CN115546213A - 一种冷冻消融范围预测方法、装置、存储介质及电子设备 - Google Patents
一种冷冻消融范围预测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115546213A CN115546213A CN202211512868.0A CN202211512868A CN115546213A CN 115546213 A CN115546213 A CN 115546213A CN 202211512868 A CN202211512868 A CN 202211512868A CN 115546213 A CN115546213 A CN 115546213A
- Authority
- CN
- China
- Prior art keywords
- cryoablation
- data
- model
- region
- actual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000000338 in vitro Methods 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims description 119
- 238000012937 correction Methods 0.000 claims description 15
- 238000002474 experimental method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002980 postoperative effect Effects 0.000 abstract description 16
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000006378 damage Effects 0.000 abstract description 5
- 208000027418 Wounds and injury Diseases 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 208000014674 injury Diseases 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000002679 ablation Methods 0.000 description 29
- 230000003902 lesion Effects 0.000 description 11
- 210000004185 liver Anatomy 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 6
- 210000000056 organ Anatomy 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 210000001835 viscera Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000001959 radiotherapy Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 210000004124 hock Anatomy 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003685 thermal hair damage Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B18/02—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by cooling, e.g. cryogenic techniques
-
- 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
- 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
-
- 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
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Otolaryngology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Robotics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种冷冻消融范围预测方法、装置、存储介质及电子设备，所述方法包括：获取冷冻消融手术后冷冻消融区域的医学影像；基于医学影像得到实际冷冻消融区域；基于实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围。利用离体实验数据预测和手术后医学影像的数据对用于模拟冷冻消融区域的冰球模型进行修正，能够较为准确合理地预测冷冻消融范围，避免使用测温针测量温度而造成的人体伤害和局限性，为手术计划提供相对准确的数据支撑，有效避免繁琐的理论计算，具有速度快、精度高、实现简单等效果。
Description
技术领域
本发明涉及冷冻消融技术领域，尤其涉及一种冷冻消融范围预测方法、装置、存储介质及电子设备。
背景技术
