CN110869799B - 用于处理超声图像的方法和系统 - Google Patents

用于处理超声图像的方法和系统 Download PDF

Info

Publication number
CN110869799B
CN110869799B CN201880039162.2A CN201880039162A CN110869799B CN 110869799 B CN110869799 B CN 110869799B CN 201880039162 A CN201880039162 A CN 201880039162A CN 110869799 B CN110869799 B CN 110869799B
Authority
CN
China
Prior art keywords
extrapolation
image
data
sum data
channel data
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
CN201880039162.2A
Other languages
English (en)
Other versions
CN110869799A (zh
Inventor
J·S·沈
F·G·G·M·维尼翁
M·阮
J-L·F-M·罗伯特
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN110869799A publication Critical patent/CN110869799A/zh
Application granted granted Critical
Publication of CN110869799B publication Critical patent/CN110869799B/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
    • A61B8/52—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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8997—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using synthetic aperture techniques
    • 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
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A61B8/5253—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode combining overlapping images, e.g. spatial compounding
    • 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
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52046—Techniques for image enhancement involving transmitter or receiver
    • G01S7/52047—Techniques for image enhancement involving transmitter or receiver for elimination of side lobes or of grating lobes; for increasing resolving power

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Gynecology & Obstetrics (AREA)

Abstract

本发明提供了用于生成超声图像的方法和系统。在一种方法中，对超声图像的所述生成包括：获得通道数据，所述通道数据定义成像点的集合；对于每个成像点：对所述通道数据进行隔离；对所隔离的通道数据执行谱估计；并且对谱估计通道数据进行选择性地衰减，由此生成滤波后的通道数据；并且对所述滤波后的通道数据求和，由此形成滤波后的超声图像。在一些示例中，所述方法包括孔径外推。所述孔径外推改善所述超声图像的横向分辨率。在其他示例中，所述方法包括发射外推。所述发射外推改善所述图像的对比度。另外，所述发射外推改善帧率并减少所述超声图像中的运动伪影。在另外的示例中，所述孔径外推和所述发射外推可以被组合。

