CN115192927A - 生物组织内声吸收能量分布测量方法、系统、设备及介质 - Google Patents
生物组织内声吸收能量分布测量方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115192927A CN115192927A CN202210821835.8A CN202210821835A CN115192927A CN 115192927 A CN115192927 A CN 115192927A CN 202210821835 A CN202210821835 A CN 202210821835A CN 115192927 A CN115192927 A CN 115192927A
- Authority
- CN
- China
- Prior art keywords
- sound
- biological tissue
- information
- data
- displacement 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 136
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000006073 displacement reaction Methods 0.000 claims abstract description 113
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000000338 in vitro Methods 0.000 claims abstract description 30
- 230000009471 action Effects 0.000 claims abstract description 27
- 230000005855 radiation Effects 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 2
- 210000001519 tissue Anatomy 0.000 description 99
- 238000002604 ultrasonography Methods 0.000 description 18
- 230000000875 corresponding effect Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000002679 ablation Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 239000011664 nicotinic acid Substances 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000001959 radiotherapy Methods 0.000 description 3
- 238000009210 therapy by ultrasound Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- QCVGEOXPDFCNHA-UHFFFAOYSA-N 5,5-dimethyl-2,4-dioxo-1,3-oxazolidine-3-carboxamide Chemical compound CC1(C)OC(=O)N(C(N)=O)C1=O QCVGEOXPDFCNHA-UHFFFAOYSA-N 0.000 description 1
- 208000018084 Bone neoplasm Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 208000008839 Kidney Neoplasms Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010038389 Renal cancer Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 239000012888 bovine serum Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 235000014103 egg white Nutrition 0.000 description 1
- 210000000969 egg white Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 201000010982 kidney cancer Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000008055 phosphate buffer solution Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N7/00—Ultrasound therapy
-
- 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
-
- 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
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- 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
-
- 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
