CN104899902B - 一种血管内光声二维图像的重建方法 - Google Patents
一种血管内光声二维图像的重建方法 Download PDFInfo
- Publication number
- CN104899902B CN104899902B CN201510177981.1A CN201510177981A CN104899902B CN 104899902 B CN104899902 B CN 104899902B CN 201510177981 A CN201510177981 A CN 201510177981A CN 104899902 B CN104899902 B CN 104899902B
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- matrix
- photoacoustic
- value
- 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 25
- 238000003384 imaging method Methods 0.000 claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 238000009795 derivation Methods 0.000 claims abstract description 6
- 230000004044 response Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 36
- 210000004204 blood vessel Anatomy 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 5
- 238000005316 response function Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003759 clinical diagnosis Methods 0.000 abstract description 3
- 208000019553 vascular disease Diseases 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000008280 blood Substances 0.000 abstract description 2
- 210000004369 blood Anatomy 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种血管内光声二维图像的重建方法,所述方法首先根据IVPA成像设备采集光声信号的方式建立初始重建图像;然后对成像导管在各个测量位置采集到的光声数据进行一次求导、逆卷积以及滤波预处理,去除超声探测器脉冲响应对图像重建的影响;最后根据超声探测器的有效接收角度和预处理后的光声数据计算每一个网格点对应的灰度值,得到最终的灰度图像。本发明可根据实际光声信号采集设备的不同,灵活地设置成像导管半径和采样频率等设备参数,调整重建图像的分辨率,选取适当的滤波函数对原始光声信号进行预处理,最终精确重构出目标血管横截面的初始光声压强分布图像,为血管疾病的临床诊断提供有益的参考。
Description
技术领域
本发明涉及一种利用血管内光声(intravascular photoacoustic,IVPA)信号反演重建出血管的轴向截面光吸收分布图像的方法,属于医学成像技术领域。
背景技术
光声成像是一种新型的无损医学成像技术,它根据不同生物组织对特定波长的激光具有差别较大的光学吸收系数,进而辐射出不同强度的超声波这一原理,通过对采集到的组织光声信号进行图像重建,得到组织内部结构信息的一种成像方法。将光声成像技术应用于血管内部成像,可检测血管壁的组织结构。血管内光声成像技术的原理是将光声成像导管插入待测血管腔内,当导管绕其轴旋转时,脉冲激光或幅度调制的连续激光均匀照射到管壁上,激发管壁产生光声信号,安置在探头顶端的超声探测器进行360°圆周旋转采集各个方向的超声回波并传送至计算机,最后采用适当的算法重建出血管的横截面光吸收分布或者初始光声压强分布图像,获得血管的组织结构图像和几何形态信息。图像重建是血管内光声成像必不可少的组成部分,与其它扫描设备围绕成像物体旋转的光声断层成像系统不同,IVPA是在封闭的血管腔内成像,其扫描孔径在成像物体内是封闭的,使数据的采集方式受到高度限制,因而无法直接采用现有的光声图像重建算法。因此,如何进行血管内光声二维图像的重建就成为有关技术人员面临的课题。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种血管内光声二维图像的重建方法,以显示血管内部的组织结构变化,为血管疾病的临床诊断提供有益的参考。
本发明所述问题是以下述技术方案实现的:
一种血管内光声二维图像的重建方法,所述方法首先根据IVPA成像设备采集光声信号的方式建立初始重建图像;然后对成像导管在各个测量位置采集到的光声数据进行一次求导、逆卷积以及滤波预处理,去除超声探测器脉冲响应对图像重建的影响;最后根据超声探测器的有效接收角度和预处理后的光声数据计算每一个网格点对应的灰度值,得到最终的灰度图像,所述方法包括以下步骤:
a.建立初始重建图像:
接收光声信号的超声探测器位于成像导管顶端,成像平面通过超声探测器并垂直于成像导管,超声探测器的扫描轨迹为平行于成像平面、半径等于导管半径的圆形轨迹;
