CN106037799B - 基于超声rf背散射信号时频分析的弹性参数成像方法 - Google Patents

基于超声rf背散射信号时频分析的弹性参数成像方法 Download PDF

Info

Publication number
CN106037799B
CN106037799B CN201610471908.XA CN201610471908A CN106037799B CN 106037799 B CN106037799 B CN 106037799B CN 201610471908 A CN201610471908 A CN 201610471908A CN 106037799 B CN106037799 B CN 106037799B
Authority
CN
China
Prior art keywords
elastic parameter
roi
band
sub
ultrasonic
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.)
Active
Application number
CN201610471908.XA
Other languages
English (en)
Other versions
CN106037799A (zh
Inventor
林春漪
潘浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201610471908.XA priority Critical patent/CN106037799B/zh
Publication of CN106037799A publication Critical patent/CN106037799A/zh
Application granted granted Critical
Publication of CN106037799B publication Critical patent/CN106037799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic

Abstract

本发明公开了一种基于超声RF背散射信号时频分析的弹性参数成像方法，包括以下步骤：1、使用宽频超声线阵探头扫描活体肝组织，获取超声回波RF背散射信号；2、解调超声回波RF背散射信号并显示B型图；3、选择适当大小的ROI感兴趣区，大小设置为MXW；4、计算每一条扫描线的三层小波包分解，获取各个子频带能量谱序列；5、采用基于最小二乘法的四阶多项式拟合子频带能量谱序列，获取每条扫描线的弹性参量；6、计算ROI内所有扫描线的弹性参量的均值；7、将获得的均值映射为成像灰度，叠加在原B型图相应ROI位置上，实现ROI的弹性成像。具有能更好地反映肝组织微结构的特征等优点。

