CN103654865A - 基于最大互信息的超声弹性成像组织位移估计方法 - Google Patents
基于最大互信息的超声弹性成像组织位移估计方法 Download PDFInfo
- Publication number
- CN103654865A CN103654865A CN201310737856.2A CN201310737856A CN103654865A CN 103654865 A CN103654865 A CN 103654865A CN 201310737856 A CN201310737856 A CN 201310737856A CN 103654865 A CN103654865 A CN 103654865A
- Authority
- CN
- China
- Prior art keywords
- winj
- displacement
- wini
- signal
- mutual information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了基于最大互信息的超声弹性成像组织位移估计方法,该方法首先对压缩组织后采集的RF信号进行分段;对压后信号中的任一段,在压缩组织前采集的RF信号中搜索相同长度的分段,求取两段的互信息,互信息最大时两段的间距即为分段对应的组织的位移,计算压后信号中每个分段的位移得到一条位移曲线,多条信号的位移曲线组成一帧位移图,对位移图水平方向进行中值滤波,得到最终的位移图。本发明的方法,将互信息作为信号相似性匹配,用于超声弹性成像位移估计中,能有效地估计出组织内部的位移信息。
Description
技术领域
本发明涉及医学超声成像技术领域,具体涉及基于最大互信息的超声弹性成像组织位移估计方法。
背景技术
医学超声诊断是现代医学影像的重要组成部分,在人身体的许多组织的病理诊断中有很大的参考价值。人体软组织的质地变化通常与其病理过程有着密切关系,当组织发生病变时,组织的硬软程度或弹性大小等特征会发生明显改变。传统的医学成像,包括X射线成像、超声成像(US)、磁共振成像(MRI)、计算机断层扫描(CT)等在内的传统医学成像模态获取的只是组织的密度与厚度等属性,都不能直接提供弹性这一组织的基本力学属性的信息,而近年来快速发展的超声弹性成像技术,通过获取有关组织弹性信息进行成像,能够及时地检测到早期病变,弥补了传统医学成像模态的不足,具有重要的临床应用价值和广阔的应用前景。
超声弹性成像通过对施压激励组织发生形变,分析压缩前后超声回波信号从而计算得到组织内部应变分布情况,用来间接描述组织内部的弹性模量分布信息,从而反应组织生理、病理状态。超声弹性成像过程通常包括位移估计,应变估计和图像后处理及显示三部分,其中,位移估计是重要的一个环节,常用的位移估计方法,如互相关法,相位差法都是从互相关上来提取位移信息,动态规划法采用的是差值绝对值和(SAD,sum of absolute difference)最小来确定信号间的匹配情况。互相关法和SAD法都是一种线性的相似性度量方法,主要用于确定两个变量之间的线性关系,对于非线性信号或含有较多噪声的信号有一定的局限性。
因此,人们需要一种新的方法来克服现有技术中所存在的缺点。
发明内容
本发明的目的在于克服现有技术的缺点与不足,从互信息广义相似性度量的角度出发,提出一种新的超声弹性成像中的位移估计方法,即基于最大互信息的超声弹性成像组织位移估计方法。
本发明的目的通过以下的技术方案实现:
基于最大互信息的超声弹性成像组织位移估计方法,包括以下顺序的步骤:
1)对压缩组织后采集的RF信号进行分段,根据分辨率和平滑度的要求确定段长和段间距,压缩组织后采集的RF信号即压后信号,压缩组织前采集的RF信号即压前信号;
2)选择压后信号的一个分段Wini,确定搜索范围和搜索步长,在压前信号中搜索待匹配的分段Winj的位置,并用线性插值法计算Winj分段信号;
3)分段信号Wini和Winj分别归一化到[0,1]之间,将分段中的采样点等概率地划分到m个区间中,统计Wini中采样点的概率p(x),Winj中的采样点概率p(y)以及Wini,Winj采样点之间的联合概率p(x,y),然后计算Wini和Winj之间的互信息;
4)重复搜索Winj,计算Winj与Wini的互信息,选择互信息最大时的Winj,则Wini和Winj的间距即为分段Wini对应的组织的位移量;
5)重复步骤2)至步骤4),计算压后信号的每个分段的对应位移量,得到一条位移曲线;接着计算其他信号的位移曲线,获得一帧二维位移图,在二维位移图的水平方向上进行中值滤波,从而得到最终的位移图。