手术计划系统是数字化技术与医学相融合的一项新兴医疗科技手段，运用数字化技术实现患者病灶区的三维可视化，帮助医生完成数据精准测量、术前分析、手术模拟推演以及术后效果分析，为医生与患者量身制定一套手术设计方案，涵盖术前规划、术中导航、术后评估，指引医生高效率、低风险地完成手术，解放医生术前时间，完善医生手术体验，简化手术操作，提高手术精度，实现精准手术。
消融范围和温度预测是肿瘤冷冻消融手术计划中的重要依据，目前放射疗法手术计划已相当成熟，外放疗手术中的作用范围可以通过放射剂量控制，内放疗手术中的作用范围可以通过植入粒子的剂量、个数和植入位置来控制。而肿瘤冷冻消融手术计划技术发展落后的重要原因在于：冰球消融区难以快速和精准的预测，这也是本领域需要解决的难题：针对人体不同脏器和组织的生物热物性与传热参数特点，在传热学理论方程和动物实验数据的基础上，利用生物学传热偏微分方程，建立消融温度场与空间和时间的数学模型，寻找二维网格及三维网格中的温度场快速计算方法，实现肿瘤组织消融区域的精准预测和消融参数控制。然而，这种方法需要繁琐的理论计算才能够预测冰球的消融范围，复杂且效率低下。
发明内容
为解决上述技术问题，本发明提供一种冷冻消融范围预测方法、装置、存储介质及电子设备。
第一方面，本发明实施例提供一种冷冻消融范围预测方法，包括：
获取冷冻消融手术后冷冻消融区域的医学影像；
基于所述医学影像得到实际冷冻消融区域；
基于所述实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围；其中，所述冰球模型是基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得的，或者是根据前次修正获得的。
在一些实现方式中，所述冰球模型包括椭球模型；所述方法还包括：
获取在离体标本的冷冻消融实验过程中测量的冰球温度数据；
基于所述冰球温度数据生成冰球的温度分布场；
基于所述温度分布场确定椭球状冷冻消融区域的边界数据；
基于所述边界数据得到用于模拟冷冻消融区域的椭球模型的参数的概率分布，获得初始的椭球模型。
在一些实现方式中，所述基于所述实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，包括：
获取椭球状的所述实际冷冻消融区域的长径数据和短径数据；
基于椭球状的所述实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行更新，得到修正的椭球模型。
在一些实现方式中，所述基于椭球状的所述实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行更新，包括：
利用参数估计方法，基于椭球状的所述实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型。
在一些实现方式中，所述参数估计方法包括贝叶斯估计方法或最大似然估计方法。
在一些实现方式中，所述参数估计方法包括贝叶斯估计方法时，基于椭球状的所述实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型，包括：
根据椭球状的所述实际冷冻消融区域的长径数据和短径数据，计算所述实际冷冻消融区域的长轴半径数据和短轴半径数据；
根据椭球状的所述实际冷冻消融区域的长径数据和短径数据，计算所述实际冷冻消融区域的长轴半径数据和短轴半径数据；
以当前椭球模型的参数的概率分布为先验分布，以所述实际冷冻消融区域的长轴半径和/或短轴半径为新的样本数据，利用贝叶斯估计方法计算椭球模型的参数的后验分布，基于所述后验分布更新当前椭球模型，获得修正的椭球模型。
在一些实现方式中，所述椭球模型的参数的概率分布服从正态分布。
第二方面，本发明实施例提供一种冷冻消融范围预测装置，包括：
获取模块，用于获取冷冻消融手术后冷冻消融区域的医学影像；
分析模块，用于基于所述医学影像得到实际冷冻消融区域；
修正模块，用于基于所述实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围；其中，所述冰球模型是基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得的，或者是根据前次修正获得的。
第三方面，本发明实施例提供一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如第一方面所述的冷冻消融范围预测方法。
第四方面，本发明实施例提供一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述计算机程序被所述一个或多个处理器执行时实现如第一方面所述的冷冻消融范围预测方法。
与现有技术相比，本发明的一个或多个实施例至少带来如下有益效果：
本发明实施例提供一种冷冻消融范围预测方法、装置、存储介质及电子设备，获取冷冻消融手术后冷冻消融区域的医学影像；基于医学影像得到实际冷冻消融区域；基于实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围。利用离体实验数据预测和手术后医学影像的数据对用于模拟冷冻消融区域的冰球模型进行修正，能够较为准确合理地预测冷冻消融范围，避免使用测温针测量温度而造成的人体伤害和局限性，为手术计划提供相对准确的数据支撑，有效避免繁琐的理论计算，具有速度快、精度高、实现简单等效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。
图1是本发明实施例提供的一种冷冻消融范围预测方法流程图；
图2是本发明实施例提供的另一种冷冻消融范围预测方法流程图；
图3是本发明实施例提供的一个等温线分布示意图；
