[0001] 本发明涉及热消融治疗的领域，并且尤其涉及用于计划热消融治疗的热量分配模型数据库。

[0002] 已知不同类型或形式的热消融治疗，包括基于微波(MW)、射频(RF)和低温(cryo)的热治疗。热消融治疗牵涉使用一个或多个消融探针或设备对患者施加热损伤，以努力损伤或消融靶组织，诸如癌生长或肿瘤。

[0003] 热消融治疗，诸如经皮消融治疗，受益于高效、有效和准确的治疗计划工具，以预先计划期望的消融治疗并且调整消融计划(例如，在消融治疗期间实时地)。通常，治疗计划工具将有助于确定消融计划，该消融计划在被执行时被预测为实现期望的消融体积(即，消融患者的期望的体积或分区，诸如包括目标组织的区域)。消融计划可以定义消融探针/设备的数目，它们在患者体内的位置和/或它们随时间的相应功率分布。更准确的消融计划，即实现期望的消融体积的计划，改善了患者的结果，并且避免了对周围健康组织和/或风险区域的损害。

[0004] 准确的治疗计划中的一个重要因素是可靠地和准确地估计从操作消融设备产生的热分布。

[0005] 现有方式使用由设备制造商提供的规范，以便估计热损伤。虽然这种方式在计算上是有效的，但是当与“真实”或观察到的消融体积相比较时，它可能遭受预测的消融体积的不准确性。不准确性可能是由于患者或位置(在患者体内)的特定因素，诸如靠近消融设备的血管的散热效果、影响消融的物理过程的组织属性和/或目标组织的位置。

[0006] 另一种方式是采用基于模型的治疗计划，其中适当的热量分配、生物物理和损伤模型被使用来预测治疗结果。这些模型通常牵涉形式(例如MW、RF或cryo)与组织的相互作用及其随后产生的热量，热量在组织中的扩散以及所导致的热损伤的建模。该方式的优点在于，模型参数可以考虑患者特异性组织属性和几何特征以及消融设备的属性。因此，该方式提供了准确、个性化治疗计划的可能性。然而，该方式具有相当大的附加模型复杂性，这显着地增加了执行实时热量分配建模的计算工作量。

[0007] 基于模型的治疗计划方式可以被修改以使用简化模型，这受益于以恶化模型的准确性为代价改善的计算成本。因此，需要提供能够用于准确预测消融探针/设备的热分布的简化模型。

[0008] 因此，期望为不同的消融探针/设备提供准确的热量分配模型，其有助于改善的和更准确的消融计划，并且因此增加消融治疗将导致期望的结果(即，期望的消融分区/体积被正确消融)的可能性。

[0009] 国际专利申请号WO2019/145211A1提供了使用热量分配模型等的治疗计划的合适方法。

[0046] 将参照附图描述本发明。

[0047] 应当理解，详细描述和特定示例虽然指示了设备、系统和方法的示例性实施例，但是仅用于说明的目的，并且不旨在限制本发明的范围。本发明的设备、系统和方法的这些和其它特征、方面和优点将从以下描述、所附权利要求和附图中变得更好理解。应当理解，附图仅仅是示意性的并且没有按比例绘制。还应当理解，在所有附图中使用相同的附图标记来表示相同或类似的部分。

[0048] 本发明提供了一种用于添加或更新存储在热量分配模型数据库中的热量分配模型的机制。热量分配模型可以用来确定当操作消融设备时关于消融设备的热量分配，并且可以用来得出消融设备附近的热分布。机制包括获取关于消融设备的固定属性的信息，基于固定属性生成热量分配模型，以及如果在使用热量分配模型时生成的热分布不准确，则修改热量分配模型。

[0049] 本公开依赖于下面的认识：通过使用样本热分布和关于消融设备的新的/附加的信息来改善关于消融设备的热量分配的建模，可以改善热量分配模型的准确性。

[0050] 本发明的实施例可以用于生成/更新针对在消融计划工具和/或软件中使用的热量分配模型。

[0051] 图1示出了消融设备100，用于针对本发明的用例的改善的上下文理解的目的。示出的消融设备100是微波(MW)消融设备，被配置为接收电流并且输出微波形式的热量或热能，用于照射或损伤消融设备附近的组织。