初始重建图像A1的宽度和高度均为l,A1由M×M个正方形网格组成,第m行、第n列的网格点编号记为(m,n),其中m=1,2,...,M,n=1,2,...,M;M为奇数,用M×M的矩阵B表示A1,其中矩阵B的第m行、第n列元素的值B(m,n)是图像A1中网格点(m,n)的灰度值,将B初始化为零矩阵,成像导管半径为d0,成像平面所在的坐标系为X-Y平面直角坐标系,其中坐标原点O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;
b.光声信号的预处理
成像导管在成像平面内旋转360°共采集K个位置的光声信号,步进角度为φ=2π/K,成像设备的采样频率为f,超声探测器在每个测量位置采集到的离散信号长度为T,将探测器在第i个测量位置实际接收到的信号用1×T的向量表示,对同时进行求导、逆卷积和滤波处理,得到预处理后的结果
其中,是的傅里叶变换;H(ω)是探测器的脉冲响应函数h(t)的傅里叶变换;W(ω)为滤波器的窗函数;IFFT(·)表示快速傅里叶反变换;
c.重建血管横截面的初始光声压强分布图像
对于图像A1中到坐标原点的距离大于d0且满足的网格点,计算探测器在第i个测量位置探测到的网格点(m,n)产生的光声压强值Di(m,n):
Di(m,n)=wi(m,n)·gi”(N)
其中,d0为成像导管半径;θ为超声探测器的有效接收角度;gi”(N)为中第个元素的值,N=1,2,...,T;round(·)表示对输入的数值进行四舍五入取整运算,dx=l/M是离散网格点之间的距离,为权重因子,
φ为步进角度,c为光声信号在血管内的传播速度;
对于第i个测量位置,对图像A1的M×M个网格点都进行以上计算,得到M×M的矩阵Di的所有元素值,然后,对第i+1个测量位置的采样数据重复上述操作,直至完成所有测量位置的计算,再计算网格点(m,n)产生的初始压强值D(m,n):
得到M×M的矩阵D的第m(其中,m=1,2,...,M)行n(其中,n=1,2,...,M)列元素的值,最后,对矩阵D按照下式进行归一化处理:
将矩阵D转换为256级灰度矩阵B,其中,m=1,2,...,M,n=1,2,...,M;min(D)和max(D)分别为矩阵D所有元素中的最小值和最大值;B(m,n)为M×M的矩阵B的第m行、第n列元素的值,显示即可得到最终的重建图像A。
上述血管内光声二维图像的重建方法,所述滤波器的窗函数W(ω)选取Hanning窗函数,其定义为
其中,ωc是截止频率。
本发明可根据实际光声信号采集设备的不同,灵活地设置成像导管半径和采样频率等设备参数,调整重建图像的分辨率,选取适当的滤波函数对原始光声信号进行预处理,最终精确重构出目标血管横截面的初始光声压强分布图像,为血管疾病的临床诊断提供有益的参考。
附图说明
下面结合附图对本发明作进一步详述。
图1本发明方法的流程图。
图2 IVPA系统成像及图像重建示意图。其中图(a)是IVPA系统的成像示意图,图(b)是IVPA图像重建示意图。
图3超声探测器接收血管壁光声信号示意图。
图4本发明方法的重建示意图。
文中各符号为:A1、初始重建图像;A、最终的重建图像;l、重建图像的宽度/高度;M、重建图像的宽度/高度对应的离散网格个数;(m,n)、A1中第m行第n列的网格点,其中m=1,2,...,M,n=1,2,...,M;B、表示图像A1的矩阵;B(m,n)、矩阵B的第m行第n列元素的值,即第(m,n)个网格点(m,n)的灰度值;d0、成像导管半径;X、Y、O、X-Y平面直角坐标系的横轴、纵轴和坐标原点;K、成像导管在成像平面内旋转360°共采集光声信号的位置数;φ、步进角度;f、光声成像设备的采样频率;T、超声探测器在每个测量位置采集到的离散信号长度;第i个测量位置采集到的去除探测器脉冲响应影响后的离散光声信号,其中i=1,2,...,K;探测器在第i个测量位置实际接收到的离散光声信号;h(t)、探测器的脉冲响应函数;H(ω)、和h(t)的傅里叶变换;IFFT(·)、快速傅里叶反变换;θ、超声探测器的有效接收角度;c、光声信号在血管内的传播速度;t、探测到光声信号的时刻;r、光声信号所在弧的半径;预处理后的结果;W(ω)、滤波器的窗函数;ωc、截止频率;探测器在第i个采样点时接收平面的法向量;r(m,n)、第(m,n)个网格点到坐标原点(成像导管中心)的距离;dx、离散网格点之间的距离;探测器的第i个测量位置点到第(m,n)个网格点的向量;探测器在第i个测量位置接收平面的法向量;向量与之间的夹角;·、是向量的点积运算;和的模;cos-1(·)、反余弦函数;ri(m,n)、第(m,n)个网格点所在弧线的半径;gi”(N)、中的第N个元素的值,其中N=1,2,...,T;round(·)、对数值进行四舍五入的取整运算;wi(m,n)、权重因子;Di、M×M的矩阵;Di(m,n)、矩阵Di的第m行n列元素的值,是探测器在第i个测量位置探测到的网格点(m,n)产生的光声压强值;D、M×M的矩阵;D(m,n)、矩阵D的第m行第n列元素的值,是最终计算得到的网格点(m,n)产生的初始压强值;min(D)、max(D)、矩阵D所有元素中的最小值和最大值。
具体实施方式
下面结合附图1详细说明本发明的步骤:
(1)初始化:
如附图2(a)所示,接收光声信号的超声探测器位于成像导管顶端,成像平面通过超声探测器并垂直于成像导管。本发明方法将超声探测器看作理想的点探测器,其扫描轨迹为平行于成像平面、半径等于导管半径的圆形轨迹。
