CN103654732A - 一种基于线性延时补偿的光声图像优化方法 - Google Patents

Abstract

本发明公开了一种基于线性延时补偿的光声重建图像优化方法。包括以下步骤：在目标组织周围放置线型传感器，用激光照射目标组织，传感器采集光声信号；选取经验声速，设置像素尺寸，选取不同的延时补偿，用延时求和重建算法进行光声重建，确定不同聚焦位置的延时补偿大小；根据聚焦目标深度和延时的关系拟合曲线，确定曲线参数；依照重建深度和拟合曲线确定各个深度的延时补偿的大小，用线性调整的延时补偿代替固定延时补偿重建图像。本发明采用线型传感器和延时求和算法，通过固定延时重建确定延时补偿和深度的线性关系，得到了更好的聚焦效果的光声重建图像，具有操作容易、成像质量高的特点。

Description

一种基于线性延时补偿的光声图像优化方法

技术领域

本发明涉及光声成像的图像重建领域，特别是一种基于线性延时补偿的光声重建优化方法。 

背景技术

光声成像是近年来兴起的一种新型的快速发展的成像技术。光声成像技术是根据生物组织的光吸收分布反演组织结构的一种新的成像模式，它集合了纯光学成像技术的高对比度以及纯超声成像技术的高分辨率、高穿透深度的优点，非电离且能够对组织功能成像，该项技术为临床医学提供了一种新颖的成像诊断方法。光声成像可根据待测目标的光学吸收特性选取合适的激励光波长，可定量的测量与光学吸收相关的生理参数，并可在完全无损伤的情况下对生物的高级功能活动进行观察并提供各方向高分辨率和高对比度的组织断层图像。 

延时求和反投影算法是目前光声成像中应用广泛的重建方法，但目前该算法采用单一的声速和单一的延时，在声速不准确的情况下，尤其是不均匀的介质中，成像的效果并不理想。 

发明内容

发明目的：本发明所要解决的技术问题是针对目前光声重建的主要算法延时求和中聚焦不均匀的问题，提出了一种通过线性延时补偿代替固定延时补偿来进行重建的方法，从而改善聚焦效果，提高重建图像的质量。 

为了解决上述技术问题，本发明公开了一种基于线性延时补偿的光声图像优化方法，包括以下步骤： 

步骤一，在目标组织周围放置线型传感器采集声压信号。 

步骤二，选取经验声速。设置像素的尺寸，包括宽度尺寸和深度尺寸。 

步骤三，选取不同的延时补偿，弥补重建时所用延时和声波传播时间的差别。 

步骤四，用延时求和方法重建图像。 

步骤五，确定所观察的聚焦区域。若不聚焦，转至步骤三，直至聚焦。 

步骤六，根据至少两组聚焦深度和延时补偿拟合线性曲线并确定系数。 

步骤七，根据图像的成像深度和拟合的曲线计算线性的延时补偿。 

步骤八，采用原定声速和线性的延时补偿重建图像。 

本发明中，优选的，步骤二中所选用的经验声速v在常用声速范围，且无需接近真实声速。所选用的像素尺寸一般在小于传感器的间距的数量级，深度尺寸z_grid与所采用的经验声速成正比，这是为了在不同声速下图像的深度分辨率可以随着声速自动调整。 

本发明中，优选的，步骤四所用的延时求和算法为基于像素的遍历方式，依据像素所在的物理位置和传感器所在位置的距离和声速计算出延时。为了避免重建图像的移动，像素向传感器的方向移动固定位置，即在计算像素深度时额外加上 

Δh＝v*DC   (1) 

的距离。DC为延时补偿。这样图像的像素数便固定下来，图像中目标的像素数也固定下来，便于步骤五中聚焦区域的选择。 

本发明中，优选的，步骤五中用延时求和重建后的图像聚焦区域深度和所用的延时补偿是一一对应关系。聚焦区域选择在不同的深度，分离的区域，该区域定义为S。聚焦评价标准的选取根据成像的特点来制定，可以设置为让成像目标区域内的像素的能量和E(DC)，达到最大时的延时补偿为聚焦延时补偿，即 

$E\left({\mathrm{DC}}_m\right)=\max \left(\underset{(x,y)\∈S}{\mathrm{\Σ}}p{(x,y)}^2\right)---\left(2\right)$

DC_m即为聚焦的延时补偿，能量的计算在相同的区域S内进行，p(x，y)为S内坐标为(x，y)的声压。 

本发明中，优选的，步骤六中的重建在非均匀介质中，延时补偿和深度的关系和具体的声速分布有关，是一条未知的曲线。通常的延时求和的算法默认延时补偿为随深度无关的常数，从而造成延时补偿的不准确和图像质量的降质。这里我们将曲线退化成直线，用曲线上的点进行拟合。故可在大于两组数据的情况下，采用最小二乘法拟合出直线的参数，从而确定聚焦深度和聚焦所用延时补偿的关系。 