Description

基于超声RF背散射信号时频分析的弹性参数成像方法
技术领域
本发明涉及一种超声医学技术，特别涉及一种基于超声RF背散射信号时频分析的弹性参数成像方法。
背景技术
肝组织的弹性或硬度改变与肝纤维化和肝硬化密切相关。而超声弹性成像技术是观察生物组织软硬度的低成本、无损和简便的影像检查手段。
目前超声弹性成像方法主要分为两大类，静态弹性成像技术和动态弹性成像技术，主要采用组织应变率和弹性模量作为成像参数，而且已经应用于医学临床。但是，它们仍需要改进。主要原因是：(1)静态弹性成像采用人工方式去模拟匀速加压，不可避免地会受到人为因素的影响，产生的应变和位移可以随着压力大小，频率快慢的不同而变化，从而导致生成的图像也会随之变化，并且该方法只适合于浅表器官的检查，即使是利用呼吸引起位移的准静态弹性成像，也会因为假定了边界是无限的理想条件而带来测量误差，因此静态弹性成像是一种定性影像检查手段，临床应用受限。(2)动态弹性成像首先使用了较高功率的超声波激励组织，使之在超声辐射力作用下产生剪切波，通过采用超高速平面波捕捉在剪切波传播中组织的位移，估计剪切波速度，在此计算中是假定了成像组织满足密度一致性并且各向同性的条件，但实际上生物的组织密度可能不一致，而且大多是各向异性，从而计算出的弹性模量会存在不同程度的误差；同时，高功率的激励超声波有可能对人体造成一定程度的损害，目前在医学临床中颇受争议；另一方面该技术使用了超高速成像技术，因此对超声探头和系统的要求较高，从而增加了探头和相关处理部分的制造成本。
近年来，有国外学者提出利用超声RF背散射信号进行时频分析，利用声谱提取出与组织弹性密切相关的特征参量，并针对不同硬度的体模(杨氏模量分别为9.18kPa,39.90kPa,129.27kPa)进行了实验,实验结果证明，采用超声RF背散射信号时频分析获取的特征参量可以有效区分不同硬度的体模，区分度可以达到81.28％，但是并没有利用这些弹性参量进行超声成像的研究。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于超声RF背散射信号时频分析的弹性参数成像方法，该弹性参数成像方法采用了常见的B超检查中获取的背散射回波RF信号，利用基于小波包分解的时频分析方法，提取与肝组织软硬度相关的组织特征，以此特征作为成像参数映射为成像灰度，对组织弹性进行成像。
本发明的目的通过下述技术方案实现：一种基于超声RF背散射信号时频分析的弹性参数成像方法，包括以下步骤：
(1)使用宽频超声线阵探头扫描活体肝组织，获取超声回波RF背散射信号；
(2)解调超声回波RF背散射信号并显示B型图；
(3)选择适当大小的ROI感兴趣区，大小可以设置为MXW，即M条扫描线，每条扫描线有W个采样点；
(4)取ROI内的第m(m＝0,初始状态)条声束进行基于Mallat算法的三层小波包分解，小波基选取Daubechies16，提取八个子频带的能量谱序列。小波包分解中，分解层数的增加可以让信号的高频成分和低频成分的分解都达到很精细的程度，经过N层小波包分解之后，原信号的能量被分解到2N个正交频带上，在这里N＝3，所以产生八个子频带分解系数序列，子频带分解系数序列的集合记作{SN,j(k)}。其中，k＝0,1,2,…(W/2N)-1，j＝0,1,2,3,…2N-1，SN,j(k)为扫描线序列经过小波包分解到第N层的第j个子频带中的第k个分解系数，每个子频带共有个分解系数，j为小波包分解到第N层的第j个子频带；
(5)上一步获取的SN,j(k)所对应的子频带能量谱序列集合记作{EN，j(k)}，EN，j(k)的计算公式如下：
其中，EN，j(k)表示分解到第N层的第j个子频带中的第k个分解系数的能量值。取出如下序列对上述序列点进行基于最小二乘法的四阶多项式拟合，公式如下：
P(x)＝A+Bx+Cx2+Dx3+Ex4，
取出弹性参量A；
(6)从k＝0开始，令k＝k+1，重复步骤(5)，得到弹性参量A的序列
直到k＝(W/2N)-1终止。将弹性参量序列A求取一阶均值，于是得到这条扫描线的弹性参量公式如下：
(7)第m条扫描线的弹性参量，记作其中，m＝0,1,2,…M-1。重复步骤(4)(5)(6)，求得每一条扫描线的弹性参量，因此M条扫描线的弹性参量组成弹性参量序列计算ROI内所有扫描线的弹性参量均值ET，计算公式如下：
ET即为所求的整个ROI区域的弹性参量均值；
(8)将整个ROI区域的弹性参量均值ET，按照一定比例进行调整，映射为成像灰度，计算公式如下：
将作为该ROI的象素值，叠加在原B型图相应位置上，实现ROI的弹性成像。其中α为比例参数，根据具体的值进行调整，这里并没有统一的标准，在实施例中根据具体情况而定。
本发明首先使用宽频超声线阵探头扫描活体人体肝组织，用同一探头接收超声回波射频RF背散射信号；解调并且显示其B型图，选取感兴趣区ROI；对ROI内的每一条扫描线做三层小波包分解，提取各个子频带能量谱序列；采用四阶多项式拟合能量谱序列，获取每条扫描线的弹性参量；将ROI内所有扫描线的弹性参量平均，均值映射为成像灰度，象素值和参数值成比例关系，叠加在原B型图的相应位置，实现ROI的弹性新参数成像。本发明首次提出基于超声RF背散射信号时频分析的肝组织弹性新参数成像方法，能更好地反映肝组织微结构的特征。
本发明相对于现有技术具有如下的优点及效果：
1、本发明首次提出基于超声RF背散射信号时频分析的肝组织弹性新参数成像方法，为临床肝硬化诊断以及监测提供了参考。
2、本发明首次提出采用超声RF背散射信号的时频特性，提取反映肝组织弹性的参量，并实现反映弹性的新参数成像，无须增加额外成本，无损，简便，低成本。
附图说明
图1是本发明方法的流程图。
图2是肝组织B型图。
图3是小波包分解的示意图。
图4是弹性参量获取原理示意图。
图5a是正常肝组织感兴趣区ROI的超声弹性新参数成像图。
图5b是肝硬化肝组织感兴趣区ROI的超声弹性新参数成像图。
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。
实施例
如图1所示，本实施例基于超声RF背散射信号时频分析的肝组织弹性参量成像方法详述如下。
本实施例使用了加拿大Ultrasonix公司生产的Sonix TOUCH及中心频率为6.6MHz的宽频线阵超声探头扫描肝脏包膜下的肝组织区域，获取超声回波RF背散射信号。
我们对获取的超声回波RF背散射信号进行希尔伯特解调并显示其超声B型图，如图2所示。
在超声B型图上选取大小为20X256的ROI,得到了ROI区域内的20条扫描线，每条扫描线的采样点为256，我们对每一条扫描线进行基于Mallat算法的三层小波包分解，如图3所示，小波基选取Daubechies16，得到八个子频带的分解系数序列，从而计算出子频带能量谱序列。
利用基于最小二乘法的四阶多项式拟合我们获取的子频带能量谱序列，如图4所示，提取拟合系数A，计算由A组成的序列的均值，得到该扫描线的弹性参量整个ROI内所有扫描线的弹性参量组成弹性参量序列其中m表示为第m条扫描线，整个ROI共有20条扫描线。
计算ROI内弹性参量序列的均值，计算如下：
将整个ROI区域的弹性参量均值ET，按照一定比例进行调整，映射为成像灰度。在我们的实验研究中，正常肝样本49例，肝硬化样本41例，正常肝样本ET的变化范围在450.7755～559.7487，肝硬化样本ET的变化范围在589.6099～680.3542。我们选择比例参数α＝1200计算ROI图像灰度可以实现在原B超图上叠加弹性影像，如图5a所示，可见新参数成像灰阶反映了组织弹性，可以区分正常和肝硬化样本，如图5b所示，ROI图像灰度的计算如下：
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 (5)