Description

用于处理超声图像的方法和系统
相关申请
本申请要求于2017年6月15日提交的美国临时申请No.62/520,233的权益和优先权，其整体通过引用并入本文。
技术领域
本发明涉及超声成像领域，更具体地涉及超声图像滤波领域。
背景技术
超声成像正越来越多地用于各种不同的应用中。重要的是，由超声系统产生的图像应尽可能清晰和准确，以便向用户给出对正在扫描的对象的现实解读。当所讨论的对象是接受医学超声扫描的患者时，尤其如此。在这种情况下，医生做出准确诊断的能力取决于由超声系统产生的图像质量。
离轴杂波是超声中图像退化的重要原因。诸如最小方差(MV)波束成形的自适应波束成形技术已被开发并应用于超声成像，以实现图像质量的改善。然而，由于图像的每个像素都需要空间协方差矩阵的求逆，因此MV波束成形的计算量很大。此外，虽然MV波束成形主要是为了空间分辨率的改善而开发的，并且对于减少离轴杂波并不理想，但通常仍需要通过减小子阵列尺寸来牺牲其在改善空间分辨率方面的性能。否则，由于信号抵消，图像伪影可能会出现在斑点中。
已经提出自适应加权技术，例如：相干因子(CF)；广义相干因子(GCF)；相位相干因子(PCF)；以及短滞后空间相干(SLSC)，但是其都需要访问每个通道的数据以计算要应用于图像的加权掩码。此外，这些方法将仅适用于利用聚焦发射波束的传统成像，而不适用于仅涉及少数发射的平面波成像(PWI)或发散波成像(DWI)。
另外，超声图像中的空间分辨率(特别是横向分辨率)通常不是最佳的。焦深处的-6dB横向波束宽度由以下公式确定：
其中λ是波长，z是发射焦深，D是孔径尺寸。波长越小(或中心频率越高)，横向分辨率就越好；然而，较小的波长是以穿透深度为代价获得的。另一方面，需要较大的孔径尺寸D来实现更好的横向分辨率；然而，孔径尺寸通常受人体解剖学、硬件考虑和系统成本的限制。
自适应波束成形技术(例如前面提到的最小方差(MV)波束成形)已经成为积极研究的主题。这些方法是依赖于数据的波束形成方法，其想要自适应地估计得到超出衍射极限的横向分辨率的切趾函数。
除了标准的超声成像技术外，在相控阵列的情况下，平面波成像(PWI)或发散波成像(DWI)是相对新的成像技术，它有可能以高于1kHz以及可能若干kHz的非常高的帧率进行成像。这些技术还为不同的应用开辟了许多新的可能的成像模式，这在以前利用传统聚焦发射波束是无法实现的。出于这个原因，它们已成为近年来学术界最活跃的研究主题。
PWI/DWI可以通过对从不同角度的宽发射波束获得的图像进行相干地复合来实现高帧率。由于通常已知PWI/DWI中的空间分辨率仅比利用聚焦发射波束的传统成像稍差或与之相当，因此其主要缺点是图像对比度的降低，这与发射角度的数量直接相关。对于PWI/DWI中的小数量的发射角度，图像对比度通常较低；因此，需要许多发射角度来维持与利用聚焦发射波束的传统成像的图像质量相当的图像质量。
PWI/DWI还遭受运动伪影的影响，尤其是在对诸如心脏的快速移动器官进行成像时，因为个体图像像素是根据来自不同发射波束的信号构建的。随着发射角度的数量的增加，运动的影响变得更加严重；因此，PWI/DWI系统中的困境很明显：需要更多的发射角度才能实现高图像对比度，但同时也会导致降低图像质量的更多运动伪影。
此外，不管发射角度的数量如何，PWI/DWI都不会减少混响杂波，混响杂波是基本B模式超声图像中的图像质量降低的主要来源之一。
发明内容
本发明提供了能够执行离轴杂波滤波、改善空间分辨率和改善图像对比度的系统和方法。在某些方面，本发明提出了一种基于线性预测方案的发射平面波的外推技术，该技术允许极高的帧率，同时显著改善图像对比度。本发明的额外益处是可以在不显著增加超声系统的计算负担的情况下实现这些益处。
根据本发明的一方面的示例，提供了一种用于在超声图像中执行离轴杂波滤波的方法，所述方法包括：
从超声探头获得定义成像点的集合的通道数据，其中，所述超声探头包括换能器元件的阵列；
对于感兴趣区域中的每个成像点：
对与所述成像点相关联的通道数据进行隔离；
执行对所隔离的通道数据的谱估计；并且
基于所述谱估计通过衰减系数对所隔离的通道数据进行选择性地衰减，由此生成滤波后的通道数据；并且