[0052] 消融设备100由探针110和控制元件120形成。控制元件120可以延伸超过消融设备100的可见部件(例如，包括与控制元件分开设置的单独的消融控制单元)。

[0053] 探针110包含一个或多个天线(不可见)，当施加电流时，天线输出一个或多个微波用于消融或加热邻近组织的区域。(多个)微波的幅度取决于流过(多个)天线的电流的幅度。

[0054] 控制元件120控制流向(多个)天线的电流，由此通过微波消融设备110控制幅度。控制元件120还可以控制探针110的冷却，例如控制沿探针的轴线提供的冷却气体或液体的供应。

[0055] 本领域技术人员将理解，消融设备的不同参数/属性/特性，以及消融设备在其中操作的组织，将影响由操作消融设备(即在患者体内)导致的、组织的温度变化和/或组织损伤(即热分布)的幅度、形状和大小。

[0056] 这些参数/属性/特性可以是固定的或非可变的(诸如消融设备(的元件)的形状、类型、配置、材料、位置或其它固定属性)或可变的/非固定的(诸如(由控制元件)施加的功率、消融设备通电的时间长度或患者/组织内的位置)。

[0057] 强烈期望准确地预测由操作消融设备产生的热分布。这有助于改善的和更准确的消融计划，由此引起降低敏感的或非期望的组织被消融以及期望的组织被完全消融的可能性(即，针对消融计划的期望的/预期的热分布正确地反映了由执行该计划而产生的真实的热分布)。

[0058] 在本公开的上下文中，“热分布”可以是当消融设备根据针对消融设备的一些可变参数值在组织中操作时，消融设备周围的温度分配和/或损伤分配。温度分配标识消融设备周围组织的不同位置的温度(变化)。损伤分配标识对消融设备周围不同位置处的组织的损伤。

[0059] 图2示出了机制200，通过机制200可以从关于热消融设备和热消融设备在其中操作的组织的信息预测热分布。

[0060] 热分布230、240可以使用热量分配模型215(特定于特定消融设备)和生物物理模型225来被计算。可选地，也可以使用损伤模型235。

[0061] 热量分配模型215被使用以将消融设备的可变参数210映射到热量分配220或“热量标记”，热量分配220或“热量标记”从根据上述参数操作消融设备而产生。例如，热量分配模型215可以包括一个或多个热函数，热函数基于一个或多个可变参数来估计在目标消融设备的操作期间目标消融设备周围的热量的分配。

[0062] 热量分配模型215由此可以预测由消融设备输出的热量的大小/范围和形状。换言之，可以确定热量的分配(即大小和形状)，热量的分配从根据消融设备的某些可变参数操作消融设备而产生。

[0063] 热量分配或热量标记可以是组织特异性的。为此，用于生成热量分配的热量分配模型215可以是组织特异性的，或者可以在生成热量分配或热量标记时使用组织信息。这个概念认识到关于消融设备的热量分配如何可以是组织特异性的，并且有助于热分布的更准确建模或预测。

[0064] 然而，在其他示例中，热量分配模型215可以是组织非特异性的，即通用的。这促进了用于预测热分布的更简单的和更少资源密集但可能更不准确的机制。

[0065] 显然，针对消融设备的可变参数210的不同值将影响由消融设备的输出的热量的形状和大小(即分配)。例如，以第一功率水平操作消融设备将导致与以第二、不同的功率水平操作消融设备不同的热量分配(假设所有其它变量保持恒定)。

[0066] 所产生的热量分配220或热量标记可以被进一步处理，例如使用生物物理模型225和可选的损伤模型235(诸如Arrhenius模型)，以预测热分布230、240(诸如温度分配230、损伤分配240、温度分布230或损伤分布240)。

[0067] 生物物理模型可以例如描述热在活组织中的扩散，由此使能在活组织内的消融设备周围的温度分配230(或温度分布)被预测。温度分配可以限定或预测组织的不同区域的实际温度(而不是简单地确定热量分配)。

[0068] 生物物理模型的合适示例对于本领域技术人员而言是显而易见的。等式1示出了生物物理模型的一个已知示例：

[0069]

