The .gov means it’s official. Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site. The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely. As a library, NLM provides access to scientific literature. Inclusion in an NLM database does not imply endorsement of, or agreement with, the contents by NLM or the National Institutes of Health.
Learn more: PMC Disclaimer
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi. 2021 Jun 25; 38(3): 520–527.
PMCID: PMC9927780

Language: Chinese | English

超声背散射零差 K 成像监测微波消融

Monitoring microwave ablation using ultrasound backscatter homodyned K imaging: Comparison of estimators

爽 宋 , 1, 2 英华 张 , 3 著黄 周 , corresponding author 1, 2, * and 水才 吴 corresponding author 1, 2, *

爽 宋

北京工业大学 环境与生命学部(北京 100124), Faculty of Environment and Life, Beijing University of Technology, Beijing 100124, P.R.China 智能化生理测量与临床转化北京市国际科研合作基地(北京 100124), Beijing International Science and Technology Cooperation Base for Intelligent Physiological Measurement and Clinical Transformation, Beijing 100124, P.R.China

Find articles by 爽 宋

英华 张

北京工业大学 环境与生命学部(北京 100124), Faculty of Environment and Life, Beijing University of Technology, Beijing 100124, P.R.China

Find articles by 英华 张

著黄 周

北京工业大学 环境与生命学部(北京 100124), Faculty of Environment and Life, Beijing University of Technology, Beijing 100124, P.R.China 智能化生理测量与临床转化北京市国际科研合作基地(北京 100124), Beijing International Science and Technology Cooperation Base for Intelligent Physiological Measurement and Clinical Transformation, Beijing 100124, P.R.China

Find articles by 著黄 周

水才 吴

北京工业大学 环境与生命学部(北京 100124), Faculty of Environment and Life, Beijing University of Technology, Beijing 100124, P.R.China 智能化生理测量与临床转化北京市国际科研合作基地(北京 100124), Beijing International Science and Technology Cooperation Base for Intelligent Physiological Measurement and Clinical Transformation, Beijing 100124, P.R.China 北京工业大学 环境与生命学部(北京 100124), Faculty of Environment and Life, Beijing University of Technology, Beijing 100124, P.R.China 智能化生理测量与临床转化北京市国际科研合作基地(北京 100124), Beijing International Science and Technology Cooperation Base for Intelligent Physiological Measurement and Clinical Transformation, Beijing 100124, P.R.China 首都医科大学附属北京佑安医院(北京 100069), Beijing You'an Hospital, Capital Medical University, Beijing 100069, P.R.China

corresponding author Corresponding author.
周著黄,Email: nc.ude.tujb@hzuohz 吴水才,Email: nc.ude.tujb@iaciuhsuw

1.2.2. 超声背散射零差 K 成像

超声参数成像可直观显示组织定征结果 [ 12 ] 。为了将超声背散射零差 K 成像用于猪肝组织微波消融消融监测,我们通过 Matlab 2016a 软件实现超声背散射信号零差 K 分布参数值估算及参数成像。

超声背散射零差 K 成像流程如 图 3 所示:(1)对采集到的原始超声背散射信号进行希尔伯特变换,取模后得到所监测组织的包络信号。包络信号经对数压缩和数字扫描变换后可重建出 B 超成像。(2)将采集到的原始超声背散射信号进行噪声辅助互相关算法(noise-assisted correlation algorithm,NCA) [ 19 , 22 ] 预处理后,再进行包络检测。然后利用滑动窗口法 [ 12 , 19 ] 估算超声背散射零差 K 模型散射子数目参数( μ α )。最后,对数字扫描变换后得到的估算值矩阵使用颜色映射,得到 μ α 参数图像,即为超声零差 K 成像。

An external file that holds a picture, illustration, etc. Object name is swyxgcxzz-38-3-520-3.jpg

