CN107341801B - 一种基于多普勒血流声谱图的血流量测量方法 - Google Patents
一种基于多普勒血流声谱图的血流量测量方法 Download PDFInfo
- Publication number
- CN107341801B CN107341801B CN201710574734.4A CN201710574734A CN107341801B CN 107341801 B CN107341801 B CN 107341801B CN 201710574734 A CN201710574734 A CN 201710574734A CN 107341801 B CN107341801 B CN 107341801B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- row
- spectrogram
- doppler
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于多普勒血流声谱图的血流量测量方法,其特征在于:直接利用多普勒血流声谱图计算血流量,即对多普勒血流声谱图数据进行一种归一化处理,将单位时间内的归一化的血流声谱图图像灰度值和对应速度值乘积累积起来,再经系统定标,最终得到正确的血流量测量值。本发明方法利用了血流声谱图和血流分布来测量血流,避免了血管直径的测量,减少了测量误差,提高了血流量测量的准确性;通过本发明的方法,在进行多普勒血流成像时,不仅可以直接得到血流速度,血流量大小也可以实时显示在成像仪器上,具有临床应用价值。
Description
技术领域
本发明属于超声血流成像领域,具体涉及一种基于多普勒血流声谱图的血流量测量方法。
背景技术
血流量是一项重要的人体生理指标。在超声血流成像领域,传统的血流量计算需要计算血流平均速度和血管横截面积,血管横截面积的测量常用的方法为先在超声血流图像上测量血管图像的最大长度,然后将血管视为圆形,将最大长度视为血管直径计算横截面积,血管直径的测量和血管横截面积的计算为这种方式测量血流量的主要的误差来源。另外,血管中血流速度分布复杂,用平均速度表示血流速度也会引起一定的误差。对于流速分布不均匀的流体,流量实际上是单位时间内各流速流体流过的体积,所以,要想减少流量测量的误差,需要对血管中所有不同流速的血流进行累积积分。
而在超声血流成像领域,超声多普勒血流声谱图是成像的一个重要结果,多普勒血流声谱图是显示在二维平面上的三维图像,以时间为横坐标、以血流速度为纵坐标,图像灰度值表征血流信号的频谱幅值,其频谱幅值由血流回波信号频谱分析计算而得,反映超声散射体的数量,频谱幅值越大散射体数量越多。所以,单位时间内声谱图所有灰度值和对应速度的累积积分结果实际上是单位时间内通过某一横截面的散射体数量总和,当散射体面密度已知时,血流量大小即可得到。但是,声谱图的应用目前主要是用于提取一些反应血流状况的参数,如收缩期血流速度最大值S、舒张末期血流速度D、搏动指数PI、阻力指数RI等,其用于计算血流量并未见报道。
由于超声波在传播过程中的扩散衰减特性,对于不同深度的超声血流声谱图图像灰度值不同,可以通过归一化处理将不同深度的血流声谱图图像灰度值变成一样。所以,通过对单位时间内归一化的声谱图进行累积积分的结果可以表征或测量不同深度的血流量。
发明内容
为避免现有血流量计算方法的误差问题和实现血流的简单有效的测量,本发明提供了一种基于多普勒血流声谱图的血流量测量方法,旨在提高血流量的测量精度。
本发明为实现发明目的,采用如下技术方案:
本发明基于多普勒血流声谱图的血流量测量方法,其特点在于,通过对超声多普勒血流声谱图处理直接得到血流量:首先采用超声多普勒成像技术获得多普勒血流声谱图,在所述多普勒血流声谱图中测量血流速度最大值和血流速度最小值,并将所述多普勒血流声谱图的二维数据矩阵保存;
在所述多普勒血流声谱图的二维数据矩阵中确定血流速度最大值位于的行数和血流速度最小值位于的行数,保留两行及两行之间的数据,产生新的二维矩阵,定义为有效数据矩阵;
对所述有效数据矩阵进行归一化处理,然后再进行二重积分,所得二重积分值通过系统定标,即获得血流量测量值。具体包括如下步骤:
1)将超声探头置于待测位置,首先选择彩色多普勒血流成像模式,确定血流位置,然后选择合适大小的取样门,进行脉冲多普勒成像,获得多普勒血流声谱图;所述多普勒血流声谱图是以时间为横坐标、以血流速度为纵坐标,图像灰度值表征血流信号的频谱幅值;在所述多普勒血流声谱图中测量血流速度最大值vmax和血流速度最小值vmin,并将所述多普勒血流声谱图的二维数据矩阵保存;