[0070] 其中Q是热量分配，ρ,ρbl分别是组织和血液密度，k是热导率，Cp和Cp,bl分别是组织和血液的比热容，wbl是血液灌注速率以及Tcore＝37degC是核心体温。等式(1)使能温度T的计算。

[0071] 可以使用损伤模型235(例如，Arrhenius模型或Sapareto和Dewey的等效分钟公式)来进一步处理温度分配230，以预测消融设备周围的组织损伤的分配－损伤分布或“损伤分配”240。

[0072] 例如，Arrhenius模型可以使用如下阐述的方法而被应用：F.C.Henriques和A.R.Moritz“.Studies of thermal injury:I.the conduction of heat to and through skin and the temperatures attained therein”，美国病理学杂志，23(4)：530－549，1947或A.R.Moritz和F.C.Henriques“Studies of thermal injury:II.the relative importance of time and surface temperature in the causation of cutaneous burns”，美国病理学杂志，23(5):695‑‑720,1947。

[0073] Sapareto和Dewey在其论文中描述了等效分钟方法Sapareto,Stephen A.,和William C.Dewey.“Thermal dose determination in cancer therapy.”，国际放射肿瘤学·生物学·物理学杂志10.6(1984)：787‑800.

[0074] 本领域技术人员将理解预测的热分布230、240如何可以用于消融过程的(自动)计划，即生成消融计划。因此，针对预测的热分布具有高度准确性是重要的。

[0075] 本公开提供了用于改善热量分配模型的准确性的机制，该热量分配模型用于预测消融设备周围的热的形状/大小(即，分配)，该热量分配模型存储在针对目标消融设备的热量分配模型数据库中。特别地，本公开提供了一种易于使用的机制，以用于半自动地创建和/或更新存储在热量分配模型数据库中的、针对目标消融设备的热量分配模型。

[0076] 准确的热量分配模型的数据库或数据银行有助于增加生成热分布的容易度和降低复杂性。发明人已经认识到，高度准确的热量分配模型将增加消融计划的准确度，由此引起改善的患者结果。

[0077] 本发明提供用于改善热量分配模型数据库内的热量分配模型的准确性的机制。这有助于改善的和更准确地针对消融设备的热分布的预测，并且由此有助于更准确地消融计划。

[0078] 图3提供了根据本发明的一个实施例的过程300的概述。过程300提供了用于在热量分配模型数据库中创建或更新针对目标消融设备的条目的机制。热量分配模型数据库可以被存储在存储单元或存储器(未被示出)中。

[0079] 过程300包括获取针对目标消融设备的一个或多个固定属性的值的步骤310。固定属性是在消融设备的操作期间不改变的消融设备的属性，其示例在整个公开中被描述。

[0080] 优选地，步骤310包括从外部源接收关于消融设备的信息，例如用户输入(经由用户界面)和/或辅助数据库。例如，用户输入可以指示热量分配模型数据库内的现有消融设备，以标识目标消融设备的固定属性。作为另一个示例，例如，在热量分配数据库先前已知目标消融设备的情况下，用户输入和/或辅助数据库可以提供消融设备的多个不同固定属性的信息。

[0081] 过程300进一步包括获取一个或多个样本热分布的步骤320。每个样本热分布表示从根据目标消融设备的一个或多个可变参数的预定值操作目标消融设备所产生的热分布(例如，温度或损伤分配)。

[0082] 在目标消融设备先前对于热量分配模型数据库未知的情况下，样本热分布可以由外部源提供，诸如用户输入(经由用户界面)或辅助数据库。

[0083] 特别地，样本热分布通常通过消融设备的制造商可获得(例如，包括在伴随消融设备的文档中)。因此，样本热分布可以从消融设备的文档被获取。

[0084] 仅作为示例，步骤320可以包括获取示出样本热分布的图像，诸如在组织上执行的消融分区的图像，以及处理该图像以获取样本热分布。图像可以由用户经由用户界面的相机(例如手机相机)来提供。应当认识到，消融设备的(物理/纸)文档可以提供针对消融设备的样本热分布的信息。可以利用信息来提供用于与所提出的机制一起使用的样本热分布。

[0085] 在热量分配模型数据库已知目标消融设备的情况下，样本热分布可以包括先前用于生成针对目标消融设备的现有热量分配模型的样本热分布。这些样本热分布可以由热量分配模型数据库或其他辅助存储单元存储。