本发明中，优选的，步骤七中的线性延时补偿是从步骤八中拟合的直线依据图像的物理深度H来确定的，即 

DC＝a₁*H+a₀   (3) 

a₁是拟合直线的斜率，a₀是截距，这两个参数均由步骤六中拟合得到。确定后的延时用于步骤八中的重建。 

附图说明

图1是本发明方法的流程图。 

图2是本发明方法中聚焦延时补偿和深度的拟合曲线图。 

具体实施方式

本发明结合延时求和重建算法，通过单一延时补偿的重建，得到固定声速下延时补偿与聚焦深度的对应数据，并通过这些数据拟合出线性的延时补偿，从而代替原有的单一延时补偿重建图像，达到较好的改善图像质量的目的。 

如图1所示，本发明公开了一种基于线性延时补偿的光声重建优化方法，包括以下几个步骤： 

步骤一，在目标组织周围放置线型传感器采集声压信号。 

步骤二，选取经验声速。设置像素的尺寸，包括宽度尺寸和深度尺寸。 

步骤三，选取不同的延时补偿，弥补重建时所用延时和声波传播时间的差别。 

步骤四，用延时求和方法重建图像。 

步骤五，确定所观察的聚焦区域。若不聚焦，转至步骤三，直至聚焦。 

步骤六，根据至少两组聚焦深度和延时补偿拟合线性曲线并确定系数。 

步骤七，根据图像的成像深度和拟合的曲线计算线性的延时补偿。 

步骤八，采用原定声速和线性的延时补偿重建图像。 

本发明中，步骤一，将线型传感器阵列放置在待测的目标组织的周围，紧贴目标组织，一般要求目标组织与传感器的接触面为平面。传感器分别接收组织经过光声效应产生的超声波信号，一般地，第k个传感器记录的坐标为r的目标的t时刻的声压为p_k(r，t)。 

本发明中，步骤二，选取的声速为v，一般为1.0-1.8mm／μs，据此可设置重建图像的像素尺寸，宽度上的网格尺寸x_grid为传感器间距的一半。设置深度尺寸为 

$z\_\mathrm{grid}=\frac{v}{F_{\mathrm{out}}}---\left(4\right)$

其中F_out为插值后的采样频率。当我们采用的重建的声速固定时，z_grid也是定值。 

本发明中，步骤三，选取延时补偿是为了弥补声速不准确等原因造成的延时上的误差，这种误差表现为延时求和中选取的传感器数据的延时的误差，在离散的情况下即是所选取的信号序列的所取点的不同。采用延时补偿之后所取序列中离散点的位置为 

n_s＝(D／v-DC)*F_s   (5) 

其中，F_s是传感器采样频率，D是重建的目标距离传感器的长度，该长度通过如下公式计算得到 

$D=\sqrt{{(X-X_s)}^2+{(H-H_s)}^2}---\left(6\right)$

X，H，X_s，H_s分别是重建目标和传感器在宽度方向(x方向)和深度方向(z方向)的坐标。 

本发明中，步骤四，选取延时求和算法重建光声图像。聚焦区域的选择可采用局部极大值的方法，即先选取图像灰度最大值，然后在去除以该点为中心的区域剩下的部分寻找最大值，重复上述步骤便可找到若干个局部最大值。根据光声效应得到的位置r的光吸收分布的规律 

其中r₀为传感器到重建目标的距离，η＝β／C_p，β为等压膨胀系数，C_p为比热，c为声速，为传感器的有效孔径。p(r₀，t)为r₀传感器的声压。在线型传感器的情形下，该吸收规律可以近似用延时求和算法求出，即 

$A\left(r\right)=\frac{{\mathrm{\Σ}}_{k}w(k,r)p_k(r,t+\mathrm{\τ}(k,r))}{{\mathrm{\Σ}}_{k}w(k,r)}---\left(8\right)$

其中r代表重建目标的笛卡尔坐标向量，t代表初始延时，即从传感器开始记录到组织受激光照射激发的时间，k表示传感器，w(k，r)表示权重，t+τ(k，r)为 从位置r到传感器k的传播时间和延时时间，p_k(r，t+τ(k，r))为传感器k所接收到r的超声波信号。采用延时补偿后， 

τ(k，r)＝D(k，r)／v-DC   (9) 