定义所述二维数据矩阵共m行、n列,m、n为正整数;在所述二维数据矩阵中,相同行的数据对应相同的血流速度、相同列的数据对应相同的时间;
2)从第二行开始,依次计算所述二维数据矩阵第j列中每一行数据与位于同列上一行的数据的差值,并进行比较,获得第j列的差值最大值和差值最小值在第j列中位于的行数;1≤j≤n,对每一列皆进行计算;
比较每一列的差值最大值在相应列中位于的行数,获得最小行数imin,则该行的血流速度即为vmax;
比较每一列的差值最小值在相应列中位于的行数,获得最大行数imax,则该行的血流速度即为vmin;
去除所述二维数据矩阵中行数i<imin和行数i>imax的各行数据,保留行数i满足imin≤i≤imax的各行数据,定义为有效数据矩阵,所述有效数据矩阵共t行、n列,t=imax-imin+1;
则:所述有效数据矩阵第一行对应的血流速度为vmax、最后一行对应的血流速度为vmin;
按照线性转换规则,从第二行开始,计算所述有效数据矩阵每一行所对应的血流速度vk,1≤k≤t:
3)对所述有效数据矩阵进行归一化处理:将所述有效数据矩阵中的每个数据除以该数据所在列的所有数据之和,获得归一化矩阵;
4)对所述归一化矩阵进行二重积分:将所述归一化矩阵中的所有数据乘以该数据所在行的血流速度,然后将所有乘积相加求和,再将总和除以所述归一化矩阵所对应的总时间,即获得二重积分值;
5)通过系统定标,由二重积分值计算血流量测量值:将所述二重积分值除以修正系数s,即为血流量测量值。
所述修正系数s根据标准多普勒血流体模测得,所述修正系数s在0.50-0.56范围内。
本发明提供的基于多普勒血流声谱图的血流量测量方法对临床超声血流量测量有重要意义,它提供一种新的血流量测量方法,具有如下有益效果:
1、方法简单。本发明的方法仅通过对彩色多普勒血流成像仪所输出的多普勒血流声谱图进行处理即可实现血流量测量。基于多普勒血流声谱图测量血流速度范围,将单位时间内的多普勒血流声谱图图像灰度值和对应速度值乘积累积起来得到表征血流量的数值,再通过系统定标,最终得到正确的血流量测量值。仅需对多普勒血流声谱图进行简单二重积分处理,不需要对B超图像或彩色血流图像测量血管横截面积。
2、较高的测量准确率。不用对B超图像或彩色多普勒血流图像进行测量,避免了血管内径的测量和血管横截面积的计算的误差,提高了血流量测量的准确性。另外,本发明的方法对多普勒血流声谱图上显示的所有血流速度值都进行累积积分,更能反映血流的实际情况,提高测量的准确性。
3、方便临床测量。利用标准多普勒血流体模仿真人体血流进行实验,获得用于系统定标的修正系数s=0.50-0.56,由于标准多普勒血流体模的参数是按照人体参数进行设置的,体模的实验结果可以反映人体的结果,修正系数的取值可以为范围内数值的任意值(优选为平均值),将修正系数输入超声成像系统,在进行血流量测量时用该修正系数进行定标,可以实现在血流成像过程中实时显示血流量大小,使临床血流量测量更快速方便,具有临床推广实施的优势。
附图说明
图1为对标准多普勒血流体模选择血流成像深度为3cm,对不同的实际血流量测量值和二重积分值的最小二乘法拟合结果图;
图2为对标准多普勒血流体模选择不同的成像深度进行测试,九次测试所得的实际血流量和二重积分值的最小二乘法拟合直线的斜率结果图。
具体实施方式
下面结合附图说明本发明具体实施方式:标准多普勒血流体模和仿血流控制系统能模拟仿真人体血液循环系统,其血流成像结果具有一定的临床意义。利用彩色多普勒血流成像仪对多普勒血流体模进行多普勒血流成像,下面给出基于多普勒血流声谱图的血流量测量方法的方法和理论。
1)将超声探头垂直耦合在标准多普勒血流体模声窗上,首先选择彩色多普勒血流成像模式,确定血流位置,然后选择合适大小的取样门,进行脉冲多普勒成像,获得多普勒血流声谱图。在多普勒血流声谱图中测量血流速度最大值vmax和血流速度最小值vmin,并保存多普勒血流声谱图的二维数据矩阵。
定义所述二维数据矩阵共m行、n列,m、n为正整数;在二维数据矩阵中,相同行的数据对应相同的血流速度、相同列的数据对应相同的时间;
2)从第二行开始,依次计算二维数据矩阵第j列中每一行数据与位于同列上一行的数据的差值,并进行比较,获得第j列的差值最大值和差值最小值在第j列中位于的行数;1≤j≤n,对每一列皆进行计算;
比较每一列的差值最大值在相应列中位于的行数,获得最小行数imin,则该行的血流速度即为vmax;比较每一列的差值最小值在相应列中位于的行数,获得最大行数imax,则该行的血流速度即为vmin;
去除二维数据矩阵中行数i<imin和行数i>imax的各行数据,保留行数i满足imin≤i≤imax的各行数据,定义为有效数据矩阵,有效数据矩阵共t行、n列,t=imax-imin+1;