Flow chart for ultrasound backscatter homodyned K imaging

超声背散射零差 K 成像流程

由于在无回声区域存在的噪声信号会导致零差 K 成像伪影,为避免噪声的影响,我们引入 NCA [ 19 , 22 ] 。NCA 是将随机人工白噪声分 2 次分别加入每帧超声背散射信号,然后计算这 2 帧包含额外噪声的超声背散射信号的相关系数,最后将相关系数小于阈值所对应的背散射信号的振幅设为零,即用零值代替无回声区域的噪声信号。本文通过 Matlab 软件中的 awgn 函数向原始超声射频信号中添加白噪声,awgn 函数的输入参数 snr 设置为 10。将阈值设置为 80%,将幅值为零的超声背散射信号估算出的零差 K 模型参数也设置为零,就能得到经 NCA 处理后的超声零差 K 成像。

滑动窗口是用一个方形窗口在包络信号中滑动,通过窗口内的超声背散射数据估计 μ α 值,这些估值被赋给窗口中心的像素。窗口以一定的重叠率滑过整个包络信号后,得到 μ α 的估算值矩阵。由于使用滑动窗口算法得到的估算值矩阵的尺寸会小于原始包络信号矩阵的尺寸,因此还需要对 μ α 的估算值矩阵进行数字扫描变换。滑动窗口的大小会影响超声零差 K 成像的分辨率和参数估值的稳定性 [ 19 ] ,较大的窗口可获得更稳定的参数估算,但会降低成像分辨率;较小的窗口可获得更高的成像分辨率,但会降低参数估算的稳定性。综合考虑成像的分辨率和参数估算的稳定性,我们参阅文献 [ 12 , 19 ] 并反复实验,最终选择窗口边长等于入射超声脉冲长度的 3 倍,窗口的重叠率为 50%。

2. 实验结果

2.1. B 超成像监测凝固区

图 4 是利用离体猪肝微波消融实验消融过程中(0~60 s)和消融停止后(80~120 s)的超声背散射信号重建出的 B 超图像。消融开始后,组织因受热产生的微气泡在消融针附近形成高回声区,使得图像亮度增强,同时造成消融针的后方声影。消融停止后,由于微气泡逐渐消散,B 超图像亮度有所减弱。通过 图 4 的 B 超图像,我们难以确定凝固区的大小及边界。

An external file that holds a picture, illustration, etc. Object name is swyxgcxzz-38-3-520-4.jpg

B-mode images of microwave ablation of porcine liver ex vivo

离体猪肝微波消融实验 B 超成像

红色箭头指向消融针。0~60 s 为消融过程中成像,80~120 s 为消融停止后成像

the red arrow points to the ablation needle. 0–60 s is the ablation stage, and 80–120 s is the postablation stage

2.2. RSK 法零差 K 成像监测凝固区

图 5 为对应 图 4 的 RSK 法 μ 参数成像。 μ 参数图像右侧的色阶条中,颜色从蓝到黄到红,代表 μ 参数的值逐渐增大,对应物理意义是超声波分辨单元内的有效散射子个数从 0 逐渐增加(因其表示个数,因此是无单位的物理量),为了提高图像的对比度,我们将色阶条的动态范围设为 0~4;XU 法的 α 参数成像同理。通过 图 5 可看出,从消融开始到消融停止(0~60 s),消融针附近 μ 参数值逐渐增大, μ 参数成像可以反映凝固区的变化。消融停止后(80~120 s), μ 参数值有所减小。

An external file that holds a picture, illustration, etc. Object name is swyxgcxzz-38-3-520-5.jpg

μ parametric imaging of microwave ablation of porcine liver ex vivo

离体猪肝微波消融实验 μ 参数成像

0~60 s 为消融过程中成像,80~120 s 为消融停止后成像

0–60 s is the ablation stage, and 80–120 s is the postablation stage

2.3. XU 法零差 K 成像监测凝固区

图 6 为对应 图 4 的 XU 法 α 参数成像。与 RSK 法相似,通过 图 6 可以看出,从消融开始到消融停止(0~60 s),消融针附近 α 参数值逐渐增大,消融停止后(80~120 s), α 参数值有所减小。

