專利名稱：使用醫學診斷超聲的溫度預測的制作方法
技術領域：
本發明涉及確定內部溫度以進行醫學治療。
背景技術：
基于熱能的治療在病人體內施加熱量。諸如RF消融、微波、激光照射、或高強 度聚焦超聲(HIFU)的各種型式遞送能量。這些治療的安全性和效力與劑末組織溫度和 被治療組織的時間溫度歷史密切相關。時間溫度歷史被量化為“熱劑量”。使用諸如針型探頭的侵入式傳感器來監視溫度和劑量。侵入式程序可能是不期 望的。磁共振成像(MRI)監視是測量組織治療溫度的非侵入式方法。MRI方法可能不 提供實時反饋和/或是昂貴的。

發明內容
由以下權利要求來限制本發明，并且不應將本節的任何內容示為對那些權利要 求的限制。以介紹的方式，下述優選實施例包括用于用醫學診斷超聲系統來確定溫度相 關信息或檢測溫度特性的方法、計算機可讀介質、指令、和系統。將來自超聲掃描的解 剖信息與建模一起使用以確定溫度或其它溫度相關參數。可以與施加熱治療一起實時地 獲得超聲信息，因此其可以用來更好地控制熱量產生和治療。該解剖信息可以用來調準 (align)從一個部位測量的模型特征。該解剖信息可以用作到模型的輸入。該解剖信息可 以用來選擇適當的模型，諸如基于組織類型的選擇。該解剖信息可以用來校正模型的輸 出，諸如考慮到由于相鄰血管或其它傳導組織而引起的溫度分布。在第一方面，提供了一種用醫學診斷超聲來確定溫度相關信息的方法。從病人 獲取表示解剖信息的超聲數據。執行溫度相關測量。將溫度相關測量結果應用于模型。 將模型與解剖信息組合。根據該組合來顯示溫度相關信息。在第二方面，一種計算機存儲介質具有存儲在其中的數據，該數據表示可由用 于用醫學診斷超聲系統檢測溫度特性的編程處理器執行的指令。該存儲介質包括指令， 該指令用于(a)接收表示病人的解剖超聲信息，(b)在向病人的部位(region)施加熱治 療期間，接收表示該部位中的不同位置的超聲數據，(c)用與時間有關的機器訓練模型 并且在施加期間根據超聲數據和建模的先前輸出對所述部位中的溫度的空間分布進行建 模，該建模對解剖超聲信息進行響應，以及(d)輸出溫度的空間分布。在第三方面，提供了一種用于用醫學診斷超聲來確定溫度相關信息的系統。接 收波束成形器被配置為獲取表示病人的部位的超聲數據。處理器被配置為用機器學習模 型和熱模型對該部位上的熱治療的效果進行建模。機器學習模型使用至少一個特征，其 為超聲數據的函數。該熱模型被配置為根據超聲數據來校正機器學習模型的輸出。顯示 器被配置為顯示表示該效果的圖像。下面結合優選實施例來討論本發明的其它方面和優點。


部件和附圖不一定按比例，而是著重于舉例說明本發明的原理。此外，在附圖 中，相同的參考標號貫穿不同的視圖表示相應的部分。圖1是用于用醫學診斷超聲來確定溫度相關信息的方法的一個實施例的流程 圖；圖2是建模的溫度與熱電偶測量的溫度的一個示例性比較的圖表；圖3是具有覆蓋的(overlaid)溫度特性的示例性醫學超聲圖像；圖4是根據一個實施例的包括溫度特性信息的三維再現；以及圖5是用于用醫學診斷超聲來確定溫度相關信息的系統的一個實施例的方框 圖。
具體實施例方式使用聲學方法直接且非侵入式地量化并實時地顯示目標組織溫度。解釋接收到 的超聲信號。將在聲學上檢測的或其它參數輸入到模型中。例如，使用聲速、彈性、反 向散射強度、和/或其它信息作為用于模型的特征。該模型是與時間有關的神經網絡、 空間和時間上的分段線性擬合、或其它模型。該模型輸出在監視和/或控制治療中有用 的溫度、熱劑量和/或其它治療組織參數的測量結果。可以以各種方式將超聲信息與溫度模型相組合。在某些實施例中，獲取解剖超 聲信息。獲取治療溫度相關接收超聲參數(例如，聲速)。在治療期間的一段時間上獲 取溫度的時間歷史，諸如治療會話期間的模型的歷史輸出，和接收到的超聲參數。將超 聲參數和解剖超聲信息與諸如與時間有關的神經網絡或空間和時間上的分段線性的模型 組合。由模型輸出導出一個或多個位置上的溫度測量結果。在其它實施例中，獲取兩個或更多溫度相關超聲參數，諸如聲速、彈性、超聲 接收信號去相關系數、和/或其它參數。輸入用于一個或多個位置的參數作為模型的特 征。將解剖信息與模型組合。在其它實施例中，獲取一個或多個超聲參數和治療組織參數，諸如劑量、生物 效應、或組織修改度量、以及這些參數在治療期間的一段時間上的時間歷史。