[0086] 获取样本热分布的其他可能的方法是获取在实验过程中生成的样本热分布，这将在下面被描述。

[0087] 目标消融设备的可变参数可以是当产生样本热分布时使用的可变参数，或者是当产生样本热分布时在其中操作目标消融设备的环境的属性。优选地，至少一个样本热分布先前不与目标消融设备相关联。

[0088] 过程然后移动到步骤330，使用一个或多个固定属性的值获取目标消融设备的热量分配模型。

[0089] 在本公开中设想了针对步骤330的各种实施例。

[0090] 在第一种情景中，步骤330包括标识不同的消融设备，该不同的消融设备具有存储在热量分配模型数据库中的热量分配模型，该不同的消融设备类似于目标消融设备。这可以(半)自动地被执行，例如使用最近邻机制等，以标识与目标消融设备共享(最)类似的固定属性的不同消融设备，并且标识不同消融属性的热量分配模型。

[0091] 在第二种情景中，步骤330包括处理固定属性以基于固定属性的已知特性(例如根据文献和/或先前研究)生成热量分配模型。例如，固定属性的某些元素(例如，消融设备的尖端的特定形状或消融设备的模态)本身可以具有已知的热量分配模型或已知的物理属性，这可以有助于消融设备的整体热量分配模型。

[0092] 在第二种情景中，步骤330可以包括获取热量分配的一个或多个子模型，并且处理一个或多个子模型以生成热量分配模型。例如，每个子模型可以与消融设备的固定属性的不同值(例如，针对MW消融设备的天线的类型或MW消融设备的热点)相关联。每个子模型可以针对特定元件对热量分配进行建模。子模型可以被组合，例如彼此叠加或相乘，以生成或获取(整体)热量分配模型。

[0093] 作为进一步的解释，消融设备可以包括多个消融元件或冷却元件(例如，输出或以其他方式影响能量或热量的多个元件)。可以针对每个单独的消融/冷却元件获取热量分配子模型，并且将其组合以形成热量分配模型。换言之，由消融设备提供的热量的总体形状和大小可以通过组合表示消融设备的不同特征的形状来被确定。

[0094] 本领域技术人员将很容易地设想用于组合子模型以形成整体热量分配模型的多个机制，例如叠加子模型、累积地应用子模型、对不同子模型之间的交互进行建模等。

[0095] 子模型可以被热量分配子模型数据库存储，热量分配子模型数据库中的每个条目针对消融设备的一个或多个潜在固定属性的不同值提供热量分配子模型。步骤330可以包括获取这样的数据库并且基于目标消融设备的固定属性对其进行处理，以标识针对目标消融设备的一个或多个子模型(其然后被处理以产生热量分配模型)。

[0096] 在一些实施例中，步骤330可以采用诸如高斯函数、S形函数、有理函数和其它函数的标准或简单函数来表示目标消融设备周围的预期热量分配。针对热量分配模型的参数(例如，这些标准或简单函数)可以被调整(例如，基于文献或固定属性的已知特征)以生成或获取针对目标消融设备的热量分配模型。

[0097] 在其它实施例中，其中目标消融设备对于热量分配模型数据库是已知的，步骤330可以包括例如基于目标消融设备的身份(固定属性的简单示例)简单地从热量分配模型数据库获取对应的热量分配模型。

[0098] 步骤330可以包括确定针对热量分配模型的一个或多个参数的允许值范围。允许值的范围可以由针对所述热量分配模型的参数的允许或理论限制(例如热相互作用的最大或最小可能程度)来限定。如稍后将描述的，灵敏度分析的结果也可以/否则用于限制对热量分配模型进行的任何修改的界限。

[0099] 步骤330可以进一步包括获取或接收用户输入。用户能够增强或改善(初始)热量分配模型的生成，例如通过选择适当范围的可能初始热量分配模型中的一个热能分配模型作为针对目标消融设备的(初始)热量分配模型。

[0100] 因此，例如，步骤330可以包括标识经由用户界面呈现给用户的多个可能的热量分配模型。然后，用户可以选择热量分配模型，用于通过该方法的其余部分进一步处理。这使能用户以提供他们对热量分配模型的洞悉。