图4是本发明实施例提供的一种冷冻消融范围预测装置框图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在热消融手术规划中，通常根据CT(Computed Tomography，电子计算机断层扫描)，或者MRI（Magnetic resonance imaging，核磁共振成像）医学影像可以得到患者的三维影像。在规划手术路径时，根据输入的消融手术的进针点、角度、深度、功率以及消融持续时间来综合计算微波能量场，可以计算出单位时间单位体积将要消融的组织吸收的微波能量分布，并以计算所得的微波能量场作为内部热源，计算将要消融的组织的温度场分布；同时计算将要消融的组织的热损伤区域；最后将计算所得的热损伤区域通过影像显示单元融合显示于患者的三维影像上。通过这些方法和装置，可以以三维影像的方式反映出患者器官和肿瘤的真正的解剖结构,准确地预测消融范围，从而为实施消融手术提供客观的参考。
与热消融方式不同，冷冻消融是通过消融针末端形成的冰球来进行病灶组织的消融，无法像热消融手术一样通过射频功率控制来精确控制能量场和相关的温度场分布，因此需要获取的消融区域和损失区域都需要设计新的方案。对于一支消融针而言，形成的冰球形状往往是椭球形状的，体积是受限的。对于离体实验和动物实验，可以通过测温针或测温工装来实现温度的精准测量以及冰球体积的计算。而对于人体而言，由于不同组织器官生物热物性差异和大血管中血流带来的热池效应，冰球形成的范围不一致，需要计算考虑的因素很多；而且在人体中采用测温针对温度进行测量时，很可能因为测温针被冰球冻住而无法快速拔出，因此无法对冰球内部的温度直接测量，通常只能在冰球边缘附近进行测量，而无法测量冰球内部温度。
本发明实施例提供一种冷冻消融范围预测方法、装置、存储介质及电子设备，基于离体标本的冷冻消融实验数据和术后影像修正消融范围（冰球）的预测结果，可以有效避免繁琐的理论计算，具有速度快、精度高、实现简单等效果。下面对本发明的几个实施例进行说明。
实施例一
本实施例提供一种冷冻消融范围预测方法，如图1所示，可以包括如下步骤：
步骤S101、获取冷冻消融手术后冷冻消融区域的医学影像。
本实施例中的医学影像，可以是但不限于CT影像。
步骤S102、基于医学影像得到实际冷冻消融区域。
本实施例中的实际冷冻消融区域，可以是冷冻消融手术后医生基于医学影像勾画出的针对病灶位置的实际消融边界，也可以是利用计算机辅助手段，从医学影像中识别并标识出的针对病灶位置的实际消融边界，该实际消融边界可以指温度为0℃情况下冰球的边界。其中，病灶可以指肿瘤，也可以指其他病灶，对于病灶本实施例不做任何限定。
步骤S103、基于实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围；其中，冰球模型是基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得的，或者是根据前次修正获得的。
应当理解的是，若当前修正是在基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得初始的冰球模型之后的首次修正，则修正的是该初始的冰球模型；若当前修正是在已经进行了至少一次修正后进行的再次修正，则修正的是前次修正的冰球模型。
本实施例中基于离体标本的冷冻消融实验数据和术后影像修正用于模拟冷冻消融区域的冰球模型，既可以有效避免繁琐的理论计算，又能够随着术后影像的不断更新引入，而使冰球模型越来越逼近真实情况或趋于一个稳定的误差范围之内，获得更加准确的冷热消融区域预测结果，为冷冻消融手术前的手术规划提供准确且有效的数据支撑。
在一些实现方式中，上述冰球模型包括椭球模型；如图2所示，本实施例的方法还包括：
步骤S201、获取在离体标本的冷冻消融实验过程中测量的冰球温度数据。
步骤S202、基于冰球温度数据生成冰球的温度分布场。
步骤S203、基于温度分布场确定椭球状冷冻消融区域的边界数据。
步骤S204、基于边界数据得到用于模拟冷冻消融区域的椭球模型的参数的概率分布，获得初始的椭球模型。
一些情况下，冰球呈椭球状，也即其所产生的冷冻消融区域呈椭球状。因此，本实施例用于预测冷冻消融区域的冰球模型可以采用椭球模型，其满足椭球公式：
其中，x、y、z为坐标，a、b、c为参数，a、b、c分别对应椭球在x、y、z方向上的半径，本实施例中，a、b可称为短轴半径、长轴半径，即短径的一半、长径的一半，参考图3。
本实施例通过对离体标本进行冷冻消融实验来获得冰球温度数据，进而可绘制得到冰球的温度分布场，基于温度分布场可以包括冰球的多条等温线，（例如0℃、-20℃、-40℃下），得到如图3所示的等温线分布图，其中的横轴代表水平距离，纵轴代表垂直距离，以含长径、短径的截面图来显示冷冻消融区域的温度分布，可以看出，从中心向外分别是-40℃、-20℃、0℃下的冷冻消融区域，0℃下的冷冻消融区域的外侧边界为冰球的边界，也是冷冻消融区域的边界。因此，基于温度分布曲线，可以确定椭球状冷冻消融区域的边界数据，至少包括长轴半径和短轴半径，例如长轴半径为25、短轴半径为19。
离体标本可以是脏器或组织的动物离体标本，例如猪肝。但离体标本的脏器或组织应与修正所用的术后影像对应的脏器或组织是相同类型，根据猪肝的离体标本的冷冻消融实验过程中的冰球温度数据，可以获得初始的椭球模型，再利用针对人体的肝脏（与离体标本类型相同）进行冷冻消融手术后冷冻消融区域的医学影像，对初始的椭球模型进行修正，以提高该椭球模型的预测精确度，通过不断地扩充针对人体的肝脏进行冷冻消融手术后冷冻消融区域的医学影像数据，可以逐渐地修正椭球模型，使其越来越接近于人体的冷冻消融区域，以在后续预测冷冻消融区域，作为手术计划的重要依据。
在实际应用中，在离体标本的冷冻消融实验过程中测量的冰球温度数据，可以使用现有的温度分布测量工装实现，对冷冻消融针形成的冰球内部温度进行测量，得到内部温度分布场。
