用于图像引导的组织消融的系统和方法技术方案

向操作者显示实时的子宫内操作现场图像。处理器在训练的分类器模型的帮助下识别解剖特征并在图像上标记解剖边界。所识别的解剖特征和解剖边界的标签显示在图像上。训练的分类器模型是基于先前的手术现场图像集来训练的，该先前的手术现场图像集中具有由先前的操作者分别识别和标记的解剖特征和解剖边界。训练的分类器模型通常是卷积深度神经网络。允许操作者修改解剖特征标签和解剖边界，以及用修改后的图像更新训练图像集。解剖特征的标记和解剖特征的建立有助于在子宫内进行治疗，例如子宫肌瘤的消融。宫肌瘤的消融。宫肌瘤的消融。

【技术实现步骤摘要】
【国外来华专利技术】用于图像引导的组织消融的系统和方法
[0001]交叉引用
[0002]本PCT申请要求于2020年10月27日提交的美国专利申请号63/106,280[律师案卷号31992
‑
721.101]的优先权，其内容通过引用完全并入本文。
[0003]本申请的主题与于2008年10月3日提交并现于2012年1月3日作为美国专利号8,088,072[律师案卷号31992
‑
709.201]发布的美国专利申请号12/245,567、于2011年11月30日提交并现于2012年9月11日作为美国专利号8,262,577[律师案卷号31992
‑
709.301]发布的美国专利申请号13/307,304、于2012年8月20日提交的美国专利申请号13/589,975[律师案卷号31992
‑
709.302]、于2017年5月15日提交的美国专利申请号15/595,659[律师案卷号31992
‑
709.303]、于2017年5月17日提交的美国专利申请号15/597,511[律师案卷号31992
‑
709.304]、于2020年4月8日提交的美国专利申请号16/841,201[律师案卷号31992
‑
709.305]、于2020年9月22日提交的美国专利申请号17/028,593[律师案卷号31992
‑
709.306]、于2020年9月22日提交的美国专利申请号17/028,596[律师案卷号31992/>‑
709.307]、于2008年8月26日提交的美国专利申请号12/198,861[律师案卷号31992
‑
711.201]、于2011年2月8日提交并现作为美国专利号8,206,300[律师案卷号31992
‑
711.301]发布的美国专利申请号13/023,383、于2016年1月6日提交并现于2020年4月7日作为美国专利号10,610,197[律师案卷号31992
‑
711.302]发布的美国专利申请号14/989,732、于2012年5月30日提交并现于2020年3月24日作为美国专利号10,595,819[律师案卷号31992
‑
711.501]发布的美国专利申请号13/484,076、于2020年2月5日提交的美国专利申请号16/782,477[律师案卷号31992
‑
711.303]、于2010年2月25日提交并现于2012年9月11日作为美国专利号8,262,574[律师案卷号31992
‑
712.201]发布的美国专利申请号12/712,969、于2012年8月20日提交并现作为美国专利号10,321,951[律师案卷号31992
‑
712.401]发布的美国专利申请号13/589,956、于2019年5月20日提交的美国专利申请号16/417,193[律师案卷号31992
‑
712.301]、于2017年10月25日提交的美国专利申请号15/793/874[律师案卷号31992
‑
714.301]、于2013年3月13日提交并现作为美国专利号9,861,336[律师案卷号31992
‑