[0101] 过程300然后执行迭代地修改(如果需要)热量分配模型的过程340。

[0102] 这通过执行步骤341来执行，针对每个样本热分布，使用热量分配模型和样本热分布的一个或多个可变参数的预定值来生成预测热分布。

[0103] 在特定步骤341中，针对每个样本热分布，使用在生成样本热分布时使用的一个或多个变量的相同值以生成预测热分布。

[0104] 例如，可以通过使用热量分配模型来预测消融设备的热量分配，并且然后使用通用的生物物理/生物模型以及可选的损伤模型来执行步骤341，以进一步处理预测热分布以生成预测热分布。前面已经描述了生成热分布的方法。

[0105] 特别地，步骤341可以使用用于产生样本热分布的可变参数的值来生成预测热分布。因此，样本热分布可以与某些可变参数(例如功率输入、消融的时间、组织信息等)相关联，这些可变参数用作热量分配模型的输入以用于生成预测热分布。如果针对样本热分布的可能的可变参数的一个或多个值是未知的，则默认值可以被使用。

[0106] 随后，过程340执行步骤342，步骤342通过比较每个预测热分布与对应的样本热分布来确定热量分配模型的准确性。

[0107] 准确性可以是热量分配模型的准确性的数值度量，使得确定准确性包括确定准确性的数值度量。然而，其它合适的度量，例如二元或分类度量，对于本领域技术人员来说是显而易见的。

[0108] 步骤342可以包括确定每个样本热分布和对应的预测热分布之间的不同的数值度量。如果多个数值度量被生成(例如，存在多个热样本)，则可以进一步处理数值度量以确定指示热量分配模型的准确性的单个数值度量。进一步处理可以包括对数值度量求平均或选择数值度量的最大值作为热量分配模型的准确性的指示。

[0109] 用于确定两个热分布之间的准确性或误差值的机制对于本领域技术人员来说是显而易见的，例如，使用均方根偏差或平均绝对误差。

[0110] 过程340在步骤343中确定热量分配模型的准确性是否满足预定标准。例如，在准确性是数值度量的情况下，步骤343可以包括确定数值度量是否违反预定阈值。

[0111] 响应于热量分配模型的准确性不满足预定标准，过程执行修改热量分配模型的步骤344。

[0112] 响应于热量分配模型的准确性满足预定标准，过程340执行步骤345，步骤345使用热量分配模型在热量分配模型数据库中针对目标消融设备创建条目。因此，步骤345将热量分配模型添加到热量分配模型数据库的条目中，这使能目标消融设备以链接到热量分配模型(用于以后使用，例如用于消融计划过程)。然后过程340结束。

[0113] 过程340有效地描述了迭代修改方式的一般形式，其中热量分配模型迭代地被修改直到热量分配模型的准确性满足某些预定标准。因此，过程340可以使用优化或最小化方式来迭代地修改热量分配模型。

[0114] 迭代修改可以例如使用诸如最小二乘拟合算法、遗传算法、机器学习方式、梯度下降方式、替代模型、随机优化和/或组合优化方式的优化算法来被执行。用于自动地和迭代地修改模型的其它方式对于本领域技术人员来说是显而易见的。迭代修改被执行直到热量分配模型的准确性满足预定标准。

[0115] 因此，过程340可以采用优化算法，诸如任何上述的迭代修改方式，其拟合热量分配模型的参数以最小化预测从记录的热分布预测热分布中的差异。过程340可以有效地由对热量分配模型执行优化或参数拟合过程的单个过程代替。

[0116] 作为进一步的示例，过程340可以采用遗传算法(GA)以定位产生类似结果的多个参数组合(用于热量分配模型)。这在多个参数组合产生与真实消融具有相同偏差的预测消融的情况下特别有用。