將這些參 數作為與解剖信息組合的模型的特征輸入。在另一實施例中，從傳感器或治療設備獲取非超聲治療參數(例如，溫度或劑 量)。在熱模型中輸入該參數以確定溫度分布。將該溫度分布登記到解剖超聲信息或否 則與解剖信息組合。在治療期間提建模和來自超聲的解剖信息的使用。非實時的實施例是可能的。 其它實施例用于用機器來訓練模型。可以使用解剖信息與模型的一個或多個組合。可以將原始形式的解剖信息(例 如，B模式或反向散射強度數據)或導出的參數(例如，組織的類型)作為模型的特征輸 入。解剖信息可以用來調準在不同時間用于病人體內的相同位置的數據，以便模型接收 用于每個位置的參數的正確時間歷史。解剖信息可以用來選擇模型，諸如具有用于不同 類型的組織或身體位置的不同模型。解剖信息可以用來校正模型的輸出，諸如用于均勻 組織的建模和根據相鄰組織(例如，血管、其它熱沉、或組織不一致性)來校正建模的輸出ο不同類型的模型使用解剖信息。在一個實施例中，模型是具有基于超聲的特征 的機器學習模型。在另一實施例中，從任何傳感器(例如，超聲、熱電偶、或其它傳感 器)導出溫度信息，并從理論或實驗導出模型以根據輸入預測溫度分布。在其它實施例 中，將兩種類型的模型一起使用，諸如用機器學習模型來估計溫度特性并使用熱分布模 型來對組織或流體變化進行校正。圖1示出用醫學診斷超聲來確定溫度相關信息的方法的一個實施例。本實施例 涉及應用模型。在其它實施例中，執行用于訓練模型的動作12、14、和/或16。按所 示順序或不同順序來執行這些該動作。可以提供附加、不同、或更少的動作。例如，動 作14或16是可選的。作為另一示例，執行動作22作為動作18的一部分，或者不提供 動作22。動作24和26是可選的。在治療期間執行該動作。在治療中自始至終重復該動作。例如，在施加治療之 前獲取數據的參考組。可以假定一個或多個參數用于初始重復，諸如假定病人的普遍溫 度或病人體內的組織的類型。一旦熱治療開始，重復該動作以提供更新的測量結果和得 到的模型預測。可以在有或沒有其它參數的情況下使用參數的變化作為輸入特征。可以 將輸入參數的時間歷史、建模輸出、或兩者用于根據任何當前測量進行建模。可以使用 當前估計溫度、劑量、或其它溫度特性來確定是否、在哪里、和/或在什么級別繼續治 療。在其它實施例中，在稍后的回顧期間確定溫度信息。在動作12中，接收表示病人的解剖超聲信息。醫學診斷超聲系統掃描病人的部 位。可以使用任何類型的掃描、掃描格式、或成像模式。例如，在有或沒有添加的造影 劑的情況下使用諧波成像。作為另一示例，使用B模式、彩色血流模型、頻譜多普勒模 式、M模式、或其它成像模式。從病人獲取表示解剖信息的超聲數據。超聲數據表示病人的點、線、面積、或 體積。發送超聲頻率下的波形，并接收回波。將聲學回波轉換成電信號并進行波束成形 以表示病人的部位內的采樣位置。可以對波束成形數據進行過濾或否則進行處理。可以 檢測波束成形數據，諸如確定強度。可以使用來自同一位置的回波信號的序列來估計速 度、變化(variance)、和/或能量。可以處理傳輸波形的一個或多個諧波處的回波。可 以對所檢測的值進行過濾和/或掃描轉換成顯示格式。表示病人的超聲數據來自沿著超 聲處理路徑的任一點，諸如在波束成形之前的通道數據、檢測之前的射頻或同相和正交 數據、檢測的數據、或掃描轉換的數據。解剖超聲信息是實際數據。例如，B模式數據表示組織結構。作為另一示例， 血流數據指示與血管相關的位置。可選地地或另外，由實際數據導出解剖超聲信息。例 如，根據斑點(speckle)特性、回波強度、與組織結構匹配的模板、或其它處理來確定給 定位置處的組織類型。作為另一示例，將部位生長與B模式數據或彩色血流數據一起使 用以確定超聲數據表示血管或其它流體部位。可以確定解剖的當前分布，諸如所表示的 器官的列表。實際數據和/或導出的信息是將與模型組合地使用的解剖參數。在動作14中，執行溫度相關測量。可以使用任何溫度相關測量。例如，組織 在受熱時膨脹。測量該膨脹可以指示溫度。溫度相關測量可以直接或間接地指示溫度。 例如，與傳導性或含水量(例如，組織類型的測量)有關的參數的測量可以間接地影響溫