其中D(k，r)为从位置r到传感器k的距离，DC为所用的延时补偿。这里延时求和采用基于像素的遍历方式。 

本发明中，步骤五，聚焦评价标准的选择以能量聚集程度为依据。以目标e为基准，我们选取包含的有限区域S，该区域内任一像素的声压为p(x，y)；然后，选定延时补偿的范围和循环步长，遍历在该范围的所有延时补偿，以步骤六中的延时求和算法重建图像，计算区域S声压的能量之和，我们选取能量之和达到最大的延时补偿为该目标e的聚焦延时补偿，即选择DC，使得 

$E\left(\mathrm{DC}\right)=\underset{(x,y)\∈S}{\mathrm{\Σ}}p{(x,y)}^2---\left(\text{10}\right)$

达到最大。E(DC)为区域内S的能量之和。 

本发明中，步骤六，聚焦深度和聚焦延时补偿的对应关系，用于拟合它们的关系曲线。具体的关系曲线和组织的声速分布有关系。传统的延时求和方法忽略了延时补偿和随深度的变化，在这里，我们根据不同深度的延时补偿的数据，用最小二乘法拟合延时补偿和深度的关系曲线。即，假设深度为H₁，H₂，...，H_n的位置的延时补偿分别为DC₁，DC₂，...，DC_n。根据公式(3)中的近似关系来拟合曲线。即使得 

$\underset{a_0,a_1}{\min }\left|\right|{\left(\begin{array}{cc}1& H_1\\ .& .\\ .& .\\ .& .\\ 1& H_n\end{array}\right)\left(\begin{array}{c}{a}_1\\ a_0\end{array}\right)-\left(\begin{array}{c}{\mathrm{DC}}_1\\ .\\ .\\ .\\ {\mathrm{DC}}_n\end{array}\right)\left|\right|}_2---\left(11\right)$

成立。由此得到 

DC＝f(H)   (12) 

我们对由聚乙烯小球形成的透明模型样品按深度根据公式(15)的方法分别得到了v＝1.3mm／us v＝1.4mm／us v＝1.5mm／us和v＝1.6mm／us深度和聚焦延时补偿的关系曲线，并将其拟合。如图2所示，可以看出，在选定声速条件下，聚焦深度和延时补偿近似符合线性关系。 

本发明中，步骤七，根据所重建位置的深度H和步骤六中得到的关系方程DC＝f(H)计算出深度H的延时补偿。 

本发明中，步骤八，重建光声图像。重建算法依旧为延时求和算法。这里采用的声速仍为v，所用的延时补偿为随深度线性的延时补偿DC＝f(H)。 

本发明提供了一种基于线性延时补偿的光声图像优化方法，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。另外，本实施例中未明确的各组成部分均可以用现有技术加以实现。 

Claims (6)

1.一种基于线性延时补偿的光声图像优化方法，其特征在于，包括以下骤：

步骤一，在目标组织周围放置线型传感器采集声压信号。

步骤二，选取经验声速。设置像素的尺寸，包括宽度尺寸和深度尺寸。

步骤三，选取不同的延时补偿，弥补重建时所用延时和声波传播时间的差别。

步骤四，用延时求和方法重建图像。

步骤五，确定所观察的聚焦区域。若不聚焦，转至步骤三，直至聚焦。

步骤六，根据至少两组聚焦深度和延时补偿拟合线性曲线并确定系数。

步骤七，根据图像的成像深度和拟合的曲线计算线性的延时补偿。

步骤八，采用原定声速和线性的延时补偿重建图像。

2.根据权利要求1所述的一种基于线性延时补偿的光声图像优化方法，其特征在于，所述步骤二的声速可以任意选取，只要在经验声速的范围内即可。设置像素的尺寸中，宽度尺寸为小于传感器间距的量级，深度尺寸设置为与所选取的声速成正比的关系，但不超过所能达到的纵向最大分辨率。

3.根据权利要求1所述的一种基于线性延时补偿的光声图像优化方法，其特征在于，步骤三中所述的延时补偿是对延时求和中声波传播时间的补偿，之所以补偿是一是因为传感器打开和声信号产生有一个时间差，二是因为所采用的单一的经验声速并不是真实的组织的声速，从而造成延时的不准确。

4.根据权利要求1所述的一种基于线性延时补偿的光声图像优化方法，其特征在于，步骤五中所述的聚焦区域选取的为较为突出的分立的区域，区域至少在两个不同的深度上。当延时补偿不同时，图像会分别在这些区域聚焦。

5.根据权利要求1所述的一种基于线性延时补偿的光声图像优化方法，其特征在于，步骤六中所述的曲线是未知的，应用中我们通过直线来拟合它，采用步骤六中的数据确定直线的斜率和截距。

6.根据权利要求1所述的一种基于线性延时补偿的光声图像优化方法，其特征在于，步骤七中的延时补偿是根据图像的深度位置和拟合的曲线作为方程确定的，用于步骤八的重建。