首先,如附图2(b)所示,初始重建图像A1的宽度和高度均为l,A1由M×M个正方形网格组成,第m行、第n列的网格点编号记为(m,n),其中m=1,2,...,M,n=1,2,...,M;M为奇数,并且M越大,重建图像的分辨率越高。用M×M的矩阵B表示A1,其中矩阵B的第m行、第n列元素的值B(m,n)是图像A1中网格点(m,n)的灰度值,将B初始化为零矩阵。成像导管半径为d0,成像平面所在的坐标系为X-Y平面直角坐标系,其中坐标原点O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。
(2)光声信号的预处理
成像导管在成像平面内旋转360°共采集K个位置的光声信号,步进角度为φ=2π/K,成像设备的采样频率为f,超声探测器在每个测量位置采集到的离散信号长度为T。将超声探测器在第i(其中i=1,2,...,K)个测量位置采集到的光声信号用1×T的向量表示。
实际上,由于探测器的带宽有限,脉冲响应函数不是理想的δ函数,而是有一定的频率响应范围,所以探测器在第i个测量位置实际接收到的信号为
其中,h(t)为探测器的脉冲响应函数;“*”表示卷积运算。通过逆卷积运算,可由求得
其中,和H(ω)分别是和h(t)的傅里叶变换;IFFT(·)表示快速傅里叶反变换。
附图3为附图2(a)中的IVPA成像平面,超声探测器的有效接收角度为θ,光声信号在血管内的传播速度为c。非聚焦超声探测器在第i(其中i=1,2,...,K)个测量位置、时刻t=r/c探测到的光声信号是以当前探测器位置为圆心、半径为r、圆心角为θ的弧线上所有吸收点发出的光声压强信号的积分。由于积分运算具有误差叠加效应,因此本发明方法将每个测量位置上的对时间取一阶导数,然后再进行加权累加,得到近似的初始光声压强分布。
为了保证算法的稳定性,本发明方法对同时进行求导、逆卷积和滤波处理,得到
其中,W(ω)为滤波器的窗函数,本发明方法选取Hanning窗函数,其定义为
其中,ωc是截止频率。
(3)重建血管横截面的初始光声压强分布图像
图像A1中的网格点(m,n)到坐标原点(即成像导管中心)的距离为
其中,dx=lM是离散网格点之间的距离。当r(m,n)≤d0时,说明网格点(m,n)位于成像导管内,对该类网格点不做计算。反之,当网格点在超声成像导管外部,即r(m,n)>d0时,对这些网格点继续进行以下步骤。
如附图4所示,当探测器位于第i个测量位置时,其位置坐标为(d0cos(iφ),d0sin(iφ)),该点到网格点(m,n)的向量为
接收平面的法向量为
与之间的夹角为
其中,“·”是向量的点积运算;和分别是和的模;cos-1(·)为反余弦函数。若说明网格点(m,n)位于以第i个测量位置为中心、圆心角为θ的扇形有效测量范围内,并且该网格点位于半径为
的弧线上。该弧线上所有网格点产生的光声压强的累加等于中第个元素的值,即gi”(N)。其中,N=1,2,...,T;round(·)表示对输入的数值进行四舍五入取整运算。由gi”(N)根据下式得到
Di(m,n)=wi(m,n)·gi”(N) (10)
其中,wi(m,n)为权重因子;Di(m,n)为M×M的矩阵Di的第m行n列元素的值,是探测器在第i个测量位置探测到的网格点(m,n)被脉冲激光照射后产生的光声压强值。当测量位置比较密集时,相邻测量位置之间的扇形有效测量范围会发生重叠,为了避免重复计算重叠区域的网格点在不同测量位置产生的光声压强,本发明方法引入权重因子wi(m,n)
由式(11)可知,越小,权重wi(m,n)越大,即对计算网格点(m,n)处的初始光声压强的影响越大。
对于第i个测量位置,对图像A1的M×M个网格点都进行以上计算,得到矩阵Di的所有元素值。此后,对第i+1个测量位置的采样数据重复上述操作,直至完成所有测量位置的计算。那么
其中,D(m,n)为M×M的矩阵D的第m(其中m=1,2,...,M)行n(其中n=1,2,...,M)列元素的值,矩阵中的各元素值对应为最终计算得到的各网格点的初始压强值。
最后,将D按照式(13)进行归一化处理转换为256级灰度矩阵B,显示即可得到最终的重建图像A:
其中,m=1,2,...,M,n=1,2,...,M;min(D)和max(D)分别为矩阵D所有元素中的最小值和最大值;B(m,n)为M×M的矩阵B的第m行、第n列元素的值。
Claims (2)
1.一种血管内光声二维图像的重建方法,其特征是,所述方法首先根据IVPA成像设备采集光声信号的方式建立初始重建图像;然后对成像导管在各个测量位置采集到的光声数据进行一次求导、逆卷积以及滤波预处理,去除超声探测器脉冲响应对图像重建的影响;最后根据超声探测器的有效接收角度和预处理后的光声数据计算每一个网格点对应的灰度值,得到最终的灰度图像,所述方法包括以下步骤:
a.建立初始重建图像:
接收光声信号的超声探测器位于成像导管顶端,成像平面通过超声探测器并垂直于成像导管,超声探测器的扫描轨迹为平行于成像平面、半径等于导管半径的圆形轨迹;
初始重建图像A1的宽度和高度均为l,A1由M×M个正方形网格组成,第m行、第n列的网格点编号记为(m,n),其中m=1,2,...,M,n=1,2,...,M;M为奇数,用M×M的矩阵B表示A1,其中矩阵B的第m行、第n列元素的值B(m,n)是图像A1中网格点(m,n)的灰度值,将B初始化为零矩阵,成像导管半径为d0,成像平面所在的坐标系为X-Y平面直角坐标系,其中坐标原点O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;
b.光声信号的预处理
成像导管在成像平面内旋转360°共采集K个位置的光声信号,步进角度为φ=2π/K,成像设备的采样频率为f,超声探测器在每个测量位置采集到的离散信号长度为T,将探测器在第i个测量位置实际接收到的信号用1×T的向量表示,对同时进行求导、逆卷积和滤波处理,得到预处理后的结果