在实际中，由于冰球所成的椭球并非完全规则的椭球，因而，在椭球模型所满足的椭球公式中，分别表示短轴半径a、长轴半径b非唯一的定值，而是呈一定的概率分布状态，因而，在一些实现方式中，椭球模型的参数的概率分布服从正态分布。
应当理解的是，可以测量多个不同规格冷冻消融针的冰球温度数据，以获得相应的椭球状冷冻消融区域的边界数据，基于边界数据拟合获得多个不同规格冷冻消融针的初始的椭球模型，在后续的术后影像获取中，针对术后影像对应的冷冻消融针规格，对相应的初始的椭球模型的参数进行修正，或者对相应规格冷冻消融针的已修正椭球模型进行再修正，不断优化各规格消融针对应的椭球模型的参数，使其逼近真实。
在一个具体的示例中，在不同消融时间下测量得到的多个不同规格冷冻消融针的冰球温度数据及对应的边界数据如下表所示：
在基于温度分布场确定椭球状冷冻消融区域的边界数据时，可以确定工作时长为一特定时长（例如10min或20min）下椭球状冷冻消融区域最外侧边界数据（0℃冷冻消融区域的外侧边界数据），进而得到用于模拟冷冻消融区域的椭球模型的参数的概率分布，获得初始的椭球模型。于此同时，还可以获取0℃以内的各不同温度的冷冻消融区域的外侧边界数据（例如-20℃、-40℃），以确定不同温度的冷冻消融区域的外侧边界数据对应的冷冻消融范围及相应的温度分布场，并进一步梳理分析不同温度的冷冻消融区域冷冻消融范围及相应的温度分布场之间的变化规律（例如成一定比例缩放等），以便在后续手术计划或其他需求的情况下，根据此变化规律能够预测冰球内部不同温度下的温度分布场及冷冻消融区域。
在一些实现方式中，步骤S103中基于实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，包括：
步骤S301、获取椭球状的实际冷冻消融区域的长径数据和短径数据。
步骤S302、基于椭球状的实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行更新，得到修正的椭球模型。
应当理解的是，本实施例中修正椭球模型时忽略z轴数据，在对实际冷冻消融区域的边界进行测量时，根据温度分布场所获得的是长径数据和短径数据，进而可以计算得到长轴半径、短轴半径，将实际冷冻消融区域的长轴半径或短轴半径数据作为新的样本数据，对当前的椭球模型的参数进行重新估计，得到新的概率分布，即完成椭球模型的修正，使得修正后的椭球模型更接近于冷冻消融针在人体内所产生的冰球。
在一些实现方式中，步骤S302中基于椭球状的实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行更新，包括：
步骤S302a、利用参数估计方法，基于椭球状的实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型。其中的参数估计方法包括贝叶斯估计方法或最大似然估计方法。
考虑到冰球在人体中的消融范围与所在部位传热性及血管富集程度有关系，可以利用贝叶斯估计方法或最大似然估计方法等参数估计方法，通过假设其分布为未知随机变量并求解其在样本集合中的后验分布，进行椭球模型的参数修正。以贝叶斯估计方法为例，数学描述可以如下：
假设冰球长轴半径或短轴半径的先验分布为
，该先验分布由已知样本x概率
密度
来近似；考虑新的样本
，根据如下贝叶斯估计表达式可以得到新的概率分布：
用贝叶斯估计更新冰球的先验分布，得到后验分布，即得到修正的椭球模型的参数，这个后验分布更接近于真实。
一些实现方式中，可以取后验分布的期望作为概率分布中参数（短轴半径或长轴半径的概率分布对应的均值μ、均方差σ）的估计值。
在一些实现方式中，参数估计方法包括贝叶斯估计方法时，基于椭球状的实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型，包括：
步骤S302a-1、根据椭球状的所述实际冷冻消融区域的长径数据和短径数据，计算实际冷冻消融区域的长轴半径数据和短轴半径数据；
步骤S302a-2、以当前椭球模型的参数的概率分布为先验分布，以实际冷冻消融区域的长轴半径和/或短轴半径为新的样本数据，利用贝叶斯估计方法计算椭球模型的参数的后验分布，基于后验分布更新当前椭球模型，获得修正的椭球模型。
在一个具体的示例中，以RCL17型号的冷冻消融针为例进行说明：
获取实际手术后的医学影像，进而根据实际消融范围获得冷冻20min后的冰球的短轴半径a（0℃）的概率分布。假设其为正态分布，当前椭球模型下，该分布的均值为μ0=33mm，均方差为σ0=1.2，其先验分布表达式可以为：
其中，x为样本数据，σ为均方差，μ为均值。
假设基于当前实际消融范围得到的一组新的短轴半径数据X=[33.2, 34.5,34.1, 33.1, 30.5]，样本数据的数量N=5，用贝叶斯估计更新短轴半径的分布，描述如下：
（1）对均值进行估计：
其中，
表示后验分布，参数
，
表示先验分布（
可以指
，在计算时可以将前述
代入此表达式），此表达式的分
母是一个归一化常数项，在分子中，根据正态分布的性质，多个正态分布的线性组合依然是
正态分布，所以
依然是正态分布，可以计算得到新的正态分布，即后验分布：
其中，
表示当前一组N个样本数据的均方差，
表示当前一组样本数据的均值。
可以计算得到：
假设之前的样本数据已经比较多，
，
=2，更新后：
因此，得到新的短轴半径的概率分布中的参数μ=33.07 mm，
=0.24，得到了更新
后的短轴半径的概率分布，修正了椭球模型，修正后的椭球模型可用于预测冷冻消融范围，
在下次获取到新的短轴半径样本数据且需要修正椭球模型时，本次修正后的短轴半径的概
率分布将作为先验概率分布参与估计。长轴半径b的概率分布的更新原理类似，本示例中不
再重复说明。
本示例可以看出，在不断基于实际消融区域的长短轴半径数据，更新样本数据的
基础上，
越来越接近于0，
越来越接近于
，随着样本增加模型更趋于样