6度。該測量結果可以用于原始超聲數據，或者可以從超聲數據導出。執行僅一次、或兩次或更多次測量。僅對部位中的一個位置、或對多個位置執 行測量。可以使用完全采樣或稀疏采樣。隨時間執行測量，但是與先前的測量無關。可 選地地或另外，可以使用來自基準或任何先前(例如，最近)測量的測量結果的變化。溫度相關測量可以使用任何型式。例如，使用熱電偶、紅外、或其它傳感器。 傳感器被插入病人體內或掃描病人。作為另一示例，使用來自治療處理設備的信息。測 量或接收熱治療的能量輸出、劑量、或其它參數。可以使用非實時測量，諸如基線溫度。可以使用用于部位中的溫度分布的基于 MRI的測量。可以使用諸如與在向病人的部位施加熱治療期間執行的超聲測量相關的實 時測量。在一個實施例中，在有或沒有其它溫度相關測量的情況下執行一次或多次超聲 測量。可以對治療部位中和/或周圍的多個不同位置提供超聲測量。可以使用任何現在 已知或以后開發的使用超聲的溫度相關測量。在一個實施例中，執行組織位移、聲速、 反向散射強度、和接收信號的歸一化相關系數中的兩個或更多，諸如全部四個。其它測 量是可能的，諸如血管壁的膨脹。通過測量一個、兩個、或三個維度上的偏移來測量組織位移。確定與絕對差的 最小和或最高相關性相關的位移。相對于諸如先前或初始掃描的參考數據集對當前掃描 數據進行平移(translate)、旋轉、和/或縮放。將與最大或充分相似性相關的偏移確定為 位移。使用B模式或諧波模式數據，但是可以使用其它數據。可以使用針對一個位置計 算的位移來精選(refine)另一位置上的搜索或搜索區域。可以使用位移的其它測量。可以通過從加熱之前的接收時間與加熱期間的接收時間的比較來測量聲速。發 射脈沖。可以使用回波從給定位置返回的時間來確定從換能器到該位置和返回的聲速。 可以使用任何孔徑，諸如用不同的孔徑單獨地對相同的位置進行測量并求平均。在另一 實施例中，信號被相關。例如，使波束成形之后的同相和正交信號與參考信號相關。確 定參考與當前信號之間的相位偏移。使用傳輸波形的頻率(即，超聲頻率)來將相位差 轉換成時間或聲速。可以使用聲速的其它測量。反向散射強度是B模式或M模式。確定回波信號的包絡的強度或能量。可以測量接收信號的歸一化相關系數。諸如同相和正交數據的檢測前波束成形 數據是互相關的。在一個實施例中，獲取一個參考樣本或多個參考樣本。在治療期間， 獲取后續樣本。對于每個位置，諸如深度為三個波長的空間窗定義用于相關的數據。該 窗定義長度、面積或體積。當前數據與窗空間內的參考數據相關。對窗中的數據執行歸 一化互相關。獲取新的數據時，執行進一步的互相關。可以測量任何溫度相關的聲學和物理參數或參數變化。其它測量包括組織彈 性、應變、應變率、運動(例如，位移或彩色血流測量)、或反射功率(例如，反向散射 橫截面)。在動作16中，接收其它治療數據。該治療數據表示熱治療的方面，諸如治療 的效果。該效果可以是溫度相關的，或者可以僅僅是施加熱量超過特定劑量的結果。該 效果在去除熱量之后可以持續。治療效果和生物效應相關參數包括彈性(例如，聲學輻 射力成像)、膨脹(根據B模式跟蹤來確定)、收縮(例如，根據B模式跟蹤來確定)、 相變、含水量、血流或其它流體變化(例如，根據多普勒信息確定的凝結)及其它可測量變化。可以使用治療數據參數或歷史中的變化。可以獲取臨床或其它信息。例如，可以從病人記錄中發掘遺傳信息或其它組織 相關數據。可以使用有助于確定溫度相關信息的任何特征。治療數據可以與溫度有關。例如，膨脹、收縮、含水量、或其它治療參數可以 指示當前溫度。無論測量的分類如何，使用測量結果作為到模型的輸入或計算用于輸入 到模型的值。為一個或多個位置提供治療數據，諸如為二維或三維部位中的所有位置提 供治療數據。或者，治療數據通常與整個部位相關，諸如用于整個部位的一個劑量或能 量水平。在動作18中，將溫度相關測量結果和/治療數據應用于模型。將測量結果或數 據作為原始數據輸入。可選地，對值(即，測量結果和/或數據)進行處理并輸入已處 理值。例如，可以在空間和/或時間上對值進行過濾。作為另一示例，可以根據該值來 計算不同類型的值，諸如根據該值來確定方差、導數、歸一化、或其它函數。在另一示 例中，確定當前值與參考或先前值之間的變化。可以使用時間窗上的值的時間歷史。將 該值作為模型的特征輸入。可以使用模型的輸出作為輸入。在施加熱治療期間應用該值。對于模型的初 始應用，用諸如病人的溫度的參考溫度來取代反饋。