[发明专利]一种实现超声穿颅聚焦的方法以及电子设备在审
| 申请号: | 201910319336.7 | 申请日: | 2019-04-19 |
| 公开(公告)号: | CN109893784A | 公开(公告)日: | 2019-06-18 |
| 发明(设计)人: | 王丛知;肖杨;马腾;胡战利;贾富仓;郑海荣 | 申请(专利权)人: | 深圳先进技术研究院 |
| 主分类号: | A61N7/00 | 分类号: | A61N7/00;A61N7/02;G16H30/20 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王宝筠 |
| 地址: | 518055 广东省深圳市*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 治疗 超声 电子设备 超声换能器阵列 三维数字模型 超声发射 目标模型 聚焦 头部CT 电子设备控制 核磁共振图像 深部脑刺激 辐射引发 图像数据 序列发射 超声波 热消融 成像 癌症 合成 输出 | ||
1.一种超声深部脑刺激方法,其特征在于,所述方法包括:
获取头部三维核磁共振图像数据,所述头部三维核磁共振图像数据为对待治疗对象的头部进行三维磁共振成像扫描所获取到的图像数据;
将所述头部三维核磁共振图像数据作为输入,输入至通过预先训练获得的目标模型中,所述目标模型用于根据所述头部三维核磁共振图像数据获得对应的合成头部电子计算机断层扫描CT图像数据;
根据所述头部三维核磁共振图像数据以及所述合成头部CT图像数据建立头部三维数字模型;
根据所述头部三维数字模型和超声换能器阵列的三维数字模型生成超声发射序列;
控制所述超声换能器阵列按照所述超声发射序列发射超声波,所述超声波用于对待治疗对象的头部实现穿颅聚焦,进行超声深部脑刺激或超声热消融治疗。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用于训练目标模型的头部CT图像数据,所述用于训练目标模型的头部CT图像数据为对多个作为训练样本的头部进行CT扫描所获取到的图像数据;
获取用于训练目标模型的头部三维核磁共振图像数据,所述用于训练目标模型的头部三维核磁共振图像数据为对多个所述训练样本的头部进行三维磁共振成像扫描所获取到的图像数据。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
对所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据进行训练以获取所述目标模型。
4.根据权利要求3所述的方法,其特征在于,所述对所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据进行训练以获取所述目标模型包括:
通过机器学习的方法,对所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据进行训练以获取所述目标模型。
5.根据权利要求4所述的方法,其特征在于,所述通过机器学习的方法,对所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据进行训练以获取所述目标模型包括:
通过所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据,对生成式对抗网络进行训练以获取所述目标模型。
6.根据权利要求4所述的方法,其特征在于,所述通过机器学习的方法,对所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据进行训练以获取所述目标模型包括:
通过随机森林算法对所述用于训练目标模型的头部三维核磁共振图像数据以及所述用于训练目标模型的头部CT图像数据进行训练以获取所述目标模型。
7.一种电子设备,其特征在于,包括:
获取单元,用于获取头部三维核磁共振图像数据,所述头部三维核磁共振图像数据为对待治疗对象的头部进行三维磁共振成像扫描所获取到的图像数据;
输入单元,用于将所述头部三维核磁共振图像数据作为输入,输入至通过预先训练获得的目标模型中,所述目标模型用于根据所述头部三维核磁共振图像数据获得对应的合成头部电子计算机断层扫描CT图像数据;
建立单元,用于根据所述头部三维核磁共振图像数据以及所述合成头部CT图像数据建立头部三维数字模型;
生成单元,用于根据所述头部三维数字模型和超声换能器阵列的三维数字模型生成超声发射序列;
控制单元,用于控制所述超声换能器阵列按照所述超声发射序列发射超声波,所述超声波用于对待治疗对象的头部实现穿颅聚焦,进行超声深部脑刺激或超声热消融治疗。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳先进技术研究院,未经深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910319336.7/1.html,转载请声明来源钻瓜专利网。