- G06N3/08—Learning methods
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明属于检测技术领域,具体涉及生物组织内声吸收能量分布测量方法、系统、设备及介质,该生物组织内声吸收能量分布测量方法,包括获取待测生物组织在聚焦超声场作用下的媒质位移数据;获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的媒质位移数据和声强分布数据,构建训练集;通过构建好的训练集,对声场分布预测模型进行训练;基于训练好的声场分布预测模型和媒质位移数据,预测待测生物组织的声强分布数据;根据声强分布数据,计算待测生物组织内声吸收能量分布,本申请基于在不同分布的聚焦超声场产生的声辐射力的媒质位移数据和声强分布数据构建训练集,继而构建声场分布预测模型,声场分布预测模型的适用范围广。
Description
技术领域
本发明属于检测技术领域,具体涉及生物组织内声吸收能量分布测量方法、系统、设备及介质。
背景技术
聚焦超声消融手术(focused ultrasound ablation surgery,FUAS)是一种利用高功率超声聚焦作用,以靶向高温杀灭肿瘤细胞的治疗方法,其通过将体外多束低能量超声波聚焦于体内靶区,形成高强度的声能量焦点,进而产生声机械效应、声热能效应、声空化效应等多种物理效应,以达到治疗疾病的目的。
聚焦超声消融手术已用于临床治疗肝癌、乳腺癌、肾癌、骨肿瘤等疾病,并展示出良好的有效性和安全性。在聚焦超声消融手术中,超声治疗剂量的评估和投放是提高聚焦超声消融手术的安全性和疗效的关键,准确的术前剂量评估和有效、可靠的投放方法有助于提高治疗的安全性和疗效。
与传统肿瘤治疗方式相比,聚焦超声消融手术具有诸多技术优势,但是目前其应用并不广泛,治疗方案的制定严重依赖于操作者的临床经验,不同操作者设置的超声参数变动范围很大,直接导致了在不同医院取得的治疗效果差异显著,也造成难以正确评估超声治疗的真实疗效。类比于广泛使用的放射性治疗,治疗前操作者需要根据每个病患的生理结构和病灶特征,计算放射剂量、射线入射角度、辐射时间等,定制放疗方案。这种规范性的流程与操作成为行业统一标准,被全球放射科采纳。相比之下,影响聚焦超声消融手术标准方案制定的关键因素是难以评估病患体内超声能量的分布与吸收。又由于病患间巨大的个体性差异,评估必须针对每个病患定制相应的超声治疗方案。目前的诊断设备(如MRI、B型超声成像)能够清晰地显示生物体的三维生理结构,但还不能完全反映聚焦超声消融手术的声通道中声性能(如声速、声衰减、声阻抗等)。聚焦超声消融手术中高能量的声波在生物组织中非线性传播引起波形畸变和产生高次谐波,使声场分布更加复杂。基于线性声传播理论构建的B型超声成像技术,也难以准确测量生物组织的非线性效应和高次谐波下的声学性能。
目前,采用水听器三维扫描技术可以测量自由场中(水槽中)的声波波形和声场分布,但该方法不能应用于体内的声场测量,且该方法存在以下缺陷:
1)获取聚焦声场三维分布的过程十分耗时;
2)焦域的声强能量过大时,易导致水听器的损坏;
3)由于有限振幅波在传播过程中会产生波形畸变,产生谐波、声衰减等非线性现象,若水听器的带宽有限,得到的结果存在较大误差。
发明内容
有鉴于此,本申请提供一种生物组织内声吸收能量分布测量方法、系统、设备及介质,以解决现有技术中检测生物组织内声吸收能量分布耗时、易损坏设备、误差较大等技术问题。
第一个方面,本申请提供一种生物组织内声吸收能量分布测量方法,所述生物组织内声吸收能量分布测量方法包括:
获取待测生物组织在聚焦超声场作用下的媒质位移数据;
获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的媒质位移数据和声强分布数据,构建训练集;
通过构建好的训练集,对声场分布预测模型进行训练;
基于训练好的声场分布预测模型和所述媒质位移数据,预测待测生物组织的声强分布数据;
根据声强分布数据,计算待测生物组织内声吸收能量分布。
在本申请的一示例性实施例中,构建训练集包括:
获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的实际媒质位移数据以及理论媒质位移数据和理论声强分布数据集;
将生物组织仿体或离体生物组织对应的实际媒质位移数据与理论媒质位移数据媒质位移数据进行比较,从数据集中选取符合预设条件的理论媒质位移数据和对应理论声强分布数据,构建所述训练集。
在本申请的一示例性实施例中,获取实际媒质位移数据包括:
获取生物组织仿体或离体生物组织在聚焦超声场作用前的原始射频信号,以及在聚焦超声场作用后的射频信号;
将射频信号的目标区域划分为若干矩形块,采用二维块匹配方法确定原始射频信号和超声辐照后的射频信号的目标区域中各矩形块的平均位移矢量;
根据原始射频信号和超声辐照后的射频信号的目标区域各矩形块的平均位移矢量,计算各矩形块中媒质位移数据的方差;
比较各矩形块中媒质位移数据的方差计算结果,得到方差比较结果;
基于方差比较结果,获取方差最小值所对应的矩形块的位移矢量,得到实际媒质位移数据。
在本申请的一示例性实施例中,所述预设条件包括:实际媒质位移数据与理论媒质位移数据的相对误差不超过1μm。
在本申请的一示例性实施例中,,获取生物组织的理论媒质位移数据和理论声强分布数据包括:
获取生物组织仿体或离体生物组织所处的聚焦超声场的超声频率信息、声传播时间信息、生物组织仿体或离体生物组织的声传播介质速度信息、非线性系数信息、密度信息、声吸收系数信息、声吸收频率指数信息、等体积热容信息、等压热容信息、切变粘滞系数信息、膨胀粘滞系数信息、热传导系数信息、粘性系数信息和弹性系数信息;
根据声传播时间信息、声传播介质速度信息、非线性系数信息、密度信息、声吸收系数信息、等体积热容信息、等压热容信息、切变粘滞系数信息、膨胀粘滞系数信息和热传导系数信息,计算声压;