714.201]发布的美国专利申请号13/801,782、于2013年3月13日提交并现作为美国专利号8,992,427[律师案卷号31992
‑
714.202]发布的美国专利申请号13/801,840、于2017年11月13日提交的美国专利申请号15/811,520[律师案卷号31992
‑
716.201]、于2019年5月10日提交的16/408,790[律师案卷号31992
‑
717.301]以及于2019年10月28日提交的美国专利申请号16/666,271[律师案卷号31992
‑
718.301]、于2019年5月16日提交的美国专利申请号16/414,040[律师案卷号31992
‑
719.201]有关，其内容通过引用完全并入本文。

技术介绍

[0004]本公开一般涉及在手术之前和手术期间引导操作者的系统和方法，例如通过使用已经标示、标记和/或设有解剖边界的手术现场图像来引导操作者或外科医生。本文提供的系统和方法可以在涉及组织消融的医疗方法和装置中找到特定用途。
[0005]目前对患者体内器官和组织的医学治疗通常使用针或其他细长体来输送能量、治
疗剂等。可选地，该方法使用超声或其他成像来观察和识别治疗靶，并跟踪针相对于治疗靶的位置。在许多情况下，操作者必须手动识别治疗靶并标示其边界。许多手术系统，例如可从Redwood City的Gynesonics公司获得的系统，允许操作者标记已识别的治疗靶，并在系统的视觉显示器上标示解剖边界。治疗靶和/或解剖特征的识别和解剖边界的标示可能因操作者而异，识别治疗靶和标示解剖边界可能会消耗宝贵的手术时间，治疗靶和周围解剖结构可以在外科手术过程中移动并偏离原始标示的边界。因此，可能需要用于改进的图像引导的组织消融的系统和方法，在该系统和方法中，解剖特征和边界被更加一致和快速地识别和标示。
[0006]本公开特别感兴趣的是，最近提出了一种子宫肌瘤的治疗，该治疗依赖于治疗探针或装置在患者子宫中的经阴道或腹腔镜定位。将射频或其他能量或治疗递送针从装置展开到纤维瘤中，并且递送能量和/或治疗物质以消融或治疗纤维瘤。为了便于确定纤维瘤的位置并将针定位在纤维瘤内，治疗装置包括超声或其他成像阵列，该阵列具有相对于承载针的轴向轴在大致向前或横向方向上可调节的视场。将针从轴上推进并穿过视野，从而可以将针可视化并引导到组织和靶向纤维瘤中。由超声成像阵列捕获的子宫内图像由操作者或外科医生观看，以引导针的定位和前进，并且该系统可以允许操作者标记所识别的治疗靶并在系统的视觉显示器上标示解剖边界。
[0007]还需要提供改进的系统和方法，用于在能量输送或其他治疗方案中的超声或其他成像视场内引导能量输送和其他针的展开。向操作者或治疗医生提供有助于多个针或尖齿的初始定位和展开的信息，以提高针组件相对于待治疗的靶解剖结构正确定位的可能性将是特别有用的。还希望向操作者提供反馈，以帮助基于在过程期间已经更新的信息来调整治疗过程。如有必要，此类信息应允许操作者重新定位探针，以增加对解剖结构进行充分治疗的可能性。所有这样的反馈或其他信息优选地在超声波或其他成像屏幕上可视地提供，使得可以快速预测、评估和开始治疗针位置。如果响应于操纵探针和/或改变解剖结构而将信息呈现在显示屏上，同时最小化在系统控制器或显示器上输入数据或命令的需要，则将是更可取的。这些目标中的至少一些将通过下文描述的许多实施方式来实现。

技术实现思路

