[发明专利]一种基于超声微泡造影的试剂定点释放方法与系统在审

专利信息
申请号: 202111533061.0 申请日: 2021-12-15
公开(公告)号: CN114372957A 公开(公告)日: 2022-04-19
发明(设计)人: 李占齐;任文智;李娟;张纪庄;吴爱国;郭咏梅 申请(专利权)人: 康达洲际医疗器械有限公司;中国科学院宁波材料技术与工程研究所
主分类号: G06T7/00 分类号: G06T7/00;G06N3/08;G06N3/04;G06K9/62;G06V10/44;G06V10/764
代理公司: 宁波市鄞州盛飞专利代理事务所(特殊普通合伙) 33243 代理人: 鲍英彬
地址: 315800 浙江省宁*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 超声 造影 试剂 定点 释放 方法 系统
【说明书】:

发明公开了一种基于超声微泡造影的试剂定点释放方法,涉及图像处理技术领域,包括步骤:根据异常组织的类型进行含有特定试剂微泡的组织注入;通过高频超声波获取组织整体的超分子成像;根据超分子成像,利用异常组织所对应图像训练完成的卷积神经网络进行异常组织的识别判定与区域提取;根据异常组织所处的区域进行低频超声波的聚焦;通过聚焦后的低频超声波爆裂异常组织所处区域内的微泡,并释放微泡所附载的特定试剂。本发明通过高频超声波获得超分子图像后,通过卷积神经网络模型对异常组织的边缘进行界定,再改变超声波为低频进行定点的微泡爆裂控制,从而将异常组织结构筛选与修复相结合,并能够对异常组织的异变程度进行判定。

技术领域

本发明涉及图像处理技术领域,具体涉及一种基于超声微泡造影的试剂定点向释放方法与系统。

背景技术

在超声分子影像学技术中,造影微泡能够显著增强超声的背向散射能力,通常应用在超声成像中来增强组织结构的灰阶显像,进而增加超声成像的图像精度、清晰度、以及分辨率,提高超声成像的图形质量。

随着超声技术的发展,超声的应用范围在更多方面得到了实践。其中,利用超声进行异常组织结构的判定与修复(或消除)是超声的一个新应用方向。具体地,通过在微泡表面或者内部附载特定的试剂(能与异常组织发生物理反应或化学反应的微粒物质),当微泡到达指定位置时,通过超声探头发射超声波进行定点刺激,使微泡空化爆裂释放特定试剂进行异常组织修复。超声频率越高,产生空化效应的阈值就越大,产生空化效应就越不容易,微泡就越不容易爆裂。因为市面中超声发生器一般发射的是平面高频超声波,不具有聚焦特性,无法实现定点发射。因此,微泡爆裂需要低频率超声来进行靶向刺激,进而促进微泡爆裂释放相应试剂。

目前,市面中对于超声的应用大多还局限于组织内部结构成像的获取,对于载有修复性试剂微泡的定点控释还处于一种低效的状态,具体表现在,对于试剂控释的位置、控释量,缺乏有效控制,多是处于一种“随机”的爆裂状态,极有可能造成对于正常组织结构产生破坏。因此,如何准确的获取异常组织结构所处的位置,并进行有效的微泡定点释放就是本发明所要解决的技术问题。

发明内容

为了弥补现有超声应用中对于微泡控释的不足,本发明提出了一种基于超声微泡造影的试剂定点释放方法,包括步骤:

S1:根据异常组织的类型进行含有特定试剂微泡的组织注入;

S2:通过高频超声波获取组织整体的超分子成像;

S3:根据超分子成像,利用异常组织所对应图像训练完成的卷积神经网络进行异常组织的识别判定与区域提取;

S4:根据异常组织所处的区域进行低频超声波的聚焦;

S5:通过聚焦后的低频超声波爆裂异常组织所处区域内的微泡,并释放微泡所附载的特定试剂。

进一步地,所述卷积神经网络的训练包括图像预处理、主干网络特征提取和特征融合,其中,图像预处理阶段采用Unet算法对目标组织的预设图像集进行感兴趣区域的提取,并作为卷积神经网络的训练数据。

进一步地,所述卷积神经网络以Mask R-CNN网络的网络架构作为卷积神经网络的基础框架,并以残差网络ResNet50和SKNet网络相融合后的SK-ResNet50网络作为卷积神经网络的主干网络。

进一步地,所述卷积神经网络的训练,还包括对Mask R-CNN网络内置损失函数的优化,可表示为如下公式:

L=Lcls1Lbox2Lmask

式中,L为总损失,Lcls为分类损失,Lbox为边框回归损失,Lmask为分割掩膜损失,α1和α2为权重参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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康达洲际医疗器械有限公司;中国科学院宁波材料技术与工程研究所,未经康达洲际医疗器械有限公司;中国科学院宁波材料技术与工程研究所许可,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/202111533061.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top