CN104867178B - 一种二维血管内光声图像的建模与仿真方法 - Google Patents
一种二维血管内光声图像的建模与仿真方法 Download PDFInfo
- Publication number
- CN104867178B CN104867178B CN201510157894.XA CN201510157894A CN104867178B CN 104867178 B CN104867178 B CN 104867178B CN 201510157894 A CN201510157894 A CN 201510157894A CN 104867178 B CN104867178 B CN 104867178B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- mfrac
- layers
- msubsup
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004088 simulation Methods 0.000 title claims abstract description 10
- 238000003384 imaging method Methods 0.000 claims abstract description 68
- 238000005315 distribution function Methods 0.000 claims abstract description 16
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 4
- 238000010521 absorption reaction Methods 0.000 claims description 19
- 230000002792 vascular Effects 0.000 claims description 14
- 239000002245 particle Substances 0.000 claims description 10
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 5
- 239000013256 coordination polymer Substances 0.000 claims description 4
- 239000012528 membrane Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000012549 training Methods 0.000 abstract description 6
- 208000037260 Atherosclerotic Plaque Diseases 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011056 performance test Methods 0.000 abstract description 3
- 238000012805 post-processing Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 210000001519 tissue Anatomy 0.000 description 48
- 210000004204 blood vessel Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 150000002632 lipids Chemical class 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000002808 connective tissue Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- 206010062575 Muscle contracture Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- -1 calcareous Substances 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000006111 contracture Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004761 fibrosis Effects 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种二维血管内光声图像的建模与仿真方法,所述方法首先建立含有粥样硬化斑块的血管横截面模型,成像导管位于模型中心,将血管横截面等角度分为份;然后对成像导管在每个角度从模型中心沿径向发射激光脉冲的过程进行仿真,对每个角度对应的多层血管壁组织进行光的蒙特卡罗模拟,得到空间电磁吸收分布函数;再根据仿真出多层血管壁组织的光声信号;最后根据个光声信号得到血管横截面图像。本发明可在有限的硬件设备和较短的时间内得到大量的IVPA图像,为血管内光声成像算法和IVPA图像后处理算法的研究和性能测试等提供数据源,为医学训练提供图像库,为获取更高质量的IVPA图像提供有益的参考。
Description
技术领域
本发明涉及一种对二维血管内光声(intravascular photoacoustic,IVPA)图像进行建模与仿真的方法,属于医学成像技术领域。
背景技术
血管内光声(intravascular photoacoustic,IVPA)成像是一种成像方法,它根据不同成分的粥样硬化斑块的光吸收系数不同,被光照射热膨胀后产生的声学信号强度也不同这一效应对血管壁及粥样硬化斑块成像。它结合了光声信号激发阶段光吸收较高的对比度和光声信号发射阶段超声检测较高的分辨率,可得到展示斑块类型和尺寸等信息的实时图像。