步骤2)中,所述的压前信号的分段Winj的长度和Wini相同;所述的分段Winj的搜索方式具体如下:设定一个搜索范围系数r,若Wini在压后信号中的位置为[s1,t1],则Winj在压前信号中的搜索范围为s1~s1+r*t1,搜索步长小于信号采样间隔。
所述的步骤3)具体包含以下步骤:
a、分段信号Wini和Winj分别归一化到[0,1]之间,将分段中的采样点等概率地划分到m个区间中,m=1.87·(N-1)0.4,其中N为Wini的长度;
b、设Wini、Winj中的采样点值分别为x、y,根据上一步划分的区间的数目确定x方向、y方向的每个区间的位置;x方向[0,1]范围内的m个区间和y方向[0,1]范围内的m个区间将xoy平面相应的区域划分成了m*m个方格子;统计每个方格子内样本点数,如果某个方格子有C个点,则落入这个方格子的概率为p=C/N,以此来估计p(x)、p(y)和p(x,y);
c、根据公式 计算Wini和Winj之间的互信息。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明的方法原理简单,计算任务主要是概率估计和互信息的计算,计算复杂度低。
2、采用统计平均的方式估计概率,可以消除信号中噪声的影响,使得最大互信息更准确。
3、互信息则是一种广义的相似性度量准则,可以度量信号间更复杂的关系。
附图说明
图1为本发明所述的基于最大互信息的超声弹性成像组织位移的估计方法的流程图;
图2为图1所述方法的分段搜索示意图;
图3为图1所述方法的一条位移曲线;
图4为图1所述方法的一帧位移图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1、2、3、4,基于最大互信息的超声弹性成像组织位移估计方法,包括以下顺序的步骤:
(1)使用超声线阵探头在组织表面上采集一帧压前信号framepre,接着用探头压着轴向对组织施加一定的压力,采集一帧压后信号framepost;
(2)选择压后的一条信号RF1和对应的压前信号RF2,对RF1进行分段,每段长为N,相邻段之间的间距为I;
(3)选择RF1中的一个分段Wini,设其在压后信号中的位置为[s1,s1+N],如图2,在RF2中搜索相同长度的分段Winj,设定搜索步长为d,搜索范围系数为r,则Winj的起点在RF2中的搜索范围为s1~s1+r*(s1+N);搜索步长一般小于信号采样间隔,当确定后Winj的位置后,采用线性插值方法求Winj分段信号;
(4)将分段信号Wini和Winj分别归一化到[0,1]之间,将分段中的采样点等概率地划分到m个区间中,m=1.87·(N-1)0.4,其中N为Wini的长度;设Wini、Winj中的采样点值分别为x、y,根据上一步划分的区间的数目确定x方向、y方向的每个区间的位置;x方向[0,1]范围内的m个区间和y方向[0,1]范围内的m个区间将xoy平面相应的区域划分成了m*m个方格子;统计每个方格子内样本点数,如果某个方格子有C个点,则落入这个方格子的概率为p=C/N,以此来估计p(x)、p(y)和p(x,y);根据公式 计算Wini和Winj之间的互信息;
(5)重复搜索Winj,计算Winj与Wini的互信息,选择互信息最大时的Winj,则Wini和Winj的间距即为分段Wini对应的组织的位移量;
(6)计算信号RF1的每个分段位移,得到一条位移曲线;接着计算framepre中其他信号的位移曲线,获得一帧二维位移图,在二维位移图的水平方向上进行中值滤波,从而得到最终的位移图;最终的位移图归一化显示如图4,位移图的每一列是一条信号对应的位移曲线,其中的一条如图3所示。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.基于最大互信息的超声弹性成像组织位移估计方法,其特征在于:包括以下顺序的步骤:
1)对压缩组织后采集的RF信号进行分段,根据分辨率和平滑度的要求确定段长和段间距,压缩组织后采集的RF信号即压后信号,压缩组织前采集的RF信号即压前信号;
2)选择压后信号的一个分段Wini,确定搜索范围和搜索步长,在压前信号中搜索待匹配的分段Winj的位置,并用线性插值法计算Winj分段信号;
3)分段信号Wini和Winj分别归一化到[0,1]之间,将分段中的采样点等概率地划分到m个区间中,统计Wini中采样点的概率p(x),Winj中的采样点概率p(y)以及Wini、Winj采样点之间的联合概率p(x,y),然后计算Wini和Winj之间的互信息;
4)重复搜索Winj,计算Winj与Wini的互信息,选择互信息最大时的Winj,则Wini和Winj的间距即为分段Wini对应的组织的位移量;
5)重复步骤2)至步骤4),计算压后信号的每个分段的对应位移量,得到一条位移曲线;接着计算其他信号的位移曲线,获得一帧二维位移图,在二维位移图的水平方向上进行中值滤波,从而得到最终的位移图。