本的真实概率分布。
本实施例提供的方法，利用离体实验数据预测和手术后医学影像的数据对用于模拟冷冻消融区域的冰球模型进行修正，能够较为准确合理地预测冷冻消融范围，避免使用测温针测量温度而造成的人体伤害和局限性，为手术计划提供相对准确的数据支撑。
实施例二
本实施例提供一种冷冻消融范围预测装置，如图4所示，包括：
获取模块401，用于获取冷冻消融手术后冷冻消融区域的医学影像；
分析模块402，用于基于医学影像得到实际冷冻消融区域；
修正模块403，用于基于实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围；其中，冰球模型是基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得的，或者是根据前次修正获得的。
本实施例中的实际冷冻消融区域，可以是冷冻消融手术后医生基于医学影像勾画出的针对病灶位置的实际消融边界，也可以是利用计算机辅助手段，从医学影像中识别并标识出的针对病灶位置的实际消融边界，该实际消融边界可以指温度为0℃情况下冰球的边界。其中，病灶可以指肿瘤，也可以指其他病灶，对于病灶本实施例不做任何限定。
本实施例中基于离体标本的冷冻消融实验数据和术后影像修正用于模拟冷冻消融区域的冰球模型，既可以有效避免繁琐的理论计算，又能够随着术后影像的不断更新引入，而使冰球模型越来越逼近真实情况或趋于一个稳定的误差范围之内，获得更加准确的冷热消融区域预测结果，为冷冻消融手术前的手术规划提供准确且有效的数据支撑。
在一些实现方式中，上述冰球模型包括椭球模型；本实施例的装置还包括离体数据处理模块，用于：
获取在离体标本的冷冻消融实验过程中测量的冰球温度数据；基于冰球温度数据生成冰球的温度分布场；基于温度分布场确定椭球状冷冻消融区域的边界数据；基于边界数据得到用于模拟冷冻消融区域的椭球模型的参数的概率分布，获得初始的椭球模型。
一些情况下，冰球呈椭球状，也即其所产生的冷冻消融区域呈椭球状。因此，本实施例用于预测冷冻消融区域的冰球模型可以采用椭球模型，其满足椭球公式：
其中，x、y、z为坐标，a、b、c为参数，a、b、c分别对应椭球在x、y、z方向上的半径，本实施例中，a、b可称为短轴半径、长轴半径，即短径的一半、长径的一半，参考图3。
如图2所示，本实施例通过对离体标本进行冷冻消融实验来获得冰球温度数据，进而可绘制得到冰球的温度分布场，基于温度分布场可以包括冰球的多条等温线，（例如0℃、-20℃、-40℃下），得到如图3所示的等温线分布图，其中的横轴代表水平距离，纵轴代表垂直距离，以含长径、短径的截面图来显示冷冻消融区域的温度分布，可以看出，从中心向外分别是-40℃、-20℃、0℃下的冷冻消融区域，0℃下的冷冻消融区域的外侧边界为冰球的边界，也是冷冻消融区域的边界。因此，基于温度分布曲线，可以确定椭球状冷冻消融区域的边界数据，至少包括长轴半径和短轴半径，例如长轴半径为25、短轴半径为19。
离体标本可以是脏器或组织的动物离体标本，例如猪肝。但离体标本的脏器或组织应与修正所用的术后影像对应的脏器或组织是相同类型，根据猪肝的离体标本的冷冻消融实验过程中的冰球温度数据，可以获得初始的椭球模型，再利用针对人体的肝脏（与离体标本类型相同）进行冷冻消融手术后冷冻消融区域的医学影像，对初始的椭球模型进行修正，以提高该椭球模型的预测精确度，通过不断地扩充针对人体的肝脏进行冷冻消融手术后冷冻消融区域的医学影像数据，可以逐渐地修正椭球模型，使其越来越接近于人体的冷冻消融区域，以在后续预测冷冻消融区域，作为手术计划的重要依据。
在实际应用中，在离体标本的冷冻消融实验过程中测量的冰球温度数据，可以使用现有的温度分布测量工装实现，对冷冻消融针形成的冰球内部温度进行测量，得到内部温度分布场。
在实际中，由于冰球所成的椭球并非完全规则的椭球，因而，在椭球模型所满足的椭球公式中，分别表示短轴半径a、长轴半径b、非唯一的定值，而是呈一定的概率分布状态，因而，在一些实现方式中，椭球模型的参数的概率分布服从正态分布。
应当理解的是，可以测量多个不同规格冷冻消融针的冰球温度数据，以获得相应的椭球状冷冻消融区域的边界数据，基于边界数据拟合获得多个不同规格冷冻消融针的初始的椭球模型，在后续的术后影像获取中，针对术后影像对应的冷冻消融针规格，对相应的初始的椭球模型的参数进行修正，或者对相应规格冷冻消融针的已修正椭球模型进行再修正，不断优化各规格消融针对应的椭球模型的参数，使其逼近真实。
在基于温度分布场确定椭球状冷冻消融区域的边界数据时，可以确定工作时长为一特定时长（例如10min或20min）下椭球状冷冻消融区域最外侧边界数据（0℃冷冻消融区域的外侧边界数据），进而得到用于模拟冷冻消融区域的椭球模型的参数的概率分布，获得初始的椭球模型。于此同时，还可以获取0℃以内的各不同温度的冷冻消融区域的外侧边界数据（例如-20℃、-40℃），以确定不同温度的冷冻消融区域的外侧边界数据对应的冷冻消融范围及相应的温度分布场，并进一步梳理分析不同温度的冷冻消融区域冷冻消融范围及相应的温度分布场之间的变化规律（例如成一定比例缩放等），以便在后续手术计划或其他需求的情况下，根据此变化规律能够预测冰球内部不同温度下的温度分布场及冷冻消融区域。
在一些实现方式中，基于实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，包括：
获取椭球状的实际冷冻消融区域的长径数据和短径数据；基于椭球状的实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行更新，得到修正的椭球模型。
应当理解的是，本实施例中修正椭球模型时忽略z轴数据，在对实际冷冻消融区域的边界进行测量时，根据温度分布场所获得的是长径数据和短径数据，进而可以计算得到长轴半径、短轴半径，将实际冷冻消融区域的长轴半径或短轴半径数据作为新的样本数据，对当前的椭球模型的参数进行重新估计，得到新的概率分布，即完成椭球模型的修正，使得修正后的椭球模型更接近于冷冻消融针在人体内所产生的冰球。