IVPA图像内容的差异由目标血管结构、斑块类型和重构图像的参数等造成,此外成像仪器的校准和微小的参数差异都会影响成像效果。测试者通过图像判断血管的准确程度、提升成像导管的参数质量、优化图像处理算法等都建立在分析大量的测试图像数据的基础上。然而,IVPA成像技术目前尚未广泛应用,可用的测试数据严重不足。此外,测试血管变异实践是一种比较有效的医学训练途径,但需要较多训练时间和有经验专家的专门指导,训练条件较为繁琐和严苛。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种二维血管内光声图像的建模与仿真方法,在有限的硬件设备、较短的时间内得到大量的IVPA图像,为血管内光声成像算法和IVPA图像后处理算法的研究和性能测试等提供数据源,为医学训练提供图像库,为获取更高质量的IVPA图像提供有益参考。
本发明所述问题是以下述技术方案实现的:
一种二维血管内光声图像的建模与仿真方法,所述方法首先建立含有粥样硬化斑块的血管横截面模型,成像导管位于模型中心,将血管横截面等角度分为m份;然后对成像导管在每个角度从模型中心沿径向发射激光脉冲的过程进行仿真,对每个角度对应的多层血管壁组织进行光的蒙特卡罗(Monte Carlo,MC)模拟,得到空间电磁吸收分布函数A(r);再根据A(r)仿真出多层血管壁组织的光声信号p(t);最后根据m个光声信号得到血管横截面图像。
上述二维血管内光声图像的建模与仿真方法,所述方法按以下步骤进行:
a.建立血管横截面模型:
成像导管位于模型的中央,周围依次为管腔(血液)、斑块(纤维、钙质、脂质)、内膜/中膜(肌肉组织)和外膜(结缔组织),将超声换能器看作理想的点换能器,其扫描轨迹为平行于成像平面、半径趋近于零的圆形轨迹,模型所在的坐标系为平行于成像平面的X-Y平面直角坐标系,其中坐标原点是成像导管中心;然后以血管横截面模型的中心为起始点将模型等角度分为m份,每份的中心线与X轴正半轴的夹角分别为θ1,θ2,...,θm,将每一份在θ-ρ直角坐标系下近似为多层血管壁组织,其中θ-ρ坐标系的θ轴表示以X轴正半轴为基准逆时针旋转得到的角度,ρ轴表示多层血管壁组织的厚度;确定每个角度对应的多层血管壁组织中每层的参数(包括吸收系数、散射系数、平均折射率、散射各向异性因子、厚度),形成多层血管壁组织的光学参数模型;
b.仿真IVPA成像导管从模型中心沿径向发射激光脉冲穿过血管内腔中的血液照射血管壁的过程:
忽略光的波动特性,将光照射多层血管壁组织看成大量光子与生物组织相互作用的过程,采用蒙特卡罗(MC)方法模拟多层血管壁组织中激光的传播,得到关于空间的电磁吸收分布函数A(r);
c.仿真多层血管壁组织产生的光声信号:
根据下式仿真得到成像导管在角度θ=θ1,θ2,...,θm时接收到的多层血管壁组织产生的光声信号p1(t),p2(t),...,pm(t):
式中,(j,k)是位于θ-ρ平面内的多层血管壁组织上一点的坐标;Δθ和Δρ分别表示平行和垂直于多层生物组织表面方向的离散平面间距;Δt表示离散时间间距;n表示离散的时刻;pn(j,k)为n时刻(j,k)位置的光声信号强度;分别为n时刻(j,k)位置的质点在θ方向和ρ方向的振动速度;c(j,k)是光声信号在(j,k)位置的速度;A(j,k)是(j,k)位置的电磁吸收分布函数;In是n时刻的激光脉冲强度;P为血管壁组织的密度;β为等压膨胀系数;CP为比热;
d.重建极坐标系下的血管横截面IVPA图像:
位置r处的血管横截面极坐标视图的灰度值即为电磁吸收分布A′(r),由下式求得:
式中,A′(r)为图像重建得到的关于空间的电磁吸收分布函数;i=1,2,...,m,z0为位置r处距多层血管壁组织表面即θ轴的距离;pi(t)为仿真得到的成像导管在角度θi处接收到的光声信号;ri为θ-ρ平面中与成像导管在X-Y平面中的成像角度θi相对应的位置;c为光声信号的波速。
e.坐标转换
设θ-ρ坐标系中的一点坐标为(j,k),其灰度值为f(j,k),该点在X-Y坐标系中的对应点的坐标为(j′,k′),灰度值为g(j′,k′),其中j∈[0,360],k∈[0,d],j′∈[-d,d],k′∈[-d,d],d为步骤d所求极坐标图像的纵坐标的最大值,则有:
其中
θ为以X轴正半轴为基准逆时针旋转得到的角度。
本发明可灵活地调整血管横截面模型,通过改变模型中所含粥样硬化斑块的类型和设置多层血管壁组织的光学和声学参数,可精确地仿真声速不均匀的多层血管壁组织的声场,从而在有限的硬件设备和较短的时间内得到大量的IVPA图像,为血管内光声成像算法和IVPA图像后处理算法的研究和性能测试等提供数据源,为医学训练提供图像库,为获取更高质量的IVPA图像提供有益的参考。
附图说明
下面结合附图对本发明作进一步详述。
图1是含有薄纤维帽和脂质斑块的粥样硬化血管横截面模型示例;
图2是IVPA成像导管在角度θi处发射激光脉冲并接收光声信号的示意图;
图3是将角度θi处对应的成像区域近似为多层血管壁组织的示意图;
图4是将图1中的血管横截面模型示例分为256份后,其中的一份近似为多层血管壁组织的示意图;
图5是光子在多层血管壁组织中的MC模拟的流程图;
图6是光声图像重建的直线扫描模式示意图。