An external file that holds a picture, illustration, etc. Object name is swyxgcxzz-38-3-520-6.jpg

α parametric imaging of microwave ablation of porcine liver ex vivo

离体猪肝微波消融实验 α 参数成像

0~60 s 为消融过程中成像,80~120 s 为消融停止后成像

0–60 s is the ablation stage, and 80–120 s is the postablation stage

2.4. 监测效果评估

采集 20 例离体猪肝微波消融实验的超声背散射信号,通过对比超声零差 K 成像的 ROC 曲线,估算超声零差 K 成像监测凝固区的精度,比较超声零差 K 成像估算凝固区与实际猪肝组织凝固区的 Bland-Altman 一致性来评估超声零差 K 成像监测微波消融的效果。

离体猪肝微波消融实验结束后,将猪肝组织沿超声扫描平面切开的大体病理图像( 图 7a )作为金标准,根据大体病理图像,测量并记录组织消融凝固区的长轴和短轴。通过 ROC 评估 RSK 法和 XU 法零差 K 成像监测凝固区的性能,ROC 曲线下面积(area under the ROC curve,AUROC)用作性能指标。以消融针所在位置为中心,在大体病理图像、 μ 参数矩阵和 α 参数矩阵中选取一个 30 mm × 30 mm 的感兴趣区(region of interest,ROI),如 图 7 中红色虚线框分别为 ROI (g) 、ROI ( μ ) 、ROI ( α )

Imaging of porcine liver tissue when the ablation stopped

猪肝组织消融停止时刻的成像

图中的红色虚线框为 30 mm × 30 mm 的 ROI。a. 猪肝组织剖面大体病理图;b. μ 参数成像;c. α 参数成像

the red dotted box is an ROI of 30 mm × 30mm. a. porcine liver tissue section gross pathology; b. μ parametric imaging; c. α parametric imaging

将 ROI (g) 二值化得到 ROI-1 (g) ,对 ROI ( μ ) 和 ROI ( α) 内矩阵插值或重采样得到与组织剖面像素点相同的参数矩阵,ROI-1 ( μ ) 和 ROI-1 ( α ) 。将 ROI-1 (g) 与 ROI-1 ( μ ) 和 ROI-1 ( α ) 逐像素预测得到 ROC 曲线,如 图 8 所示,图中 RSK 法 μ 参数和 XU 法 α 参数的 AUROC 分别为 0.72、0.75。20 例猪肝组织微波消融实验 RSK 法和 XU 法的 AUROC 平均值 ± 标准差分别为 0.77 ± 0.06、0.83 ± 0.08。

ROC curves for monitoring ablation using the RSK method and the XU method

使用 RSK 法和 XU 法检测微波消融的 ROC 曲线

为了在零差 K 成像中识别出消融凝固区的范围,估算凝固区面积值,我们引入多项式拟合(polynomial approximation,PAX)技术 [ 19 , 23 ] 。用 I x , z 代表参数成像中的像素点,其中 x z 分别是成像的横向宽度和轴向深度。PAX 流程是首先假设参数成像每个方向上的函数都是一个 p 阶多项式,通过最小二乘法确定最优多项式,然后用由最优多项式计算得到的值替代 I x , z 。沿轴向和横向的每条线拟合后重建就得到 PAX 成像,将 PAX 与等高线方法相结合,估算出消融凝固区的范围,如 图 9 所示。 图 9a 9b 为与消融停止时刻 μ α 参数成像( 图 7b 7c )相对应的 PAX 成像,其中黑色实线包围的区域即为估算的消融凝固区。实验发现 PAX 阶数设置为 5 阶、等高线设置为-6 dB 时监测效果最佳。