其中,是的傅里叶变换;H(ω)是探测器的脉冲响应函数h(t)的傅里叶变换;W(ω)为滤波器的窗函数;IFFT(·)表示快速傅里叶反变换;c.重建血管横截面的初始光声压强分布图像
对于图像A1中到坐标原点的距离大于d0且满足的网格点,计算探测器在第i个测量位置探测到的网格点(m,n)产生的光声压强值Di(m,n):
Di(m,n)=wi(m,n)·gi”(N)
其中,d0为成像导管半径;θ为超声探测器的有效接收角度;gi”(N)为中第个元素的值,N=1,2,...,T;round(·)表示对输入的数值进行四舍五入取整运算,dx=l/M是离散网格点之间的距离,为权重因子,
φ为步进角度,c为光声信号在血管内的传播速度;
对于第i个测量位置,对图像A1的M×M个网格点都进行以上计算,得到M×M的矩阵Di的所有元素值,然后,对第i+1个测量位置的采样数据重复上述操作,直至完成所有测量位置的计算,再计算网格点(m,n)产生的初始压强值D(m,n):
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
得到M×M的矩阵D的第m行、第n列元素的值,其中,m=1,2,...,M,n=1,2,...,M,最后,对矩阵D按照下式进行归一化处理:
<mrow>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>256</mn>
<mfrac>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
将矩阵D转换为256级灰度矩阵B,其中,m=1,2,...,M,n=1,2,...,M;min(D)和max(D)分别为矩阵D所有元素中的最小值和最大值;B(m,n)为M×M的矩阵B的第m行、第n列元素的值,显示即可得到最终的重建图像A。
2.根据权利要求1所述的血管内光声二维图像的重建方法,其特征是,所述滤波器的窗函数W(ω)选取Hanning窗函数,其定义为
<mrow>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>&pi;</mi>
<mi>&omega;</mi>
</mrow>
<msub>
<mi>&omega;</mi>
<mi>c</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>&omega;</mi>
<mo>|</mo>
<mo>&le;</mo>
<msub>
<mi>&omega;</mi>
<mi>c</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>&omega;</mi>
<mo>|</mo>
<mo>></mo>
<msub>
<mi>&omega;</mi>
<mi>c</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,ωc是截止频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510177981.1A CN104899902B (zh) | 2015-04-14 | 2015-04-14 | 一种血管内光声二维图像的重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510177981.1A CN104899902B (zh) | 2015-04-14 | 2015-04-14 | 一种血管内光声二维图像的重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104899902A CN104899902A (zh) | 2015-09-09 |
CN104899902B true CN104899902B (zh) | 2018-05-04 |
Family
ID=54032546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510177981.1A Expired - Fee Related CN104899902B (zh) | 2015-04-14 | 2015-04-14 | 一种血管内光声二维图像的重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104899902B (zh) |
Families Citing this family (3)
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 |
CN107180442A (zh) * | 2017-04-13 | 2017-09-19 | 太原理工大学 | 一种基于Renyi熵的光声图像重建前置滤波器 |
CN114129130B (zh) * | 2021-10-29 | 2023-09-22 | 西安理工大学 | 基于单地址lut表的光声图像反投影重构方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306385A (zh) * | 2011-06-22 | 2012-01-04 | 复旦大学 | 任意扫描方式下光声成像的图像重建方法 |
CN103310472A (zh) * | 2013-06-21 | 2013-09-18 | 中国科学院自动化研究所 | 基于正则化迭代的有限角度光声成像重建方法及装置 |