1.基于超声RF背散射信号时频分析的弹性参数成像方法，其特征在于，包括以下步骤：
(1)在使用宽频超声线阵探头扫描活体肝组织时，获取超声回波RF背散射信号；
(2)解调超声回波RF背散射信号并显示B型图；
(3)选择适当大小的ROI感兴趣区，大小设置为MXW，即M为扫描线数，W为每条扫描线上的采样点数；
(4)计算每一条扫描线的三层小波包分解，获取各个子频带能量谱序列；
(5)采用基于最小二乘法的四阶多项式拟合子频带能量谱序列，获取每条扫描线的弹性参量；
(6)计算ROI内所有扫描线的弹性参量的均值；
(7)将获得的均值映射为成像灰度，叠加在原B型图相应ROI位置上，实现ROI的弹性成像。
2.根据权利要求1所述的基于超声RF背散射信号时频分析的弹性参数成像方法，其特征在于，所述步骤(4)中，获取子频带能量谱序列的方法如下：设感兴趣区ROI大小为M×W，拥有M条扫描线，对每一条扫描线进行基于Mallat算法的小波包分解，小波基选择Daubechies16；
小波包分解中，分解层数的增加让信号的高频成分和低频成分的分解都达到很精细的程度；扫描线序列经过N层小波包分解之后，N表示小波包分解的层数，可以得到信号在任一频段的特征信息，即原信号的能量被分解到2N个正交频带上，其中，N＝3，所以产生八个子频带分解系数序列；子频带分解系数序列的集合记作{SN,j(k)}，对应的子频带能量谱序列集合记作{EN，j(k)}；能量序列的连续计算公式如下：
式中：SN,j(t)为信号经过小波包分解至第N层的第j个子频带中时刻t的幅值，j为小波包分解到第N层的第j个子频带；EN,j(t)表示信号分解到第N层的第j个子频带中时刻t的能量值；
离散形式表现为：
式中，SN,j(k)为扫描线序列经过小波包分解到第N层的第j个子频带中的第k个分解系数，每个子频带共有个分解系数，j为小波包分解到第N层的第j个子频带；EN，j(k)表示分解到第N层的第j个子频带中的第k个分解系数的能量值；其中，k＝0,1,2,…(W/2N)-1，j＝0,1,2,3,…2N-1。
3.根据权利要求2所述的基于超声RF背散射信号时频分析的弹性参数成像方法，其特征在于，所述步骤(5)中，获取每条扫描线的弹性参量的方法如下：获得了一条扫描线的子频带能量谱序列集合{EN，j(k)}后，取出如下序列对上述序列点进行基于最小二乘法的四阶多项式拟合，公式如下：
P(x)＝A+Bx+Cx2+Dx3+Ex4，
取出弹性参量A，从k＝0开始，令k＝k+1，重复上述步骤，得到弹性参量A的序列直到k＝(W/2N)-1终止；将A序列求取一阶均值，于是得到这条扫描线的弹性参量公式如下：
4.根据权利要求3所述的基于超声RF背散射信号时频分析的弹性参数成像方法，其特征在于，所述步骤(6)中，计算ROI内所有扫描线的弹性参量均值的方法如下：获得了第m条扫描线的弹性参量，记作其中，m＝0,1,2,…M-1；M条扫描线组成弹性参量序列计算ROI内所有扫描线的弹性参量均值ET，计算公式如下：
ET即为所求的整个ROI区域的弹性参量均值。
5.根据权利要求4所述的基于超声RF背散射信号时频分析的弹性参数成像方法，其特征在于，所述步骤(7)中，实现ROI的弹性成像的方法如下：对步骤(6)中获取的弹性参量均值ET，按照一定比例进行调整，映射为成像灰度，计算公式如下：
将作为该ROI的象素值，叠加在原B型图相应位置上，实现ROI的弹性成像，其中，α根据具体有效的弹性参数进行调整。
CN201610471908.XA 2016-06-22 2016-06-22 基于超声rf背散射信号时频分析的弹性参数成像方法 Active CN106037799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610471908.XA CN106037799B (zh) 2016-06-22 2016-06-22 基于超声rf背散射信号时频分析的弹性参数成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610471908.XA CN106037799B (zh) 2016-06-22 2016-06-22 基于超声rf背散射信号时频分析的弹性参数成像方法