PAX imaging of porcine liver tissue when the ablation stopped

猪肝组织消融停止时刻的 PAX 成像

a. μ 参数 PAX 成像;b. α 参数 PAX 成像

a. μ parameter PAX imaging; b. α parameter PAX imaging

利用式 (6) 计算出实际猪肝组织凝固区面积, μ 参数 PAX 成像估算出凝固区面积 S RSK α 参数 PAX 成像估算出凝固区面积 S XU

式中, S 为凝固区面积, l 1 l 2 为凝固区的长轴和短轴。根据式 (7) 可得到超声零差 K 参数 PAX 成像监测凝固区的精度。

式中,Accuracy 为监测精度; S HK 为 PAX 成像估算出的凝固区面积值,即 S RSK S XU S gold 为猪肝组织的实际凝固区面积值。RSK 法和 XU 法对 20 例猪肝组织凝固区监测的精度平均值 ± 标准差分别为(86 ± 10)% 和(90 ± 8)%。

利用 Bland-Altman 回归分析,以 S gold 为金标准,可以比较超声零差 K 成像估算凝固区的一致性。针对现有的 20 例离体猪肝数据,以面积值 S gold 为横轴, S RSK S XU S gold 的差值为纵轴绘制 Bland-Altman 图,如 图10 所示。RSK 法和 XU 法的 Bland-Altman 图中只有 5%(1/20)差值点位于 95% 一致性界限区间([mean − 1.96*STD,mean + 1.96*STD],mean 和 STD 分别代表均值和标准差)的外侧,说明 S RSK S gold S XU S gold 都具有一致性,但 XU 法中均值线比 RSK 法更加接近参考线 reference line(代表差值平均数为 0 的线),且 XU 法的 95% 一致性界限的区间范围更小。

An external file that holds a picture, illustration, etc. Object name is swyxgcxzz-38-3-520-10.jpg

Bland-Altman maps

Bland-Altman 图

a. RSK 法;b. XU 法

a. RSK method; b. XU method

通过实验还发现,对 1 例猪肝组织消融停止时刻( t =60 s 处)的 1 帧超声背散射信号,利用 RSK 法估算得到参数成像和 PAX 成像所耗时间为 81 s,利用 XU 法估算得到参数成像和 PAX 成像所耗时间为 17 s。

3. 讨论

本文将超声背散射零差 K 成像用于监测微波消融,并对比了 2 种最新的零差 K 模型参数估算方法,即 RSK 法和 XU 法。通过离体猪肝微波消融实验验证了超声背散射零差 K 成像监测微波消融的可行性。

目前用于热消融定量监测的超声技术主要分为超声弹性成像和定量超声两大类 [ 10 , 21 , 23 - 29 ] 。超声弹性成像是对组织施加一个外部或内部的激励,然后利用超声波对组织产生的响应进行跟踪,估算出组织产生的应变、剪切波传播速度或弹性模量 [ 24 - 26 ] 。定量超声技术从超声背散射信号中估算出组织的声学参数,主要包括超声背散射统计成像 [ 9 - 10 , 19 ] 、散射子平均间距成像 [ 27 ] 、超声衰减系数成像 [ 28 ] 、超声回波去相关成像 [ 23 ] 以及基于卷积神经网络结构的超声成像等 [ 29 ] 。超声背散射统计成像中的超声 Nakagami 成像已用于消融术中监测,但 Nakagami 模型 m 参数在散射子数密度较高时存在饱和现象 [ 8 ] 。零差 K 模型能克服这一不足,但因其算法复杂,目前尚未应用于微波消融术中监测。

为避免无回声区的噪声在超声零差 K 成像中形成的伪影,本文引入 NCA 对超声背散射信号进行预处理。NCA 已应用于超声 Nakagami 成像,可有效消除成像无回声区域的伪影,同时不牺牲 Nakagami 成像的帧率 [ 22 ] 。NCA 的原理 [ 21 ] 是添加的白噪声幅值很小,对超声背散射信号没有明显的影响,因此对同一个背散射信号添加 2 次白噪声,得到的 2 条含额外噪声的超声背散射信号,其对应散射介质区域的波形几乎相同,它们之间的相关系数接近 1。相比之下,由于无回声区自身的噪声信号幅度较小,而每次添加的白噪声都具有随机性且其对无回声区信号作用较为明显,因此在无回声区内,2 条含额外噪声的超声背散射信号的相关系数会变小,即小于 1。通过设置相关阈值,NCA 可以自动区分无回声区域的白噪声和散射介质中的背散射信号。