根据声压、声传播介质速度信息和密度信息,计算声强分布数据;
根据声强分布数据、超声频率信息、声吸收系数信息、声吸收频率指数信息、辐照时间、粘性系数信息和弹性系数信息,计算理论媒质位移数据。
在本申请的一示范性实施例中,根据声强分布数据、超声频率信息、声吸收系数信息、声吸收频率指数信息、粘性系数信息和弹性系数信息,计算理论媒质位移数据,包括:
根据声强分布数据、超声频率信息、和声吸收系数信息和声吸收频率指数信息,计算声辐射力;
根据声辐射力、粘性系数信息和弹性系数信息,计算理论媒质位移数据。
第二个方面,本申请提供一种生物组织内声吸收能量分布测量系统,所述生物组织内声吸收能量分布测量系统包括:
采集模块,用于获取待测生物组织在聚焦超声场作用下的媒质位移数据;
训练集构建模块,用于获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场下的媒质位移数据和声强分布数据,构建训练集;
声场分布预测模型训练模块,用于通过构建好的训练集,对声场分布预测模型进行训练;
声强分布数据预测模块,基于训练好的声场分布预测模型和所述媒质位移数据,预测位待测生物组织的声强分布数据;
声吸收能量分布计算模块,根据声强分布数据计算待测生物组织内声吸收能量分布。
另一个方面,本申请提供一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如上所述的生物组织内声吸收能量分布测量方法。
再一个方面,本申请还提供一种计算机可读介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的生物组织内声吸收能量分布测量方法。
如上所述,本申请的生物组织内声吸收能量分布的测量方法及系统,具有以下有益效果:
(1)产生条件温和。本申请的方法基于聚焦超声的自身属性,在焦点处必会产生一个沿声传播方向的声辐射力,并在焦域处达到最大,不会对设备造成损坏。
(2)本申请基于不同的生物组织在不同分布的聚焦超声场产生的声辐射力作用下的媒质位移数据和声强分布数据构建训练集,继而构建声场分布预测模型,所以得到的训练好的声场分布预测模型的适用范围广,能够应用于不同的超声频率情形。
(3)测量结果准确度高。本发明的方法结合试验过程和仿真模型计算过程,提高了测量结果的准确性。
(4)本申请的方法适合聚焦超声设备“非侵入式”测量。在临床使用过程中,聚焦超声设备都是体外的,故而本申请的方法能够实现非侵入式测量体内的声吸收能量分布,不会对人体造成损害。
附图说明
图1为本实施例的一示范性实施例的生物组织内声吸收能量分布测量方法的流程图;
图2为图1所示实施例中的步骤S120在一示范性实施例中的流程图;
图3为图2所示实施例中的步骤S210中的获取实际媒质位移数据在一示范性实施例中的流程图
图4为图2所示实施例中的步骤S210中的获取理论媒质位移数据和理论声强分布数据在一示范性的实施例中的流程图;
图5为图4所示实施例中的步骤440在一示范性实施例中的流程图;
图6为本申请的一示范性实施例的生物组织内声吸收能量分布测量系统的框图。
具体实施方式
以下将参照附图和优选实施例来说明本申请的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本申请实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
请参考图1,图1是本申请的一示范性实施例示出的生物组织内声吸收能量分布测量方法的流程图。该方法用于测量生物组织对聚焦超声波的吸收量,以便于为医护人员采用聚焦超声消融手术治疗疾病提供有利支持。
如图1所示,在本申请的一示范性实施例中,生物组织内声吸收能量分布计算模型构建方法至少包括步骤S110、步骤120、步骤130、步骤140和步骤150,详细介绍如下:
步骤S110:获取待测生物组织在聚焦超声场作用下的媒质位移数据;
步骤S120:获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的媒质位移数据和声强分布数据,构建训练集;
需要说明的是,生物组织仿体可列举如BSA牛血清仿体、鸡蛋清仿体等。离体生物组织可列举如猪肌肉组织、猪脂肪组织等。
聚焦超声场的声场分布不同,其所产生的声辐射力不同,声辐射力引起的媒质位移数据和声强分布数据亦存在差异。
步骤S130:通过构建好的训练集,对声场分布预测模型进行训练;
具体的,在本申请中,模型训练通过深度学习方法中的自动训练模型方法进行。
步骤S140:基于训练好的声场分布预测模型和媒质位移数据,预测位待测生物组织的声强分布数据;
步骤S150:根据声强分布数据,计算待测生物组织内声吸收能量分布。
具体的,声吸收能量分布按照式(I)进行计算:
Q=2Ia0fy (I);
式(I)中,Q为声吸收能量分布,单位为焦耳;I为声强,单位为W/m2;a0为声吸收系数,单位为dB/(MHz^y cm);y为声吸收频率指数,其数值介于0-3之间,f为待测生物组织所在的聚焦超声场的超声频率,单位为MHz。
由于生物组织在聚焦超声作用下产生的媒质位移数据与声吸收能量分布之间存在高度相关性,故本实施例通过模型训练将媒质位移数据与声强分布数据进行关联,得到声场分布预测模型,继而将待检测生物组织在聚焦超声场作用下的媒质位移数据输入训练好的声场分布预测模型中,能够得到待检测生物组织在聚焦超声场作用下的媒质位移数据所对应的声强分布数据;基于声强分布数据、聚焦超声场的超声频率、待检测生物组织的声吸收系数及声吸收频率指数、能够计算得到声吸收能量分布。因本申请基于不同的仿体生物组织或离体生物组织在不同声场分布的聚焦超声场产生的声辐射力作用引起的媒质位移数据和声强分布数据构建训练集,继而构建声场分布预测模型,所以得到的训练好的声场分布预测模型的适用范围广,能够应用于不同的超声频率情形。同时,本申请的方法适合聚焦超声设备“非侵入式”测量。在临床使用过程中,本申请的方法能够实现非侵入式测量体内的声吸收能量分布,不会对人体造成损害。