则:有效数据矩阵第一行对应的血流速度为vmax、最后一行对应的血流速度为vmin;
按照线性转换规则,从第二行开始,计算有效数据矩阵每一行所对应的血流速度vk,1≤k≤t:
简单举例说明:假设二维数据矩阵共10行、4列。首先对第1列进行计算,从第二行开始,依次获得第1列第2行的数据与第1列第1行的数据的差值a2、第1列第3行的数据与第1列第2行的数据的差值a3、……、第1列第10行的数据与第1列第9行的数据的差值a10,比较各个差值,若a3最大、a5最小,则第1列的差值最大值位于第3行、差值最小值位于第5行。
对各列按与第一列相同的方法进行计算。假设第2列的差值最大值位于第2行、差值最小值位于第7行;第3列的差值最大值位于第4行、差值最小值位于第6行;第4列的差值最大值位于第2行、差值最小值位于第8行;
则差值最大值所位于的最小行数是第2行,差值最小值所位于的最大行数是第8行。因此,该二维数据矩阵中第2行对应的血流速度为vmax、第8行对应的血流速度为vmin。
上述过程本质上是筛除多普勒血流声谱图中的黑色无效区域。
3)对有效数据矩阵进行归一化处理:将有效数据矩阵中的每个数据除以该数据所在列的所有数据之和,获得归一化矩阵;
4)对归一化矩阵进行二重积分:将归一化矩阵中的所有数据乘以该数据所在行对应的血流速度,然后将所有乘积相加求和,再将总和除以归一化矩阵所对应的总时间,即获得二重积分值;
5)通过系统定标,由二重积分值计算血流量测量值:将二重积分值除以修正系数s,即为血流量测量值。
该二重积分值由实验证明与实际血流量测量值高度相关,理论分析如下:
在多普勒血流声谱图中,某一时刻某一速度的图像亮度越大,说明该时刻此速度的散射体数量越多,即:
N=K×I (1)
其中:N为该速度散射体数量;I为该速度对应的多普勒血流声谱图灰度值;K为单位亮度散射体数量,它与散射体的形状、大小和超声在传播过程中的衰减有关。当测得血管中散射体面密度δ(mol/L)时,因为
由此可得取样门中该速度散射体所占体积V,这表明血流声谱图上的不同的亮度信息反映不同的体积,若将血流声谱图上某时刻所有强度信息进行累积积分,即可以得到该时刻通过成像血管截面的流量体积,即:
流量定义为单位时间内流过的体积,所以理论上可以认为若将单位时间内的血流声谱图上所有亮度信息与对应速度乘积进行累积积分结果可以表征流量记为Q′m,即:
其中Iij为血流谱图强度信息,对应于血流声谱图矩阵每一个取值;vi为血流声谱图上纵坐标对应的速度值,T为总时间。
由于超声波扩散衰减特性,超声波在传播的过程中信号强度按指数规律衰减,即:
A=A0e-2αx (5)
其中是A0为声源信号强度,A为距离声源x处的信号强度,α为衰减系数。为了使本方法对不同深度的血流声谱图数据处理都能得到正确的流量,需要对血流声谱图数据进行归一化处理,使其达到时间增益控制效果。当血管横截面积S和血管中散射体面密度δ确定时,
N=S×δ (6)
血管横截面积中的不同速度的散射体数量N即可确定,理论上说,某一时刻的频谱图幅值的累积积分反映该时刻不同速度的散射体数量之和,所以,在血流声谱图数据中,将矩阵的每个数值除以该列所有数值之和即可达到效果的归一化处理,即:
其中,T为总时间,m和n为分别对应血流声谱图二维数据矩阵的行数和列数,Iij为矩阵数值,vi为矩阵各行对应的速度值。这样处理之后得到的值Qm与成像深度无关。
这里需要说明两点:一是由于算法中并未得出真正的血管面积,所以得出的值Qm仅是一个与实际血流量测量值高度正相关的可以表征血流量的数值,它与实际的血流量存在比例关系s,即具有实际物理意义的血流量计算值Q=Qm/s,在实际使用的时候需要进行定标,确定比例系数;二是为了减少数据计算量,考虑到血流声谱图数据的特征,本发明采用的方法是对实际速度在血流速度最大值和血流速度最小值范围内的血流声谱图数据进行计算,imax、imin为血流速度最小值和血流速度最大值对应矩阵行数,提取血流声谱图二维矩阵行数满足imin≤i≤imax的所有数据形成有效数据矩阵,有效数据矩阵共t行、n列,t=imax-imin+1;
其中:t为矩阵列数,1≤k≤t;imax、imin为血流速度最小值和血流速度最大值对应矩阵行数,Ikj为矩阵数值,vk为有效数据矩阵各行对应的速度值。
在实际使用的时候,由于标准多普勒血流体模仿真人体血流,标准多普勒血流体模的参数根据人体参数设置,成像的结果具有一定的临床意义,通过标准多普勒血流体模进行系统定标,确定修正系数,并可将该修正系数用于人体,可以得到正确的流量值。在该完整的实施方式中,系统定标步骤如下:
1)将超声探头置于标准多普勒血流体模声窗上,调节恒流泵转速,流量计示数改变,进行脉冲多普勒血流成像,根据本发明提出的方法计算二重积分值。
2)改变转速,依次记录流量计示数和对应二重积分值,将实际流量测量值作为横坐标,二重积分结果作为纵坐标,绘制坐标点,并用最小二乘法拟合数据,所得直线斜率为标准多普勒血流体模修正系数,图1是某一成像深度的二重积分值和实际流量测量值的的最小二乘拟合结果,图2是九组不同深度的标准多普勒血流体模修正系数结果,在实际应用中修正系数可取图2中所有结果的平均值。
3)将任意一次利用本发明计算的二重积分值除以修正系数实现系统定标。
应当说明的是,上述实施方式虽然仅是对标准多普勒血流体模和仿血流控制系统进行的具体实施,但是这仅为本发明的示例性实施方式,应当指出的是,在不脱离本发明的基本原理的前提下,利用本发明进行人体实际血流量的测量也是本发明的保护范围。
Claims (2)
1.一种基于多普勒血流声谱图的血流量测量方法,其特征在于,通过对超声多普勒血流声谱图处理直接得到血流量;首先采用超声多普勒成像技术获得多普勒血流声谱图,在所述多普勒血流声谱图中测量血流速度最大值和血流速度最小值,并将所述多普勒血流声谱图的二维数据矩阵保存;在所述多普勒血流声谱图的二维数据矩阵中确定血流速度最大值位于的行数和血流速度最小值位于的行数,保留两行及两行之间的数据,产生新的二维矩阵,定义为有效数据矩阵;对所述有效数据矩阵进行归一化处理,然后再进行二重积分,所得二重积分值通过系统定标,即获得血流量测量值;
具体包括如下步骤:
1)将超声探头置于待测位置,首先选择彩色多普勒血流成像模式,确定血流位置,然后选择合适大小的取样门,进行脉冲多普勒成像,获得多普勒血流声谱图;所述多普勒血流声谱图是以时间为横坐标、以血流速度为纵坐标,图像灰度值表征血流信号的频谱幅值;在所述多普勒血流声谱图中测量血流速度最大值vmax和血流速度最小值vmin,并将所述多普勒血流声谱图的二维数据矩阵保存;
定义所述二维数据矩阵共m行、n列,m、n为正整数;在所述二维数据矩阵中,相同行的数据对应相同的血流速度、相同列的数据对应相同的时间;
2)从第二行开始,依次计算所述二维数据矩阵第j列中每一行数据与位于同列上一行的数据的差值,并进行比较,获得第j列的差值最大值和差值最小值在第j列中位于的行数;1≤j≤n,对每一列皆进行计算;
比较每一列的差值最大值在相应列中位于的行数,获得最小行数imin,则该行的血流速度设为vmax;
比较每一列的差值最小值在相应列中位于的行数,获得最大行数imax,则该行的血流速度设为vmin;
去除所述二维数据矩阵中行数i<imin和行数i>imax的各行数据,保留行数i满足imin≤i≤imax的各行数据,定义为有效数据矩阵,所述有效数据矩阵共t行、n列,t=imax-imin+1;
则:所述有效数据矩阵第一行对应的血流速度为vmax、最后一行对应的血流速度为vmin;
按照线性转换规则,从第二行开始,计算所述有效数据矩阵每一行所对应的血流速度vk,1≤k≤t:
3)对所述有效数据矩阵进行归一化处理:将所述有效数据矩阵中的每个数据除以该数据所在列的所有数据之和,获得归一化矩阵;
4)对所述归一化矩阵进行二重积分:将所述归一化矩阵中的所有数据乘以该数据所在行的血流速度,然后将所有乘积相加求和,再将总和除以所述归一化矩阵所对应的总时间,即获得二重积分值;
5)通过系统定标,由二重积分值计算血流量测量值:将所述二重积分值除以修正系数s,即为血流量测量值。
2.根据权利要求1所述的基于多普勒血流声谱图的血流量测量方法,其特征在于:所述修正系数s根据标准多普勒血流体模测得,所述修正系数s在0.50-0.56范围内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710574734.4A CN107341801B (zh) | 2017-07-14 | 2017-07-14 | 一种基于多普勒血流声谱图的血流量测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710574734.4A CN107341801B (zh) | 2017-07-14 | 2017-07-14 | 一种基于多普勒血流声谱图的血流量测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107341801A CN107341801A (zh) | 2017-11-10 |
CN107341801B true CN107341801B (zh) | 2020-05-19 |