[0008]本公开提供了用于在治疗过程(如手术)之前和期间引导操作者的系统和方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计划和实施治疗过程的计算机实现的方法，所述方法包括：(i)向操作者显示实时操作现场图像；(ii)在训练的分类器模型的帮助下，识别所述实时操作现场图像上的(a)至少一个解剖特征或(b)至少一个解剖边界中的一个或多个；(iii)在所显示的实时操作现场图像上显示(a)用于所识别的至少一个解剖特征的至少一个标签或(b)用于所识别的至少一个解剖边界的至少一个标示中的一个或多个；(iv)允许所述操作者通过(a)重新标记所识别的至少一个解剖特征或(b)重新定位所述至少一个解剖边界的所述至少一个标示中的一个或多个来修改所述实时操作现场图像；以及(v)基于所述操作者的所述修改来提供对所述训练的分类器模型的更新。2.根据权利要求1所述的方法，其中所述训练的分类器模型通过以下步骤生成：(vi)向用户显示操作现场图像；(vii)在所述操作现场图像中建立至少一个解剖边界，所述至少一个解剖边界由所述用户标示；(viii)在所述操作现场图像中标记由所述至少一个解剖边界分隔的至少一个解剖特征，所述至少一个解剖特征由所述用户标记；和(ix)重复步骤(vi)至(viii)以生成操作现场图像的训练集，每个操作现场图像具有至少一个标示的解剖边界和至少一个标记的解剖特征；以及(x)基于所述操作现场图像的训练集来训练分类器模型，以在所述实时操作图像上识别(a)至少一个解剖特征或(b)至少一个解剖边界。3.根据权利要求2所述的方法，其中在步骤(v)，通过将来自步骤(iv)的所修改的实时操作现场图像添加到操作现场图像的所述训练集，并利用所添加的修改的实时操作现场图像基于操作现场图像集更新所述分类器模型，来更新所述训练的分类器模型。4.根据权利要求1所述的方法，还包括在向所述训练的分类器模型提供所述更新之前，与所述操作者确认(a)所述重新标记的所识别的至少一个解剖特征或(b)所述重新定位的所述至少一个解剖边界的至少一个标示中的一个或多个。5.根据权利要求4所述的方法，其中向所述训练的分类器模型提供所述更新包括将所修改的实时操作现场图像添加到操作现场图像的训练集。6.根据权利要求1所述的方法，其中在步骤(i)处的所述操作现场图像是手术现场图像。7.根据权利要求1所述的方法，还包括基于在所述实时操作现场图像上的(a)所显示的所述至少一个识别的解剖特征的至少一个标签或(b)所显示的所述至少一个解剖边界的至少一个标示中的一个或多个来治疗解剖结构。8.根据权利要求7所述的方法，其中治疗所述解剖结构包括消融所述解剖结构。9.根据权利要求8所述的方法，其中使用射频(RF)能量、等离子体能量、治疗性超声能量、微波能量、热或冷中的一个或多个来消融所述解剖结构。10.根据权利要求7所述的方法，其中所治疗的解剖结构是子宫肌瘤。11.根据权利要求7所述的方法，还包括在所述治疗过程期间实时重复步骤(ii)至(iv)。
12.根据权利要求7所述的方法，还包括在所述治疗过程之后重复步骤(ii)或(iii)中的一个或多个，以从所述治疗过程中识别所述解剖结构的一个或多个变化。13.根据权利要求1所述的方法，其中在步骤(i)处的所述操作现场图像包括超声图像。14.根据权利要求13所述的方法，其中所述超声图像是子宫内超声图像。15.根据权利要求1所述的方法，其中在步骤(i)处的所述操作现场图像包括患者子宫的图像。16.根据权利要求15所述的方法，其中用于所述至少一个解剖边界的至少一个标示分隔所述子宫的多个解剖特征，所述多个解剖特征包括浆膜、子宫肌层、纤维瘤、子宫壁、膀胱壁或膀胱中的一个或多个。17.根据权利要求15所述的方法，其中用于所述至少一个解剖特征的所述至少一个标签包括浆膜、子宫肌层、纤维瘤、子宫壁、膀胱壁或膀胱中的一个或多个。18.根据权利要求1所述的方法，其中所述训练的分类器模型包括机器学习算法。19.根据权利要求18所述的方法，其中所述机器学习算法是卷积深度学习网络。20.