文中各符号为:X、Y、X-Y平面直角坐标系的横轴和纵轴,其中,成像导管的中心为坐标原点,水平向右的方向为X轴正方向,垂直于X轴向上的方向为Y轴正方向;m、横截面模型被等角度分割的总份数;θ、以X轴正半轴为基准逆时针旋转得到的角度;θi、成像导管的第i个成像角度;θia、θib、成像导管在角度θi处进行成像时对应的角度范围的上、下限,其中,i=1,2,...,m;θ、ρ、θ-ρ坐标系的横轴和纵轴,其中,水平向右的方向为θ轴正方向,垂直于θ轴向上的方向为ρ轴正方向;A(r)、激光照射血管壁组织得到的关于空间的电磁吸收分布函数;A′(r)、图像重建得到的关于空间的电磁吸收分布函数;哈密顿算子;θ-ρ坐标系θ方向和ρ方向的单位向量;t、时间;r、θ-ρ坐标系上的点;pi(r,t)、成像导管在角度θi处进行成像时对应的血管横截面模型的角度位置θia≤θ≤θib区域的多层生物组织的位置r处的光声信号,其中,i=1,2,...,m;Ai(r)、MC仿真得到的成像导管在角度θi处进行成像时对应的血管横截面模型的角度位置θia≤θ≤θib区域的多层生物组织的电磁吸收分布函数;I(t)、激光脉冲函数;c、光声信号的波速;β、等压膨胀系数;CP、比热;p、声压;v、质点的振动速度;P'、密度变化量;带方向的质点振速;P、血管壁组织的密度;vθ、vρ、质点在θ方向和ρ方向的振速;(j,k)、位于θ-ρ平面内的多层血管壁组织上一点的坐标;Δθ、Δρ、平行和垂直于多层血管壁组织表面方向的离散平面间距;Δt、离散时间间距;n、离散的时刻;pn(j,k)、n时刻(j,k)位置的光声信号强度; n时刻(j,k)位置的质点在θ方向和ρ方向的振动速度;c(j,k)、光声信号在(j,k)位置的速度;A(j,k)、(j,k)位置的电磁吸收分布函数;In、n时刻的激光脉冲强度;pi(t)、仿真得到的成像导管在角度θi处接收到的光声信号,其中,i=1,2,...,m;z0、位置r处距多层生物组织表面即θ轴的距离;ri、θ-ρ平面中与成像导管在X-Y平面中的成像角度θi相对应的位置;d、极坐标图像的纵坐标的最大值;(j,k)、(j′,k′)、θ-ρ坐标系中的一点坐标及其在X-Y坐标系中对应点的坐标;f(j,k)、g(j′,k′)、点(j,k)和点(j′,k′)的灰度值。
具体实施方式
本发明方法包括如下步骤:
(1)建立血管横截面模型:
如附图1所示,血管横截面模型包括成像导管(接收光声信号的超声换能器位于成像导管顶端)、管腔(血液)、内膜/中膜(肌肉组织)、外膜(结缔组织)和斑块(纤维、钙质、脂质)四部分。其中成像导管位于模型的中央,周围依次为管腔(血液)、斑块、内膜/中膜和外膜。本方法忽略超声换能器的孔径效应(即超声换能器接收信号时,受感面各处不能同时达到一样的相位分布),将其看作理想的点换能器,其扫描轨迹为平行于成像平面,半径趋近于零的圆形轨迹。根据斑块的类型(钙化、纤维化或者脂质斑块)和大小,以及血管内腔、血管壁内膜/中膜、外膜的厚度建立不同的血管横截面模型。模型所在的坐标系为X-Y平面直角坐标系,其中坐标原点是成像导管中心,水平向右的方向为X轴正方向,垂直于X轴向上的方向为Y轴正方向。
然后,如附图2所示,以血管横截面模型的中心为起始点将模型等角度分为m份,在对每一份进行激光照射和接收光声信号的仿真过程中,成像导管所处的成像角度为
θi=360(i-1)/m (1)
其中,i=1,2,...,m。成像区域的角度范围为
θia≤θ≤θib (2)
其中θ是以X轴正半轴为基准逆时针旋转得到的角度;
θia=θi-180/m (3)
和
θib=θi+180/m (4)
分别是成像导管在角度θi处进行成像时对应的成像区域角度范围的上、下限。
如附图3所示,将每一份在θ-ρ坐标系下近似为多层血管壁组织,其中θ-ρ坐标系的θ轴正方向为水平向右的方向,ρ轴正方向为垂直于θ轴向上的方向,表示多层血管壁组织的厚度。多层血管壁组织的表面平行于θ轴且垂直于ρ轴。确定每个角度对应的多层血管壁组织中每层的参数(包括吸收系数、散射系数、平均折射率、散射各向异性因子、厚度),形成多层血管壁组织的光学参数模型。
例如,当m=256时,将附图1中的含有薄纤维帽和脂质斑块的血管横截面模型示例以所在坐标系原点为中心等分为256份,成像导管在对每一份进行激光照射和接收光声信号的过程中所处的角度分别为:θ1=0,θ2=360/256,...,θi=360(i-1)/256,...,θ256=360×255/256。以成像导管角度位置为θ1=0时为例,如附图4所示,将对应的成像区域近似为多层血管壁组织,该多层血管壁组织的光学参数如表1所列。i=2,3,...,256时,成像角度为θi时对应的多层血管壁组织的光学参数与成像角度为θ1时相比,仅厚度参数不同,当成像角度为θi时对应的多层血管壁组织不包含斑块时,c、d层的厚度参数为0。
表1
(2)仿真IVPA成像导管从模型中心沿径向发射激光脉冲穿过血管内腔中的血液照射血管壁的过程:
忽略光的波动特性,将光照射多层血管壁组织看成大量光子与生物组织相互作用的过程,由于折射率不同,光子在两层生物组织的交界处会发生散射或透射。本发明方法模拟5×105个光子以总能量1J、半径0.01cm的高斯光束形式照射血管壁,参照文献(WangLihong.Biomedical optics:principles and imaging[M]//Wang Lihong.Monte Carlomodeling of photon transport in biological tissue.New Jersey:John Wiley andSons,2007:37-65)中的蒙特卡罗(Monte Carlo,MC)方法模拟多层血管壁组织中激光的传播,得到关于空间的电磁吸收分布函数A(r)。进行蒙特卡罗模拟的流程图如附图5所示。
(3)仿真多层血管壁组织产生的光声信号
描述光声信号在声学均匀介质中传播的物理模型为:
其中,为哈密顿算子;和分别为θ-ρ坐标系的θ方向和ρ方向的单位向量;t为时间;r为θ-ρ坐标系上的点;如附图3所示,成像导管在角度θi(i=1,2,...,m)处进行成像时,成像区域的角度范围为θia≤θ≤θib(θia=θi-180/m,θib=θi+180/m),将该成像区域在θ-ρ坐标系下近似为多层血管壁组织,pi(r,t)为t时刻在位置r处的光声信号;Ai(r)为位置r的电磁吸收分布函数;c为光声信号的波速;β为等压膨胀系数;CP为比热;I(t)为激光脉冲函数,可近似为冲激函数。