[0117] 作为再进一步的示例，适当的机器学习方式可以被使用以修改热量分配模型。示例性机器学习方式包括梯度下降、粒子群优化或模拟退火。

[0118] 在必须从预先计算的数据库中选择最佳拟合热源的情况下，组合优化方式可能是适当的。

[0119] 在本发明的特定示例中，(创建数据库条目的)步骤345仅在用户已经指示同意热量分配模型的情况下执行，例如经由经由用户界面提供的用户输入。

[0120] 因此，在步骤343和345之间可以有附加的确定步骤370，其包括确定用户输入(信号)是否指示同意同意热量分配模型。

[0121] 为了帮助用户做出关于是否同意热量分配模型的决定，可以向用户显示使用热量分配模型生成的示例热量分配和/或热分布，例如在用户界面处。

[0122] 如果用户同意热量分配模型，则可以执行步骤345。

[0123] 如果用户不同意热量分配模型，则可以重复过程340(例如，利用针对步骤343的修改的准确性标准和/或附加的用户提供的信息)。特别地，用户能够提供可以被用来改善优化/修改过程340的附加信息(例如，手动调整热量分配模型的一个或多个参数)。

[0124] 在另一个示例中，如果用户不同意热量分配模型，则过程300可以从开始被重复(例如，利用附加的用户提供的信息)。

[0125] 从前述内容，显而易见的是，确定热量分配模型的准确性的过程可以进一步包括确定热量分配模型的用户指示的准确性。

[0126] 在本发明的一些实施例中，在执行过程340之前(或在相同的第一次迭代期间)，方法300可以包括在步骤390中执行热量分配模型的灵敏度分析。

[0127] 可以执行灵敏度分析390以确定针对使能样本热分布被产生的用于散热模型的参数值的范围。这个标识的值的范围可以被使用以限制对热量分配模型进行的任何修改的界限(例如，在步骤344中)。

[0128] 灵敏度分析390还可以或以其他方式被用于标识散热模型的哪些参数对预测热分布具有最大影响(以标识哪些参数可以被修改以调整预测热分布，并且使散热模型以更快地汇聚)。

[0129] 在步骤344中，灵敏度分析的结果可以被用来定义针对散热模型的参数的界限和/或定义散热模型的哪些参数被修改(和/或参数被修改到什么程度)。

[0130] 过程300可以适于促进多组织散热模型，即适应于不同类型组织的散热模型。在这些例子中，很明显样本热分布在特定类型的组织中提供样本热分布。

[0131] 在一些示例中，散热模型提供一个或多个不同的子模型，其分别用作针对不同类型的组织的热量分配模型。样本热分布可以被过滤(以标识与样本热分布相关联的组织)，并且用于单独生成或修改适当的子模型。

[0132] 在其他示例中，散热模型使用组织信息来修改散热模型的一般输出(例如，执行所确定的热量分配的缩放)。因此，组织信息可以用作针对散热模型的可变参数。

[0133] 图4示出了消融设备400，其用作针对本发明实施例的目标消融设备。以下描述描述了针对用于将目标消融设备400的热量分配模型添加到热量分配模型数据库的示例性机制。

[0134] 消融设备400以前述消融设备的方式包括探针410和控制元件420。消融设备400与多个固定属性相关联，其中一些在图4中可见。

[0135] 特别地，探针410包括具有第一长度l1的发热元件415。探针进一步包括具有第二长度l2的冷却元件416。第一长度和第二长度、元件415、416的标识和/或元件415、416的位置可以形成针对消融设备400的固定属性。

[0136] 消融设备400的其他元件可以形成或限定进一步的固定属性。例如，可以知道消融探针400具有靠近其尖端的第一热点418、设置远离发射元件的第二热点419和/或冷却元件具有靠近发热元件415的较低冷却温度。

[0137] 如图5所示，关于消融设备400的信息可以被转换成针对固定属性值的参数的形状和范围。

[0138] 图5概念性地示出了热量分配模型，热量分配模型使用示出了关于消融探针相对于第一平面的热量的分配的形状。在图5中，x轴线(水平)可以表示沿探针410的距离，并且y轴线(竖直)可以表示由消融设备400输出的热量相对于沿探针的位置的幅度。

[0139] 例如，可以基于可变参数(例如，操作的功率和时间)的值来缩放形状。

[0140] 热发射元件415可以由第一热量分配子模型510表示，其指示由热发射元件415输出的热量。针对发热元件上的热行为，可以依赖于由MW天线产生的热的简化形式的解析解，例如如L.Zhu,L.X.Xu,和N.Chencinski阐述的“Quantification  of  the 3‑D electromagnetic power absorption rate in tissue during transurethral prostatic microwave thermotherapy using heat  transfer model”IEEE Trans.Biomed.Eng.,vol.45,no.9,pp.1163–1172,1998。备选地，我们可以限定解析函数来描述热衰减，使用例如高斯函数、有理函数等。