根据权利要求1所述的方法，其中所述训练的分类器模型是二进制树、随机森林、决策树、多个决策树、具有受控方差的多个决策树、多项式逻辑回归、天真贝叶斯分类器、线性分类器、线性分类器集合、增强算法、用随机梯度下降训练的增强算法、用随机梯度下降训练的增强算法、包括训练数据加权的增强算法、包括更新训练数据加权的增强算法或包括用更高权重更新错误分类的训练数据的增强算法中的一个或多个。21.根据权利要求1所述的方法，还包括向所述操作者提供预处理图像，作为在所述实时操作现场图像上识别(a)所述至少一个解剖特征或(b)所述至少一个解剖边界中的一个或多个的指南。22.根据权利要求21所述的方法，其中所述预处理图像包括MRI图像、X射线图像、CT图像或超声图像中的一个或多个。23.一种用于帮助计划和实施治疗过程的装置，所述装置包括：显示器；接口；处理器；和非暂时性计算机可读存储介质，包括指令，所述指令被配置为使所述处理器：(i)使所述显示器向操作者显示实时操作现场图像，(ii)在训练的分类器模型的帮助下，识别所述实时操作现场图像上的(a)至少一个解剖特征或(b)至少一个解剖边界中的一个或多个，(iii)在所显示的实时操作现场图像上显示(a)用于所识别的至少一个解剖特征的至少一个标签或(b)用于所识别的至少一个解剖边界的至少一个标示中的一个或多个，(iv)允许所述操作者通过(a)重新标记所识别的至少一个解剖特征或(b)重新定位所述至少一个识别的解剖边界的所述至少一个标示中的一个或多个来修改所述实时操作现场图像，以及(v)基于所述操作者的所述修改来提供对所述训练的分类器模型的更新。24.根据权利要求23所述的装置，其中所述指令还被配置为使所述处理器：(vi)向用户显示操作现场图像；
(vii)在所述操作现场图像中建立至少一个解剖边界，所述至少一个解剖边界由所述用户经由所述接口标示；(viii)标记由所述至少一个解剖边界分隔的至少一个解剖特征，所述至少一个解剖特征由所述用户经由所述接口标记；(ix)重复步骤(vi)至(viii)以生成操作现场图像的训练集，每个操作现场图像具有至少一个标示的解剖边界和至少一个标记的解剖特征；以及(x)基于所述操作现场图像的训练集来训练分类器模型，以在所述实时操作图像上(a)识别至少一个解剖特征或(b)建立至少一个解剖边界中的至少一个。25.根据权利要求24所述的装置，其中在步骤(v)，通过将来自步骤(iv)的所修改的实时操作现场图像添加到操作现场图像的所述训练集，并利用所添加的修改的实时操作现场图像基于操作现场图像集更新所述分类器模型，来更新所述训练的分类器模型。26.根据权利要求23所述的装置，其中所述指令还被配置为使所述处理器在向所述训练的分类器模型提供所述更新之前，与所述操作者确认(a)所述重新标记的至少一个解剖特征或(b)所述重新定位的所述至少一个解剖边界的至少一个标示中的一个或多个。27.根据权利要求26所述的装置，其中通过将所修改的实时操作现场图像添加到操作现场图像的训练集来向所述训练的分类器模型提供所述更新。28.根据权利要求23所述的装置，其中在步骤(i)处的所述操作现场图像是操作现场图像。29.根据权利要求23所述的装置，其中所述指令还被配置为使所述处理器进一步允许所述操作者基于在所述实时操作现场图像上的(a)所显示的所述至少一个识别的解剖特征的至少一个标签或(b)所显示的所述至少一个解剖边界的至少一个标示中的一个或多个来使用所述接口来治疗解剖结构。30.根据权利要求29所述的装置，其中治疗所述解剖结构包括用消融元件消融所述解剖结构，并且其中所述装置还包括所述消融元件。31.根据权利要求30所述的装置，其中所述消融元件被配置为将射频(RF)能量、等离子体能量、治疗性超声能量、微波能量、热或冷中的一个或多个输送到所述解剖结构。32.根据权利要求29所述的装置，其中所治疗的解剖结构是子宫肌瘤。33.根据权利要求29所述的装置，其中所述指令还被配置为使所述处理器在所述治疗过程期间实时重复步骤(ii)至(iv)。34.