Monitoramento em tempo real de High Intensity Focused Ultrasound (HIFU) Ablação de<em&gt; In Vitro</em&gt; Canine Fígados Usando Movimento Harmônico Imaging para ultra-som focalizado (HMIFU)

Resumo

This article describes real-time monitoring of HIFU ablation in canine liver with high frame rate ultrasound imaging using diverging and plane wave imaging. Harmonic Motion Imaging for Focused Ultrasound is used to image the decrease of acoustic radiation force induced displacement in the ablated region.

Resumo

Movimento Harmônico Imaging para ultra-som focalizado (HMIFU) é uma técnica que pode executar e monitorar de alta intensidade ultra-som focalizado (HIFU) ablação. Um movimento oscilatório é gerado no foco de um transdutor HIFU frequência central 93-elemento e 4,5 MHz através da aplicação de um sinal de modulação em amplitude de 25 Hz utilizando um gerador de função. Um transdutor de imagiologia de 64 elemento e 2,5 MHz com 68kPa pico de pressão é confocally colocado no centro do transdutor HIFU para adquirir os dados do canal de rádio-frequência (RF). Neste protocolo, monitoramento em tempo real da ablação térmica utilizando HIFU, com uma potência acústica de 7 W em fígados canino in vitro é descrita. HIFU tratamento é aplicada sobre o tecido durante 2 min e a região de ablação é digitalizado em tempo real utilizando imagiologia divergentes ou onda plana até 1.000 quadros / segundo. A matriz de dados do canal de RF é multiplicado por uma matriz esparsa para a reconstrução de imagem. O campo reconstruída de vista é de 90 ° para wa divergentesve e 20 mm para a imagem latente onda plana e os dados são amostrados a 80 MHz. A reconstrução é realizada numa unidade de processamento gráfico (GPU), a fim de imagem em tempo real com uma taxa de 4,5 visor. 1-D normalizado de correlação cruzada dos dados de RF reconstruído é utilizado para estimar deslocamentos axiais na região focal. A magnitude do deslocamento de pico a pico na profundidade focal diminui durante a ablação térmica, que indica a rigidez do tecido, devido à formação de uma lesão. A relação de deslocamento de sinal-ruído (SNR _d) na área focal para a onda avião era 1,4 vezes maior do que para divergindo onda mostrando que a imagem de ondas planas parece produzir mapas de deslocamento melhor qualidade para HMIFU do que divergindo imagem onda.

Introdução

High Intensity Focused Ultrasound (HIFU) is a technique that generates temperature elevation at the focal region and can be used to ablate cancerous tissue ¹. Temperature elevation at the focus causes thermal lesions in the tissue ². In order to avoid overtreating a region and to reduce treatment duration, it is imperative to reliably monitor the ablation. Magnetic resonance-guided focused ultrasound (MRgFUS) is the main technique used in clinic to guide and monitor HIFU treatment ³. MRI provides high spatial resolution images of the treated region with tissue displacement or thermal dose but has a frame rate of 0.1-1 Hz and is costly. Several ultrasound-based techniques such as B-mode imaging ⁴, passive acoustic mapping ⁵, shear wave imaging ⁶ and acoustic radiation force impulse ⁷ have been developed to guide and monitor thermal ablation. However, B-mode imaging and passive acoustic mapping do not provide imaging of mechanical properties of the ablated region which is useful to the operator to improve lesion delivery.

Shear wave imaging and acoustic radiation force impulse can both characterize the elasticity of the tissue by measuring acoustic radiation force-induced displacements ^7,8. However, in both methods, the HIFU treatment is typically interrupted to monitor the ablation. Our group has developed a technique called Harmonic Motion Imaging for Focus Ultrasound (HMIFU) which can monitor the HIFU treatment with ultrasound without stopping the ablation^9,10. Briefly, a HIFU transducer sends an amplitude-modulated wave to the region to ablate while simultaneously generating an oscillatory motion in the focal region. A co-axially aligned ultrasound transducer is used to image this oscillation. The magnitude of the induced motion is related to the stiffness of the tissue.

To ensure proper lesion delivery, the temporal resolution of real-time monitoring is of key interest in ablation guidance. Recently, our group has shown real-time streaming of displacement at a frame rate up to 15 Hz, imaged with diverging waves in a narrow field of view and using a fast image reconstruction method ¹¹. Several beamforming techniques can be used to image the displacements. A large field of view can be obtained with diverging wave imaging by changing the delay profile but the axial direction is not aligned with the HIFU beam on the lateral regions and the wave is attenuated due to geometric spreading in the lateral direction, which can affect the quality of the displacement estimation. In contrast, the lateral field of view for plane wave is upper bounded by the active aperture but the axial direction is aligned with the HIFU beam at the focus and there is no geometric spreading in the lateral direction. Depending on the type of application, one or the other imaging method can be selected. The objectives of this protocol are to show how plane wave imaging can provide real-time streaming of displacements images using HMIFU during ablation and to compare the quality of the motion estimation between diverging and plane wave imaging.