對于模型的進一步應用，反饋先前 的輸出作為輸入，提供與時間有關的模型。反饋由模型輸出的溫度相關信息作為信息的 時間歷史，諸如一個或多個其它時間的溫度。在熱治療期間，更新測量的或接收到的值 (即，對于模型的每次應用，輸入當前值)，但是還可以使用先前的值。反饋提供先前時 間的部位中的溫度或相關信息的估計空間分布。模型的后續輸出是超聲數據或其它值及 建模的先前輸出的函數。可以使用值的時間歷史作為輸入，使得溫度相關和治療效果相 關參數的時間歷史和空間分布被用作模型的特征。模型根據輸入信息輸出溫度或溫度分布(即，不同位置和/或時間的溫度)。導 出溫度可以是任何單位的，諸如華氏度或攝氏度。溫度的分辨率可以處于任何水平，諸 如以多個三度或其它度范圍之一(multiple three or other degree ranges)輸出溫度。或者，
輸出其它溫度相關信息，諸如溫度、劑量、或指數值中的變化。可以使用任何模型、諸如神經網絡或分段線性模型。基于理論或實驗對模型進 行編程或設計。在一個實施例中，模型是機器學習模型。根據諸如與實際溫度相關的訓 練數據的標有地面真值(groundtruth)的一組訓練數據來訓練模型。例如，針對多個病人 中的每一個，隨著時間來獲取各種測量或接收數據。在熱治療期間，測量溫度。該溫度 是地面真值。通過一個或多個各種機器學習過程，訓練模型在給定值和/或任何反饋的 情況下預測溫度。可以使用任何機器學習算法或分級方法。例如，提供支持向量機(例如，2基 準SVM)、線性回歸、助推網絡(boosting network)、概率助推樹、線性差別分析、相關 性向量機、神經網絡、其組合、或其它現在已知和以后開發的機器學習。機器學習提供 矩陣或其它輸出。該矩陣是根據具有已知結果的訓練數據的數據庫的分析導出的。機器 學習算法確定不同輸入與結果的關系。學習可以僅選擇輸入特征的子集，或者可以使用 所有可用的輸入特征。程序員可以影響或控制要使用哪些輸入特征或訓練的其它性能。 例如，程序員可以使可用特征局限于實時可用的測量結果。矩陣使輸入特征與結果相關聯，提供用于分類的模型。機器訓練提供使用一個或多個輸入變量與結果的關系，允許 檢驗或創建不容易手動地執行的相互關系。模型表示溫度相關信息的概率。此概率是用于溫度相關信息的可能性。輸出與 不同溫度相關的概率的范圍。可選地，輸出具有最高概率的溫度。在其它實施例中，在 沒有概率信息的情況下輸出溫度相關信息。作為機器學習的替換，可以使用手動編程模型。可以使用機器訓練來確認該模 型。在一個實施例中，使用熱分布模型。熱分布模型考慮到不同組織、流體、或結構的 熱傳導率、密度、或其它表現。熱分布模型接收溫度、溫度相關信息、測量結果、或其 它數據。輸入信息可以是稀疏的，諸如具有用于一個或多個、但少于所有位置的溫度信 息。熱分布模型確定其它位置處的溫度。熱分布模型可以確定其它時間或時間和位置兩 者處的溫度。在另一實施例中，熱分布模型基于解剖來校正溫度。例如，機器學習模型估計 用于均勻組織的溫度。校正該溫度輸出以考慮到部位中的組織差異，諸如降低熱傳導血 管或流體部位周圍的溫度。在動作20中，將來自動作12的解剖信息與模型組合。建模和輸出溫度相關信 息可對解剖超聲信息進行響應。可以使用任何函數。下文提供不同的組合實施例，但是 可以使用其它實施例。可以一起使用兩個或多個組合。在一個實施例中，在空間上調準超聲數據。可以基于解剖來調準或登記與空間 分布或位置相關的任何特征。組織、病人、和/或換能器可以在掃描期間移動。結果， 一次掃描中的特定位置處的測量結果可以用于另一掃描中的不同位置。解剖信息用來調 準測量結果，以便識別用于適當位置的數據。例如，通過不同的掃描來調準來自治療部 位中心的數據。在向模型輸入之前或在動作18中應用模型之前執行調準。該調準避免來自其它 位置的數據提供對于給定位置而言不適當的值。可以使用任何調準。可以使用換能器上的位置傳感器來對換能器移動進行校 正。可以使用沿著一個、兩個、或三個維度的數據相關性來考慮到任何運動源。解剖超 聲信息表示組織結構，諸如B模式圖像表示部位。對每個時間段獲取解剖信息，諸如與 用于參數或參數組的每次測量相關。解剖信息在空間上與在基本相同的時間進行的測量 相對應。基本上考慮到用于交錯不同類型的超聲發送和接收。通過識別與絕對差的最小 和、最高相關性、或其它相似性度量相關的平移、縮放、和/或旋轉來調準來自不同時 間的B模式數據。解剖數據表示整個部位。可選地，針對部位的每個位置或子部分執 行單獨的調準。可以使用給定位置的周圍數據來確定該匹配。應用具有最大相似性的平 移、縮放、和/或旋轉來使與測量結果相關的位置移位。在另一實施例中，通過選擇來將解剖信息與建模相組合。解剖信息指示被治療 的組織或解剖的類型。解剖信息可以指示作為熱沉的血管接近性、影響熱特性的組織類 型、或生物傳熱方程中的參數(例如，比熱、傳導性、和密度)。由操作員或應用于超聲 的自動分類算法及其導出數據來確定組織的類型。可以由彩色血流成像所表示的流體池 來指示血管的存在。可以使用模板匹配根據B模式或其它超聲數據來識別部位，并且特 定部位的知識提供用于選擇的信息。
為不同類型的組織提供不同的模型。可選地或另外，為病人的不同部位提供不 同的模型。使用解剖信息來選擇用于給定治療部位的適當模型。還可以使用用于選擇模 型的其它標準。可以使用多于一個的模型。不同的模型或一個模型可以應用于不同的空 間位置、組織類型、或溫度范圍。某些模型可以適合于特定情況。例如，被治療的病人可能具有插入或鄰近于腫 瘤的溫度傳感器。選擇基于在提供此類溫度傳感器位置處的訓練數據訓練的模型。解剖 信息可以指示傳感器的存在。可選地，用戶指示用來選擇適當模型的一個或多個變量。在另一實施例中，在動作22中通過溫度相關信息的空間和/或時間分布的校正 來將建模與解剖信息組合。例如，將熱分布模型應用于機器訓練模型的溫度輸出。使用 解剖信息來選擇或創建熱模型。確定組織或流體的類型和位置。將考慮到組織的類型和 相對位置的熱分布模型應用于溫度輸出。熱分布模型的輸出校正機器學習模型的輸出。在另一實施例中，在沒有來自另一模型的輸出的情況下使用熱分布模型。輸入 信息是稀疏的，諸如少于所有時間或位置的時間和/或位置上的溫度。例如，在治療設 備上的(例如，在射頻消融針上)或單獨地插入病人體內(例如，熱電偶探針)的熱傳感 器提供治療期間的溫度的測量結果。使用熱分布模型來確定其它時間或位置的溫度。使 用解剖信息來對熱分布進行建模，諸如根據基于組織類型的位置來確定傳導性。基于解 剖的熱分布模型在空間和/或時間上確定溫度。在另一實施例中，在動作18中將解剖信息作為特征應用于模型。將諸如按位置 的組織類型、治療區域中存在流體部位的解剖信息、或其它解剖信息輸入到模型。響應于特征的輸入，該模型輸出溫度相關信息，諸如溫度。圖2示出來自機器 訓練神經網絡的示例性輸出。該模型使用二維的位移、二維的彈性、二維的歸一化互相 關系數、和二維的反向散射強度作為輸入特征。較暗、更一致(即，較少變化)的線表 示在熱治療期間由熱電偶測量的溫度。較亮、較多變化的線表示在2.5mmX2.5mm感興 趣部位上求平均的模型輸出。在動作24中，顯示溫度相關信息。溫度相關信息至少部分地基于建模和解剖超 聲信息的組合。溫度相關信息被顯示為值，諸如溫度或劑量。可以顯示作為時間的函數 或沿著線的溫度圖表。在一個實施例中，將溫度映射成顏色并覆蓋在二維圖像或三維表示上。該映射 根據溫度相關信息來調節顏色，諸如紅色或紅色與黃色之間的顏色的陰影對于不同的溫 度而言是不同的。可以將溫度變化可選地映射成輸出顏色，或另外映射成亮度或顏色的 其它方面。覆蓋位于表示解剖的超聲圖像上，諸如覆蓋在B模式圖像上。該覆蓋被登記 到解剖信息。在圖像的覆蓋上表示溫度或相關信息的空間分布。可以生成單獨的溫度圖像。 指示不同位置處的溫度。圖3示出具有彩色覆蓋(以灰度級示出)的B模式超聲信息。 圖像的下部中心上的區域由于彩色覆蓋而較暗。最暗區域對應于最高溫度。圖3表示劑 末或治療時的檢測或估計溫度。圖4表示根據彩色血流信息的三維再現。示出了脈管系統結構。基于B模式 返回或位置感測，添加射頻消融針表示。在針的末端處是二維地表示為橢圓形的球形區 域。從溫度信息映射該球形區域。在映射之前使用脈管結構的接近性來校正溫度信息。
實時地或根據需要來提供圖像。針在病人體內，消融組織。該圖像示出得到的 溫度分布，提供登記并覆蓋在解剖信息上的治療效果的指示。可以進一步處理溫度相關信息。動作26示出一個示例。將溫度相關信息應用于 劑量測定模型。劑量測定模型確定熱劑量，諸如部位中的最大熱劑量、平均或總劑量、 或用于不同位置的熱劑量。根據時間量和溫度量來確定熱劑量，但是其可以基于其它因 素。使用不同位置處的溫度來確定不同位置處的劑量或用于該部位的總劑量，諸如平均 或總劑量。可以使用任何現在已知或以后開發的劑量測定模型，諸如Saparetto-Dewey、 劑量測定方程、或參考溫度下的累計等效分鐘。劑量測定模型輸出劑量。劑量信息被顯示為數字、圖表、或圖像。例如，空間分布的劑量信息被登記到 諸如B模式圖像的解剖圖像并作為彩色覆蓋在其上面。基于溫度、劑量、和/或其它溫度相關信息，可以對治療進行控制。控制是手 動的，諸如用戶基于溫度相關信息來選擇調整和用于熱治療的終點。可選地，控制是自 動的，諸如在達到一定溫度和/或劑量時停止或改變治療。在其它實施例中，稍后使用 來自治療期間或治療結束時的溫度信息來確定預斷病情(prognosis)或治療結果。圖5示出用于用醫學診斷超聲來確定溫度相關信息的系統的一個實施例。該系 統執行上述方法或不同方法。可以使用其它系統。超聲系統包括發送波束成形器52、換 能器54、接收波束成形器56、圖象處理器58、顯示器60、處理器62和存儲器64。可以 提供附加、不同、或更少的部件。例如，還提供單獨的檢測器和掃描轉換器。作為另一 示例，提供單獨的治療換能器或治療系統。系統10是醫學診斷超聲成像系統。成像包括二維、三維、B模式、多普勒、彩 色血流、頻譜多普勒、M模式、或現在已知或以后開發的其它成像型式。超聲系統10全 尺寸車載系統、較小的便攜式系統、手持式系統或其它現在已知或以后開發的超聲成像 系統。在另一實施例中，處理器62和存儲器64是單獨系統的一部分。例如，處理器62 和存儲器64是獨立于超聲系統操作的工作站或個人計算機。作為另一示例，處理器62 和存儲器64是治療系統的一部分。換能器54包括單個、一維、多維或其它現在已知和以后開發的超聲換能器。換 能器54的每個元件是壓電、微機電、電容性薄膜超聲換能器、或用于在聲和電能之間進 行轉換的其它現在已知或以后開發的換能元件。每個換能器元件連接到用于從發送波束 成形器52接收電能并向接收波束成形器56提供可對聲學回波進行響應的電能的波束成形 器 52、 56。發送波束成形器12是一個或多個波形發生器、放大器、延遲、相位旋轉器、乘 法器、加法器、數模轉換器、過濾器、其組合或其它現在已知或以后開發的發送波束成 形器部件。發送波束成形器52被配置為用于生成用于發送孔徑的每個元件的發送信號的 多個通道。用于每個元件的發送信號被相對彼此延遲并變跡(apodized)以便沿著一個或 多個掃描線集中聲能。在發送事件期間為一個或多個元件生成不同振幅、頻率、帶寬、 延遲、頻譜能量分布或其它特性的信號。接收波束成形器56被配置為獲取表示病人的部位的超聲數據。超聲數據用于測 量溫度相關信息、獲取解剖信息、和/或接收其它治療數據。解剖信息至少部分地來自 超聲數據。模型不使用或使用一個或多個來自超聲數據的輸入特征。其它數據源包括傳感器、治療系統、或其它輸入。可以向處理器62或存儲器64提供此類設備或輸入。在 一個實施例中，從超聲數據獲取模型和解剖信息所使用的所有輸入特征。接收波束成形器56包括用于單獨地處理從換能器54的不同元件接收到的信號的 多個通道。每個通道可以包括延遲、相位旋轉器、放大器、過濾器、乘法器、加法器、 模數轉換器、控制處理器、其組合及其它現在已知或以后開發的接收波束成形器部件。 所述接收波束成形器56還包括用于將來自不同通道的信號組合成波束成形信號的一個或 多個加法器。還可以提供后續過濾器。可以使用其它現在已知或以后開發的接收波束成 形器。表示來自發送事件的聲學回波的電信號被傳遞到接收波束成形器56的通道。接收 波束成型器輸出表示被掃描部位中的一個或多個位置的同相和正交、射頻或其它數據。 處理器62可以使用檢測之前的通道數據或接收波束成形數據。隨后由圖像處理器58檢測接收波束成形信號并用來生成超聲圖像。圖像處理器 58是B模式/M模式檢測器、多普勒/血流/組織運動估計器、諧波檢測器、造影劑檢 測器、頻譜多普勒估計器、其組合、或用于從接收到的信號生成圖像的其它現在已知或 以后開發的設備。圖象處理器58可以包括掃描轉換器。處理器62可以使用掃描轉換之 前或之后的檢測或估計信號。顯示器60是監視器、LCD、等離子體、投影儀、打印機、或其它現在已知或以 后開發的顯示設備。顯示器60被配置為顯示表示熱治療的效果的圖像。例如，溫度或 相關信息被作為值、圖表、或二維表示輸出。處理器62和/或圖像處理器58生成用于 顯示器60的顯示信號。處理器62可以使用顯示信號，諸如RGB值。處理器62是控制處理器、波束成形器處理器、通用處理器、專用集成電路、現 場可編程門陣列、數字部件、模擬部件、硬件電路、其組合及用于處理信息的其它現在 已知或以后開發的設備。用計算機代碼將處理器62配置為對治療部位上的熱治療的效果 進行建模。例如，基于輸入來估計用于治療部位中的一個或多個位置的溫度。計算機代 碼實現機器學習模型和/或熱模型以估計溫度或溫度相關信息。模型是基于一個或多個 輸入特征進行估計的矩陣、算法、或其組合。處理器62接收、請求、和/或計算用于輸入到模型的特征的值。在一個實施 例中，一個或多個特征及相應值是超聲數據的函數。為用于該部位的每個特征提供單個 值。可以應用每個特征多個值來表示不同時間和/或位置的特征。特征的值來自原始數 據，諸如B模式值，或者是諸如使用跟蹤或相關性計算的。處理器62應用用于當前時間或模型應用的值。值是當前測量、先前測量、或測 量之間的變化的值。在一個實施例中，一個或多個特征是建模的先前輸出。與時間有關 的模型被配置為根據與時間有關的模型的先前輸出對效果進行建模。初始輸入可以是假 定值，諸如37攝氏度，或者是治療開始之前的參考測量結果。可以在施加熱治療期間使 用與時間有關的模型和反饋。通過反饋來考慮到趨勢或變化，允許進行熱治療的預測控 制。反饋是原始輸出的反饋或是根據先前的輸出或多個輸出而計算的，諸如用于給定時 間段上的溫度變化的特征。在另一實施例中，處理器62被配置為實現熱模型。諸如基于傳導性、密度、和 施加的劑量或當前估計溫度對不同的組織使用熱計算，確定溫度相關信息的空間和/或 時間分布。例如，熱模型校正另一模型的輸出，諸如校正由機器學習模型輸出的溫度。機器學習模型可以假定與特定解剖相關的結構或假定一種類型的均勻組織。使用超聲解 剖信息來確定部位中的組織和流體，允許基于導熱性和/或密度來進行溫度校正。存儲器64是具有存儲在其中的數據的計算機存儲介質，該數據表示可由用于 用醫學診斷超聲系統檢測溫度特性的編程處理器執行的指令。用于實現此處所討論的 過程、方法和/或技術的指令在計算機可讀存儲介質或諸如高速緩沖存儲器、緩沖器、 RAM、可移動介質、硬盤驅動器的存儲器或其它計算機可讀存儲介質上提供。計算機可 讀存儲介質包括各種類型易失性和非易失存儲介質。響應于存儲在計算機可讀存儲介質 中或上的一個或多個指令組來執行附圖所示或此處所述的功能、動作或任務。該功能、 動作或任務與指令組、存儲介質、處理器或處理策略的特定類型無關且可以由單獨或組 合地操作的軟件、硬件、集成電路、固件、微代碼等執行。同樣地，處理策略可以包括 多處理、多任務、并行處理等。在一個實施例中，將指令存儲在可移動介質設備上以便 由本地或遠程系統讀取。在其它實施例中，將指令存儲在遠程位置上以便通過計算機網 絡或通過電話線路傳輸。仍在其它實施例中，將指令存儲在給定計算機、CPU、GPU或 系統內。雖然上文已參照各種實施例描述了本發明，但應理解的是在不脫離本發明的范 圍的情況下可以進行許多變更和修改。因此，意圖在于將前述詳細說明視為說明性而非 限制性的，并且應理解的是意圖定義本發明的精神和范圍的是包括所有等價物在內的以 下權利要求。
1權利要求
1.一種用醫學診斷超聲來確定溫度相關信息的方法，該方法包括獲取(12)表示來自病人的解剖信息的超聲數據；執行(14)溫度相關測量；將溫度相關測量結果應用于(18)模型；將所述模型與所述解剖信息組合(20)；以及根據該組合(20)來顯示(24)所述溫度相關信息。
2.權利要求1的方法，其中獲取((12)包括獲取(12)表示組織類型的超聲數據，還 包括確定組織的類型。
3.權利要求1的方法，其中獲取(12)包括獲取(12)表示流體部位的超聲數據。
4.權利要求1的方法，其中獲取(12)包括獲取(12)表示解剖分布的超聲數據。
5.權利要求1的方法，其中執行(14)溫度相關測量包括確定來自治療處理設備、傳 感器、或傳感器和治療處理設備兩者的溫度相關測量結果。