Family
ID=60218749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710574734.4A Active CN107341801B (zh) | 2017-07-14 | 2017-07-14 | 一种基于多普勒血流声谱图的血流量测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107341801B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109350122B (zh) * | 2018-09-29 | 2021-10-22 | 北京智影技术有限公司 | 一种流量自动估计方法 |
CN109615624B (zh) * | 2018-12-05 | 2022-03-22 | 北京工业大学 | 一种基于超声图像的血流速度波形自动化识别方法 |
CN116664564B (zh) * | 2023-07-28 | 2023-10-31 | 杭州脉流科技有限公司 | 基于颅内医学影像获取血流量的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101897596A (zh) * | 2009-05-27 | 2010-12-01 | 深圳迈瑞生物医疗电子股份有限公司 | 一种混叠判断及多普勒成像自动调整方法及其超声系统 |
WO2014049558A1 (en) * | 2012-09-27 | 2014-04-03 | Koninklijke Philips N.V. | Automated biplane-pw workflow for ultrasonic stenosis assessment |
CN104011559A (zh) * | 2011-10-19 | 2014-08-27 | 维拉声学公司 | 使用平面波传输的用于矢量多普勒成像的估计和显示 |
WO2014111929A9 (en) * | 2013-01-15 | 2014-08-28 | Cathworks Ltd. | Calculating a fractional flow reserve |
CN105433986A (zh) * | 2016-02-01 | 2016-03-30 | 飞依诺科技(苏州)有限公司 | 超声设备的自动校准方法及系统 |
-
2017
- 2017-07-14 CN CN201710574734.4A patent/CN107341801B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101897596A (zh) * | 2009-05-27 | 2010-12-01 | 深圳迈瑞生物医疗电子股份有限公司 | 一种混叠判断及多普勒成像自动调整方法及其超声系统 |
CN104011559A (zh) * | 2011-10-19 | 2014-08-27 | 维拉声学公司 | 使用平面波传输的用于矢量多普勒成像的估计和显示 |
WO2014049558A1 (en) * | 2012-09-27 | 2014-04-03 | Koninklijke Philips N.V. | Automated biplane-pw workflow for ultrasonic stenosis assessment |
WO2014111929A9 (en) * | 2013-01-15 | 2014-08-28 | Cathworks Ltd. | Calculating a fractional flow reserve |
CN105433986A (zh) * | 2016-02-01 | 2016-03-30 | 飞依诺科技(苏州)有限公司 | 超声设备的自动校准方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107341801A (zh) | 2017-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112312830B (zh) | 用于确定组织的脂肪含量分数的方法和系统 | |
US9662088B2 (en) | Ultrasound pulse-wave doppler measurement of blood flow velocity and/or turbulence | |