Protocolo

Este protocolo foi aprovado pelo Comitê de Cuidado e Uso de Animais da Universidade de Columbia Institucional. Toda a aquisição e processamento de dados foram realizados utilizando o ambiente Matlab.

1. Experimental Set-up

1. Desgasificar um ex vivo canino amostra de fígado durante 90 min. Colocar a amostra de fígado em um tanque cheio com solução tamponada de fosfato desgaseificada (Figura 1). Fixar a amostra de fígado em um absorvedor acústico com agulhas nas extremidades do fígado.
2. Inserir um 64 elemento, 0,32 mm de altura, 2,5 MHz frequência central phased array (imagiologia) através de um orifício circular localiza-se no centro de um 93-elemento de matriz hemisférica HIFU transdutor (terapêutico) a frequência central de 4,5 MHz, 70 mm de profundidade focal e 1,7 mm x 0,4 mm de tamanho de focal ^11. Alinhe ambos os transdutores co-axial e corrigir o transdutor de imagem para o transdutor terapêutico com parafusos de ajuste.
   1. Cubra o transdutor HIFU com avolume controlado membrana de poliuretano cheio com água de fluxo desgaseificado para esfriá-la. Montar o conjunto transdutor em um 3-D posicionador controlado por computador.
3. Conecte o transdutor HIFU a um gerador de função de envio de 25 Hz de amplitude modulada de forma de onda senoidal com 500 mV de amplitude máxima. Conecte o transdutor de imagem para um sistema de ultra-som totalmente programável usando o software Matlab.
   Nota: Um software associado com o sistema de ultra-som e com o ambiente Matlab tem de ser instalado no computador ligado ao sistema. Um amplificador de RF 50 dB e uma rede correspondente deve ser colocado entre o transdutor HIFU e o gerador de função para amplificar respectivamente o poder e a impedância.
4. Criar uma grade polar, Matlab, começando a 50 mm a partir da superfície da matriz e 40 mm de profundidade na direcção radial, com um passo de 9,625 uM espacial e de 90 ° no sentido azimutal com 128 linhas e que a origem é a focus de onda divergente. Definir a origem da onda divergente 10,24 mm (meia a dimensão da abertura) atrás da superfície da matriz e centrada em relação ao sentido lateral.
   1. Criar uma grade cartesiana, Matlab, começando a 50 mm a partir da superfície da matriz e 40 mm de profundidade na direcção axial, com um passo de 9,625 uM espacial e 20 mm de largura na direcção transversal 64 com linhas para a onda plana. Definir a origem da onda plana sobre a superfície da matriz. Para cada rede, calcula-se o tempo a partir da fonte para cada ponto da grelha e de volta para cada elemento da matriz.
5. Enter "ReconMat_DW" para divergindo imagem onda ou "ReconMat_PW" para geração de imagens de ondas planas na janela de comando do Matlab e pressione "Enter" para criar uma matriz de reconstrução associado a um algoritmo de atraso e soma-padrão para cada grade. Aplicar o algoritmo de atraso de e-sum para cada vector de base padrão e recuperar os elemen não-zerosTS da matriz resultante ^11. Atribuir os elementos não nulos obtidos a partir da matriz resultante para a matriz esparsa no local correspondente. Salve a matriz de reconstrução no disco rígido do computador.
   Nota: O divergentes e os métodos de ondas planas usar duas matrizes distintas de reconstrução.
   1. Lançai a matriz de reconstrução de uma matriz GPU. Enter "SetUpP4_2Flash_4B_streaming_DW" para divergindo imagem onda ou "SetUpP4_2Flash_4B_streaming_PW" para geração de imagens de ondas planas na janela de comando do Matlab e pressione "Enter" para criar um arquivo de configuração para a aquisição de dados do canal de ultra-som usando o script associado com a matriz faseada e fornecido pelo fabricante o sistema de ultra-som. Nomeie o arquivo de configuração "P4-2Flash_DivergingWave.mat" para divergindo imagem onda e "P4-2Flash_PlaneWave.mat" para geração de imagens de ondas planas.
      Nota: Um pacote de software comercial tem de ser instalado no computador to elenco da matriz esparsa reconstrução de uma matriz GPU.
6. Sincronize o sistema de ultra-som com o gerador de função usando um gatilho externo de modo que a aquisição do fígado dados de ultra-som alta taxa de quadros é iniciado ao mesmo tempo que HIFU.
7. Abra Matlab. Execute o script de instalação "SetUpP4_2Flash_4B.m" fornecido pelo fabricante do sistema de ultra-som para usar em modo-B. Nomeie o arquivo de configuração criado: "P4-2Flash_4B_Bmode.mat". Use o comando "VSX" e quando "Nome do arquivo .mat ao processo:" é solicitado, digite o nome do arquivo de configuração "P4-2Flash_4B_Bmode.mat". Mover ambos os transdutores e utilizar o mostrador de modo B que apareceu no ecrã do computador para posicioná-los na região alvo do fígado para a ablação. Como alvo uma região de aproximadamente 1 cm abaixo da superfície do fígado para evitar a atenuação de ultra-sons de alta devido à absorção. Salvar uma imagem do fígado no computador de modo B convencional.
   Nota:Aqui realizamos ablações HIFU em 11 locais diferentes em dois espécimes de fígado movendo os transdutores com o posicionador 3-D para cada ablação.