请参考图2,图2是图1所示实施例中的步骤S120在一示范性的实施例中的流程图。
如图2所示,在本申请的一示范性实施例中,构建训练集的过程包括步骤S210和步骤S220,详细介绍如下:
步骤S210:获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的实际媒质位移数据以及理论媒质位移数据和理论声强分布数据集;
步骤S220:将生物组织仿体或离体生物组织对应的实际媒质位移数据与理论媒质位移数据进行比较,从数据集中选取符合预设条件的理论媒质位移数据和对应理论声强分布数据,构建训练集。
具体的,本申请得到的训练好的声场分布预测模型为:
I(x,y)=I0F(x,y) (II);
式(II)中,I(x,y)是依据训练好的声场分布预测模型和媒质位移数据预测得到的二维声场分布(声强)数据,I0是待测生物组织的媒质位移数据,F(x,y)是训练得到对应关系的二维分布函数,其中,
式(III)中,x和y表示分别表示位移数据的横纵坐标(具体为沿轴向和横向上与原点之间的距离最长的点与原点之间的距离),单位为mm;π为常数,μx和μy表示聚焦声场焦点在x轴和y轴的位置,和分别表示声场分布在x轴和y轴轴向上正态分布的方差,e是自然常数。
本实施例的生物组织内声吸收能量分布计算模型构建方法结合试验过程和仿真计算过程,进行模型构建,能够提高构建得到的声场分布预测模型的准确性和可靠性。
请参考图3,图3为图2所示实施例中的步骤S210中的获取实际媒质位移数据在一示例性实施例中的流程图。
如图3所示,在本申请的一示范性实施例中,获取实际媒质位移数据的过程包括步骤S310、步骤S320、步骤S330、步骤S340和步骤S350,详细介绍如下:
步骤S310:获取生物组织仿体或离体生物组织在聚焦超声场作用前的原始射频信号,以及在聚焦超声场作用后的射频信号;
需要说明的是,在对生物组织仿体或离体生物组织进行聚焦超声场辐照前,需对生物组织仿体或离体生物组织进行以下预处理:将生物组织仿体或离体生物组织置于磷酸盐缓冲溶液浸泡浸泡,随后于真空条件下脱气处理≥30分钟,以去除生物组织仿体或离体生物组织中的残余气体。
步骤S320:将射频信号的目标区域划分为若干矩形块,采用二维块匹配方法确定原始射频信号和超声辐照后的射频信号的目标区域中各矩形块的平均位移矢量;
示例性的,目标区域根据实际采样率以及感兴趣区域(即目标区域)大小,划分为n*m(n和m均为正整数)个小矩形块(又名矩形核块),并赋予原始射频信号和辐照后射频信号中目标区域各矩形块以横向坐标和纵向坐标(即位移矢量),采用从粗到细的二维块匹配方法,比较辐照前后射频数据中的每一个矩形核块。
步骤S330:根据原始射频信号和超声辐照后的射频信号的目标区域各矩形块的平均位移矢量,计算各矩形块中媒质位移数据的方差,具体按照公式(IV)计算矩形块的方差;
式(IV)中,γ1和γ2分别为原始射频信号和辐照后射频信号的矩形块所对应的位移矢量;I和J分别为轴向坐标和横向坐标;u和v分别为轴向搜索长度和横向搜索长度,搜索长度是指目标点与搜索起点之间的距离,具体的,轴向搜索长度和横向搜索长度分别指目标中心位置处分别沿轴向方向和沿横向方向上与搜索起点的距离差。
步骤S340:比较各矩形块中媒质位移数据的方差计算结果,得到方差比较结果;
具体的,改变轴向搜索长度和横向搜索长度,得到不同的方差结果;
步骤S350:基于方差比较结果,获取方差最小值所对应的矩形块的位移矢量,得到实际媒质位移数据;
具体的,基于方差比较结果,获取方差最小值所对应的轴向搜索长度和横向搜索长度,得到实际媒质位移数据。
具体的,上述预设条件包括:通过比较实验状态下测得的实际媒质位移数据与理论仿真得到的理论媒质位移数据,当二者之间的相对误差不超过1μm的情况下,认为理论仿真的理论媒质位移数据与实验测得的实际媒质位移数据具有比较好的一致性,可以把获得的理论媒质位移数据用于构建训练集。
需要说明的是,实际媒质位移数据与理论媒质位移数据的相对误差不超过1μm是指实际媒质位移数据对应的位移图的峰值与理论媒质位移数据对应的位移图对应的峰值之间的差值不大于1μm。当实际媒质位移数据确定的位移峰值与理论媒质位移数据对应的位移图对应的峰值之间的差值不大于1μm,则认为理论仿真的理论媒质位移数据与实验测得的实际媒质位移数据具有比较好的一致性,可以把获得的理论媒质位移数据用于构建训练集。
请参考图4,图4为图2所示实施例中的步骤S210中的获取理论媒质位移数据和理论声强分布数据在一示范性实施例中的流程图。
如图4所示,在本申请的一示例性实施例中,获取理论媒质位移数据和理论声强分布数据的过程包括步骤S410、步骤S420、步骤S430和步骤S440,详细介绍如下:
步骤S410:获取生物组织仿体或离体生物组织所处的聚焦超声场的超声频率信息、声传播时间信息、生物组织仿体或离体生物组织的声传播介质速度信息、非线性系数信息、密度信息、声吸收系数信息、声吸收频率指数信息、等体积热容信息、等压热容信息、切变粘滞系数信息、膨胀粘滞系数信息、热传导系数信息、粘性系数信息和弹性系数信息;
步骤S420:根据声传播时间信息、声传播介质速度信息、非线性系数信息、密度信息、声吸收系数信息、等体积热容信息、等压热容信息、切变粘滞系数信息、膨胀粘滞系数信息和热传导系数信息,计算声压;
具体的,声压计算过程如下:将相关参数代入二阶流体粘滞的非线性传播方程(即式(V))中,求解声压p:
式(V)中,p为声压,单位为Pa;c0为生物组织仿体或离体生物组织的声传播速度,单位为m/s;t为声传播时间,单位为s;β为生物组织仿体或离体生物组织的非线性系数,无单位;ρ0为生物组织仿体或离体生物组织的密度,单位为kg/m^3(即kg/m3);