图 5 图 6 图 4 对比发现,在监测组织微波消融时,相比于传统 B 超成像,超声零差 K 成像可以更好地监测消融过程中组织凝固区的变化,但当消融停止后,超声零差 K 成像不能用于消融结束的凝固区检测评估。这是由于微波消融过程中产生的微气泡可视为有效散射子,当消融开始后,随着微气泡的产生,组织消融区内有效散射子个数增加,超声零差 K 成像消融区亮度增强,当消融停止后,随着微气泡的消散,组织消融区的有效散射子个数减少,超声零差 K 成像消融区亮度逐渐减弱。

本文通过 20 例猪肝组织微波消融的超声背散射信号,对比验证 RSK 法和 XU 法超声零差 K 成像监测凝固区的效果。结果显示 RSK 法的平均 AUROC 和平均监测精度均小于 XU 法。XU 法估算的凝固区面积值与实际猪肝组织凝固区 Bland-Altman 一致性更强。XU 法估算参数并成像所耗时间更短。由此我们可以得出结论,零差 K 成像可用于监测猪肝组织微波消融过程中凝固区的变化,XU 法优于 RSK 法。

本研究尚有不足之处。首先,由于算法是利用 Matlab 实现,所以比较耗时,未来需考虑 C/C++语言或其他加速算法,以利实时监测。其次,本研究只对离体组织的微波消融进行监测,且实验数据只有 20 例,未来还需加大实验数据并考虑通过在体实验验证算法的有效性。另外,本研究中的零差 K 成像仅对消融结束时刻的监测精度和凝固区面积的 Bland-Altman 一致性进行分析,原因是其他时刻的参考标准不易获得,未来可在不同的消融时刻停止消融并剖开猪肝进行定量分析,以评估本文方法在不同时刻定量监测凝固区的效果。

4. 结论

超声背散射零差 K 成像可用于监测离体猪肝微波消融过程中凝固区的变化。RSK 法和 XU 法的 AUROC 平均值 ± 标准差分别为 0.77 ± 0.06、0.83 ± 0.08。基于 RSK 法和 XU 法的零差 K 成像监测凝固区的精度平均值 ± 标准差分别为(86 ± 10)% 和(90 ± 8)%。XU 法估算凝固区面积值与实际猪肝组织凝固区面积的 Bland-Altman 一致性强于 RSK 法。另外,XU 法估算参数并成像所耗时间也少于 RSK 法。因此,在监测肝组织微波消融凝固区时,XU 法优于 RSK 法。