6.權利要求1的方法，其中執行(14)溫度相關測量包括執行(14)一個或多個超聲測量。
7.權利要求6的方法，其中執行(14)一個或多個超聲測量包括執行(14)以下各項中 的至少兩個組織位移、聲速、反向散射強度、和接收信號的歸一化相關系數。
8.權利要求1的方法，其中應用(18)包括與包括(18)機器學習神經網絡模型的模型 一起應用，所述溫度相關測量結果被輸入到所述機器學習神經網絡模型，并且所述機器 學習神經網絡模型輸出溫度。
9.權利要求1的方法，其中應用((18)包括應用(18)熱分布模型，所述溫度相關測 量用于少于熱分布模型輸出的位置、時間或位置和時間兩者。
10.權利要求1的方法，其中組合(20)包括至少部分地基于解剖信息從一組模型中選 擇模型。
11.權利要求1的方法，其中組合(20)包括調準來自不同的時間且在應用(18)之前 的溫度相關信息，根據解剖信息來執行所述調準。
12.權利要求1的方法，其中組合(20)包括將解剖信息應用于(18)模型。
13.權利要求1的方法，其中組合(20)包括用熱模型來校正(22)模型的輸出，所述 熱模型接收解剖信息和模型的輸出。
14.權利要求1的方法，其中顯示(24)包括顯示(24)表示病人的解剖的超聲圖像的 彩色覆蓋，該彩色覆蓋具有根據溫度相關信息調節的顏色。
15.權利要求1的方法，還包括將溫度相關信息應用于(26)劑量測定模型。
16.權利要求1的方法，還包括向模型反饋溫度相關信息作為溫度的時間歷史，模型 在向病人施加基于熱能的治療期間接收(16)所述溫度的時間歷史和溫度相關測量結果作 為輸入。
17.在一種具有存儲在其中的數據的計算機可讀存儲介質中，該數據表示可由用于用 醫學超聲系統檢測溫度特性的編程處理器((62)執行的指令，所述存儲介質包括指令， 該指令用于接收表示病人的解剖超聲信息；在向病人的部位施加熱治療期間，接收(12)表示該部位中的不同位置的超聲數據；用與時間有關的機器訓練模型并且在施加期間根據超聲數據和建模的先前輸出對該 部位中的溫度的空間分布進行建模(18)，該建模對解剖超聲信息進行響應；以及 輸出溫度的空間分布。
18.權利要求17的計算機可讀存儲介質，其中建模(18)對解剖超聲信息進行響應包括(a)在輸入到建模之前在空間上對超聲數據進行調準，該空間調準基于解剖超聲信息 的相關性；(b)基于解剖超聲信息所表示的組織或解剖的類型來選擇與時間有關的機器訓練模型；(C)根據解剖超聲信息來校正(22)溫度的空間分布；或者 (d)其組合。
19.權利要求17的計算機可讀存儲介質還包括接收(16)表示熱治療的方面的治療數據； 其中建模(18)包括根據治療數據的建模；以及其中輸出包括輸出表示溫度的空間分布或根據溫度的空間分布確定的劑量的信息。
20.一種用于用醫學診斷超聲來確定溫度相關信息的系統，該系統包括 接收波束成形器(56)，其被配置為獲取表示病人的部位的超聲數據；以及 處理器(62)，其被配置為用機器學習模型和熱模型對所述部位上的熱治療的效果進行建模，所述機器學習模型使用至少一個特征，其為超聲數據的函數，所述熱模型被配 置為根據超聲數據來校正機器學習模型的輸出。
21.權利要求20的系統，其中所述機器訓練模型包括被配置為在施加期間根據與時間 有關的模型的先前輸出對施加熱治療期間的效果進行建模的與時間有關的模型。
22.權利要求20的系統，還包括顯示器(60)，其被配置為顯示表示所述效果的圖像。
全文摘要
本發明涉及使用醫學診斷超聲的溫度預測。至少部分地用醫學診斷超聲系統來檢測(12)溫度相關信息或溫度特性。將來自超聲掃描的解剖信息與建模(18)一起使用以確定溫度或其它溫度相關參數。可以與施加熱治療一起實時地獲得超聲信息，因此其可以用來更好地控制(26)熱治療。該解剖信息可以用來調準從一個部位測量的模型的特征。該解剖信息可以用作到模型的輸入。該解剖信息可以用來選擇適當的模型，諸如基于組織類型的選擇。該解剖信息可以用來校正模型的輸出，諸如考慮到由于相鄰血管而引起的溫度分布。
文檔編號A61B18/04GK102008349SQ20101027379
公開日2011年4月13日 申請日期2010年9月3日 優先權日2009年9月4日
發明者K·塞金斯, L·范 申請人:美國西門子醫療解決公司