其中,δ为衰减项,具体如公式(VI)所示:
式(VI)中,λ为生物组织仿体或离体生物组织的切变粘滞系数,单位为Pa·s;λ'为生物组织仿体或离体生物组织的膨胀粘滞系数,单位为Pa·s;τ为生物组织仿体或离体生物组织的热传导系数,单位为W/m·k;Cv为等体积热容,单位为J/K;Cp为等压热容,单位为J/K;ρ0为生物组织仿体或离体生物组织的密度,单位为kg/m^3。
步骤S430:根据声压、声传播介质速度信息和密度信息,计算声强分布数据;
具体的,声强分布数据按照公式(VII)进行计算:
式(VII)中,I为声强,单位为W/m2;p为声压,单位为Pa;ρ为媒质的密度,单位为kg/m3;c0为介质中声传播声速,单位为m/s;
步骤S440:根据声强分布数据、超声频率信息、声吸收系数信息、声吸收频率指数信息、粘性系数信息和弹性系数信息,计算理论媒质位移数据。
请参考图5,图5为图4所示实施例中的步骤S440的流程图。
如图5所示,在本申请的一示范性实施例中,根据声强分布数据、超声频率信息、声吸收系数信息、声吸收频率指数信息、粘性系数信息和弹性系数信息,计算理论媒质位移数据的过程包括步骤S510和步骤S520,详细介绍如下:
步骤S510:根据声强分布数据、超声频率信息、声吸收系数信息和声吸收频率指数信息,计算声辐射力;
具体的,声辐射力按照式(VIII)进行计算:
式(VIII)中,F为声辐射力,单位为N;I为声强,单位为W/m2;a0为声吸收系数,单位为dB/(MHz^y cm);y为声吸收频率指数,其数值介于0-3之间,f为待测生物组织所在的聚焦超声场的超声频率,单位为MHz,c0为介质中传播声速,单位为m/s。
步骤S520:根据声辐射力、粘性系数信息和弹性系数信息,计算理论媒质位移数据。
具体的,根据有限元仿真分析方法的瞬态动力学分析,计算生物组织仿体或离体生物组织在声辐射力作用下产生的理论位移,超声辐射力主要为轴向,切向力的贡献可忽略,计算公式如式(IX)所示:
式(IX)中,μ理论为理论媒质位移数据矢量,M为质量矩阵(瞬态动力学分析软件内置参数),F为声辐射力矢量(与依据公式(VIII)计算得到的声辐射力F相对应,在公式(VIII)计算得到的声辐射力F的基础上添加沿声传播的方向参数(超声辐射力主要为轴向);
C是阻尼矩阵,依据公式(X)进行计算:
C=ξ[M]+ψ[k] (X);
式(X)中,[M]为弹性矩阵(瞬态动力学分析软件内置参数),ξ为生物组织仿体或离体生物组织的粘性系数,单位为Pa·s;[k]为弹性矩阵(瞬态动力学分析软件内置参数),ψ为生物组织仿体或离体生物组织的弹性系数,单位为Pa。
请参考图6,本实施例还提供一种生物组织内声吸收能量分布测量系统M600。
如图6所示,本实施例的生物组织内声吸收能量分布测量系统M600包括:
获取模块M610,用于获取待测生物组织在聚焦超声场作用下的煤质位移数据;
训练集构建模块M620,用于获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的煤质位移数据和声强分布数据,构建训练集;
声场分布预测模型训练模块M630,用于通过构建好的训练集,对声场分布预测模型进行训练;
声强分布数据预测模块M640,基于训练好的声场分布预测模型和媒质位移数据,预测位待测生物组织的声强分布数据;
声吸收能量分布计算模块M650,根据声强分布数据,计算待测生物组织内声吸收能量分布。
在本实施例中,该生物组织内声吸收能量分布测量系统M600实质上是设置了若干模块用以执行上述实施例中的方法,以实现生物组织内声吸收能量分布的测量。
本申请实施例还提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被所述一个或多个处理器执行时,使得电子设备实现上述各个实施例中提供的生物组织内声吸收能量分布测量方法。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前所述的生物组织内声吸收能量分布测量方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请还提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的生物组织内声吸收能量分布测量方法。
上述实施例仅示范性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种生物组织内声吸收能量分布测量方法,其特征在于,包括:
获取待测生物组织在聚焦超声场作用下的媒质位移数据;
获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的媒质位移数据和声强分布数据,构建训练集;
通过构建好的训练集,对声场分布预测模型进行训练;
基于训练好的声场分布预测模型和所述媒质位移数据,预测待测生物组织的声强分布数据;
根据声强分布数据,计算待测生物组织内声吸收能量分布。
2.根据权利要求1所述的生物组织内声吸收能量分布测量方法,其特征在于,构建训练集包括:
获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场作用下的实际媒质位移数据以及理论媒质位移数据和理论声强分布数据集;
将生物组织仿体或离体生物组织对应的实际媒质位移数据与理论媒质位移数据媒质位移数据进行比较,从数据集中选取符合预设条件的理论媒质位移数据和对应理论声强分布数据,构建所述训练集。
3.根据权利要求2所述的生物组织内声吸收能量分布测量方法,其特征在于,获取实际媒质位移数据包括:
获取生物组织仿体或离体生物组织在聚焦超声场作用前的原始射频信号,以及在聚焦超声场作用后的射频信号;