对所述滤波后的通道数据求和，由此生成滤波后的超声图像。
该方法在超声图像中执行离轴杂波滤波。通过执行对通道数据的谱估计，能够识别通道数据的频率组成。通常，离轴杂波信号将具有高空间频率，其可以在对通道数据的谱估计中被识别出。以这种方式，能够对具有高空间频率的信号进行选择性地衰减，由此减少和/或消除最终超声图像中的离轴杂波信号。
在实施例中，对通道数据的隔离包括处理成像点的多个观察。
以这种方式，能够对已经在多次测量上平均的通道数据执行谱估计。以这种方式，提高了通道数据的准确性以及最终超声图像的准确性。
在一布置中，谱估计包括将通道数据分解为复指数的有限和。
通过将通道数据分解为复指数的有限和，可以简单识别具有高空间频率的分量，由此使得能够更容易地对超声图像中的离轴杂波信号进行衰减。
在另一布置中，复指数包括：
第一模型参数；以及
第二模型参数。
在另一实施例中，第一模型参数是复数。
在又一实施例中，第二模型参数与在超声探头的相邻换能器元件之间的距离成反比。
第一模型参数和第二模型参数可以用于描述通道数据的性质。在第一模型参数是复数的情况下，虚分量与信号的相位有关，而模数(其可以是正实数)与信号的幅度有关。第二模型参数可以与信号的空间频率有关。
在又一布置中，第一模型参数和第二模型参数通过谱估计来估计。
在一些设计中，衰减系数是高斯。
以这种方式，可以容易地实施对于接近较高空间频率的信号的衰减。可以通过改变所使用的高斯的宽度来调谐滤波的激进度。
在实施例中，衰减系数是依赖于深度的。
通过使衰减系数依赖于深度，能够控制针对不同深度的离轴杂波信号滤波的量。
在一布置中，衰减系数依赖于第二模型参数。
以这种方式，衰减系数可以直接依赖于信号的空间频率，这意味着衰减系数可以在个体的基础上适应信号，而不需要来自用户的输入。
在一些实施例中，衰减系数适于将通道数据衰减到接收波束图案的宽度的一半。
以这种方式，既能够改善横向分辨率，又能够减少滤波后的超声图像中的离轴杂波。
在一些布置中，谱估计是基于自回归模型的。
根据本发明的另一方面的示例，提供了一种包括计算机程序代码单元的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码单元适于实施上述方法。
根据本发明的另一方面的示例，提供了一种用于控制对超声图像中的离轴杂波的滤波的控制器，其中，所述控制器适于：
从定义成像点的集合的超声探头获得通道数据；
对于感兴趣区域中的每个成像点：
对与所述成像点相关联的通道数据进行隔离；
对所隔离的通道数据执行谱估计；并且
基于所述谱估计通过衰减系数对所隔离的通道数据进行选择性地衰减，由此生成滤波后的通道数据；并且
对所述滤波后的通道数据求和，由此生成滤波后的超声图像。
根据本发明的另一方面的示例，提供了一种超声系统，所述系统包括：
超声探头，所述超声探头包括换能器元件的阵列；
如上所述的控制器；以及
用于显示所述滤波后的超声图像的显示设备。
根据本发明的另一方面的示例，提供了一种用于生成超声图像的方法，所述方法包括：
通过超声探头获得通道数据；
对于所述通道数据的每个通道，基于所述通道数据的轴向成像深度对所述通道数据进行分段；
对于经分段的通道数据的每个分段：
基于所述经分段的通道数据来估计外推滤波器，所述外推滤波器具有滤波器阶数；并且
基于所述外推滤波器通过外推因子对所述经分段的通道数据进行外推，由此生成外推的通道数据；并且
跨所有分段对所述外推的通道数据求和，由此生成所述超声图像。
该方法对所述通道数据执行孔径外推，由此增加了所述超声图像的横向分辨率。通过基于所述经分段的通道数据估计所述外推滤波器，所述外推滤波器可以直接对应于所述通道数据。以这种方式，提高了对经分段的通道数据执行的外推的准确度。换句话说，该方法通过外推现有的通道数据来预测来自物理上不存在于超声探头中的换能器元件的通道数据。
在实施例中，所述方法还包括：
对于所述通道数据的每个轴向分段，对所述通道数据的轴向分段应用傅立叶变换；并且
对所述外推的通道数据执行傅立叶逆变换。
通过在时间频域中执行对所述经分段的通道数据的所述外推，可以进一步提高所述外推的通道数据的准确性。
在一布置中，轴向分段的深度少于4个波长，例如少于或等于2个波长。
以这种方式，可以改善在很大程度上依赖于要外推的通道数据的分段的数量的系统的性能，同时维持图像的横向分辨率的改善，其与轴向分段的尺寸成反比。
在实施例中，外推因子少于或等于10x，例如少于或等于8x。