在一些实现方式中，步骤S302中基于椭球状的实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行更新，包括：
步骤S302a、利用参数估计方法，基于椭球状的实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型。其中的参数估计方法包括贝叶斯估计方法或最大似然估计方法。
在一些实现方式中，参数估计方法包括贝叶斯估计方法时，基于椭球状的实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型，包括：
根据椭球状的所述实际冷冻消融区域的长径数据和短径数据，计算实际冷冻消融区域的长轴半径数据和短轴半径数据；以当前椭球模型的参数的概率分布为先验分布，以实际冷冻消融区域的长轴半径和/或短轴半径为新的样本数据，利用贝叶斯估计方法计算椭球模型的参数的后验分布，基于后验分布更新当前椭球模型，获得修正的椭球模型。
本实施例提供的装置中，利用离体实验数据预测和手术后医学影像的数据对用于模拟冷冻消融区域的冰球模型进行修正，能够较为准确合理地预测冷冻消融范围，避免使用测温针测量温度而造成的人体伤害和局限性，为手术计划提供相对准确的数据支撑。
应当理解的是，本实施例的装置具备方法实施例的全部有益效果。
本领域的技术人员应当明白，上述各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何限定的硬件和软件结合。
实施例三
本实施例提供一种计算机存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被一个或多个处理器执行时，实现实施例一的方法。
其中，计算机可读存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器（Static Random Access Memory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read-Only Memory，简称EPROM），可编程只读存储器（Programmable Read-Only Memory，简称PROM），只读存储器（Read-Only Memory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。
实施例四
本实施例提供一种电子设备，包括存储器和一个或多个处理器，存储器上存储有计算机程序，计算机程序被一个或多个处理器执行时实现实施例一的方法。
处理器可以是专用集成电路（Application Specific Integrated Circuit，简称ASIC）、数字信号处理器（Digital Signal Processor，简称DSP）、数字信号处理设备（Digital Signal Processing Device，简称DSPD）、可编程逻辑器件（Programmable LogicDevice，简称PLD）、现场可编程门阵列（Field Programmable Gate Array，简称FPGA）、控制器、微控制器 (Microcontroller Unit, MCU)、微处理器或其他电子元件实现，用于执行上述实施例中的方法。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的。
需要说明的是，在本文中，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修正与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种冷冻消融范围预测方法，其特征在于，包括：
获取冷冻消融手术后冷冻消融区域的医学影像；
基于所述医学影像得到实际冷冻消融区域；
基于所述实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围；其中，所述冰球模型是基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得的，或者是根据前次修正获得的。
2.根据权利要求1所述的冷冻消融范围预测方法，其特征在于，所述冰球模型包括椭球模型；所述方法还包括：
获取在离体标本的冷冻消融实验过程中测量的冰球温度数据；
基于所述冰球温度数据生成冰球的温度分布场；
基于所述温度分布场确定椭球状冷冻消融区域的边界数据；
基于所述边界数据得到用于模拟冷冻消融区域的椭球模型的参数的概率分布，获得初始的椭球模型。
3.根据权利要求2所述的冷冻消融范围预测方法，其特征在于，所述基于所述实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，包括：
获取椭球状的所述实际冷冻消融区域的长径数据和短径数据；
基于椭球状的所述实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行更新，得到修正的椭球模型。
4.根据权利要求3所述的冷冻消融范围预测方法，其特征在于，所述基于椭球状的所述实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行更新，包括：
利用参数估计方法，基于椭球状的所述实际冷冻消融区域的长径数据和短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型。
5.根据权利要求4所述的冷冻消融范围预测方法，其特征在于，所述参数估计方法包括贝叶斯估计方法或最大似然估计方法。