2.根据权利要求1所述的基于最大互信息的超声弹性成像组织位移估计方法,其特征在于:步骤2)中,所述的压前信号的分段Winj的长度和Wini相同;所述的分段Winj的搜索方式具体如下:设定一个搜索范围系数r,若Wini在压后信号中的位置为[s1,t1],则Winj在压前信号中的搜索范围为s1~s1+r*t1,搜索步长小于信号采样间隔。
3.根据权利要求1所述的基于最大互信息的超声弹性成像组织位移估计方法,其特征在于:所述的步骤3)具体包含以下步骤:
a、分段信号Wini和Winj分别归一化到[0,1]之间,将分段中的采样点等概率地划分到m个区间中,m=1.87·(N-1)0.4,其中N为Wini的长度;
b、设Wini、Winj中的采样点值分别为x、y,根据上一步划分的区间的数目确定x方向、y方向的每个区间的位置;x方向[0,1]范围内的m个区间和y方向[0,1]范围内的m个区间将xoy平面相应的区域划分成了m*m个方格子;统计每个方格子内样本点数,如果某个方格子有C个点,则落入这个方格子的概率为p=C/N,以此来估计p(x)、p(y)和p(x,y);
c、根据公式 计算Wini和Winj之间的互信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310737856.2A CN103654865B (zh) | 2013-12-26 | 2013-12-26 | 基于最大互信息的超声弹性成像组织位移估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310737856.2A CN103654865B (zh) | 2013-12-26 | 2013-12-26 | 基于最大互信息的超声弹性成像组织位移估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103654865A true CN103654865A (zh) | 2014-03-26 |
CN103654865B CN103654865B (zh) | 2016-06-22 |
Family
ID=50294466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310737856.2A Expired - Fee Related CN103654865B (zh) | 2013-12-26 | 2013-12-26 | 基于最大互信息的超声弹性成像组织位移估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103654865B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104000622A (zh) * | 2014-05-28 | 2014-08-27 | 华南理工大学 | 一种多重自由扫描三维超声准静态弹性成像方法 |
CN110946618A (zh) * | 2019-11-24 | 2020-04-03 | 华南理工大学 | 一种基于经验流形的弹性成像方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103040488A (zh) * | 2012-12-21 | 2013-04-17 | 深圳大学 | 一种实时超声弹性成像位移估计方法和系统 |
US20130245442A1 (en) * | 2012-03-16 | 2013-09-19 | General Electric Company | Systems, methods and computer programs for detection of tissue mechanical property |
-
2013
- 2013-12-26 CN CN201310737856.2A patent/CN103654865B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130245442A1 (en) * | 2012-03-16 | 2013-09-19 | General Electric Company | Systems, methods and computer programs for detection of tissue mechanical property |
CN103040488A (zh) * | 2012-12-21 | 2013-04-17 | 深圳大学 | 一种实时超声弹性成像位移估计方法和系统 |
Non-Patent Citations (2)
Title |
---|
张文静等: "甲状腺结节的实时超声弹性成像的研究", 《计算机应用与软件》 * |