光声信号的本质是超声波,分析声波的传输需引入声压p、质点振动速度v、和密度变化量P'这三个物理量。声振动是一种宏观的物理现象,满足牛顿第二定律、质量守恒定律和描述压强、温度与体积等状态参数关系的物态方程这三个基本的物理定律,根据这些基本定律导出p、v和P'三者的关系方程:
p=v2P' (8)
式(6)是运动方程,式(7)是连续性方程,式(8)是物态方程,其中,P为血管壁组织的密度,假定为一个常数;为带方向的质点振速。
根据式(6)、(7)、(8)将式(5)改写为如下形式:
式中,vθ和vρ分别为质点在θ方向和ρ方向的振速。
将式(9)离散化为下列形式:
式中,(j,k)是位于θ-ρ平面内的多层血管壁组织上一点的坐标;Δθ和Δρ分别表示平行和垂直于多层生物组织表面方向的离散平面间距;Δt表示离散时间间距;n表示离散的时刻;pn(j,k)为n时刻(j,k)位置的光声信号强度;分别为n时刻(j,k)位置的质点在θ方向和ρ方向的振动速度;c(j,k)是光声信号在(j,k)位置的速度;A(j,k)是(j,k)位置的电磁吸收分布函数;In是n时刻的激光脉冲强度。
根据式(10)即可仿真得到成像导管在角度θ=θ1,θ2,...,θm时接收到的多层血管壁组织产生的光声信号p1(t),p2(t),...,pm(t)。
(4)重建极坐标系下的血管横截面IVPA图像
从数学的角度来讲,光声成像的图像重建问题即由光声信号p(t)计算出生物组织电磁吸收分布函数A′(r)。具体步骤如下:
首先利用步骤(3)得到的一组m个光声信号p1(t),p2(t),...,pm(t)求出其中i=1,2,...,m。然后进行多个测量位置带权重的反投影累加,近似得到电磁吸收分布A′(r):
式中,A′(r)为图像重建得到的关于空间的电磁吸收分布函数;z0为位置r处距多层血管壁组织表面即θ轴的距离;pi(t)为仿真得到的成像导管在角度θi处接收到的光声信号;如附图6所示,ri为θ-ρ平面中与成像导管在X-Y平面中的成像角度θi相对应的位置。根据式(11)求出的A′(r)即为位置r处的血管横截面极坐标视图的灰度值。
(5)坐标转换
将步骤(4)中获取的θ-ρ坐标系中的极坐标视图转换为X-Y直角坐标系下的横截面视图。具体步骤如下:
设θ-ρ坐标系中的一点坐标为(j,k),其灰度值为f(j,k),该点在X-Y坐标系中的对应点的坐标为(j′,k′),灰度值为g(j′,k′),其中j∈[0,360],k∈[0,d],j′∈[-d,d],k′∈[-d,d],d为步骤(4)中所求极坐标图像的纵坐标的最大值。那么
其中
如附图2所示,θ为以X轴正半轴为基准逆时针旋转得到的角度。所求g(j′,k′)即为X-Y坐标系中的血管横截面图像的点(j′,k′)处的灰度值。
Claims (1)
1.一种二维血管内光声图像的建模与仿真方法,其特征是,所述方法首先建立含有粥样硬化斑块的血管横截面模型,成像导管位于模型中心,将血管横截面等角度分为m份;然后对成像导管在每个角度从模型中心沿径向发射激光脉冲的过程进行仿真,对每个角度对应的多层血管壁组织进行光的蒙特卡罗模拟,得到空间电磁吸收分布函数A(r);再根据A(r)仿真出多层血管壁组织的光声信号p(t);最后根据m个光声信号得到血管横截面图像;
所述方法按以下步骤进行:
a.建立血管横截面模型:
成像导管位于模型的中央,周围依次为管腔、斑块、内膜、中膜和外膜,将超声换能器看做理想的点换能器,其扫描轨迹为平行于成像平面,半径趋近于零的圆形轨迹,模型所在的坐标系为平行于成像平面的X-Y平面直角坐标系,其中坐标原点是成像导管中心;然后以血管横截面模型的中心为起始点将模型等角度分为m份,每份的中心线与X轴正半轴的夹角分别为θ1,θ2,...,θm,将每一份在θ-ρ直角坐标系下近似为多层血管壁组织,其中θ-ρ坐标系的θ轴表示以X轴正半轴为基准逆时针旋转得到的角度,ρ轴表示多层血管壁组织的厚度;确定每个角度对应的多层血管壁组织中每层的参数:包括吸收系数、散射系数、平均折射率、散射各向异性因子、厚度,形成多层血管壁组织的光学参数模型;
b.仿真IVPA成像导管从模型中心沿径向发射激光脉冲穿过血管内腔中的血液照射血管壁的过程:
忽略光的波动特性,将光照射多层血管壁组织看成大量光子与生物组织相互作用的过程,采用蒙特卡罗方法模拟多层血管壁组织中激光的传播,得到关于空间的电磁吸收分布函数A(r);
c.仿真多层血管壁组织产生的光声信号:
根据下式仿真得到成像导管在角度θ=θ1,θ2,...,θm时接收到的多层血管壁组织产生的光声信号p1(t),p2(t),...,pm(t):
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>p</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>p</mi>
<mi>n</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>P</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>&CenterDot;</mo>
<mo>{</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&Delta;</mi>
<mi>&theta;</mi>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msubsup>
<mi>v</mi>
<mi>&theta;</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mi>&theta;</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&Delta;</mi>
<mi>&rho;</mi>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msubsup>
<mi>v</mi>
