دانلود رایگان مقاله افزایش درجه حرارت اندازه گیری شده از روشهای غیرتهاجمی
چکیده
دانش کمی از توزیع فضایی از درجه حرارت بافت یک شاخص اساسی در پیشرفت درمان حرارتی است، و لازم است از ایمنی و اثر بخشی درمان اطمینان حاصل شود. تغییرات اندازه گیری شده در زمان حرکت مافوق صوت از مبدل تصویربرداری به محل های پراکندگی در داخل و اطراف منطقه گرم می تواند به طور بالینی تخمین مفید درجه حرارت را فراهم نماید که از آن دوز حرارتی در سراسر منطقه تصویربرداری را می توان به دست آورد. مطالعات قبلی اشاره کرده اند که مشکل در زمان حرکت معکوس برای به دست آوردن درجه حرارت، به دلیل عدم حساسیت در فاصله دما اغلب دربرگیرنده طیف درمانی است. در این کار از طریق آزمایش به روش آزمایشگاهی نشان داده شده که افزایش درجه حرارت را می توان با دقت از اندازه گیری اولتراسونیک در طول تحویل درمان و پس از فاز سرد شدن در درمان به دست آورد، با استفاده از داده های پراکندگی RF، جمع آوری شده توسط یک اسکنر تجاری و مدل انتقال حرارت. مشکل برآورد درجه حرارت به دو قسمت تقسیم شده است. آزمایشات غیرتهاجمی کالیبراسیون HIFU مقدم بر درمان برای تخمین ویژگی های بافت محلی مرتبط با مدل انجام می شوند و دوم افزایش دما درمدت درمان تخمین زده می شود. تغییرات در پاسخ دوز مشاهده شده به عنوان تغییرات مرتبط مستقیم در دامنه منبع گرمای HIFU مدلسازی می شود در حالی که فرض می شود که الگوی پرتوی اکوستیک ثابت است.
I.مقدمه
ظهور روش های غیر تهاجمی جراحی برای درمان سرطان از قبیل فراصوت شدت بالای متمرکز (HIFU) و دیگر درمان های حرارتی موجب توسعه رویکردهای نظارتی جدید نزدیک برای هدایت و بازخورد شده است. مانیتورینگ ضروری است به دلیل اثرات ناهمگنی بافت، هر دو در محل درمان و در مسیر دخالت. برای آینده قابل پیش بینی، برنامه ریزی درمان نمی تواند همه تغییرات در دوز های محلی و (اثر گیاهی) ناشی از ناهمگونی ها را تعیین نماید. بنابراین، درمان موثر و کارآمد تنها زمانی امکان پذیر خواهد بود که روش های غیر تهاجمی اندازه گیری پاسخ بافت به قرار گرفتن در معرض درمان در دسترس باشند.
تصویربرداری با رزونانس مغناطیسی (MRI) در حال توسعه برای هدایت درمان حرارتی، توسط گروه های توسعه دهنده جراحی HIFU [1 ، 2] است. در حالی که MRL فراهم کننده کیفیت بالای اطلاعات تشخیصی و رهنمودی است، هنوز هم کند است (چند ثانیه در هرفریم) در تولید داده های دمایی دقیق، گران است، و محدودیت های قابل توجهی در طراحی دستگاه های روباتیک و تحویل انرژی که باید سازگار با زمینه های مغناطیسی RF ساخته شده باشد را با خود دارد. برای ارائه نرخ فریم ارزان و بالاتر جایگزین برای استاندارد طلا 'جریان هدایت MRI ما در حال توسعه روش های فراصوت برای نظارت بر زمان واقعی و غیرتهاجمی از درمان با HIFUهستیم. با این حال، چالش ها از عدم حساسیت از سرعت انتشار آکوستیک برای تغییرات در دما در محدوده ای بوجود می آیند که بافت منعقد شده است. هدف ما رسیدگی به این مشکل را با محدود نمودن وارونگی فشار RF با استفاده از مدل انتقال حرارت است. همچنین تشخیص شروع دقیق با استفاده از فراصوت پراکنده شده ممکن است. کاویتاسیون در درمان HIFU مهم است به علت حضور حباب های زیر که به احتمال زیاد تغییر در نرخ گرمایش محلی [3] را به وجود می آورند، و حباب های بزرگتر می توانند نشانه ای از جوش (نگاه کنید به مقاله همراه، [4]) را ارائه دهند.
