System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及基于能量的自适应聚焦,具体为一种优化磁共振引导经颅超声神经调控靶点聚焦的方法。
技术介绍
1、在声学或光学成像系统领域,波穿过散射介质的传播过程一直是一个基本的物理问题。在声学中,利用超声经过颅骨聚焦于脑深部区域在近年来是一种新兴的神经调控手段。它可以非侵入性的到达与神经系统疾病(原发性震颤、帕金森氏震颤等)有关的脑深部区域,并聚焦于几个厘米。然而,由于颅骨,脑组织以及脱气水之间巨大的声速差异和强衰减,导致目标处声场的显著失真,因此颅骨引起的相位畸变一直是一个重要挑战。
2、目前,数值模拟是唯一广泛应用于临床的方案。它利用ct扫描获取患者颅骨信息建立三维声学模型,通过估计焦点处的压力幅度、颅骨加热风险、焦点区域的大小和位置、焦点区域中的加热等方式来缓解上述挑战。但由于三维模拟准确程度受到精度和相对位置的限制(每次治疗时要重新定位mr空间中探头和患者头部的坐标),且3d声学全模拟计算时间长,使其不适用于实时治疗或快速反映治疗,例如脑中风等。
3、近年来,得益于mri(magnetic resonance imaging 磁共振成像)硬件设备和arfi(acoustic radiation force impulse 声辐射力脉冲)序列的不断升级和开发,这使得基于能量的自适应聚焦技术又重回大众视野。该技术利用mr-arfi(magnetic resonanceacoustic radiation force imaging 磁共振声辐射力成像)图像提供的参考声强不断迭代计算振源与目标区域之间的传
技术实现思路
1、针对上述问题,本专利技术的目的在于提供一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,可以同时解决校准次数过多和实验测量噪声的问题;且不必每次治疗前扫描换能器和颅骨图像,同时有能克服迭代次数过多,受噪声影响大的缺点,还能够实现快速准确的经颅聚焦效果。技术方案如下:
2、一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,包括以下步骤:
3、步骤1:收集被试信息:在mri上对治疗对象扫描ute和t1序列,分别得到颅骨和大脑dicom图像;
4、步骤2:超声模拟准备:将所述颅骨和大脑dicom图像输入到matlab中的声学模拟软件k-wave工具包里,利用ute和ct的回归曲线,计算出颅骨孔隙度,进而推导出颅骨声学参数,建立声学模型,勾画好治疗区域;
5、步骤3:初步模拟计算:在计算机上对聚焦的治疗区域进行时间反转模拟,通过在目标点逆向传播超声,计算出输入矩阵,称为时间反转镜,即时间延迟;
6、步骤4:判断聚焦位置:在实际治疗场景中输入上一步所得到的时间延迟,并利用arfi序列触发超声,观测实际聚焦情况,如果超声精准聚焦于治疗区域,则开始正式治疗,否则跳转到下一步骤;
7、步骤5:测量传输矩阵:利用步骤2建立好的声学模型,计算出聚焦点处的传输矩阵值;
8、步骤6:随机输入收集传输矩阵信息:把输入矩阵e设置为矩阵大小为3 n× n的随机矩阵,n为超声阵列元件的数量;输入输入矩阵的1到10行,并利用arfi序列记录下这10次超声校准后的目标点声强值;
9、步骤7:迭代计算新的传输矩阵:将、和带入prdeep算法,计算出新的传输矩阵估计值的共轭,即时间反转解;
10、步骤8:验证新传输矩阵是否接近真实值:将得到的时间反转解输入到实际换能器端,利用arfi观察聚焦点是否被矫正,如果是则循环结束,正式治疗,否则回到步骤6,输入的11-20行,继续进行超声校准并利用arfi记录目标点声强,然后带入prdeep估计新的传输矩阵共轭值,以此类推,直到焦点被矫正。
11、进一步的,所述步骤2中计算颅骨孔隙度具体为:
12、将颅骨近似看作由水和密度不同的骨头制成,用近似表示颅骨的孔隙度:
13、;
14、在这种情况下,颅骨的孔隙度图直接链接到豪斯菲尔德图:
15、;
16、颅骨的声学特性包括声速、密度和衰减系数,即:
17、;
18、;
19、;
20、其中,为在x位置组织处的x射线物质线性衰减系数;为水的线性衰减系数;为骨骼的线性衰减系数;为对应位置的亨氏值;为水的参考声速;为骨骼的参考声速;为水的密度;为骨骼的密度;为骨骼的最小的声衰减系数;为最大的骨声衰减系数。
21、更进一步的,所述步骤5中计算出聚焦点处的传输矩阵值 h具体为:
22、设超声阵列元件的数量n,空间中感兴趣区域中不同空间位置的点的数量l,以及中心频率f;当第n个振动源发射短超声脉冲时,在空间点处的部分观测值为;
23、在时域中,两者之间的关系为:
24、;
25、其中,代表卷积,为传输矩阵元素值;
26、稳态情况下在频域中,如下所示:
27、;
28、其中,、和分别为观测值p(t)、传输值h(t)和输入值e(t)的傅里叶变换;是×1向量,代表次校准中目标区域内各个单元的声压幅值;是第次校准中换能器阵列的输入矩阵的频域表示,是×1向量;代表最大测量次数;是矩阵,传输矩阵的频域表示;
29、对上式进行共轭转置,得到:
30、;
31、其中,上标代表共轭转置,观测矩阵,输入矩阵;
32、给定输入矩阵共轭,由的每一列估计的每一列的复数值,从而得到聚焦点处的传输矩阵值。
33、与现有技术相比,本专利技术的有益效果是:本专利技术利用ute图像为prdeep算法提供先验信息,从而可以同时解决校准次数过多和实验测量噪声的问题;且其优势在于不必像数值模拟方法那样每次治疗前扫描换能器和颅骨图像以保证模拟时相对位置保持不变,而且另一方面又解决了以往迭代算法,迭代次数过多,受噪声影响大的缺点,最后还能够实现快速准确的经颅聚焦效果。
本文档来自技高网...【技术保护点】
1.一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,其特征在于,所述步骤2中计算颅骨孔隙度具体为:
3.根据权利要求1所述的一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,其特征在于,所述步骤5中计算出聚焦点处的传输矩阵值具体为:
【技术特征摘要】
1.一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种优化磁共振引导经颅超声神经调控靶点聚焦的方法,其特征在于,...
【专利技术属性】
技术研发人员:龚启勇,幸浩洋,孔德臣,黄晓琦,吕粟,
申请(专利权)人:四川大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。