Publications (2)

Publication Number Publication Date
CN106037799A CN106037799A (zh) 2016-10-26
CN106037799B true CN106037799B (zh) 2019-04-09

Family

ID=57165658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610471908.XA Active CN106037799B (zh) 2016-06-22 2016-06-22 基于超声rf背散射信号时频分析的弹性参数成像方法

Country Status (1)

Country Link
CN (1) CN106037799B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201900025303A1 (it) * 2019-12-23 2021-06-23 Sergio Casciaro Dispositivo e metodo per la classificazione tissutale

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101658434A (zh) * 2009-09-10 2010-03-03 复旦大学 用于定征松质骨微结构的超声频谱偏移量参数成像方法
CN102198009A (zh) * 2011-06-14 2011-09-28 复旦大学 基于超声背散射信号参量的松质骨诊断系统
CN103479398A (zh) * 2013-09-16 2014-01-01 华南理工大学 一种基于超声射频流分析的肝组织微结构的检测方法
CN103637820A (zh) * 2013-11-27 2014-03-19 华南理工大学 基于超声rf时间序列的肝纤维化程度相对偏差识别方法
CN103637821A (zh) * 2013-11-27 2014-03-19 华南理工大学 基于超声RF时间序列的肝纤维化程度Fisher识别方法
CN104138277A (zh) * 2014-07-29 2014-11-12 哈尔滨工业大学 定量超声系统中基于经验模态分解的组织微观结构检测方法
CN105030279A (zh) * 2015-06-24 2015-11-11 华南理工大学 一种基于超声射频时间序列的组织定征方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020165456A1 (en) * 2001-03-26 2002-11-07 Murat Canpolat Estimation of the average size of white light scatterers in normal and cancerous tissue using light scattering spectrum
FR2978657B1 (fr) * 2011-08-03 2013-08-30 Echosens Procede pour determiner en temps-reel une probabilite de presence d'un tissu biologique cible en regard d'un transducteur ultrasonore
TWI562766B (en) * 2013-11-22 2016-12-21 Univ Nat Taiwan Non-invasive evaluation device for liver fibrosis and a method thereof