6.根据权利要求5所述的冷冻消融范围预测方法，其特征在于，所述参数估计方法包括贝叶斯估计方法时，基于椭球状的所述实际冷冻消融区域的长径数据和/或短径数据，对当前椭球模型的参数的概率分布进行重新估计得到新的参数的概率分布，获得修正的椭球模型，包括：
根据椭球状的所述实际冷冻消融区域的长径数据和短径数据，计算所述实际冷冻消融区域的长轴半径数据和短轴半径数据；
以当前椭球模型的参数的概率分布为先验分布，以所述实际冷冻消融区域的长轴半径和/或短轴半径为新的样本数据，利用贝叶斯估计方法计算椭球模型的参数的后验分布，基于所述后验分布更新当前椭球模型，获得修正的椭球模型。
7.根据权利要求2~6中任一项所述的冷冻消融范围预测方法，其特征在于，所述椭球模型的参数的概率分布服从正态分布。
8.一种冷冻消融范围预测装置，其特征在于，包括：
获取模块，用于获取冷冻消融手术后冷冻消融区域的医学影像；
分析模块，用于基于所述医学影像得到实际冷冻消融区域；
修正模块，用于基于所述实际冷冻消融区域对用于模拟冷冻消融区域的冰球模型进行修正，以基于修正后的冰球模型预测冷冻消融范围；其中，所述冰球模型是基于离体标本的冷冻消融实验过程中测量的冰球温度数据获得的，或者是根据前次修正获得的。
9.一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如权利要求1~7中任一项所述的冷冻消融范围预测方法。
10.一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述计算机程序被所述一个或多个处理器执行时实现如权利要求1~7中任一项所述的冷冻消融范围预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211512868.0A CN115546213B (zh) | 2022-11-30 | 2022-11-30 | 一种冷冻消融范围预测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211512868.0A CN115546213B (zh) | 2022-11-30 | 2022-11-30 | 一种冷冻消融范围预测方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115546213A true CN115546213A (zh) | 2022-12-30 |
| CN115546213B CN115546213B (zh) | 2023-03-10 |
Family
ID=84722672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211512868.0A Active CN115546213B (zh) | 2022-11-30 | 2022-11-30 | 一种冷冻消融范围预测方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115546213B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117297758A (zh) * | 2023-11-29 | 2023-12-29 | 南京诺源医疗器械有限公司 | 微波消融参数的确定方法、装置及电子设备 |
| CN117731390A (zh) * | 2024-02-19 | 2024-03-22 | 南京康友医疗科技有限公司 | 一种射频消融控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859341A (zh) * | 2009-04-13 | 2010-10-13 | 盛林 | 影像引导消融治疗手术规划装置 |
| CN111027225A (zh) * | 2019-12-25 | 2020-04-17 | 南京亿高微波系统工程有限公司 | 一种基于数据拟合的消融仿真方法 |
| CN111973271A (zh) * | 2020-08-31 | 2020-11-24 | 北京理工大学 | 针对肿瘤热消融的术前消融区域模拟方法及装置 |
| US20210052314A1 (en) * | 2019-08-21 | 2021-02-25 | Veran Medical Technologies, Inc. | Ablation Monitoring System and Method |
| CN114886540A (zh) * | 2022-05-12 | 2022-08-12 | 上海介航机器人有限公司 | 冷冻消融空间的温度确定方法、装置、计算机设备 |
-
2022
- 2022-11-30 CN CN202211512868.0A patent/CN115546213B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859341A (zh) * | 2009-04-13 | 2010-10-13 | 盛林 | 影像引导消融治疗手术规划装置 |
| US20210052314A1 (en) * | 2019-08-21 | 2021-02-25 | Veran Medical Technologies, Inc. | Ablation Monitoring System and Method |
| CN111027225A (zh) * | 2019-12-25 | 2020-04-17 | 南京亿高微波系统工程有限公司 | 一种基于数据拟合的消融仿真方法 |