<mi>&rho;</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mi>&rho;</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&beta;</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<msub>
<mi>C</mi>
<mi>P</mi>
</msub>
</mfrac>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mi>I</mi>
<mi>n</mi>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>v</mi>
<mi>&theta;</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>v</mi>
<mi>&theta;</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>P</mi>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>&theta;</mi>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msup>
<mi>p</mi>
<mi>n</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>p</mi>
<mi>n</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>v</mi>
<mi>&rho;</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>v</mi>
<mi>&rho;</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>P</mi>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>&rho;</mi>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msup>
<mi>p</mi>
<mi>n</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>p</mi>
<mi>n</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
式中,(j,k)是位于θ-ρ平面内的多层血管壁组织上一点的坐标;Δθ和Δρ分别表示平行和垂直于多层生物组织表面方向的离散平面间距;Δt表示离散时间间距;n表示离散的时刻;pn(j,k)为n时刻(j,k)位置的光声信号强度; 分别为n时刻(j,k)位置的质点在θ方向和ρ方向的振动速度;c(j,k)是光声信号在(j,k)位置的速度;A(j,k)是(j,k)位置的电磁吸收分布函数;In是n时刻的激光脉冲强度;P为血管壁组织的密度;β为等压膨胀系数;CP为比热;
d.重建极坐标系下的血管横截面IVPA图像:
位置r处的血管横截面极坐标视图的灰度值即电磁吸收分布A′(r),由下式求得:
<mrow>
<msup>
<mi>A</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<mi>&pi;c</mi>
<mn>4</mn>
</msup>
</mrow>
</mfrac>
<mfrac>
<mrow>
<mn>4</mn>
<msub>
<mi>&pi;C</mi>
<mi>P</mi>
</msub>
<mi>c</mi>
</mrow>
<mi>&beta;</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mfrac>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>|</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>r</mi>
<mo>|</mo>
</mrow>
</mfrac>
<mfrac>
<mn>1</mn>
<mi>t</mi>
</mfrac>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>t</mi>
</mrow>
</mfrac>
<msub>
<mo>|</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>r</mi>
<mo>|</mo>
</mrow>
<mi>c</mi>
</mfrac>
</mrow>
</msub>
<mo>,</mo>
</mrow>
式中,A′(r)为图像重建得到的关于空间的电磁吸收分布函数;i=1,2,...,m,z0为位置r处距多层血管壁组织表面即θ轴的距离;pi(t)为仿真得到的成像导管在角度θi处接收到的光声信号;ri为θ-ρ平面中与成像导管在X-Y平面中的成像角度θi相对应的位置;c是光声信号的波速;
e.坐标转换
设θ-ρ坐标系中的一点坐标为(j,k),其灰度值为f(j,k),该点在X-Y坐标系中的对应点的坐标为(j′,k′),灰度值为g(j′,k′),其中j∈[0,360],k∈[0,d],j′∈[-d,d],k′∈[-d,d],d为步骤d所求极坐标图像的纵坐标的最大值,则有:
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>j</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>,</mo>