II. پیش زمینه
A. درمان از طریق کنترل HfFU
مطالعات قبلی ما از پروتکل های مبدل اسکن [5] نشان می دهد که حرکت مبدل HIFU در حالی که صوتی نمودن استفاده بهتر از زمان درمان را موجب می شود، در بخشی با بهره برداری از پدیده های غیر خطی در شدت بالای آکوستیک. این آزمایشات نشان دهنده تغییرات قابل توجهی در اثر گیاهی با توجه به شرایط قرار گرفتن در معرض مداوم (شکل 1) است. مانیتورینگ درجه حرارت در زمان واقعی ممکن است تنها راه برای انجام درمان های عملی و بهینه سازی ایمنی و اثر بخشی باشد.
B. درجه حرارت ناشی از تغییر زمان حرکت
بسیاری از خواص مکانیکی بافت های نرم کاملا شبیه به آب است. در واقع ، با توجه به وابستگی حرارتی چگالی و تراکم در آب، سرعت صوت آکوستیک C (T) غیر یکنواخت است، نگاه کنید به شکل. 2 برای تصویر سازی تابع تجربی C (T) در آب و کبد تازه برداشته بدون گاز [6]. در حالی که ایده استفاده از تغییرات در سرعت صدا برای اندازه گیری دمای غیرتهاجمی جذاب است، حداکثر سرعت صوت در بافت (که در آن سرعت صدا غیر حساس به تغییرات دما است) در نزدیکی آستانه انعقاد و مانع وارونگی مستقیم اندازه گیری سرعت صوت برای برآورد درجه حرارت رخ می دهد. غلظت نسبی از بافت چرب بیشتر می تواند ارتباط [7]، و تغییرات بافت بین ارگان های مختلف را اصلاح نماید و و بین افراد باعث استفاده از اندازه گیری غیر تهاجمی زمان حرکت آکوستیک شود که ارتباط آن به به تغییرات دمای مطلق بدون دانش مستقل از منحنی C (T) بسیار دشوار است.
C. برآورد دما توسط ارتباط متقابل
برآورد درجه حرارت فراصوت نیاز به جمع آوری و پردازش شکل موج سیگنال RF دارد به این دلیل که تغییرات دما مربوط به آن در زمان حرکت پراکندگی بسیار کوچک است. تغییرات در زمان حرکت تغییر شکل به عنوان تغییر شکل جزئی موج پراکنده شده به عنوان بافت گرم به نظر می رسد. هنگام مقیاس بندی سرعت صوت متوسط، ما به این اعوجاج زمان حرکت را "جابه جایی ظاهری" می نامیم و اشاره به مشتق زمان (مشتق در عمق تصویر) به عنوان "کرنش محلی"دارد. به طور کلی ، ما از روش های همبستگی پردازش مانند موارد مورد استفاده در الاستوگرافی برای ردیابی شیفت اکو از مکان های خاص استفاده نموده ایم. تحقیقات گذشته به استفاده از فراصوت و به طور خاص برآورد درجه حرارت از روش های مشابه استفاده نموده اند [7، 9] اما به طور کلی تحقیقات آنها محدود به تغییرات کوچک درجه حرارت زیر آستانه انعقاد شده اند که در آن وارونگی دما، سر راست است.