将射频信号的目标区域划分为若干矩形块,采用二维块匹配方法确定原始射频信号和超声辐照后的射频信号的目标区域中各矩形块的位移矢量;
具体的,根据原始射频信号和超声辐照后的射频信号的区域进行一一比较,假设前一个的位移有效且准确估计,粗位移估计可以被线性插值到更精细的尺度,并用于在下一个矩形块中移动后压缩矩形块的中心,并计算各组射频数据的方差;
比较各矩形块中媒质位移数据的方差计算结果,得到方差比较结果;
基于方差比较结果,获取方差最小值所对应的矩形块的位移矢量,此时我们认为压缩前后的区域匹配完成,得到实际媒质位移数据。
4.根据权利要求3所述的生物组织内声吸收能量分布测量方法,其特征在于,所述预设条件包括:实际媒质位移数据与理论媒质位移数据的相对误差不超过1μm。
5.根据权利要求2所述的生物组织内声吸收能量分布测量方法,其特征在于,获取生物组织的理论媒质位移数据和理论声强分布数据包括:
获取生物组织仿体或离体生物组织所处的聚焦超声场的超声频率信息、声传播时间信息、生物组织仿体或离体生物组织的声传播介质速度信息、非线性系数信息、密度信息、声吸收系数信息、声吸收频率指数信息、等体积热容信息、等压热容信息、切变粘滞系数信息、膨胀粘滞系数信息、热传导系数信息、粘性系数信息和弹性系数信息;
根据声传播时间信息、声传播介质速度信息、非线性系数信息、密度信息、声吸收系数信息、等体积热容信息、等压热容信息、切变粘滞系数信息、膨胀粘滞系数信息和热传导系数信息,计算声压;
根据声压、声传播介质速度信息和密度信息,计算声强分布数据;
根据声强分布数据、超声频率信息、声吸收系数信息、声吸收频率指数信息、辐照时间、粘性系数信息和弹性系数信息,计算理论媒质位移数据。
6.根据权利要求5所述的生物组织内声吸收能量分布测量方法,其特征在于,根据声强分布数据、超声频率信息、声吸收系数信息、声吸收频率指数信息、粘性系数信息和弹性系数信息,计算理论媒质位移数据,包括:
根据声强分布数据、超声频率信息、和声吸收系数信息和声吸收频率指数信息,计算声辐射力;
根据声辐射力、粘性系数信息和弹性系数信息,计算理论媒质位移数据。
7.一种生物组织内声吸收能量分布测量系统,其特征在于,包括:
采集模块,用于获取待测生物组织在聚焦超声场作用下的媒质位移数据;
训练集构建模块,用于获取不同生物组织仿体或离体生物组织在不同分布的聚焦超声场下的媒质位移数据和声强分布数据,构建训练集;
声场分布预测模型训练模块,用于通过构建好的训练集,对声场分布预测模型进行训练;
声强分布数据预测模块,基于训练好的声场分布预测模型和所述媒质位移数据,预测位待测生物组织的声强分布数据;
声吸收能量分布计算模块,根据声强分布数据计算待测生物组织内声吸收能量分布。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1-6中任一项所述的生物组织内声吸收能量分布测量方法。
9.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如权利要求1-6中任一项所述的生物组织内声吸收能量分布测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210821835.8A CN115192927B (zh) | 2022-07-12 | 2022-07-12 | 生物组织内声吸收能量分布测量方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210821835.8A CN115192927B (zh) | 2022-07-12 | 2022-07-12 | 生物组织内声吸收能量分布测量方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115192927A true CN115192927A (zh) | 2022-10-18 |
CN115192927B CN115192927B (zh) | 2024-04-30 |
Family
ID=83579449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210821835.8A Active CN115192927B (zh) | 2022-07-12 | 2022-07-12 | 生物组织内声吸收能量分布测量方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115192927B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130345565A1 (en) * | 2012-06-25 | 2013-12-26 | Siemens Medical Solutions Usa, Inc. | Measuring Acoustic Absorption or Attenuation of Ultrasound |
EP2822471A2 (en) * | 2012-03-09 | 2015-01-14 | Seno Medical Instruments, Inc. | Statistical mapping in an optoacoustic imaging system |
CN105136069A (zh) * | 2015-07-28 | 2015-12-09 | 河海大学常州校区 | 一种激光超声波技术测量圆柱体内锥形锥尖角度的方法 |
CN105877779A (zh) * | 2014-04-01 | 2016-08-24 | 美国西门子医疗解决公司 | 利用超声进行热疗消融检测 |
CN107874779A (zh) * | 2017-10-31 | 2018-04-06 | 江西中医药大学 | 一种高强度聚焦超声测量装置及方法 |