[0141] 第一热点418可以由第二热量分配子模型520表示。第二热点可以由第三热量分配子模型530表示。类似的方式可以被使用。

[0142] 因此，很清楚固定属性(例如，消融设备的元件的位置和标识)如何被用于限定消融设备的热量分配的子模型。

[0143] 三个热量分配子模型相对于比例因子被参数化，并且指示针对每个标识的元件的热量的预测衰减。

[0144] 三个热量分配子模型的组合提供了组合的热量分配模型。如前所述，如果热量分配模型的准确度不满足预定标准，则可以修改热量分配模型的参数。

[0145] 图6和7示出了可以采用本发明的另一种情况。

[0146] 图6示出了消融设备600，消融设备600在此包括射频(RF)消融设备，用作目标消融设备。可以基于消融设备600的属性和针对消融设备的样本热分布来确定针对消融设备的热量分配模型。

[0147] 消融设备600的固定属性包括消融设备的形式(此处：RF)、消融设备的类型(此处：例如单极，而不是双极或伞形)以及电流的源610和槽620的位置。

[0148] 信息可以被获取(遵循先前描述的过程)并且被用于生成近似于形态比热的形状函数，即生成热量分配的子模型。

[0149] 图7示出了消融设备600的示例性子模型。第一子模型710使用高斯函数近似径向上中的热量。第二子模型720使用多项式和S形函数近似纵向上中的热量。子模型的大小和幅度取决于消融设备600的固定属性的特征。

[0150] 单极探针周围的热量分配模型是这两个函数的乘积。热量分配模型然后可以基于所获取的样本热分布经历迭代修改过程。

[0151] 图8和9示出了可以被用于获取针对本公开中使用的样本热分布的实验设置800。图8是实验设置的侧视图并且图9是实验设置的顶视图。

[0152] 使用实验设置以生成样本热分布可以有助于改善针对目标消融设备的热量分配模型的准确性，尤其是在由目标消融设备的制造商提供的信息稀疏的情况下。

[0153] 实验设置800包括填充有水820或组织模拟凝胶(例如，包括甘油在水中的悬浮液)的盒810(例如，由丙烯酸形成)。盒810用盖815固定，盖815包括专门用于消融设备850的孔和插入盒中的一个或多个热电偶880。热电偶可以以不同的深度被插入，由此可以沿消融设备的发射部分进行多次测量。附加的热电偶(未示出)可以被插入到远离探针的位置。

[0154] 在消融设备850的样本操作期间的热电偶880的位置和温度测量被记录，并且随后被用于生成样本热分布以用于在本公开的方法中使用。

[0155] 以这种方式生成的样本热分布可以改善散热模型的拟合，并且由此改善散热模型的准确性。

[0156] 图10示出了根据另一个实施例的方法1000。

[0157] 方法1000包括获取热量分配模型数据库的步骤1010，热量分配模型数据库包括使用前述方法创建或更新的至少一个条目。

[0158] 方法1000进一步包括使用所获取的热量分配模型数据库针对对象生成消融计划的步骤1020。使用适当的热量分配模型用于生成消融计划的方法对于本领域技术人员来说是显而易见的，并且可以包括例如自动生成消融计划以实现期望的消融目标(例如期望的部位的消融)。这可以包括消融设备的自动选择和定位，以及确定用于消融期望的体积的(多个)消融设备的可变参数的适当值。

[0159] 本公开标识针对消融设备的多个可能的固定/可变属性，然而，本领域技术人员能够容易地标识针对消融设备的其他可能的固定/可变属性。

[0160] 作为简单的例子，消融设备的固定属性可以是消融设备的标签或标识。消融设备的固定属性的一些进一步的示例包括消融设备的形式(例如MW、RF或cryo)、消融设备的厚度、消融设备的冷却属性、消融设备的材料、消融设备的一个或多个元件的大小(例如长度和/或宽度)(诸如探针的大小)、消融设备的形状、消融设备的尖端的形状、消融设备的几何测量、消融设备的一个或多个元件的类型(例如针对MW消融设备：消融设备的天线的形状或类型；针对cryo设备，存在或不存在冲击气体射流或使用的制冷剂类型)。

[0161] 一些可能的固定属性取决于消融设备的形式。

[0162] 例如，针对RF消融设备，固定属性可以包括电流源和/或电流槽的位置，其通常在消融设备上容易被标识。本公开认识到电流的槽(例如，接地焊盘)的位置影响热量分配，例如，可以沿设备轴线朝向接地焊盘延伸，可能不完全围绕设备轴线对称(如果接地焊盘不位于中心)。

[0163] 作为另一个例子，针对cryo消融设备，固定属性可以包括冲击气体射流的存在或不存在、制冷剂的元素组成(例如，是否使用氩气、NO2、液氮或另一个制冷剂)、球囊的固定属性(其填充有制冷剂)等。

[0164] 针对消融设备的可变属性的一些进一步的示例包括目标消融设备的更多可变参数，这些可变参数包括：目标消融设备的操作的长度；提供给消融设备的功率；目标消融设备随时间推移的功率分布；目标消融设备在对象内的位置；在目标消融设备的操作期间围绕目标消融设备的组织类型；在目标消融设备的操作期间目标消融设备的组织状况；以及目标消融设备的操作模式。

[0165] 针对cryo消融设备，可变属性可以包括制冷剂的流速(例如氩流速)和/或其他气体(例如用于诱导解冻的氦)、针的活性部分的大小和/或其他合适的可变属性。

[0166] 针对RF消融设备，可变属性可以包括由RF消融设备施加的功率的大小、通过RF消融设备的RF发射的频率和/或其它合适的可变属性。

[0167] 本领域技术人员将能够容易地开发用于执行在此描述的任何方法的处理系统。因此，流程图的每个步骤可以表示由处理系统执行的不同动作，并且可以由处理系统的相应模块执行。

[0168] 因此，实施例可以利用处理系统。处理系统可以用软件和/或硬件以多种方式实现，以执行所需的各种功能。处理器是采用一个或多个微处理器的处理系统的一个示例，微处理器可以使用软件(例如，微代码)来编程以执行所需功能。然而，处理系统可以在采用或不采用处理器的情况下实施，并且还可以实施为以执行某些功能的专用硬件和以执行其它功能的处理器(例如，一个或多个编程的微处理器及相关联的电路)的组合。

[0169] 可以在本发明的各种实施例中采用的处理系统组件的示例包括但不限于常规微处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。

[0170] 在各种实现中，处理器或处理系统可以与诸如易失性和非易失性计算机存储器(诸如RAM、PROM、EPROM和EEPROM)的一个或多个存储介质相关联。存储介质可以被编码有一个或多个程序，当在一个或多个处理器和/或处理系统上执行时，程序执行所需的功能。各种存储介质可以被固定在处理器或处理系统内，或者可以是可传送的，使得其上存储的一个或多个程序可以被加载到处理器或处理系统中。

[0171] 应当理解，所公开的方法优选地是计算机实现的方法。这样，还提出了包括代码设备的计算机程序的概念，用于当所述的程序在处理系统(诸如计算机)上运行时实现任何描述的方法。因此，根据实施例的计算机程序的代码的不同部分、行或块可以由处理系统或计算机执行以执行在此所述的任何方法。在一些替代的实现中，(多个)框图或(多个)流程图中指出的功能可以不按附图中指出的顺序发生。例如，根据所涉及的功能，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行。

[0172] 通过研究附图、公开内容和所附权利要求，本领域技术人员在实践所要求保护的本发明时可以理解和实现所公开实施例的变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其它单元可以实现权利要求中所述的若干项的功能。在相互不同的从属权利要求中叙述某些措施的事实并不指示这些措施的组合不能被有利地使用。如果计算机程序如上被讨论了，则它可以存储/分布在适当的介质上，诸如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质，但是也可以以其他形式被分布，诸如经由因特网或其他有线或无线电信系统。如果在权利要求或说明书中使用术语“适于”，则应当注意，术语“适于”旨在等同于术语“配置成”。权利要求中的任何附图标记不应解释为限制范围。