ما جابجایی آشکار را با ردیابی تغییر زمان حرکت بین خطوط A متناظر بر روی داده های موقتی مجاور RF برآورد نموده ایم. به طور خاص ، سری زمانی ولتاژ RF از نمونه های I/Q در هر خط اسکن بازسازی در هر فریم RF دوباره بازسازی می شوند و به یک سری از بخش ها با طول با 1 میلیمتر همپوشانی 20 ٪ تقسیم می شوند. برای هر بخش بر روی اسکن خط داده شده در یک قاب، همبستگی متقابل ID برای پیدا کردن بهترین تطبیق برای این بخش در منطقه جستجو تعریف شده در سراسر موقعیت مکانی در همان موقعیت فضایی قاب مجاور به دست آمده در زمان استفاده شده است. شیفت های زمان زیر نمونه با استفاده از یک نوار باریک چند جمله ای همسان در نقاط مختلف با ارتباط متقابل برآورد می شوند. شیفت زمانی در منطقه جستجو که برای آن بهترین تطبیق به دست آمد، که تغییر در زمان حرکت محلی است و منجر به جابجایی ظاهری برای بخش می شود. این روش برای تمام قطعات در یک قاب برای به دست آوردن 2 - D نقشه حرکت در زمان تغییر و تحول مربوط به دو فریم موقت RF مجاور تکرار می شود. جفت های پشت سر هم از قاب در مجموعه داده های به دست آمده در این راه پردازش ، و در زمان برای ارائه نقشه های 2 - D از مجموع تغییرات مدت زمان حرکت انباشته شده برای به هر فریم داده شده یکپارچه شده است. در نهایت ، برآورد کرنش (محلی) توسط تمایز در عمق با استفاده از الگوریتم حداقل مربعات به منظور کاهش اثرات سر و صدا انجام می شود،. به عنوان مثال نتیجه از این روش به عنوان یک تصویر برای اسکن HIFU مدور در شکل 3 ارائه شده است.. این روش تصویربرداری فوری است به دلیل اینکه فراهم کننده یک تصویر با کنتراست بالا از منطقه گرم است که در حالت B قابل تشخیص نیست. با این حال ، این روش برای اندازه گیری دما به راحتی اتخاذ نمی شود به دلیل عدم آگاهی از نقشه برداری بین سرعت صدا (از این رو زمان حرکت) و درجه حرارت ، C (T)، و نه از روش قوی برای مقابله با حساسیت کم در مقدار درجه حرارت انعقاد.
III. الگوریتم برآورد درجه مبتنی بر مبدلها
A. مدل انتقال گرما
انتقال گرمای سپرده شده به طور اکوستیک در اینجا با استفاده از معادله انتقال حرارت در مبدلها فرض می شود که در آن افت شبکه خالص انرژی حرارتی وجود ندارد، و هدایت تنها مکانیزم انتقال است.
Abstract
Quantitative knowledge of the spatial distribution of tissue temperature is an essential indicator of thermal therapy progress, and is needed to assure treatment safety and efficacy. Measured changes in ultrasonic travel time from an imaging transducer to backscattering sites in and around the heated region can provide clinically useful temperature estimates from which thermal dose throughout the imaged region can be obtained. Previous studies have noted the difficulty in inverting travel time to obtain temperature, due to lack of sensitivity over a temperature interval often encompassing the therapeutic range. In this work, it is shown through in vitro experiments that temperature rise can be accurately obtained from ultrasonic measurements during therapy delivery and post-treatment cool down phases, using RF backscatter data collected with a commercial scanner and a heat transfer model. The temperature estimation problem is divided into two parts: first, non-invasive HIFU calibration experiments are conducted prior to therapy to estimate local model-relevant tissue properties, and second, temperature rise is estimated during therapy. Variability in observed dose response is modeled as a directly related change in the magnitude of the HIFU heat source, while assuming that the acoustic beam pattern is constant.
I. INTRODUCTION
The advent of non-invasive surgical modalities for the treatment of cancer such as High Intensity Focused Ultrasound (HIFU) and other thermal therapies has spurred the development of new monitoring approaches for guidance and feedback. Monitoring is essential because of the effects of tissue heterogeneity, both at the site of treatment and in the intervening path. For the foreseeable future, treatment planning cannot determine all of the variations in local dose (and bioeffect) resulting from such heterogeneities; thus, effective and efficient treatment will only be possible if noninvasive methods of measuring tissue response to therapeutic exposure are available.
Magnetic Resonance Imaging (MRI) is under development for thermal therapy guidance, by groups developing HIFU surgery [1, 2]. While MRI provides high quality diagnostic and guidance information, it is still slow (a few seconds per frame) at producing accurate temperature data, is expensive, and places significant design constraints on robotic and energy delivery devices which must be made compatible with the RF magnetic fields. To provide a less expensive and higher frame rate alternative to the current ‘gold standard’ of MRI guidance we are developing ultrasound methods for real-time and noninvasive monitoring of HIFU therapy. However, challenges arise from the lack of sensitivity of acoustic propagation speed to changes in temperature in the range at which tissue is coagulated. Our goal is to address this problem by constraining the inversion of RF strain using a heat transfer model. It is also possible to detect the onset of cavitation using backscattered ultrasound. Cavitation is important in HIFU therapy because the presence of microbubbles is likely to change the local heating rate [3], and larger bubbles can provide an indication of boiling (see the companion paper, [4]).