<msqrt>
<mrow>
<msup>
<mi>j</mi>
<mrow>
<mo>&prime;</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>+</mo>
<msup>
<mi>k</mi>
<mrow>
<mo>&prime;</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
</msqrt>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中
θ为以X轴正半轴为基准逆时针旋转得到的角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510157894.XA CN104867178B (zh) | 2015-04-03 | 2015-04-03 | 一种二维血管内光声图像的建模与仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510157894.XA CN104867178B (zh) | 2015-04-03 | 2015-04-03 | 一种二维血管内光声图像的建模与仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104867178A CN104867178A (zh) | 2015-08-26 |
CN104867178B true CN104867178B (zh) | 2017-09-29 |
Family
ID=53912992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510157894.XA Expired - Fee Related CN104867178B (zh) | 2015-04-03 | 2015-04-03 | 一种二维血管内光声图像的建模与仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104867178B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654497B (zh) * | 2016-01-20 | 2019-03-01 | 华北电力大学(保定) | 一种血管内光声图像的时间反演重建方法 |
CN107677644B (zh) * | 2017-08-23 | 2019-11-01 | 北京大学 | 一种多层组织体光学参数的检测系统及其检测方法 |
EP3683539A1 (en) * | 2019-01-18 | 2020-07-22 | SABIC Global Technologies B.V. | Multi-layer thickness detection using correction factors for photoacoustic spectroscopy |
CN112200883B (zh) * | 2020-11-03 | 2023-03-24 | 华北电力大学(保定) | 一种定量血管内光学相干层析成像方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101912250A (zh) * | 2010-05-24 | 2010-12-15 | 华南师范大学 | 一种血管内光声超声双模成像内窥镜装置及其成像方法 |
WO2011053931A2 (en) * | 2009-11-02 | 2011-05-05 | Board Of Regents, The University Of Texas System | Catheter for intravascular ultrasound and photoacoustic imaging |
CN103385758A (zh) * | 2013-07-22 | 2013-11-13 | 深圳先进技术研究院 | 一种血管内光声超声双模成像系统及其成像方法 |
-
2015
- 2015-04-03 CN CN201510157894.XA patent/CN104867178B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011053931A2 (en) * | 2009-11-02 | 2011-05-05 | Board Of Regents, The University Of Texas System | Catheter for intravascular ultrasound and photoacoustic imaging |
CN101912250A (zh) * | 2010-05-24 | 2010-12-15 | 华南师范大学 | 一种血管内光声超声双模成像内窥镜装置及其成像方法 |
CN103385758A (zh) * | 2013-07-22 | 2013-11-13 | 深圳先进技术研究院 | 一种血管内光声超声双模成像系统及其成像方法 |
Non-Patent Citations (4)
Title |
---|
Image Reconstruction in Intravascular Photoacoustic Imaging;Yae-lin Sheu 等;《IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control》;20111031;第58卷(第10期);第2,3节 * |
Monte Carlo modeling of light transport inmulti-layered tissues in standard C;Wang Lihong 等;《University of Texas M. D. AndersonCancer Center》;19921231;摘要,第1页第3段 * |
