您所在的位置: 成果库 利用超声射频信号结合机器学习对组织进行测温的方法

利用超声射频信号结合机器学习对组织进行测温的方法

成果类型：: 发明专利

发布时间: 2023-11-10 16:20:37

科技成果产业化落地方案
方案提交机构：天津市滨海新区| 宋学姮 | 2023-11-15 10:30:37
成果简介 技术亮点 应用前景 团队概括 产生的效益 转化方式
徐栋本发明公开了一种利用超声射频信号结合机器学习对组织进行测温的方法，该方法采用了计算机三维模拟技术对感兴趣区域进行精准的布针选择，多个感兴趣区域实时测温的方式减少超声回波信号、声遮挡效应、热声透效应的影响，同时实时测温方法保证了数据的准确性。并且结合离体和活体实验的结果做测温模型也为未来在人体上进行实时测温提供依据，同时利用机器学习结合影像射频信号进行测温模型构建一个“有温度”的图像，提供更多的图像视觉信息。而多图层叠加显示以及关键温度点等温线标识的显示方式，方便医生在消融时实时观测监控病灶抑或是感兴趣区域的温度情况。
利用超声射频信号结合机器学习对组织进行测温的方法，其特征在于，包括： (1)多切面扫察获得消融区域的立体概念，依据不同的数学算法模型构建消融区域的三维模型来布置消融针； (2)在离体组织上且相对于所述消融针的位置的不同距离或不同角度处设置多通路测温针； (3)获取未消融的离体组织的温度T0，以及此时的射频信号RF0，采集频率为N帧/秒；上述离体组织消融t秒，获取其温度为Tj，射频信号RFj，则此时离体组织的温度变化(Tj-T0)则反应在每一帧的射频信号中； (4)根据各通路测温针的数据以及Pennes近似生物热方程模拟得到不同时间下不同区域处的组织模拟温度；根据射频信号的取样格式，可将每一帧射频信号数据转变成p*q的射频信号矩阵，其中p为扫描线数，q为采样点数； (5)根据步骤(4)的模拟得到每一帧不同区域下的组织温度，即不同时间下不同区域处的组织模拟温度，按照温度范围划分为多个区间，找到对应帧下对应区间的射频信号矩阵，要求每个矩阵的大小一致；

  1. 医学领域： 用于测量人体组织的温度，例如在肿瘤治疗中监测热疗的效果，或者在手术中实时监测组织温度。

  2. 生物医学研究： 用于实验室中对小动物或组织样本进行温度测量，帮助研究生物体对温度变化的响应。

  3. 食品工业： 用于监测食品的温度分布，确保食品的烹饪过程中温度均匀分布。

  4. 工业领域： 用于监测工业过程中涉及到的物质的温度，例如液体、固体等。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

  1. 数据采集： 使用超声设备采集组织的超声射频信号数据。这些数据可能包括反映组织结构和性质的超声波信号。

  2. 温度标定： 在数据采集时，同时测量组织的实际温度。这可以通过其他温度传感器、红外热像仪或其他温度测量设备来实现。

  3. 数据预处理： 对采集到的射频信号进行预处理，可能包括去噪、滤波、时频变换等步骤，以提高数据质量和准确性。

  4. 特征提取： 从预处理后的射频信号中提取与温度变化相关的特征。这可能包括信号的频率、振幅、相位等。

  5. 机器学习模型设计： 建立机器学习模型，例如回归模型，将提取的特征与实际温度建立关联。常用的机器学习算法包括线性回归、支持向量机、神经网络等。

  6. 模型训练： 使用标定的数据集对机器学习模型进行训练，使其学习射频信号与温度之间的关系。

  7. 验证和测试： 使用独立的验证集和测试集评估训练后模型的性能，确保其在新数据上的泛化效果良好。

技术转让

在这个方法中，关键在于建立准确的特征-温度关系模型，并确保模型在实际应用中能够稳定、准确地进行测温。