II. BACKGROUND
A. Monitoring HIFU therapy in real-time
Our prior studies of scanned transducer protocols [5] indicate that moving the HIFU transducer while ensonifying makes better use of treatment time, in part by exploiting nonlinear phenomena at high acoustic intensities. These experiments illustrate the significant variation in bioeffect given constant exposure conditions (Fig. 1). Monitoring temperature in real-time may be the only way to conduct practical therapy and optimize both safety and efficacy.
B. Temperature induced travel time change
Many mechanical properties of soft tissues closely resemble those of water. Indeed, due to the thermal dependence of density and compressibility in water, the acoustic sound speed c(T) is non-monotonic; see Fig. 2 for an illustration of the empirical function c(T) in water and freshly excised degassed porcine liver [6]. While the idea of using changes in sound speed to measure temperature non-invasively is appealing, the peak sound speed in tissue (where sound speed is insensitive to changes in temperature) occurs near the coagulation threshold and prevents direct inversion of sound speed measurements for temperature estimation. The relative concentration of fatty tissue can further modify the relationship [7], and variability of tissues between different organs and between individuals makes the use of non-invasive measurements of acoustic travel time very difficult to relate to absolute temperature changes without independent knowledge of the c(T) curve.
C. Temperature estimation by cross-correlation
Ultrasonic temperature estimation requires collection and processing of the RF signal waveforms because the temperature related changes in backscatter travel time are very small. The changes in travel time appear as slight deformations of the backscattered waveform as the tissue heats. When scaled by the medium sound speed, we call this travel time distortion “apparent displacement” and refer to the time derivative (derivative in image depth) as “local strain”. Generally, we have used correlation processing methods such as those used in elastography [8] to track echo shifts from particular locations. Past investigations into the use of ultrasound specifically for temperature estimation have used similar methods [7, 9] but have generally restricted their investigations to small temperature changes below the coagulation threshold where the inversion for temperature is straightforward.
We have estimated apparent displacements by tracking the travel time changes between corresponding A-lines on temporally adjacent RF data. Specifically, RF voltage time series are reconstructed from the I/Q samples in each scan line in each RF frame, and are subdivided into a series of segments of length 1 mm with 20% overlap. For each segment on a given scan line in a frame, a 1-D cross-correlation is used to find the best match for this segment within a search region defined around the same spatial location on a temporally adjacent frame acquired later in time. Sub-sample time shifts are estimated using a polynomial spline matched to several points in the cross-correlation. The time shift within the search region for which the best match was obtained is the local travel time change, and leads to the apparent displacement for the segment. This procedure is repeated for all segments in a frame to obtain a 2-D travel time change map corresponding to two temporally adjacent RF frames. Consecutive pairs of frames in the acquired data set are processed in this way, and integrated in time to provide 2-D maps of the total accumulated travel time changes up to any given frame. Finally, (local) strain estimation is performed by differentiation in depth, using a least squares algorithm to reduce effects of noise. An example of the result of this procedure is presented as an image in Fig. 3 for a circular HIFU scan. This imaging modality is compelling because it provides a high contrast image of the heated region which is not discernible in the B-mode. However, the method is not easily adapted to temperature measurement because of the lack of knowledge of the mapping between sound speed (hence travel time) and temperature, c(T), nor of a robust method for dealing with the low sensitivity in the coagulation temperature range.
III. HTE-BASED TEMPERATURE ESTIMATION ALGORITHM
A. The heat transfer model
The transfer of heat deposited acoustically is here assumed to be governed by the Heat Transfer Equation (HTE) in which there is no net loss of thermal energy, and conduction is the only transport mechanism.
چکیده
. Iمقدمه
2. پیش زمینه
A. درمان از طریق کنترل HfFU
B. درجه حرارت ناشی از تغییر زمان حرکت
C. برآورد دما توسط ارتباط متقابل
II. الگوریتم برآورد درجه مبتنی بر مبدلها
A. مدل انتقال گرما
B. وابستگی درجه حرارت برای سرعت صدا
C طرح کلی الگوریتم
D.برآورد وابستگی سرعت صوت به دما
E. برآورد درجه حرارت
IV.آزمایشات فانتوم GEL
V.نتیجه گیری
Abstract
I.Introduction
II.Background
A. Monitoring HIFU therapy in real-time
B. Temperature induced travel time change
C. Temperature estimation by cross-correlation
III.HTE-BASED Temperature Estimation Algorithm
A. The heat transfer model
B. The temperature dependence of sound speed
C. Algorithm outline
D. Estimation of sound speed dependence on temperature
E. Estimating temperature
IV.Gel Phantom Experiments
V.Conclusions
REFERENCES