利益冲突声明:本文全体作者均声明不存在利益冲突。

Funding Statement

国家自然科学基金项目(61871005,11804013);北京工业大学环境与生命学部人才培养创新基金项目

Funding Statement

National Natural Science Foundation of China

References

1. An C, Cheng Z, Yu X, et al Ultrasound-guided percutaneous microwave ablation of hepatocellular carcinoma in challenging locations: oncologic outcomes and advanced assistive technology. Int J Hyperther. 2020; 37 (1):89–100. doi: 10.1080/02656736.2019.1711203. [ PubMed ] [ CrossRef ] [ Google Scholar ]
2. Izzo F, Granata V, Grassi R, et al Radiofrequency ablation and microwave ablation in liver tumors: an update. Oncologist. 2019; 24 (10):1–16. [ PMC free article ] [ PubMed ] [ Google Scholar ]
3. Perrodin S, Lachenmayer A, Maurer M, et al Percutaneous stereotactic image-guided microwave ablation for malignant liver lesions. Sci Rep-UK. 2019; 9 (1):1–8. [ PMC free article ] [ PubMed ] [ Google Scholar ]
4. Simon C J, Dupuy D E, Mayo-Smith W W Microwave ablation: principles and applications. Radiographics. 2005; 25 (S1):S69–S83. [ PubMed ] [ Google Scholar ]
5. 高钦宗, 王志伟, 金征宇 肝癌热消融治疗后影像学评价的进展 医学研究杂志 2018; 47 (9):10–14. [ Google Scholar ]
6. 欧阳亚丽, 周著黄, 吴水才, 等 超声零差K模型仿真研究 北京生物医学工程 2019; 38 (2):13–19. [ Google Scholar ]
7. Oelze M L, Mamou J Review of quantitative ultrasound: envelope statistics and backscatter coefficient imaging and contributions to diagnostic ultrasound. IEEE Trans Ultrason Ferroelectr Freq Control. 2016; 63 (2):336–351. doi: 10.1109/TUFFC.2015.2513958. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
8. Cristea A, Collier N, Franceschini E, et al Quantitative assessment of media concentration using the Homodyned K distribution. Ultrasonics. 2020; 101 :105986. doi: 10.1016/j.ultras.2019.105986. [ PubMed ] [ CrossRef ] [ Google Scholar ]
9. Zhou Z, Wu S, Wang C Y, et al Monitoring radiofrequency ablation using real-time ultrasound Nakagami imaging combined with frequency and temporal compounding techniques. PLoS ONE. 2015; 10 (2):e0118030. doi: 10.1371/journal.pone.0118030. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
10. Zhang S, Shang S, Han Y, et al Ex vivo and in vivo monitoring and characterization of thermal lesions by High-Intensity Focused Ultrasound and microwave ablation using ultrasonic Nakagami imaging. IEEE T Med Imaging. 2018; 37 (7):1701–1710. doi: 10.1109/TMI.2018.2829934. [ PubMed ] [ CrossRef ] [ Google Scholar ]
11. Destrempes F, Cloutier G A critical review and uniformized representation of statistical distributions modeling the ultrasound echo envelope. Ultrasound Med Biol. 2010; 36 (7):1037–1051. doi: 10.1016/j.ultrasmedbio.2010.04.001. [ PubMed ] [ CrossRef ] [ Google Scholar ]
12. Zhou Z, Zhang Q, Wu W, et al Hepatic steatosis assessment using ultrasound homodyned-K parametric imaging: the effects of estimators. Quant Imaging Med Surg. 2019; 9 (12):1932–1947. doi: 10.21037/qims.2019.08.03. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
13. Byra M, Nowicki A, Wróblewska-Piotrzkowska H, et al Classification of breast lesions using segmented quantitative ultrasound maps of homodyned K distribution parameters. Med Phys. 2016; 43 (10):5561–5569. doi: 10.1118/1.4962928. [ PubMed ] [ CrossRef ] [ Google Scholar ]
14. Zhou Z, Fang J, Cristea A, et al Value of homodyned K distribution in ultrasound parametric imaging of hepatic steatosis: an animal study. Ultrasonics. 2020; 101 :106001. doi: 10.1016/j.ultras.2019.106001. [ PubMed ] [ CrossRef ] [ Google Scholar ]
15. Omura M, Yoshida K, Akita S, et al Verification of echo amplitude envelope analysis method in skin tissues for quantitative follow-up of healing ulcers. Jpn J Appl Phys. 2018; 57 (7S1):07LF15. doi: 10.7567/JJAP.57.07LF15. [ CrossRef ] [ Google Scholar ]