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101658434A (zh) * 2009-09-10 2010-03-03 复旦大学 用于定征松质骨微结构的超声频谱偏移量参数成像方法
CN102198009A (zh) * 2011-06-14 2011-09-28 复旦大学 基于超声背散射信号参量的松质骨诊断系统
CN103479398A (zh) * 2013-09-16 2014-01-01 华南理工大学 一种基于超声射频流分析的肝组织微结构的检测方法
CN103637820A (zh) * 2013-11-27 2014-03-19 华南理工大学 基于超声rf时间序列的肝纤维化程度相对偏差识别方法
CN103637821A (zh) * 2013-11-27 2014-03-19 华南理工大学 基于超声RF时间序列的肝纤维化程度Fisher识别方法
CN104138277A (zh) * 2014-07-29 2014-11-12 哈尔滨工业大学 定量超声系统中基于经验模态分解的组织微观结构检测方法
CN105030279A (zh) * 2015-06-24 2015-11-11 华南理工大学 一种基于超声射频时间序列的组织定征方法

Also Published As

Publication number Publication date
CN106037799A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
Ortiz et al. Ultrasound image enhancement: A review
US9492139B2 (en) Non-imaging low frequency ultrasonic testing and diagnostic evaluation system
US8818064B2 (en) Time-domain estimator for image reconstruction
WO2016155239A1 (zh) 合成聚焦超声成像方法和装置
CN107358156B (zh) 基于希尔伯特-黄变换的超声组织定征的特征提取方法
JP2013529098A (ja) せん断波を使用する撮像方法および装置
CN103006274A (zh) 一种超声检测角膜粘弹性的方法和系统
US20210132005A1 (en) Spatiotemporal antialiasing in photoacoustic computed tomography
KR101610874B1 (ko) 공간 일관성 기초 초음파 신호 처리 모듈 및 그에 의한 초음파 신호 처리 방법
Foroozan et al. Microbubble localization for three-dimensional superresolution ultrasound imaging using curve fitting and deconvolution methods
CN107346541B (zh) 一种基于超声射频时间序列小波分析的组织定征方法
CN109996498A (zh) 主体特性的混响剪切波场估计
Park et al. Acoustic radiation force impulse (ARFI) imaging of zebrafish embryo by high-frequency coded excitation sequence
Hemmsen et al. Tissue harmonic synthetic aperture ultrasound imaging
Koch et al. An ultrasound tomography system with polyvinyl alcohol (PVA) moldings for coupling: In vivo results for 3-D pulse-echo imaging of the female breast
Kretzek et al. GPU-based 3D SAFT reconstruction including attenuation correction
CN106037799B (zh) 基于超声rf背散射信号时频分析的弹性参数成像方法
TW201641936A (zh) 超音波定量組織特性靈敏度的提昇方法
CN1313056C (zh) 一种二维综合互相关的生物组织位移估计方法
Wang et al. Plane-wave ultrasound imaging based on compressive sensing with low memory occupation
Strohm et al. Measuring the mechanical properties of cells using acoustic microscopy
Noda et al. Blind signal separation for fast ultrasound computed tomography
JP5738063B2 (ja) 被検体情報取得装置および被検体情報取得方法
Schiffner et al. The separate recovery of spatial fluctuations in compressibility and mass density in plane wave pulse-echo ultrasound imaging
De Carvalho et al. Breast ultrasound imaging phantom to mimic malign lesion characteristics

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