info

Publication number
CN113749754B
CN113749754B CN202111077944.5A CN202111077944A CN113749754B CN 113749754 B CN113749754 B CN 113749754B CN 202111077944 A CN202111077944 A CN 202111077944A CN 113749754 B CN113749754 B CN 113749754B
Authority
CN
China
Prior art keywords
ultrasonic
radio frequency
temperature
tissue
frequency signal
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
CN202111077944.5A
Other languages
English (en)
Other versions
CN113749754A (zh
Inventor
徐栋
郑逸
郑海荣
姚劲草
周雪芹
张其阳
郑秋青
倪晨
孔祥凯
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.)
Institute Of Oncology And Basic Medicine Chinese Academy Of Sciences Preparatory
Wandong Yusheng Suzhou Medical Technology Co ltd
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Institute Of Oncology And Basic Medicine Chinese Academy Of Sciences Preparatory
Wandong Yusheng Suzhou Medical Technology Co ltd
Shenzhen Institute of Advanced Technology of CAS
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 Institute Of Oncology And Basic Medicine Chinese Academy Of Sciences Preparatory, Wandong Yusheng Suzhou Medical Technology Co ltd, Shenzhen Institute of Advanced Technology of CAS filed Critical Institute Of Oncology And Basic Medicine Chinese Academy Of Sciences Preparatory
Priority to CN202111077944.5A priority Critical patent/CN113749754B/zh
Publication of CN113749754A publication Critical patent/CN113749754A/zh
Application granted granted Critical
Publication of CN113749754B publication Critical patent/CN113749754B/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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/22—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using measurement of acoustic effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
    • A61B2018/00636—Sensing and controlling the application of energy
    • A61B2018/00773—Sensed parameters
    • A61B2018/00791—Temperature

Abstract

本发明公开了基于卷积神经网络提取超声射频信号中温度信息的方法，该方法将采集到的射频信号划分为多个区域，获取区域温度特征以减轻“热声透镜效应”以及“声遮挡”效应对治疗区域后方的超声回波信号产生的影响；采用卷积神经网络的算法从超声射频信号中获取温度信息，解决了“热声透镜效应”以及“声遮挡”效应对治疗区域后方的超声回波信号产生影像的问题，提高了测温的准确性和稳定性；使用非介入的方式就可以实时获得消融时超声影像中组织的温度信息，有效地解决肿瘤热消融时需要对消融区域的组织进行精准测温的问题；此外，本发明中测温的实时性和显示方式也符合超声介入消融时对目标病灶的消融情况进行监控的目的。