陆敏华等: "医学超声关键技术研究和进展(二)超声弹性成像技术、超声图像处理与分析", 《生物医学工程学进展》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104000622A (zh) * | 2014-05-28 | 2014-08-27 | 华南理工大学 | 一种多重自由扫描三维超声准静态弹性成像方法 |
CN104000622B (zh) * | 2014-05-28 | 2015-11-04 | 华南理工大学 | 一种多重自由扫描三维超声准静态弹性成像方法 |
CN110946618A (zh) * | 2019-11-24 | 2020-04-03 | 华南理工大学 | 一种基于经验流形的弹性成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103654865B (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100742463B1 (ko) | 이미지 생성 방법, 조직 변형 정보 생성 방법, 조직 속도 추정 방법, 정량적인 스트레스 에코 초음파 수행 방법 및 실시간 이미징 방법 | |
Vardoulis et al. | Validation of a novel and existing algorithms for the estimation of pulse transit time: advancing the accuracy in pulse wave velocity measurement | |
WO2020206755A1 (zh) | 一种基于射线理论的超声ct图像重建方法及系统 | |
JP5753798B2 (ja) | 超音波診断装置およびその作動方法 | |
CN104622509A (zh) | 超声波诊断装置以及弹性评价方法 | |
WO2019114034A1 (zh) | 一种根据超声弹性肌动图获取生物力学参数的方法及装置 | |
JP5726081B2 (ja) | 超音波診断装置及び弾性画像の分類プログラム | |
CN102764141B (zh) | 弹性成像方法和系统及其中的生物组织位移估计方法和系统 | |
CN112806977B (zh) | 基于多尺度融合网络的生理参数测量方法 | |
EP2637570A2 (en) | System and method of ultrasound image processing | |
CN1313054C (zh) | 一种多尺度的生物组织位移估计方法 | |
CN107970042B (zh) | 一种超声非线性定量实时成像方法与系统 | |
CN103735287A (zh) | 一种血管内超声弹性成像二维多级混合位移估计方法 | |
CN110353729B (zh) | 一种基于双向长短期记忆网络的声波渡越时间检测方法 | |
Ashikuzzaman et al. | Incorporating multiple observations in global ultrasound elastography | |
CN103654865B (zh) | 基于最大互信息的超声弹性成像组织位移估计方法 | |
CN114492519A (zh) | 一种基于超声回波射频信号的肺超声特殊征象b线识别分类方法 | |
CN108784736B (zh) | 一种二维迭代的超声弹性成像应变估计方法 | |
CN103815932B (zh) | 基于光流法和应变的超声准静态弹性成像方法 | |
CN102920485A (zh) | 一种超声弹性成像中生物组织二维位移场的估计方法 | |
CN1313055C (zh) | 采用两种尺度的生物组织位移估计方法 | |
Kheirkhah et al. | A tissue mechanics based method to improve tissue displacement estimation in ultrasound elastography | |
US20100305438A1 (en) | System and method for scaling strain image data | |
CN114795288A (zh) | 基于超声导波频散曲线的人体骨质疏松检测方法 | |
CN110931130B (zh) | 一种基于b超信号评估呼吸和心动周期的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160622 Termination date: 20211226 |