2. O ultra-som de Aquisição de Dados

1. Abra Matlab. Use o comando "VSX" e quando "Nome do arquivo .mat ao processo:" é solicitado, digite o nome do arquivo de configuração "P4-2Flash_DivergingWave.mat" para divergindo imagem onda ou "P4-2Flash_PlaneWave.mat" para ondas planas imagiologia. Comece o HIFU e aplicá-lo durante 2min para a região alvo.
2. Adquirir os dados do canal RF em 1.000 quadros por segundo durante 2 min através de ondas divergentes. Como alternativa, obter os dados de canal RF em 1.000 quadros por segundo durante 2 min, utilizando ondas planas.
3. Transfira os dados para um computador anfitrião cada 200 quadros por meio de um cabo PCI express. Como alternativa, para streaming em tempo real, obter os dados de canal RF em 167 frames por segundo durante 2 min usando ondas planas e transfer os dados para um computador host a cada 2 quadros.
   Nota: Os métodos de imagem com conjunto de 200 frames proporciona alta resolução temporal dentro de cada conjunto, mas criam lacunas entre cada conjunto e é apropriado para processamento off-line. O método de imagem a 167 fps tem uma resolução temporal inferior, mas não cria quaisquer lacunas em todo o tempo de ablação e é apropriado para streaming em tempo real.
4. Lançai a matriz de dados canal RF para uma única matriz de precisão GPU com Matlab. Multiplicar a matriz de dados de canal de RF por reconstrução da matriz para obter os dados RF ¹¹ reconstruídas.

3. Deslocamento de imagem

1. Criar um Butterworth filtro passa-baixa ^6ª ordem na freqüência de corte 4 MHz usando o System Toolbox do Matlab DSP. Aplicar este filtro passa-baixa para os dados de RF reconstruídos para filtrar a componente 4,5 MHz HIFU.
2. Estimar o deslocamento axial entre quadros consecutivos, utilizando 1-D normalizado de correlação cruzadacom um comprimento de 3,1 milímetros-janela e 90% de sobreposição.
3. Criar um Butterworth filtro passa-baixa ^6ª ordem na freqüência de corte de 100 Hz usando o System Toolbox do Matlab DSP. Aplicar este filtro passa-baixa para os dados de deslocamento temporais usando Matlab para recuperar o componente de freqüência de 50 Hz-oscilatório.
4. Definir uma região de interesse (ROI) como a região focal em -6 dB (1,7 x 0,4 mm de água) e localizado a 70 mm de distância da superfície do transdutor. Extrair os dados de deslocamento neste ROI. Estimar a proporção de deslocamento de sinal-para-ruído (SNR _d) na região focal após 2 min de ablação como a relação entre o deslocamento média e o desvio padrão do deslocamento na ROI.
5. Extrair o sinal de 50 Hz deslocamento temporal no foco a partir dos dados de matriz de deslocamento. Converter o sinal de deslocamento temporal no foco em som audível usando Matlab.

Resultados

Streaming em tempo real de deslocamento HMI durante a ablação HIFU pode ser obtido usando a imagem latente de onda divergente e avião. Figura 2 é uma captura de tela de vídeo mostrando visualização em tempo real da força de radiação acústica deslocamento induzido utilizando onda de imagem avião em in vitro caninos fígados durante a ablação HIFU . Os deslocamentos são transmitidos em tempo real na tela do computador com uma taxa de exibição de 4,5 Hz. Deslocamentos positivos s?...

Discussão

Monitorização em tempo real de lesões HIFU é importante para assegurar a entrega adequada da lesão e eficiente. Como as formas de lesão, o tecido endurece e amplitude de movimento sob a sua excitação diminui. Aplicando HIFU numa região dos resultados de tecidos em uma força de radiação acústica que induz tecido deslocamento. A mudança relativa no deslocamento é um substituto da mudança relativa na rigidez tecidual. Esta técnica oferece a vantagem de monitorização lesão HIFU sem parar o tratamento, em...

Materiais

Name	Company	Catalog Number	Comments
P4-2 Phased array	ATL
H-178 HIFU transducer	Sonic Concepts
3-D positioner	Velmex Inc.
AT33522A function generator	Agilent Technologies
V-1 ultrasound system	Verasonics
3100L RF amplifier	ENI
Matching network	Sonic Concepts
Degasing system	Sonic Concepts
Programming software	Matlab
Jacket software package	Accelereyes