CN109730722A (zh) * | 2019-02-27 | 2019-05-10 | 天津大学 | 基于聚焦超声声振信号的弹性成像方法 |
CN110251159A (zh) * | 2019-05-31 | 2019-09-20 | 深圳先进技术研究院 | 一种组织检测方法、装置和存储介质 |
CN110927729A (zh) * | 2019-11-09 | 2020-03-27 | 天津大学 | 基于位移衰减特性的声辐射力脉冲弹性成像方法 |
CN111184949A (zh) * | 2019-07-09 | 2020-05-22 | 重庆医科大学 | 一种聚焦超声消融系统及其控制方法 |
US20200405265A1 (en) * | 2019-06-28 | 2020-12-31 | Siemens Medical Solutions Usa, Inc. | Ultrasound medical imaging with optimized speed of sound based on fat fraction |
CN114259659A (zh) * | 2021-12-28 | 2022-04-01 | 中国科学院苏州生物医学工程技术研究所 | 提升超声换能器功率发射性能的方法及系统 |
-
2022
- 2022-07-12 CN CN202210821835.8A patent/CN115192927B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2822471A2 (en) * | 2012-03-09 | 2015-01-14 | Seno Medical Instruments, Inc. | Statistical mapping in an optoacoustic imaging system |
US20130345565A1 (en) * | 2012-06-25 | 2013-12-26 | Siemens Medical Solutions Usa, Inc. | Measuring Acoustic Absorption or Attenuation of Ultrasound |
CN105877779A (zh) * | 2014-04-01 | 2016-08-24 | 美国西门子医疗解决公司 | 利用超声进行热疗消融检测 |
CN105136069A (zh) * | 2015-07-28 | 2015-12-09 | 河海大学常州校区 | 一种激光超声波技术测量圆柱体内锥形锥尖角度的方法 |
CN107874779A (zh) * | 2017-10-31 | 2018-04-06 | 江西中医药大学 | 一种高强度聚焦超声测量装置及方法 |
CN109730722A (zh) * | 2019-02-27 | 2019-05-10 | 天津大学 | 基于聚焦超声声振信号的弹性成像方法 |
CN110251159A (zh) * | 2019-05-31 | 2019-09-20 | 深圳先进技术研究院 | 一种组织检测方法、装置和存储介质 |
US20200405265A1 (en) * | 2019-06-28 | 2020-12-31 | Siemens Medical Solutions Usa, Inc. | Ultrasound medical imaging with optimized speed of sound based on fat fraction |
CN111184949A (zh) * | 2019-07-09 | 2020-05-22 | 重庆医科大学 | 一种聚焦超声消融系统及其控制方法 |
CN110927729A (zh) * | 2019-11-09 | 2020-03-27 | 天津大学 | 基于位移衰减特性的声辐射力脉冲弹性成像方法 |
CN114259659A (zh) * | 2021-12-28 | 2022-04-01 | 中国科学院苏州生物医学工程技术研究所 | 提升超声换能器功率发射性能的方法及系统 |
Non-Patent Citations (1)
Title |
---|
李发琪 等: "HIFU在牛肝组织中形成线形凝固性坏死的剂量投放研究", 《生物医学工程学杂志》, vol. 26, no. 5, 31 October 2009 (2009-10-31), pages 936 - 940 * |
Also Published As
Publication number | Publication date |
---|---|
CN115192927B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110248606B (zh) | 气穴定位 | |
Choi et al. | A tissue mimicking polyacrylamide hydrogel phantom for visualizing thermal lesions generated by high intensity focused ultrasound | |
Marsac et al. | Ex vivo optimisation of a heterogeneous speed of sound model of the human skull for non-invasive transcranial focused ultrasound at 1 MHz | |
Lafon et al. | Gel phantom for use in high-intensity focused ultrasound dosimetry | |