CN107341801B (zh) | 一种基于多普勒血流声谱图的血流量测量方法 | |
CN104622509A (zh) | 超声波诊断装置以及弹性评价方法 | |
CN109662735B (zh) | 皮肤血流灌注量的测量方法 | |
CN105930665A (zh) | 一种基于超声衰减系数的肝脏脂肪定量测量方法 | |
CN104411250A (zh) | 超声波观测装置、超声波观测装置的动作方法以及超声波观测装置的动作程序 | |
CN104873221B (zh) | 基于超声波的肝脏脂肪定量方法及系统 | |
CN111956180B (zh) | 一种重建光声内窥层析图像的方法 | |
EP3700429A1 (en) | Method and apparatus for ultrasound measurement and imaging of biological tissue elasticity in real time | |
CN111067494A (zh) | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 | |
Brandner et al. | Estimation of tissue attenuation from ultrasonic B-mode images—Spectral-log-difference and method-of-moments algorithms compared | |
EA006047B1 (ru) | Способ и система получения информации о размерах проточного канала | |
Gao et al. | Comparison of the performance of different tools for fast simulation of ultrasound data | |
Treece et al. | Ultrasound attenuation measurement in the presence of scatterer variation for reduction of shadowing and enhancement | |
Picot et al. | Quantitative volume flow estimation using velocity profiles | |
Fiori et al. | A preliminary study on an image analysis based method for lowest detectable signal measurements in pulsed wave Doppler ultrasounds | |
JPH09509603A (ja) | ドップラー角の自動測定方法及びこれを実施するための装置 | |
Chintada et al. | Spectral ultrasound imaging of speed-of-sound and attenuation using an acoustic mirror | |
CN117503206A (zh) | 心功能指标的计算方法、计算机可读介质及超声设备 | |
CN106955098B (zh) | 一种血管流速计算方法及装置 | |
US8192364B2 (en) | Method for assessing vascular disease by quantitatively measuring vaso vasorum | |
Jenni et al. | In vitro validation of volumetric blood flow measurement using Doppler flow wire | |
US20050107705A1 (en) | Flow-rate conservative doppler estimate | |
Jamil et al. | Feasibility of ultrasound-based computational fluid dynamics as a mitral valve regurgitation quantification technique: comparison with 2-D and 3-D proximal isovelocity surface area-based methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |