专利名称：使用医学诊断超声的温度预测的制作方法
技术领域：
本发明涉及确定内部温度以进行医学治疗。
背景技术：
基于热能的治疗在病人体内施加热量。诸如RF消融、微波、激光照射、或高强 度聚焦超声(HIFU)的各种型式递送能量。这些治疗的安全性和效力与剂末组织温度和 被治疗组织的时间温度历史密切相关。时间温度历史被量化为“热剂量”。使用诸如针型探头的侵入式传感器来监视温度和剂量。侵入式程序可能是不期 望的。磁共振成像(MRI)监视是测量组织治疗温度的非侵入式方法。MRI方法可能不 提供实时反馈和/或是昂贵的。

发明内容
由以下权利要求来限制本发明，并且不应将本节的任何内容示为对那些权利要 求的限制。以介绍的方式，下述优选实施例包括用于用医学诊断超声系统来确定温度相 关信息或检测温度特性的方法、计算机可读介质、指令、和系统。将来自超声扫描的解 剖信息与建模一起使用以确定温度或其它温度相关参数。可以与施加热治疗一起实时地 获得超声信息，因此其可以用来更好地控制热量产生和治疗。该解剖信息可以用来调准 (align)从一个部位测量的模型特征。该解剖信息可以用作到模型的输入。该解剖信息可 以用来选择适当的模型，诸如基于组织类型的选择。该解剖信息可以用来校正模型的输 出，诸如考虑到由于相邻血管或其它传导组织而引起的温度分布。在第一方面，提供了一种用医学诊断超声来确定温度相关信息的方法。从病人 获取表示解剖信息的超声数据。执行温度相关测量。将温度相关测量结果应用于模型。 将模型与解剖信息组合。根据该组合来显示温度相关信息。在第二方面，一种计算机存储介质具有存储在其中的数据，该数据表示可由用 于用医学诊断超声系统检测温度特性的编程处理器执行的指令。该存储介质包括指令， 该指令用于(a)接收表示病人的解剖超声信息，(b)在向病人的部位(region)施加热治 疗期间，接收表示该部位中的不同位置的超声数据，(c)用与时间有关的机器训练模型 并且在施加期间根据超声数据和建模的先前输出对所述部位中的温度的空间分布进行建 模，该建模对解剖超声信息进行响应，以及(d)输出温度的空间分布。在第三方面，提供了一种用于用医学诊断超声来确定温度相关信息的系统。接 收波束成形器被配置为获取表示病人的部位的超声数据。处理器被配置为用机器学习模 型和热模型对该部位上的热治疗的效果进行建模。机器学习模型使用至少一个特征，其 为超声数据的函数。该热模型被配置为根据超声数据来校正机器学习模型的输出。显示 器被配置为显示表示该效果的图像。下面结合优选实施例来讨论本发明的其它方面和优点。


部件和附图不一定按比例，而是着重于举例说明本发明的原理。此外，在附图 中，相同的参考标号贯穿不同的视图表示相应的部分。图1是用于用医学诊断超声来确定温度相关信息的方法的一个实施例的流程 图；图2是建模的温度与热电偶测量的温度的一个示例性比较的图表；图3是具有覆盖的(overlaid)温度特性的示例性医学超声图像；图4是根据一个实施例的包括温度特性信息的三维再现；以及图5是用于用医学诊断超声来确定温度相关信息的系统的一个实施例的方框 图。
具体实施例方式使用声学方法直接且非侵入式地量化并实时地显示目标组织温度。解释接收到 的超声信号。将在声学上检测的或其它参数输入到模型中。例如，使用声速、弹性、反 向散射强度、和/或其它信息作为用于模型的特征。该模型是与时间有关的神经网络、 空间和时间上的分段线性拟合、或其它模型。该模型输出在监视和/或控制治疗中有用 的温度、热剂量和/或其它治疗组织参数的测量结果。可以以各种方式将超声信息与温度模型相组合。在某些实施例中，获取解剖超 声信息。获取治疗温度相关接收超声参数(例如，声速)。在治疗期间的一段时间上获 取温度的时间历史，诸如治疗会话期间的模型的历史输出，和接收到的超声参数。将超 声参数和解剖超声信息与诸如与时间有关的神经网络或空间和时间上的分段线性的模型 组合。由模型输出导出一个或多个位置上的温度测量结果。在其它实施例中，获取两个或更多温度相关超声参数，诸如声速、弹性、超声 接收信号去相关系数、和/或其它参数。输入用于一个或多个位置的参数作为模型的特 征。将解剖信息与模型组合。在其它实施例中，获取一个或多个超声参数和治疗组织参数，诸如剂量、生物 效应、或组织修改度量、以及这些参数在治疗期间的一段时间上的时间历史。将这些参 数作为与解剖信息组合的模型的特征输入。在另一实施例中，从传感器或治疗设备获取非超声治疗参数(例如，温度或剂 量)。在热模型中输入该参数以确定温度分布。将该温度分布登记到解剖超声信息或否 则与解剖信息组合。在治疗期间提建模和来自超声的解剖信息的使用。非实时的实施例是可能的。 其它实施例用于用机器来训练模型。可以使用解剖信息与模型的一个或多个组合。可以将原始形式的解剖信息(例 如，B模式或反向散射强度数据)或导出的参数(例如，组织的类型)作为模型的特征输 入。解剖信息可以用来调准在不同时间用于病人体内的相同位置的数据，以便模型接收 用于每个位置的参数的正确时间历史。解剖信息可以用来选择模型，诸如具有用于不同 类型的组织或身体位置的不同模型。解剖信息可以用来校正模型的输出，诸如用于均勻 组织的建模和根据相邻组织(例如，血管、其它热沉、或组织不一致性)来校正建模的输出ο不同类型的模型使用解剖信息。在一个实施例中，模型是具有基于超声的特征 的机器学习模型。在另一实施例中，从任何传感器(例如，超声、热电偶、或其它传感 器)导出温度信息，并从理论或实验导出模型以根据输入预测温度分布。在其它实施例 中，将两种类型的模型一起使用，诸如用机器学习模型来估计温度特性并使用热分布模 型来对组织或流体变化进行校正。图1示出用医学诊断超声来确定温度相关信息的方法的一个实施例。本实施例 涉及应用模型。在其它实施例中，执行用于训练模型的动作12、14、和/或16。按所 示顺序或不同顺序来执行这些该动作。可以提供附加、不同、或更少的动作。例如，动 作14或16是可选的。作为另一示例，执行动作22作为动作18的一部分，或者不提供 动作22。动作24和26是可选的。在治疗期间执行该动作。在治疗中自始至终重复该动作。例如，在施加治疗之 前获取数据的参考组。可以假定一个或多个参数用于初始重复，诸如假定病人的普遍温 度或病人体内的组织的类型。一旦热治疗开始，重复该动作以提供更新的测量结果和得 到的模型预测。可以在有或没有其它参数的情况下使用参数的变化作为输入特征。可以 将输入参数的时间历史、建模输出、或两者用于根据任何当前测量进行建模。可以使用 当前估计温度、剂量、或其它温度特性来确定是否、在哪里、和/或在什么级别继续治 疗。在其它实施例中，在稍后的回顾期间确定温度信息。在动作12中，接收表示病人的解剖超声信息。医学诊断超声系统扫描病人的部 位。可以使用任何类型的扫描、扫描格式、或成像模式。例如，在有或没有添加的造影 剂的情况下使用谐波成像。作为另一示例，使用B模式、彩色血流模型、频谱多普勒模 式、M模式、或其它成像模式。从病人获取表示解剖信息的超声数据。超声数据表示病人的点、线、面积、或 体积。发送超声频率下的波形，并接收回波。将声学回波转换成电信号并进行波束成形 以表示病人的部位内的采样位置。可以对波束成形数据进行过滤或否则进行处理。可以 检测波束成形数据，诸如确定强度。可以使用来自同一位置的回波信号的序列来估计速 度、变化(variance)、和/或能量。可以处理传输波形的一个或多个谐波处的回波。可 以对所检测的值进行过滤和/或扫描转换成显示格式。表示病人的超声数据来自沿着超 声处理路径的任一点，诸如在波束成形之前的通道数据、检测之前的射频或同相和正交 数据、检测的数据、或扫描转换的数据。解剖超声信息是实际数据。例如，B模式数据表示组织结构。作为另一示例， 血流数据指示与血管相关的位置。可选地地或另外，由实际数据导出解剖超声信息。例 如，根据斑点(speckle)特性、回波强度、与组织结构匹配的模板、或其它处理来确定给 定位置处的组织类型。作为另一示例，将部位生长与B模式数据或彩色血流数据一起使 用以确定超声数据表示血管或其它流体部位。可以确定解剖的当前分布，诸如所表示的 器官的列表。实际数据和/或导出的信息是将与模型组合地使用的解剖参数。在动作14中，执行温度相关测量。可以使用任何温度相关测量。例如，组织 在受热时膨胀。测量该膨胀可以指示温度。温度相关测量可以直接或间接地指示温度。 例如，与传导性或含水量(例如，组织类型的测量)有关的参数的测量可以间接地影响温
6度。该测量结果可以用于原始超声数据，或者可以从超声数据导出。执行仅一次、或两次或更多次测量。仅对部位中的一个位置、或对多个位置执 行测量。可以使用完全采样或稀疏采样。随时间执行测量，但是与先前的测量无关。可 选地地或另外，可以使用来自基准或任何先前(例如，最近)测量的测量结果的变化。温度相关测量可以使用任何型式。例如，使用热电偶、红外、或其它传感器。 传感器被插入病人体内或扫描病人。作为另一示例，使用来自治疗处理设备的信息。测 量或接收热治疗的能量输出、剂量、或其它参数。可以使用非实时测量，诸如基线温度。可以使用用于部位中的温度分布的基于 MRI的测量。可以使用诸如与在向病人的部位施加热治疗期间执行的超声测量相关的实 时测量。在一个实施例中，在有或没有其它温度相关测量的情况下执行一次或多次超声 测量。可以对治疗部位中和/或周围的多个不同位置提供超声测量。可以使用任何现在 已知或以后开发的使用超声的温度相关测量。在一个实施例中，执行组织位移、声速、 反向散射强度、和接收信号的归一化相关系数中的两个或更多，诸如全部四个。其它测 量是可能的，诸如血管壁的膨胀。通过测量一个、两个、或三个维度上的偏移来测量组织位移。确定与绝对差的 最小和或最高相关性相关的位移。相对于诸如先前或初始扫描的参考数据集对当前扫描 数据进行平移(translate)、旋转、和/或缩放。将与最大或充分相似性相关的偏移确定为 位移。使用B模式或谐波模式数据，但是可以使用其它数据。可以使用针对一个位置计 算的位移来精选(refine)另一位置上的搜索或搜索区域。可以使用位移的其它测量。可以通过从加热之前的接收时间与加热期间的接收时间的比较来测量声速。发 射脉冲。可以使用回波从给定位置返回的时间来确定从换能器到该位置和返回的声速。 可以使用任何孔径，诸如用不同的孔径单独地对相同的位置进行测量并求平均。在另一 实施例中，信号被相关。例如，使波束成形之后的同相和正交信号与参考信号相关。确 定参考与当前信号之间的相位偏移。使用传输波形的频率(即，超声频率)来将相位差 转换成时间或声速。可以使用声速的其它测量。反向散射强度是B模式或M模式。确定回波信号的包络的强度或能量。可以测量接收信号的归一化相关系数。诸如同相和正交数据的检测前波束成形 数据是互相关的。在一个实施例中，获取一个参考样本或多个参考样本。在治疗期间， 获取后续样本。对于每个位置，诸如深度为三个波长的空间窗定义用于相关的数据。该 窗定义长度、面积或体积。当前数据与窗空间内的参考数据相关。对窗中的数据执行归 一化互相关。获取新的数据时，执行进一步的互相关。可以测量任何温度相关的声学和物理参数或参数变化。其它测量包括组织弹 性、应变、应变率、运动(例如，位移或彩色血流测量)、或反射功率(例如，反向散射 横截面)。在动作16中，接收其它治疗数据。该治疗数据表示热治疗的方面，诸如治疗 的效果。该效果可以是温度相关的，或者可以仅仅是施加热量超过特定剂量的结果。该 效果在去除热量之后可以持续。治疗效果和生物效应相关参数包括弹性(例如，声学辐 射力成像)、膨胀(根据B模式跟踪来确定)、收缩(例如，根据B模式跟踪来确定)、 相变、含水量、血流或其它流体变化(例如，根据多普勒信息确定的凝结)及其它可测量变化。可以使用治疗数据参数或历史中的变化。可以获取临床或其它信息。例如，可以从病人记录中发掘遗传信息或其它组织 相关数据。可以使用有助于确定温度相关信息的任何特征。治疗数据可以与温度有关。例如，膨胀、收缩、含水量、或其它治疗参数可以 指示当前温度。无论测量的分类如何，使用测量结果作为到模型的输入或计算用于输入 到模型的值。为一个或多个位置提供治疗数据，诸如为二维或三维部位中的所有位置提 供治疗数据。或者，治疗数据通常与整个部位相关，诸如用于整个部位的一个剂量或能 量水平。在动作18中，将温度相关测量结果和/治疗数据应用于模型。将测量结果或数 据作为原始数据输入。可选地，对值(即，测量结果和/或数据)进行处理并输入已处 理值。例如，可以在空间和/或时间上对值进行过滤。作为另一示例，可以根据该值来 计算不同类型的值，诸如根据该值来确定方差、导数、归一化、或其它函数。在另一示 例中，确定当前值与参考或先前值之间的变化。可以使用时间窗上的值的时间历史。将 该值作为模型的特征输入。可以使用模型的输出作为输入。在施加热治疗期间应用该值。对于模型的初 始应用，用诸如病人的温度的参考温度来取代反馈。对于模型的进一步应用，反馈先前 的输出作为输入，提供与时间有关的模型。反馈由模型输出的温度相关信息作为信息的 时间历史，诸如一个或多个其它时间的温度。在热治疗期间，更新测量的或接收到的值 (即，对于模型的每次应用，输入当前值)，但是还可以使用先前的值。反馈提供先前时 间的部位中的温度或相关信息的估计空间分布。模型的后续输出是超声数据或其它值及 建模的先前输出的函数。可以使用值的时间历史作为输入，使得温度相关和治疗效果相 关参数的时间历史和空间分布被用作模型的特征。模型根据输入信息输出温度或温度分布(即，不同位置和/或时间的温度)。导 出温度可以是任何单位的，诸如华氏度或摄氏度。温度的分辨率可以处于任何水平，诸 如以多个三度或其它度范围之一(multiple three or other degree ranges)输出温度。或者，
输出其它温度相关信息，诸如温度、剂量、或指数值中的变化。可以使用任何模型、诸如神经网络或分段线性模型。基于理论或实验对模型进 行编程或设计。在一个实施例中，模型是机器学习模型。根据诸如与实际温度相关的训 练数据的标有地面真值(groundtruth)的一组训练数据来训练模型。例如，针对多个病人 中的每一个，随着时间来获取各种测量或接收数据。在热治疗期间，测量温度。该温度 是地面真值。通过一个或多个各种机器学习过程，训练模型在给定值和/或任何反馈的 情况下预测温度。可以使用任何机器学习算法或分级方法。例如，提供支持向量机(例如，2基 准SVM)、线性回归、助推网络(boosting network)、概率助推树、线性差别分析、相关 性向量机、神经网络、其组合、或其它现在已知和以后开发的机器学习。机器学习提供 矩阵或其它输出。该矩阵是根据具有已知结果的训练数据的数据库的分析导出的。机器 学习算法确定不同输入与结果的关系。学习可以仅选择输入特征的子集，或者可以使用 所有可用的输入特征。程序员可以影响或控制要使用哪些输入特征或训练的其它性能。 例如，程序员可以使可用特征局限于实时可用的测量结果。矩阵使输入特征与结果相关联，提供用于分类的模型。机器训练提供使用一个或多个输入变量与结果的关系，允许 检验或创建不容易手动地执行的相互关系。模型表示温度相关信息的概率。此概率是用于温度相关信息的可能性。输出与 不同温度相关的概率的范围。可选地，输出具有最高概率的温度。在其它实施例中，在 没有概率信息的情况下输出温度相关信息。作为机器学习的替换，可以使用手动编程模型。可以使用机器训练来确认该模 型。在一个实施例中，使用热分布模型。热分布模型考虑到不同组织、流体、或结构的 热传导率、密度、或其它表现。热分布模型接收温度、温度相关信息、测量结果、或其 它数据。输入信息可以是稀疏的，诸如具有用于一个或多个、但少于所有位置的温度信 息。热分布模型确定其它位置处的温度。热分布模型可以确定其它时间或时间和位置两 者处的温度。在另一实施例中，热分布模型基于解剖来校正温度。例如，机器学习模型估计 用于均勻组织的温度。校正该温度输出以考虑到部位中的组织差异，诸如降低热传导血 管或流体部位周围的温度。在动作20中，将来自动作12的解剖信息与模型组合。建模和输出温度相关信 息可对解剖超声信息进行响应。可以使用任何函数。下文提供不同的组合实施例，但是 可以使用其它实施例。可以一起使用两个或多个组合。在一个实施例中，在空间上调准超声数据。可以基于解剖来调准或登记与空间 分布或位置相关的任何特征。组织、病人、和/或换能器可以在扫描期间移动。结果， 一次扫描中的特定位置处的测量结果可以用于另一扫描中的不同位置。解剖信息用来调 准测量结果，以便识别用于适当位置的数据。例如，通过不同的扫描来调准来自治疗部 位中心的数据。在向模型输入之前或在动作18中应用模型之前执行调准。该调准避免来自其它 位置的数据提供对于给定位置而言不适当的值。可以使用任何调准。可以使用换能器上的位置传感器来对换能器移动进行校 正。可以使用沿着一个、两个、或三个维度的数据相关性来考虑到任何运动源。解剖超 声信息表示组织结构，诸如B模式图像表示部位。对每个时间段获取解剖信息，诸如与 用于参数或参数组的每次测量相关。解剖信息在空间上与在基本相同的时间进行的测量 相对应。基本上考虑到用于交错不同类型的超声发送和接收。通过识别与绝对差的最小 和、最高相关性、或其它相似性度量相关的平移、缩放、和/或旋转来调准来自不同时 间的B模式数据。解剖数据表示整个部位。可选地，针对部位的每个位置或子部分执 行单独的调准。可以使用给定位置的周围数据来确定该匹配。应用具有最大相似性的平 移、缩放、和/或旋转来使与测量结果相关的位置移位。在另一实施例中，通过选择来将解剖信息与建模相组合。解剖信息指示被治疗 的组织或解剖的类型。解剖信息可以指示作为热沉的血管接近性、影响热特性的组织类 型、或生物传热方程中的参数(例如，比热、传导性、和密度)。由操作员或应用于超声 的自动分类算法及其导出数据来确定组织的类型。可以由彩色血流成像所表示的流体池 来指示血管的存在。可以使用模板匹配根据B模式或其它超声数据来识别部位，并且特 定部位的知识提供用于选择的信息。
为不同类型的组织提供不同的模型。可选地或另外，为病人的不同部位提供不 同的模型。使用解剖信息来选择用于给定治疗部位的适当模型。还可以使用用于选择模 型的其它标准。可以使用多于一个的模型。不同的模型或一个模型可以应用于不同的空 间位置、组织类型、或温度范围。某些模型可以适合于特定情况。例如，被治疗的病人可能具有插入或邻近于肿 瘤的温度传感器。选择基于在提供此类温度传感器位置处的训练数据训练的模型。解剖 信息可以指示传感器的存在。可选地，用户指示用来选择适当模型的一个或多个变量。在另一实施例中，在动作22中通过温度相关信息的空间和/或时间分布的校正 来将建模与解剖信息组合。例如，将热分布模型应用于机器训练模型的温度输出。使用 解剖信息来选择或创建热模型。确定组织或流体的类型和位置。将考虑到组织的类型和 相对位置的热分布模型应用于温度输出。热分布模型的输出校正机器学习模型的输出。在另一实施例中，在没有来自另一模型的输出的情况下使用热分布模型。输入 信息是稀疏的，诸如少于所有时间或位置的时间和/或位置上的温度。例如，在治疗设 备上的(例如，在射频消融针上)或单独地插入病人体内(例如，热电偶探针)的热传感 器提供治疗期间的温度的测量结果。使用热分布模型来确定其它时间或位置的温度。使 用解剖信息来对热分布进行建模，诸如根据基于组织类型的位置来确定传导性。基于解 剖的热分布模型在空间和/或时间上确定温度。在另一实施例中，在动作18中将解剖信息作为特征应用于模型。将诸如按位置 的组织类型、治疗区域中存在流体部位的解剖信息、或其它解剖信息输入到模型。响应于特征的输入，该模型输出温度相关信息，诸如温度。图2示出来自机器 训练神经网络的示例性输出。该模型使用二维的位移、二维的弹性、二维的归一化互相 关系数、和二维的反向散射强度作为输入特征。较暗、更一致(即，较少变化)的线表 示在热治疗期间由热电偶测量的温度。较亮、较多变化的线表示在2.5mmX2.5mm感兴 趣部位上求平均的模型输出。在动作24中，显示温度相关信息。温度相关信息至少部分地基于建模和解剖超 声信息的组合。温度相关信息被显示为值，诸如温度或剂量。可以显示作为时间的函数 或沿着线的温度图表。在一个实施例中，将温度映射成颜色并覆盖在二维图像或三维表示上。该映射 根据温度相关信息来调节颜色，诸如红色或红色与黄色之间的颜色的阴影对于不同的温 度而言是不同的。可以将温度变化可选地映射成输出颜色，或另外映射成亮度或颜色的 其它方面。覆盖位于表示解剖的超声图像上，诸如覆盖在B模式图像上。该覆盖被登记 到解剖信息。在图像的覆盖上表示温度或相关信息的空间分布。可以生成单独的温度图像。 指示不同位置处的温度。图3示出具有彩色覆盖(以灰度级示出)的B模式超声信息。 图像的下部中心上的区域由于彩色覆盖而较暗。最暗区域对应于最高温度。图3表示剂 末或治疗时的检测或估计温度。图4表示根据彩色血流信息的三维再现。示出了脉管系统结构。基于B模式 返回或位置感测，添加射频消融针表示。在针的末端处是二维地表示为椭圆形的球形区 域。从温度信息映射该球形区域。在映射之前使用脉管结构的接近性来校正温度信息。
实时地或根据需要来提供图像。针在病人体内，消融组织。该图像示出得到的 温度分布，提供登记并覆盖在解剖信息上的治疗效果的指示。可以进一步处理温度相关信息。动作26示出一个示例。将温度相关信息应用于 剂量测定模型。剂量测定模型确定热剂量，诸如部位中的最大热剂量、平均或总剂量、 或用于不同位置的热剂量。根据时间量和温度量来确定热剂量，但是其可以基于其它因 素。使用不同位置处的温度来确定不同位置处的剂量或用于该部位的总剂量，诸如平均 或总剂量。可以使用任何现在已知或以后开发的剂量测定模型，诸如Saparetto-Dewey、 剂量测定方程、或参考温度下的累计等效分钟。剂量测定模型输出剂量。剂量信息被显示为数字、图表、或图像。例如，空间分布的剂量信息被登记到 诸如B模式图像的解剖图像并作为彩色覆盖在其上面。基于温度、剂量、和/或其它温度相关信息，可以对治疗进行控制。控制是手 动的，诸如用户基于温度相关信息来选择调整和用于热治疗的终点。可选地，控制是自 动的，诸如在达到一定温度和/或剂量时停止或改变治疗。在其它实施例中，稍后使用 来自治疗期间或治疗结束时的温度信息来确定预断病情(prognosis)或治疗结果。图5示出用于用医学诊断超声来确定温度相关信息的系统的一个实施例。该系 统执行上述方法或不同方法。可以使用其它系统。超声系统包括发送波束成形器52、换 能器54、接收波束成形器56、图象处理器58、显示器60、处理器62和存储器64。可以 提供附加、不同、或更少的部件。例如，还提供单独的检测器和扫描转换器。作为另一 示例，提供单独的治疗换能器或治疗系统。系统10是医学诊断超声成像系统。成像包括二维、三维、B模式、多普勒、彩 色血流、频谱多普勒、M模式、或现在已知或以后开发的其它成像型式。超声系统10全 尺寸车载系统、较小的便携式系统、手持式系统或其它现在已知或以后开发的超声成像 系统。在另一实施例中，处理器62和存储器64是单独系统的一部分。例如，处理器62 和存储器64是独立于超声系统操作的工作站或个人计算机。作为另一示例，处理器62 和存储器64是治疗系统的一部分。换能器54包括单个、一维、多维或其它现在已知和以后开发的超声换能器。换 能器54的每个元件是压电、微机电、电容性薄膜超声换能器、或用于在声和电能之间进 行转换的其它现在已知或以后开发的换能元件。每个换能器元件连接到用于从发送波束 成形器52接收电能并向接收波束成形器56提供可对声学回波进行响应的电能的波束成形 器 52、 56。发送波束成形器12是一个或多个波形发生器、放大器、延迟、相位旋转器、乘 法器、加法器、数模转换器、过滤器、其组合或其它现在已知或以后开发的发送波束成 形器部件。发送波束成形器52被配置为用于生成用于发送孔径的每个元件的发送信号的 多个通道。用于每个元件的发送信号被相对彼此延迟并变迹(apodized)以便沿着一个或 多个扫描线集中声能。在发送事件期间为一个或多个元件生成不同振幅、频率、带宽、 延迟、频谱能量分布或其它特性的信号。接收波束成形器56被配置为获取表示病人的部位的超声数据。超声数据用于测 量温度相关信息、获取解剖信息、和/或接收其它治疗数据。解剖信息至少部分地来自 超声数据。模型不使用或使用一个或多个来自超声数据的输入特征。其它数据源包括传感器、治疗系统、或其它输入。可以向处理器62或存储器64提供此类设备或输入。在 一个实施例中，从超声数据获取模型和解剖信息所使用的所有输入特征。接收波束成形器56包括用于单独地处理从换能器54的不同元件接收到的信号的 多个通道。每个通道可以包括延迟、相位旋转器、放大器、过滤器、乘法器、加法器、 模数转换器、控制处理器、其组合及其它现在已知或以后开发的接收波束成形器部件。 所述接收波束成形器56还包括用于将来自不同通道的信号组合成波束成形信号的一个或 多个加法器。还可以提供后续过滤器。可以使用其它现在已知或以后开发的接收波束成 形器。表示来自发送事件的声学回波的电信号被传递到接收波束成形器56的通道。接收 波束成型器输出表示被扫描部位中的一个或多个位置的同相和正交、射频或其它数据。 处理器62可以使用检测之前的通道数据或接收波束成形数据。随后由图像处理器58检测接收波束成形信号并用来生成超声图像。图像处理器 58是B模式/M模式检测器、多普勒/血流/组织运动估计器、谐波检测器、造影剂检 测器、频谱多普勒估计器、其组合、或用于从接收到的信号生成图像的其它现在已知或 以后开发的设备。图象处理器58可以包括扫描转换器。处理器62可以使用扫描转换之 前或之后的检测或估计信号。显示器60是监视器、LCD、等离子体、投影仪、打印机、或其它现在已知或以 后开发的显示设备。显示器60被配置为显示表示热治疗的效果的图像。例如，温度或 相关信息被作为值、图表、或二维表示输出。处理器62和/或图像处理器58生成用于 显示器60的显示信号。处理器62可以使用显示信号，诸如RGB值。处理器62是控制处理器、波束成形器处理器、通用处理器、专用集成电路、现 场可编程门阵列、数字部件、模拟部件、硬件电路、其组合及用于处理信息的其它现在 已知或以后开发的设备。用计算机代码将处理器62配置为对治疗部位上的热治疗的效果 进行建模。例如，基于输入来估计用于治疗部位中的一个或多个位置的温度。计算机代 码实现机器学习模型和/或热模型以估计温度或温度相关信息。模型是基于一个或多个 输入特征进行估计的矩阵、算法、或其组合。处理器62接收、请求、和/或计算用于输入到模型的特征的值。在一个实施 例中，一个或多个特征及相应值是超声数据的函数。为用于该部位的每个特征提供单个 值。可以应用每个特征多个值来表示不同时间和/或位置的特征。特征的值来自原始数 据，诸如B模式值，或者是诸如使用跟踪或相关性计算的。处理器62应用用于当前时间或模型应用的值。值是当前测量、先前测量、或测 量之间的变化的值。在一个实施例中，一个或多个特征是建模的先前输出。与时间有关 的模型被配置为根据与时间有关的模型的先前输出对效果进行建模。初始输入可以是假 定值，诸如37摄氏度，或者是治疗开始之前的参考测量结果。可以在施加热治疗期间使 用与时间有关的模型和反馈。通过反馈来考虑到趋势或变化，允许进行热治疗的预测控 制。反馈是原始输出的反馈或是根据先前的输出或多个输出而计算的，诸如用于给定时 间段上的温度变化的特征。在另一实施例中，处理器62被配置为实现热模型。诸如基于传导性、密度、和 施加的剂量或当前估计温度对不同的组织使用热计算，确定温度相关信息的空间和/或 时间分布。例如，热模型校正另一模型的输出，诸如校正由机器学习模型输出的温度。机器学习模型可以假定与特定解剖相关的结构或假定一种类型的均勻组织。使用超声解 剖信息来确定部位中的组织和流体，允许基于导热性和/或密度来进行温度校正。存储器64是具有存储在其中的数据的计算机存储介质，该数据表示可由用于 用医学诊断超声系统检测温度特性的编程处理器执行的指令。用于实现此处所讨论的 过程、方法和/或技术的指令在计算机可读存储介质或诸如高速缓冲存储器、缓冲器、 RAM、可移动介质、硬盘驱动器的存储器或其它计算机可读存储介质上提供。计算机可 读存储介质包括各种类型易失性和非易失存储介质。响应于存储在计算机可读存储介质 中或上的一个或多个指令组来执行附图所示或此处所述的功能、动作或任务。该功能、 动作或任务与指令组、存储介质、处理器或处理策略的特定类型无关且可以由单独或组 合地操作的软件、硬件、集成电路、固件、微代码等执行。同样地，处理策略可以包括 多处理、多任务、并行处理等。在一个实施例中，将指令存储在可移动介质设备上以便 由本地或远程系统读取。在其它实施例中，将指令存储在远程位置上以便通过计算机网 络或通过电话线路传输。仍在其它实施例中，将指令存储在给定计算机、CPU、GPU或 系统内。虽然上文已参照各种实施例描述了本发明，但应理解的是在不脱离本发明的范 围的情况下可以进行许多变更和修改。因此，意图在于将前述详细说明视为说明性而非 限制性的，并且应理解的是意图定义本发明的精神和范围的是包括所有等价物在内的以 下权利要求。
1权利要求
1.一种用医学诊断超声来确定温度相关信息的方法，该方法包括获取(12)表示来自病人的解剖信息的超声数据；执行(14)温度相关测量；将温度相关测量结果应用于(18)模型；将所述模型与所述解剖信息组合(20)；以及根据该组合(20)来显示(24)所述温度相关信息。
2.权利要求1的方法，其中获取((12)包括获取(12)表示组织类型的超声数据，还 包括确定组织的类型。
3.权利要求1的方法，其中获取(12)包括获取(12)表示流体部位的超声数据。
4.权利要求1的方法，其中获取(12)包括获取(12)表示解剖分布的超声数据。
5.权利要求1的方法，其中执行(14)温度相关测量包括确定来自治疗处理设备、传 感器、或传感器和治疗处理设备两者的温度相关测量结果。