Description

使用基于卷积神经网络提取超声射频信号中温度信息的方法 的超声设备
技术领域
本发明涉及医用超声射频信号处理、提取医用超声射频信号中表达的组织温度的信息，尤其涉及采用卷积神经网络的算法方案从医用超声的射频信号中提取超声介入消融时组织温度的实时监测。
背景技术
超声设备引导下的病灶热消融是一种微创或无创的针对局部肿瘤的物理治疗技术，目前常见的治疗手段主要包括射频消融、微波消融、高强度聚焦超声以及激光消融等。消融治疗中对人体目标组织温度的监控非常重要。目前要做到对癌症区域精准的消融，熟练的医生会评测消融时消融区域的气化区域来进行判别，这将容易导致消融时不能将肿瘤区域消融完全或者过度消融损害周边的健康组织。因此治疗过程中的温度控制是关键。
目前国内常见的组织测温都以介入式为主，需要有测温光纤或者测温针进入人体进行监测，问题在于只能对组织区域的单点位置进行测温，无法监测整个人体目标组织区域的温度。而非介入式的超声无损测温的方法也有相关的专利，比如超声回波频移的无损测温方法、超声回波时移方法、超声散射回波功率谱，这里采用的算法皆为传统信号处理的方式，比如中值滤波、负值校正、邻近插值取代处理得到修正的时移值，然后与温度进行线性相关性分析。但是热消融时病灶区温度升高会产生“热声透镜效应”以及“声遮挡”现象，导致治疗区域后方的超声回波信号发生变化。
发明内容
针对现有技术中存在的缺点与不足，本发明的目的在于提供一种基于卷积神经网络提取超声射频信号中温度信息的方法。该方法采用卷积神经网络的方式对超声射频信号的内容进行分析。在感受野区域内对目标区域的射频矩阵数据的特征进行提取，对不同感受野的特征进行分析，从而减轻“热声透镜效应”以及“声遮挡”效应对治疗区域后方的超声回波信号产生的影响，从而更准确的提取组织温度信息。
本发明的技术方案如下：
基于卷积神经网络提取超声射频信号中温度信息的方法，包括：
(1)在热消融的情况下，对离体的生物材料区域进行超声扫查，获取该区域超声射频信号数据；在相对于热消融的消融针位置设有不同距离或不同角度的测温通道；
(2)将超声射频信号数据转变成M*N的矩阵格式，其中M为扫描线数，N为扫描点数，该超声射频信号的矩阵排布要符合超声成图的像素点排布方向；
(3)根据各测温通道的温度以及Pennes近似的生物热方程对离体生物材料的传热模拟，得到同一个测温平面所有区域的模拟温度；
(4)将步骤(2)的超声射频信号的矩阵数据划分为大小相同的多个超声射频信号矩阵区域；根据步骤(3)得到的模拟温度，将所有温度范围划分为数个温度区间，将温度区间对应到各个超声射频信号矩阵区域；
(5)将上述各个划分的超声射频信号矩阵区域的数据以及对应的温度区间输入卷积神经网络，用于特征提取；
(6)将步骤(5)特征提取后输出进入全连接层进行特征连接，对全连接层的特征进入分类器训练，从而得到温度区间分类模型；
(7)采集待测活体组织的超声射频信号，输入到步骤(6)训练好的温度区间分类模型中，最终可以得到待测组织的温度信息。
进一步地，所述超声射频信号矩阵区域的大小和所述温度区间分类模型的分辨率相同。
进一步地，所述步骤(1)的超声射频信号数据：热消融加热时离体的生物材料区域的射频信号数据为RFk，k代表区域信息；获取室温下与上述消融区域相同区域的射频信号数据作为空白数据RFk0；超声射频采集的帧率为n帧/秒，热消融加热一段时间后的射频信号数据减去空白数据并求取各个数据点每秒的平均值：
Figure SMS_1
其中，RFij指第j秒时，第i个射频元素的射频信号数据；RFijn是指j秒时，第n帧射频信息中排序为i的射频信号数据。
进一步地，所述Pennes近似的生物热方程：
Figure SMS_2
ρt为组织密度，Ct为组织比热，
Figure SMS_3
为温度随时间的变化，kt为组织热传导率，Qhit为外加容积热源，/>
Figure SMS_4
为/>
Figure SMS_5
距离变量，从而获得模拟温度。
进一步地，所述步骤(5)的算法函数不限于卷积层，用于提取矩阵中的数据分布特征、激活函数，用于将神经元的元素映射到输出端、池化层，用于特征降维防止过拟合，可以在这些步骤进行顺序变换或者算法种类变换；反复执行步骤(5)中的一个子计算步骤或者多个计算步骤，顺序可以自由转化，一个子计算步骤的重复次数可以任意进行。
进一步地，所述步骤(6)的分类器为XGBoost、逻辑回归、支持向量机或lightGBM。
进一步地，所述步骤(7)的温度的显示可以以颜色梯度表示，直接实时显示于超声图像对应的组织区域。
一种使用上述任意之一所述的基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备。
进一步地，所述设备包括：超声探头、超声波束形成器、前置放大器与滤波器、A/D转换模块和GPU。
进一步地，所述超声探头向待测组织发射超声波，并接受由组织反射回来的超声波信号；超声波束形成器包括发射和接受两个部分，产生激励超声探头所需要的高压脉冲信号和回波信号的接受；接受到的回波信号发送到前置放大器与滤波器；经过放大和滤波的信号由A/D转换模块进行模拟信号向数字信号的转换；转换到数字信号后直接进入GPU，输出为待测组织的温度数值。
本发明的关键点和欲保护点如下：
(1)采用卷积神经网络的算法从超声射频信号中获取温度信息。
(2)将射频信号划分为多个区域，获取区域温度特征以减轻“热声透镜效应”以及“声遮挡”效应对治疗区域后方的超声回波信号产生的影响。
(3)该方法为非介入式超声射频信号测温方案，用于热消融时对消融区域和消融区域附近的组织温度进行实时监测。该过程的实时性，保证了消融时对病灶区域完成度的精准把控。
(4)温度信息以颜色梯度的方式，比如最高温是深红色，最低温是蓝色。建模于实时超声图像各组织的上面。
本发明方法有效地解决肿瘤热消融时需要对消融区域的组织进行精准测温的问题。使用非介入的方式就可以实时获得消融时超声影像中组织的温度信息。同时划分区域进行卷积神经网络训练的方式也解决了“热声透镜效应”以及“声遮挡”效应对治疗区域后方的超声回波信号产生影像的问题，提高了测温的准确性和稳定性。本发明中测温的实时性和显示方式也符合超声介入消融时对目标病灶的消融情况进行监控的目的。
附图说明
图1为本发明基于卷积神经网络提取医用超声射频信号中温度信息的步骤流程图；
图2为获取射频测温信号的实验设备布置图(离体组织实验)；
图3为实验中测温针的布置图(离体组织实验)；
图4为步骤(3)中的温度传播模拟示意图；
图5为使用卷积神经网络提取医用超声射频信号中温度信息设备示意图，即获得温度区间分类模型后超声设备内的具体结构图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明。
前期实验阶段进行实验装置等部署，将该装置调试完成后进行测温实验。
实验对象：离体猪肝或者牛肝(生物材料)。
实验用配件：穿刺针、消融光纤等。
实验设备：引导穿刺针用的超声设备、消融设备(包括激光，射频和微波消融设备)、热电偶与测温仪。具体如图2所示，为获取射频测温信号的离体实验设备布置图。超声设备连接超声换能器，由超声换能器发射超声波进入实验所用生物材料，这里指离体的猪肝或者牛肝。同时消融设备进入生物材料，设置不同的消融功率，可以选择由低到高的方式，用以获得不同的稳定后消融温度。温度测量系统将获取的离体生物材料温度数值反馈到计算机系统。同时超声设备连接射频采集板，将收集的射频信号传输到计算机系统。
图3为离体实验中测温针的布置方案。01，02，03，04为4条测温针通道，每条测温针通道可以设计为相差相同或者不同的距离(x1，x2，x3，x4)，用于获取温度梯度。消融光纤在实验中与4条测温针平行插于生物材料中，并且与生物材料上表面和下表面的距离相同。
参照图1所示，是本实施例的基于卷积神经网络提取超声射频信号中温度信息的方法的流程图，该方法具体包括如下步骤：
步骤一：在热消融的情况下，对离体的生物材料区域进行超声扫查，获取该区域超声射频信号数据。
这里采用的医用超声设备，不限于探头的类型(浅表探头、腹部探头、腔内探头、矩阵探头等等)。
超声射频信号，是超声回波经过数模变换后得到的数据。该数据经过滤波处理，包络检测，二次采样，对数压缩等过程形成超声图像。这里是通过图2中的RF采集板直接获取未经过处理的射频信号数据，后面对其进行建模分析。
注：对消融设备的功率进行调节(可多种功率)，并在距离消融针不同的位置设置多个测温针通道(比如4条测温通道)，如图3所示，从而获得该消融针附近的温度梯度。
该温度下(热消融加热时离体的生物材料区域的温度下)的射频信号数值为RFk，这里的k代表区域信息；获取室温(Tr)下、与上述消融区域相同区域的生物材料的射频信号作为空白数据RFk0。超声设备射频的帧率为n帧/s，热消融加热一段时间后的射频信号减去空白数据并求取各个数据点每秒的平均值，具体见下式，可以消除随机噪声。