US7837623B2 (en) | Non-invasive method of obtaining a pre-determined acoustic wave field in an essentially uniform medium which is concealed by a bone barrier, imaging method and device for carrying out said methods | |
Hsu et al. | Feasibility of using ultrasound for real‐time tracking during radiotherapy | |
Zhang et al. | Feasibility of using Nakagami distribution in evaluating the formation of ultrasound-induced thermal lesions | |
Mougenot et al. | High intensity focused ultrasound with large aperture transducers: a MRI based focal point correction for tissue heterogeneity | |
Farrer et al. | Phase aberration simulation study of MRgFUS breast treatments | |
Yeh et al. | Shear wave measurements for evaluation of tendon diseases | |
Zhang et al. | Enhanced lesion‐to‐bubble ratio on ultrasonic Nakagami imaging for monitoring of high‐intensity focused ultrasound | |
Pasquinelli et al. | Transducer modeling for accurate acoustic simulations of transcranial focused ultrasound stimulation | |
CN115192927A (zh) | 生物组织内声吸收能量分布测量方法、系统、设备及介质 | |
Cao et al. | Patient‐specific 3‐dimensional model for high‐intensity focused ultrasound treatment through the rib cage: a preliminary study | |
Liu et al. | Variations in temperature distribution and tissue lesion formation induced by tissue inhomogeneity for therapeutic ultrasound | |
Song et al. | Multiple back projection with impact factor algorithm based on circular scanning for microwave-induced thermoacoustic tomography | |
Lafon et al. | Use of a bovine eye lens for observation of HIFU-induced lesions in real-time | |
Badawe et al. | High Resolution Acoustic Mapping of Gelatin-Based Soft Tissue Phantoms | |
Zheng et al. | A targeting method based on acoustic backscatter for treatment planning in tissue ablation using focused ultrasound | |
Gómez Fernández | Transurethral shear wave elastography for prostate cancer | |
White et al. | A pre-treatment planning strategy for high-intensity focused ultrasound (HIFU) treatments | |
Badawe et al. | High-resolution acoustic mapping of tunable gelatin-based phantoms for ultrasound tissue characterization | |
Zhou et al. | Prediction of high-intensity focused ultrasound (HIFU)-induced lesion size using the echo amplitude from the focus in tissue | |
Hudson | Simulating thermal effects of MR-guided focused ultrasound (MRgFUS) in cortical bone and its surrounding tissue | |
Leonov et al. | Aberration correction by polynomial approximation for synthetic aperture ultrasound imaging |
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 |