16. Roy-Cardinal M H, Destrempes F, Soulez G, et al Assessment of carotid artery plaque components with machine learning classification using homodyned-K parametric maps and elastograms. IEEE Trans Ultrason Ferroelectr Freq Control. 2018; 66 (3):493–504. [ PubMed ] [ Google Scholar ]
17. Hruska D P, Oelze M L Improved parameter estimates based on the homodyned K distribution. IEEE Trans Ultrason Ferroelectr Freq Control. 2009; 56 (11):2471–2481. doi: 10.1109/TUFFC.2009.1334. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
18. Destrempes F, Porée J, Cloutier G Estimation method of the homodyned K-distribution based on the mean intensity and two log-moments. SIAM J Imaging Sci. 2013; 6 (3):1499–1530. doi: 10.1137/120875727. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
19. Wang C Y, Geng X, Yeh T S, et al Monitoring radiofrequency ablation with ultrasound Nakagami imaging. Med Phys. 2013; 40 (7):072901. doi: 10.1118/1.4808115. [ PubMed ] [ CrossRef ] [ Google Scholar ]
20. Jakeman E On the statistics of K-distributed noise. J Phys A-Math Gen. 1980; 13 (1):31–48. doi: 10.1088/0305-4470/13/1/006. [ CrossRef ] [ Google Scholar ]
21. 吴水才, 王月, 周著黄, 等 基于超声组织定征技术的肿瘤热疗无创监测方法研究进展 北京工业大学学报 2017; 43 (10):1488–1496. [ PubMed ] [ Google Scholar ]
22. Tsui P H, Tsai Y W Artifact reduction of ultrasound Nakagami imaging by combining multifocus image reconstruction and the noise-assisted correlation algorithm. Ultrasonic imaging. 2015; 37 (1):53–69. doi: 10.1177/0161734614526379. [ PubMed ] [ CrossRef ] [ Google Scholar ]
23. Zhou Z, Wang Y, Song S, et al Monitoring microwave ablation using ultrasound echo decorrelation imaging: an ex vivo study. Sensors. 2019; 19 (4):977. doi: 10.3390/s19040977. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
24. Pohlman R M, Varghese T, Jiang J, et al Comparison of displacement tracking algorithms for in vivo electrode displacement elastography. Ultrasound Med Biol. 2019; 45 (1):218–232. doi: 10.1016/j.ultrasmedbio.2018.09.001. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
25. Ingle A N, Varghese T A kernel smoothing algorithm for ablation visualization in ultrasound elastography. Ultrasonics. 2019; 96 :267–275. doi: 10.1016/j.ultras.2018.12.006. [ PMC free article ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
26. Su L, Tian W, Xu M, et al Performance of shear wave elastography in delineating the radiofrequency ablation boundary: an in vivo experiment. Ultrasound Med Biol. 2019; 45 (5):1324–1330. doi: 10.1016/j.ultrasmedbio.2019.01.016. [ PubMed ] [ CrossRef ] [ Google Scholar ]
27. Zeng X, Zhang Y, Li Z, et al Locations of optimally matched Gabor atoms from ultrasound RF echoes for inter-scatterer spacing estimation. Comput Meth Prog Bio. 2020; 184 :105281. doi: 10.1016/j.cmpb.2019.105281. [ PubMed ] [ CrossRef ] [ Google Scholar ]
28. Zhang S, Xu R, Shang S, et al In vivo monitoring of microwave ablation in a porcine model using ultrasonic differential attenuation coefficient intercept imaging. Int J Hyperther. 2018; 34 (8):1157–1170. doi: 10.1080/02656736.2018.1437477. [ PubMed ] [ CrossRef ] [ Google Scholar ]
29. Zhang S, Wu S, Shang S, et al Detection and monitoring of thermal lesions induced by microwave ablation using ultrasound imaging and convolutional neural networks. IEEE J Biomed Health. 2020; 24 (4):965–973. doi: 10.1109/JBHI.2019.2939810. [ PubMed ] [ CrossRef ] [ Google Scholar ]

Articles from Sheng Wu Yi Xue Gong Cheng Xue Za Zhi = Journal of Biomedical Engineering are provided here courtesy of West China Hospital of Sichuan University