Figure SMS_6
式中，RFij指第j秒时，第i个射频元素的射频信号数值；RFijn是指j秒时，第n帧射频信息中排序为i的射频信号数据。
步骤二：根据超声设备探头的扫描线数(M)和扫面点数(N)，把超声射频信号数据转变成M*N的矩阵格式，该矩阵的转化方法根据不同探头和超声延时叠加的时间曲线来设定。同时该超声射频信号的矩阵排布符合超声成图的像素点排布方向(扫描转换)。
步骤三：使用加热一段时间t后各个测温通道的温度，模拟01,02,03,04号测温通道之间的连续温度梯度，获取同一个测温平面所有区域的模拟温度数值及热图。使用Pennes近似的生物热方程对生物材料中的传热进行模拟:
Figure SMS_7
ρt为组织密度，Ct为组织比热，
Figure SMS_8
为温度随时间的变化，kt为组织热传导率，qmet新陈代谢热，ω血液灌注率，ρbcb血液体积比热，Ta进入组织的动脉血液温度，Tv进入组织的动脉血液温度。
由于我们这边使用离体组织，不考虑新陈代谢热以及血液温度。具此，我们将公式修改如下：
Figure SMS_9
Qhit为外加容积热源，
Figure SMS_10
可以改成/>
Figure SMS_11
距离变量。从而获得如图4所示的温度模拟示意图。
步骤四：将步骤二的超声射频信号的矩阵数据划分为大小相同的多个超声射频信号矩阵区域。
根据步骤三得到的模拟温度，将所有温度范围划分为数个温度区间，比如区间1(20-40摄氏度)，区间2(40-60摄氏度)，区间3(60-90摄氏度)，区间4(90-150摄氏度)；将温度区间对应到各个超声射频信号矩阵区域。
注：步骤一提到的k代表区域信息，这里设置以1mm为单位(可以根据具体情况而定，这个参数代表最后得到的温度区间分类模型的空间分辨率)，来定义超声射频信号矩阵区域的大小。即超声射频信号矩阵区域的大小和本发明最终得到温度区间分类模型的分辨率是相同的。
步骤五：将上述各个划分的超声射频信号矩阵区域的数据以及对应的温度区间输入卷积神经网络，用于特征提取；
优选的，步骤五的算法函数不限于卷积层，用于提取矩阵中的数据分布特征、激活函数，用于将神经元的元素映射到输出端、池化层，用于特征降维防止过拟合，可以在这些步骤进行顺序变换或者算法种类变换。反复执行步骤五中的一个子计算步骤或者多个计算步骤，顺序可以自由转化，一个子计算步骤的重复次数可以任意进行。
步骤六：将步骤五的特征提取后输出进入全连接层进行特征连接，对全连接层的特征进入分类器训练，从而得到温度区间分类模型。这里使用的分类器可以是XGBoost、逻辑回归、支持向量机、lightGBM等目前现有的分类器。
步骤五的卷积神经网络和步骤六的分类器统称温度区间分类模型。
步骤一至步骤六采集离体组织的射频信号数据进行建模以及训练，形成最终的温度区间分类模型。
步骤七：采集待测活体组织的超声射频信号，输入到步骤六训练好的温度区间分类模型中，最终可以得到待测组织的温度信息。
优选的，温度的显示可以以颜色梯度表示，直接实时显示于超声图像对应的组织区域。
如图5所示，是待测活体组织使用卷积神经网络提取医用超声射频信号中温度信息设备示意图，即获得温度区间分类模型后超声设备内的具体结构图。
注：在待测活体组织进行测温时，其设备和图2的差别在于：(1)不再设置温度测量系统；(2)超声设备中设置如图5所示的具体结构。
001超声探头向人体发射超声波，并接受由人体组织反射回来的超声波信号。002超声波束形成器包括发射和接受两个部分。产生激励探头所需要的高压脉冲信号和回波信号的接受。接受到的回波信号发送到前置信号放大器与滤波器003，前置信号放大器与滤波器的前后顺序由信号与噪声的相对幅度大小决定。当接收到的信号带外噪声为主要矛盾，噪声幅度远远大于信号幅度，则信号需要先进入滤波器再进入前置放大器。接收到的信号和噪声幅度都很小时信号应该先通过前置放大器，再通过滤波器。经过放大和滤波的信号由A/D转换模块004进行模拟信号向数字信号的转换。转换到数字信号后，数字直接进入部署了温度区间分类模型的GPU 005。输出为区域内的温度数值。
以上所述仅为本发明的优选例实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (7)

1.一种使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备，其特征在于，所述设备包括：超声探头、超声波束形成器、前置放大器与滤波器、A/D转换模块和GPU；所述超声探头向待测组织发射超声波，并接受由组织反射回来的超声波信号；超声波束形成器包括发射和接受两个部分，产生激励超声探头所需要的高压脉冲信号和回波信号的接受；接受到的回波信号发送到前置放大器与滤波器；经过放大和滤波的信号由A/D转换模块进行模拟信号向数字信号的转换；转换到数字信号后直接进入GPU，输出为待测组织的温度数值；
所述基于卷积神经网络提取超声射频信号中温度信息的方法包括：
（1）在热消融的情况下，对离体的生物材料区域进行超声扫查，获取该区域超声射频信号数据；在相对于热消融的消融针位置设有不同距离或不同角度的测温通道；
（2）将超声射频信号数据转变成M*N的矩阵格式，其中M为扫描线数，N为扫描点数，该超声射频信号的矩阵排布要符合超声成图的像素点排布方向；
（3）根据各测温通道的温度以及Pennes近似的生物热方程对离体生物材料的传热模拟，得到同一个测温平面所有区域的模拟温度；
（4）将步骤（2）的超声射频信号的矩阵数据划分为大小相同的多个超声射频信号矩阵区域；根据步骤（3）得到的模拟温度，将所有温度范围划分为数个温度区间，将温度区间对应到各个超声射频信号矩阵区域；
（5）将各个划分的所述超声射频信号矩阵区域的数据以及对应的温度区间输入卷积神经网络，用于特征提取；
（6）将步骤（5）特征提取后输出进入全连接层进行特征连接，对全连接层的特征进入分类器训练，从而得到温度区间分类模型；
（7）采集待测活体组织的超声射频信号，输入到步骤（6）训练好的温度区间分类模型中，最终可以得到待测组织的温度信息。
2.如权利要求1所述的超声设备，其特征在于，所述超声射频信号矩阵区域的大小和所述温度区间分类模型的分辨率相同。
3.如权利要求1或2所述的超声设备，其特征在于，所述步骤（1）的超声射频信号数据：
热消融加热时离体的生物材料区域的射频信号数据为RFk，k代表区域信息；获取室温下与所述热消融加热时离体的生物材料区域相同区域的射频信号数据作为空白数据RFk0；超声射频采集的帧率为 n 帧/秒，热消融加热一段时间后的射频信号数据减去空白数据并求取各个数据点每秒的平均值：
Figure QLYQS_1
其中，
Figure QLYQS_2
指第j秒时，第i个射频元素的射频信号数据；/>
Figure QLYQS_3
是指j秒时，第n帧射频信息中排序为i的射频信号数据。
4.如权利要求1或2所述的超声设备，其特征在于，所述Pennes近似的生物热方程：
Figure QLYQS_4
Figure QLYQS_6
为组织密度，/>
Figure QLYQS_10
为组织比热，/>
Figure QLYQS_12
为温度随时间的变化，/>
Figure QLYQS_7
为组织热传导率，/>
Figure QLYQS_9
为外加容积热源，/>
Figure QLYQS_11
是指组织温度随时间的变化量，/>
Figure QLYQS_13
、/>
Figure QLYQS_5
、/>
Figure QLYQS_8
分别是组织温度在组织x,y,z轴方向的温度变化量；x,y,z是组织的三个方向。
5.如权利要求1或2所述的超声设备，其特征在于，所述步骤（5）的算法函数不限于卷积层，用于提取矩阵中的数据分布特征、激活函数，用于将神经元的元素映射到输出端、池化层，用于特征降维防止过拟合，在这些步骤进行顺序变换或者算法种类变换；反复执行步骤（5）中的一个子计算步骤或者多个计算步骤，顺序自由转化，一个子计算步骤的重复次数任意进行。
6.如权利要求1或2所述的超声设备，其特征在于，所述步骤（6）的分类器为XGBoost、逻辑回归、支持向量机或lightGBM。
7.如权利要求1或2所述的设备，其特征在于，所述步骤（7）的温度的显示以颜色梯度表示，直接实时显示于超声图像对应的组织区域。
CN202111077944.5A 2021-09-15 2021-09-15 使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备 Active CN113749754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111077944.5A CN113749754B (zh) 2021-09-15 2021-09-15 使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111077944.5A CN113749754B (zh) 2021-09-15 2021-09-15 使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备