以这种方式，能够在保持图像内的斑点纹理的同时实现超声图像的横向分辨率的显著改善。
在一些设计中，对外推滤波器的估计是使用自回归模型来执行的。
在一布置中，对外推滤波器的估计是使用Burg技术来执行的。
以这种方式，可以简单地估计外推滤波器，而不需要大量的处理能力。
在一些实施例中，滤波器阶数少于或等于5，例如少于或等于4。
以这种方式，能够在保持图像内的斑点纹理的同时实现超声图像的横向分辨率的显著改善。
在实施例中，外推发生在孔径域中的方位角方向上。
根据本发明的另一方面的示例，提供了一种包括计算机程序代码单元的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码单元适于实施上述方法。
根据本发明的另一方面的示例，提供了一种用于控制对超声图像的生成的控制器，其中，所述控制器适于：
通过超声探头获得通道数据；
对于所述通道数据的每个通道，基于所述通道数据的轴向成像深度对所述通道数据进行分段；
对于经分段的通道数据的每个分段：
基于所述经分段的通道数据来估计外推滤波器，所述外推滤波器具有滤波器阶数；并且
基于所述外推滤波器，通过外推因子对所述经分段的通道数据进行外推，由此生成外推的通道数据；并且
跨所有分段对所述外推的通道数据求和，由此生成所述超声图像。
根据本发明的另一方面的示例，提供了一种超声系统，所述系统包括：
超声探头；
如上所述的控制器；以及
用于显示所述超声图像的显示设备。
在实施例中，所述系统还包括具有用户输入的用户接口。
以这种方式，能够使用户向所述超声系统提供指令。
在一布置中，所述用户输入适于调节轴向分段的轴向深度。
在另一布置中，所述用户输入适于改变外推因子。
在又一布置中，所述用户输入适于改变滤波器阶数。
以这种方式，用户可以根据其主观意见以经验为主地调整外推方法的各种参数，以便使图像质量最大化。
根据本发明的又一方面的示例，提供了一种用于生成超声图像的方法，所述方法包括：
通过超声探头获得波束求和数据，其中，所述波束求和数据包括多个转向角；
对于所述波束求和数据的每个转向角，基于所述通道数据的轴向成像深度对所述波束求和数据进行分段；
对于经分段的波束求和数据的每个分段：
基于所述经分段的波束求和数据来估计外推滤波器，所述外推滤波器具有滤波器阶数；并且
基于外推滤波器通过外推因子对所述经分段的波束求和数据进行外推，由此生成外推的波束求和数据；并且
跨所有分段对所述外推的波束求和数据进行相干地复合，由此生成所述超声图像。
该方法对波束求和数据执行发射外推，由此改善超声图像的对比度。波束求和数据对应于跨针对在感兴趣点上重叠的若干发射波束的孔径求和的数据。另外，该方法通过以较少的实际发射事件保持对比度和分辨率来提供超声图像帧率的增加和最终超声图像中的运动伪影的减少。通过基于经分段的波束求和数据来估计外推滤波器，外推滤波器可以直接对应于波束求和数据。以这种方式，提高了对经分段的波束求和数据执行的外推的准确度。换句话说，该方法预测来自用于通过外推获得原始波束求和数据的角度的范围之外的发射角度的波束求和数据。
在实施例中，所述方法还包括：
对于所述波束求和数据的每个轴向分段，向所述波束求和数据的轴向分段应用傅立叶变换；并且
对所述外推的波束求和数据执行傅立叶逆变换。
通过在时间频域中执行对经分段的波束求和数据的外推，可以进一步提高外推的波束求和数据的准确度。
在一布置中，通过平面波成像和发散波成像中的至少一种来获得波束求和数据。
以这种方式，能够产生具有增加的图像对比度和帧率的超快速超声成像方法。
在一些实施例中，轴向分段的深度少于4个波长，例如少于或等于2个波长。
以这种方式，可以改善在很大程度上依赖于要外推的波束求和数据的分段的数量的系统的性能，同时维持图像质量的改善，其与轴向分段的尺寸成反比。
在一些布置中，多个转向角包括少于20个角，例如少于或等于10个角。
以这种方式，由于存在较少的转向角待处理，所以可以改善超声系统的计算性能，同时维持最终超声图像的细节，其与所使用的转向角的数量成比例。
在一些设计中，滤波器阶数少于或等于转向角的数量的一半。
在实施例中，外推因子少于或等于10x，例如少于或等于8x。
以这种方式，能够在保持图像内的斑点纹理的同时，实现超声图像的对比度分辨率的显著改善。
在一布置中，对外推滤波器的估计是使用自回归模型来执行的。
在实施例中，对外推滤波器的估计是使用Burg技术来执行的。
以这种方式，可以简单地估计外推滤波器，而不需要大量的处理能力。