CN103345770A (zh) * | 2013-07-18 | 2013-10-09 | 中国科学院自动化研究所 | 一种基于迭代自适应加权的有限视角光声成像重建方法 |
Family Cites Families (1)
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 |
-
2015
- 2015-04-14 CN CN201510177981.1A patent/CN104899902B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306385A (zh) * | 2011-06-22 | 2012-01-04 | 复旦大学 | 任意扫描方式下光声成像的图像重建方法 |
CN103310472A (zh) * | 2013-06-21 | 2013-09-18 | 中国科学院自动化研究所 | 基于正则化迭代的有限角度光声成像重建方法及装置 |
CN103345770A (zh) * | 2013-07-18 | 2013-10-09 | 中国科学院自动化研究所 | 一种基于迭代自适应加权的有限视角光声成像重建方法 |
Non-Patent Citations (2)
Title |
---|
Image Reconstruction in Intravascluar Photoacoustic Imaging;Yae-lin Sheu等;《IEEE TRANSACTIONS ON ULTRASONICS,FERROELECTRICS,AND FREQUENCY CONTORL》;20111010;第58卷(第10期);2067-2077 * |
血管内光声成像图像重建的研究现状;孙正等;《光电工程》;20150315;第42卷(第3期);20-27 * |
Also Published As
Publication number | Publication date |
---|---|
CN104899902A (zh) | 2015-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103230283B (zh) | 一种超声探头成像平面空间位置标定的优化方法 | |
US20180192883A1 (en) | Biological information imaging apparatus and biological information imaging method | |
CN105054971B (zh) | 声波获取装置 | |
Jose et al. | Speed‐of‐sound compensated photoacoustic tomography for accurate imaging | |
CN103505288B (zh) | 超声成像方法和超声成像设备 | |
CN102640014B (zh) | 图像生成装置和图像生成方法 | |
CN103492871B (zh) | 光声成像装置及其方法 | |
JP6504826B2 (ja) | 情報処理装置および情報処理方法 | |
JPH05506371A (ja) | 管状体位置および寸法を決定するための超音波検査法およびその装置 | |
EP2742853B1 (en) | Handheld device and method for volumetric real-time optoacoustic imaging of an object | |
CN102258386B (zh) | 显示数据获得设备和显示数据获得方法 | |
CN101474083A (zh) | 血管力学特性超分辨成像与多参数检测的系统与方法 | |
CN102973291B (zh) | C型臂半精确滤波反投影断层成像方法 | |
CN104899902B (zh) | 一种血管内光声二维图像的重建方法 | |
CN106560160A (zh) | 被检体信息获取装置及其控制方法 | |
Zheng et al. | 2-D image reconstruction of photoacoustic endoscopic imaging based on time-reversal | |
CN105654497B (zh) | 一种血管内光声图像的时间反演重建方法 | |
Janvier et al. | Validation of 3D reconstructions of a mimicked femoral artery with an ultrasound imaging robotic system | |
CN105748100B (zh) | 准静态超声弹性成像位移计算方法和装置 | |
CN111956180B (zh) | 一种重建光声内窥层析图像的方法 | |
CN108392751B (zh) | 一种实时监测高强聚焦超声治疗声空化的方法 | |
CN107527316B (zh) | 二维超声影像序列上的任意点构建点云数据的方法及系统 | |
JP6930668B2 (ja) | 超音波診断システム | |
CN106028946A (zh) | 用于监测病变尺寸趋势的系统及其操作方法 | |
Willemink et al. | Imaging of acoustic attenuation and speed of sound maps using photoacoustic measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180504 |