根据权利要求29所述的装置，其中所述指令还被配置为使所述处理器在所述治疗过程之后重复步骤(ii)或(iii)中的一个或多个，以从所述治疗过程中识别所述解剖结构的一个或多个变化。35.根据权利要求23所述的装置，其中在步骤(i)处的所述操作现场图像包括超声图像。36.根据权利要求35所述的装置，其中所述超声图像是子宫内超声图像。37.根据权利要求23所述的装置，其中在步骤(i)处的所述操作现场图像包括患者子宫的图像。38.根据权利要求37所述的装置，其中用于所述至少一个解剖边界的所述至少一个标示分隔所述子宫的多个解剖特征，所述多个解剖特征包括浆膜、子宫肌层、纤维瘤、子宫壁、
膀胱壁或膀胱中的一个或多个。39.根据权利要求37所述的装置，其中用于所述至少一个解剖特征的所述至少一个标签包括浆膜、子宫肌层、纤维瘤、子宫壁、膀胱壁或膀胱中的一个或多个。40.根据权利要求23所述的装置，其中所述分类器模型包括机器学习算法。41.根据权利要求40所述的装置，其中所述机器学习算法是卷积深度学习网络。42.根据权利要求23所述的装置，其中所述分类器模型是二进制树、随机森林、决策树、多个决策树、具有受控方差的多个决策树、多项式逻辑回归、天真贝叶斯分类器、线性分类器、线性分类器集合、增强算法、用随机梯度下降训练的增强算法、用随机梯度下降训练的增强算法、包括训练数据加权的增强算法、包括更新训练数据加权的增强算法或包括用更高权重更新错误分类的训练数据的增强算法中的一个或多个。43.根据权利要求23所述的装置，其中所述指令还被配置为使所述处理器进一步向所述操作者提供预处理图像，作为在所述实时操作现场图像上识别(a)所述至少一个解剖特征或(b)所述至少一个解剖边界中的一个或多个的指南。44.根据权利要求43所述的装置，其中所述预处理图像包括MRI图像、X射线图像、CT图像或超声图像中的一个或多个。45.一种计划和实施治疗过程的计算机实现的方法，所述方法包括：(i)向操作者显示实时操作现场图像；(ii)在训练的分类器模型的帮助下，识别所述实时操作现场图像上的(a)至少一个解剖特征或(b)至少一个解剖边界中的一个或多个；以及(iii)在所述实时操作现场图像上显示(a)用于所识别的至少一个解剖特征的至少一个标签或(b)用于所述至少一个解剖边界的至少一个标示中的一个或多个，其中所述训练的分类器模型是基于操作现场图像集来训练的，所述每个操作现场图像具有至少一个标示的解剖边界和至少一个标记的解剖特征，其中所述至少一个标示的解剖边界由先前的操作者识别，并且其中所述至少一个标记的解剖特征由所述先前的操作者识别。46.根据权利要求45所述的方法，还包括允许所述操作者通过(a)重新标记所识别的至少一个解剖特征或(b)重新定位所识别的至少一个解剖边界中的一个或多个来修改所述实时操作现场图像。47.根据权利要求46所述的方法，还包括通过将所修改的实时操作现场图像添加到所述操作现场图像集来更新所述操作现场图像集。48.根据权利要求47所述的方法，还包括基于所更新的操作现场图像集来更新所述分类器模型。49.根据权利要求45所述的方法，还包括基于在所述实时手术现场图像上的(a)所显示的所识别的至少一个解剖特征的至少一个标签或(b)所显示的所述至少一个解剖边界的至少一个标示中的一个或多个来治疗解剖结构。50.根据权利要求49所述的方法，其中治疗所述解剖结构包括消融所述解剖结构。51.根据权利要求49所述的方法，其中使用射频(RF)能量、等离子体能量、治疗性超声能量、微波能量、热或冷中的一个或多个来消融所述解剖结构。52.根据权利要求49所述的方法，其中所治疗的解剖结构是子宫肌瘤。
53.根据权利要求49所述的方法...

【专利技术属性】
技术研发人员：陈驾宇，
申请(专利权)人：杰尼索尼克斯公司，
类型：发明
国别省市：