6.权利要求1的方法，其中执行(14)温度相关测量包括执行(14)一个或多个超声测量。
7.权利要求6的方法，其中执行(14)一个或多个超声测量包括执行(14)以下各项中 的至少两个组织位移、声速、反向散射强度、和接收信号的归一化相关系数。
8.权利要求1的方法，其中应用(18)包括与包括(18)机器学习神经网络模型的模型 一起应用，所述温度相关测量结果被输入到所述机器学习神经网络模型，并且所述机器 学习神经网络模型输出温度。
9.权利要求1的方法，其中应用((18)包括应用(18)热分布模型，所述温度相关测 量用于少于热分布模型输出的位置、时间或位置和时间两者。
10.权利要求1的方法，其中组合(20)包括至少部分地基于解剖信息从一组模型中选 择模型。
11.权利要求1的方法，其中组合(20)包括调准来自不同的时间且在应用(18)之前 的温度相关信息，根据解剖信息来执行所述调准。
12.权利要求1的方法，其中组合(20)包括将解剖信息应用于(18)模型。
13.权利要求1的方法，其中组合(20)包括用热模型来校正(22)模型的输出，所述 热模型接收解剖信息和模型的输出。
14.权利要求1的方法，其中显示(24)包括显示(24)表示病人的解剖的超声图像的 彩色覆盖，该彩色覆盖具有根据温度相关信息调节的颜色。
15.权利要求1的方法，还包括将温度相关信息应用于(26)剂量测定模型。
16.权利要求1的方法，还包括向模型反馈温度相关信息作为温度的时间历史，模型 在向病人施加基于热能的治疗期间接收(16)所述温度的时间历史和温度相关测量结果作 为输入。
17.在一种具有存储在其中的数据的计算机可读存储介质中，该数据表示可由用于用 医学超声系统检测温度特性的编程处理器((62)执行的指令，所述存储介质包括指令， 该指令用于接收表示病人的解剖超声信息；在向病人的部位施加热治疗期间，接收(12)表示该部位中的不同位置的超声数据；用与时间有关的机器训练模型并且在施加期间根据超声数据和建模的先前输出对该 部位中的温度的空间分布进行建模(18)，该建模对解剖超声信息进行响应；以及 输出温度的空间分布。
18.权利要求17的计算机可读存储介质，其中建模(18)对解剖超声信息进行响应包括(a)在输入到建模之前在空间上对超声数据进行调准，该空间调准基于解剖超声信息 的相关性；(b)基于解剖超声信息所表示的组织或解剖的类型来选择与时间有关的机器训练模型；(C)根据解剖超声信息来校正(22)温度的空间分布；或者 (d)其组合。
19.权利要求17的计算机可读存储介质还包括接收(16)表示热治疗的方面的治疗数据； 其中建模(18)包括根据治疗数据的建模；以及其中输出包括输出表示温度的空间分布或根据温度的空间分布确定的剂量的信息。
20.一种用于用医学诊断超声来确定温度相关信息的系统，该系统包括 接收波束成形器(56)，其被配置为获取表示病人的部位的超声数据；以及 处理器(62)，其被配置为用机器学习模型和热模型对所述部位上的热治疗的效果进行建模，所述机器学习模型使用至少一个特征，其为超声数据的函数，所述热模型被配 置为根据超声数据来校正机器学习模型的输出。
21.权利要求20的系统，其中所述机器训练模型包括被配置为在施加期间根据与时间 有关的模型的先前输出对施加热治疗期间的效果进行建模的与时间有关的模型。
22.权利要求20的系统，还包括显示器(60)，其被配置为显示表示所述效果的图像。
全文摘要
本发明涉及使用医学诊断超声的温度预测。至少部分地用医学诊断超声系统来检测(12)温度相关信息或温度特性。将来自超声扫描的解剖信息与建模(18)一起使用以确定温度或其它温度相关参数。可以与施加热治疗一起实时地获得超声信息，因此其可以用来更好地控制(26)热治疗。该解剖信息可以用来调准从一个部位测量的模型的特征。该解剖信息可以用作到模型的输入。该解剖信息可以用来选择适当的模型，诸如基于组织类型的选择。该解剖信息可以用来校正模型的输出，诸如考虑到由于相邻血管而引起的温度分布。
文档编号A61B18/04GK102008349SQ20101027379
公开日2011年4月13日 申请日期2010年9月3日 优先权日2009年9月4日
发明者K·塞金斯, L·范 申请人:美国西门子医疗解决公司