Realistic IVUS image generation in different intraluminal pressures;Fernando Mitsuyama Cardoso等;《Ultrasound in Med. & Biol.》;20121231;第38卷(第12期);图2 * |
血管内光声成像图像重建的研究现状;孙正 等;《光电工程》;20150331;第42卷(第3期);20-27 * |
Also Published As
Publication number | Publication date |
---|---|
CN104867178A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104867178B (zh) | 一种二维血管内光声图像的建模与仿真方法 | |
CN105054971B (zh) | 声波获取装置 | |
CN107958475B (zh) | 基于深度学习生成网络的变角度光照层析方法及装置 | |
CN102608036B (zh) | 基于声学透镜和传感器阵列的三维光声成像系统及方法 | |
Martin et al. | Experimental validation of k-wave: Nonlinear wave propagation in layered, absorbing fluid media | |
Varray et al. | Fundamental and second-harmonic ultrasound field computation of inhomogeneous nonlinear medium with a generalized angular spectrum method | |
CN115177217B (zh) | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 | |
CN103025248B (zh) | 图像信息获取装置和图像信息获取方法 | |
CN103345770A (zh) | 一种基于迭代自适应加权的有限视角光声成像重建方法 | |
CN108310687A (zh) | 一种聚焦超声声场的在线检测方法 | |
CN105654497B (zh) | 一种血管内光声图像的时间反演重建方法 | |
Ommen et al. | 3D printed calibration micro-phantoms for super-resolution ultrasound imaging validation | |
JP2018519915A (ja) | 超音波の所定の場を得るための照射法およびそのための超音波レンズの製造方法 | |
CN106023277B (zh) | 一种磁感应磁声内窥图像的建模与仿真方法 | |
Paul et al. | Relationship between peak density and acoustic scattering in high-frequency ultrasound wave propagation | |
Varray et al. | Nonlinear radio frequency image simulation for harmonic imaging: Creanuis | |
Saha | Solving time-independent inhomogeneous optoacoustic wave equation numerically with a modified Green's function approach | |
Peek et al. | Bilayer aberration-inducing gel phantom for high intensity focused ultrasound applications | |
US11464463B2 (en) | Elastography based on x-ray computed tomography and sound wave integration | |
Sun et al. | An iterative gradient convolutional neural network and its application in endoscopic photoacoustic image formation from incomplete acoustic measurement | |
Zeng et al. | Neural Born series operator for biomedical ultrasound computed Tomography | |
CN110244305A (zh) | 一种水下目标信号散射的仿真方法 | |
Hopp et al. | Experimental evaluation of straight ray and bent ray phase aberration correction for USCT SAFT imaging | |
CN117233266A (zh) | 一种基于循环神经网络的全波形反演导波层析成像方法 | |
Smith et al. | Numerical ray tracing in media involving continuous and discrete refractive boundaries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170929 |
|
CF01 | Termination of patent right due to non-payment of annual fee |