Publications (2)

Publication Number Publication Date
CN113749754A CN113749754A (zh) 2021-12-07
CN113749754B true CN113749754B (zh) 2023-06-30

Family

ID=78795588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111077944.5A Active CN113749754B (zh) 2021-09-15 2021-09-15 使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备

Country Status (1)

Country Link
CN (1) CN113749754B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114587565B (zh) * 2022-03-01 2023-09-29 河南中医药大学 一种射频消融中温度控制方法及系统
CN114983562B (zh) * 2022-06-01 2023-04-07 南京诺源医疗器械有限公司 一种支架调节方法、装置、系统、电子设备和存储介质
CN115708716B (zh) * 2023-01-10 2023-04-25 杭州糖吉医疗科技有限公司 超声共振自控温热消融支架及其方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101125088A (zh) * 2007-09-11 2008-02-20 西安交通大学 一种超声实时无损人体测温装置及测温方法
US20110060221A1 (en) * 2009-09-04 2011-03-10 Siemens Medical Solutions Usa, Inc. Temperature prediction using medical diagnostic ultrasound
US8900145B2 (en) * 2011-03-10 2014-12-02 University Of Washington Through Its Center For Commercialization Ultrasound systems and methods for real-time noninvasive spatial temperature estimation
US20130296743A1 (en) * 2012-05-02 2013-11-07 Siemens Medical Solutions Usa, Inc. Ultrasound for Therapy Control or Monitoring
US9439729B2 (en) * 2013-06-26 2016-09-13 Wisconsin Alumni Research Foundation System and method for monitoring thermal ablation using radiofrequency echoes
US20150272653A1 (en) * 2014-04-01 2015-10-01 Siemens Medical Solutions Usa, Inc. Thermal therapy ablation detection with ultrasound
CN107569256B (zh) * 2017-09-25 2020-04-10 南京广慈医疗科技有限公司 基于热膨胀和门控算法测量生物组织温度变化的超声方法
CN109171998B (zh) * 2018-10-22 2020-07-21 西安交通大学 基于超声深度学习的热消融区域识别监测成像方法与系统

Also Published As

Publication number Publication date
CN113749754A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN113749754B (zh) 使用基于卷积神经网络提取超声射频信号中温度信息的方法的超声设备
CN105392428B (zh) 用于映射超声剪切波弹性成像测量的系统和方法
JP5303147B2 (ja) 弾性画像を生成する超音波診断装置
Miller et al. Fundamental limitations of noninvasive temperature imaging by means of ultrasound echo strain estimation
KR100844448B1 (ko) 밀리미터파 밴드 전자파를 이용한 생체정보의 표시방법, 생체정보를 획득하여 표시하는 장치
US20200268253A1 (en) Photoacoustic computed tomography (pact) systems and methods
US11096655B2 (en) Method for postural independent location of targets in diagnostic images acquired by multimodal acquisitions and system for carrying out the method
CN107713990A (zh) 一种热声、光声、超声三模态乳腺肿瘤检测装置及方法
CN101919728B (zh) 温热治疗装置
JP3946815B2 (ja) 超音波診断装置
US11439308B2 (en) Methods and systems for thermal monitoring of tissue with an ultrasound imaging system
WO2019082892A1 (ja) 超音波診断システム及び超音波診断方法
Saied et al. Microwave imaging algorithm for detecting brain disorders
Garrido et al. Automatic polyp detection using microwave endoscopy for colorectal cancer prevention and early detection: Phantom validation
US20210204904A1 (en) Ultrasound diagnostic system
CN113768611B (zh) 利用超声射频信号结合机器学习对组织进行测温的方法
CN112773403A (zh) 一种超声成像方法和系统
CN111272305A (zh) 一种基于非线性热膨胀评估温度变化的超声方法及系统
KR20170064362A (ko) 초음파를 이용하여 이미지를 획득하는 방법 및 장치
CN108095689A (zh) 光声装置、信息处理方法及存储程序的非暂时性存储介质
Song et al. Multiple back projection with impact factor algorithm based on circular scanning for microwave-induced thermoacoustic tomography
JP2005270291A (ja) 超音波診断装置
CN115049568B (zh) 一种基于超声信息熵图像与零差K分布α参数图像融合的定征生物组织的方法
Cheng et al. Microwave medical imaging techniques
Zhai et al. Three-dimensional acoustic radiation force impulse (ARFI) imaging of human prostates in vivo

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