| CN111973271A (zh) * | 2020-08-31 | 2020-11-24 | 北京理工大学 | 针对肿瘤热消融的术前消融区域模拟方法及装置 |
| CN114886540A (zh) * | 2022-05-12 | 2022-08-12 | 上海介航机器人有限公司 | 冷冻消融空间的温度确定方法、装置、计算机设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117297758A (zh) * | 2023-11-29 | 2023-12-29 | 南京诺源医疗器械有限公司 | 微波消融参数的确定方法、装置及电子设备 |
| CN117297758B (zh) * | 2023-11-29 | 2024-01-26 | 南京诺源医疗器械有限公司 | 微波消融参数的确定方法、装置及电子设备 |
| CN117731390A (zh) * | 2024-02-19 | 2024-03-22 | 南京康友医疗科技有限公司 | 一种射频消融控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115546213B (zh) | 2023-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115546213B (zh) | 一种冷冻消融范围预测方法、装置、存储介质及电子设备 | |
| CN110151309B (zh) | 多模态消融治疗术前规划方法及其设备 | |
| US11908584B2 (en) | Methods and systems for modeling a necrotized tissue volume in an ablation procedure | |
| CN103800075B (zh) | 用于肝脏肿瘤消融术的患者特定建模的系统和方法 | |
| CN104856755B (zh) | 用于基于医学图像的组织消融的个体化计算的系统和方法 | |
| Prakash | Theoretical modeling for hepatic microwave ablation | |
| JP5755325B2 (ja) | 温度分布決定装置 | |
| JP2014511111A (ja) | 画像誘導式介入手技（ｉｎｔｅｒｖｅｎｔｉｏｎａｌｐｒｏｃｅｄｕｒｅ）をプラニングするためのシステム及び方法 | |
| CN101859341A (zh) | 影像引导消融治疗手术规划装置 | |
| WO2014133924A1 (en) | System and method for interactive patient specific simulation of radiofrequency ablation therapy | |
| US11844560B2 (en) | Path planning device for multi-probe joint cryoablation | |
| Mariappan et al. | GPU-based RFA simulation for minimally invasive cancer treatment of liver tumours | |
| CN111743626B (zh) | 肿瘤穿刺路径获得设备及存储介质 | |
| US20200179051A1 (en) | Therapeutic guidance compute node controller | |
| CN113194865B (zh) | 具有用于实时消融生长投影的显示器的消融系统及其方法 | |
| Schulmann et al. | Model-based thermometry for laser ablation procedure using Kalman filters and sparse temperature measurements | |
| WO2022132730A1 (en) | System and method for ablation treatment of tissue with interactive guidance | |
| Altrogge et al. | Sensitivity analysis for the optimization of radiofrequency ablation in the presence of material parameter uncertainty | |
| CN117011245B (zh) | 融合mr信息指导ct的直肠癌肿瘤区自动勾画方法及装置 | |
| Kath et al. | Robust GPU-based virtual reality simulation of radio-frequency ablations for various needle geometries and locations | |
| CN116798638A (zh) | 一种肝肿瘤微波消融三维温度场仿真方法 | |
| Rossmann et al. | Platform for patient-specific finite-element modeling and application for radiofrequency ablation | |
| CN109408842B (zh) | 一种恒功率微波消融中sar的精确表征方法 | |
| CN113855229A (zh) | 一站式椎骨肿瘤微波消融手术仿真方法及装置 | |
| CN113539420A (zh) | 剂量控制系统、装置和存储介质 |
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 |