在一布置中，外推发生在发射方向上。
根据本发明的另一方面的示例，提供了一种包括计算机程序代码单元的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码单元适于实施上述方法。
根据本发明的另一方面的示例，提供了一种用于控制对超声图像的生成的控制器，其中，所述控制器适于：
通过超声探头获得波束求和数据，其中，所述波束求和数据包括多个转向角；
对于所述波束求和数据的每个转向角，基于所述波束求和数据的轴向深度对所述波束求和数据进行分段；
对于经分段的波束求和数据的每个分段：
基于所述经分段的波束求和数据来估计外推滤波器，所述外推滤波器具有滤波器阶数；并且
基于所述外推滤波器通过外推因子对所述经分段的波束求和数据进行外推，由此生成外推的波束求和数据；并且
跨所有分段对所述外推的波束求和数据进行相干地复合，由此生成所述超声图像。
根据本发明的另一方面的示例，提供了一种超声系统，所述系统包括：
超声探头；
如上所述的控制器；以及
用于显示高对比度超声图像的显示设备。
在实施例中，所述系统还包括具有用户输入的用户接口。
以这种方式，能够使用户向超声系统提供指令。
在另一实施例中，所述用户输入适于调节以下中的至少一项：轴向分段的轴向深度；外推因子；以及滤波器阶数。
以这种方式，用户可以根据他们的主观意见以经验为主地调整外推方法的各种参数，以便使图像质量最大化。
附图说明
现在将参考附图详细描述本发明的示例，在附图中：
图1示出了用于解释大体操作的超声诊断成像系统；
图2示出了对超声图像的通道数据进行选择性地衰减的方法；
图3示出了图2的方法的实施方式的图示；
图4示出了对超声图像执行孔径外推的方法；
图5示出了图4的方法的图示；
图6、图7、图8和图9示出了图4的方法的实施方式的示例；
图10示出了对超声图像执行发射外推的方法；
图11示出了图10的方法的图示；并且
图12、图13和图14示出了图10的方法的实施方式的示例。
具体实施方式
本发明提供了用于生成超声图像的方法和系统。在一种方法中，对超声图像的生成包括：获得通道数据，该通道数据定义成像点的集合；对于每个成像点：对通道数据进行隔离；在所隔离的通道数据上执行谱估计；并且对谱估计通道数据进行选择性地衰减，由此生成滤波后的通道数据；并且对滤波后的通道数据求和，由此形成滤波后的超声图像。
在一些示例中，该方法包括孔径外推。孔径外推改善超声图像的横向分辨率。在其他示例中，该方法包括发射外推。发射外推改善图像的对比度。另外，发射外推改善帧率并减少超声图像中的运动伪影。在另外的示例中，孔径外推和发射外推可以被组合。
首先将参考图1来描述示例性超声诊断成像系统的大体操作，并且重点在于系统的信号处理功能，因为本发明涉及对由换能器阵列测量的信号的处理。
系统包括阵列换能器探头10，其具有用于发射超声波和接收回波信息的CMUT换能器阵列100。换能器阵列100可以备选地包括由诸如PZT或PVDF的材料形成的压电换能器。换能器阵列100是换能器110的二维阵列，其能够在2D平面中或在三维中进行扫描以用于3D成像。在另一示例中，换能器阵列可以是1D阵列。
换能器阵列100耦合到探头中的微波束形成器12，该微波束形成器控制由CMUT阵列单元或压电元件对信号的接收。如美国专利5,997,479(Savord等人)、6,013,032(Savord)和6,623,432(Powers等人)中所述，微波束形成器能够对由换能器的子阵列(或“组”或“贴片”)接收到的信号进行至少部分波束成形。
注意，微波束形成器是完全任选的。下面的示例假设没有模拟波束成形。
微波束形成器12通过探头线缆耦合到发射/接收(T/R)开关16，当不使用微波束形成器并且由主系统波束形成齐直接操作换能器阵列时，该开关在发射和接收之间切换并保护主波束形成器20免受高能量发射信号的影响。来自换能器阵列10的超声波束的传输由通过T/R开关16和主传输波束形成器(未示出)耦合到微波束形成器的换能器控制器18引导，该换能器控制器接收来自用户的对用户接口或控制面板38的操作的输入。
由换能器控制器18控制的功能之一是波束被转向和聚焦的方向。波束可以从(垂直于)换能器阵列一直向前，或者以不同角度转向以获得更宽的视野。换能器控制器18可以被耦合以控制用于CMUT阵列的DC偏置控件45。DC偏置控件45设置施加到CMUT单元的(一个或多个)DC偏置电压。
在接收通道中，部分波束形成的信号由微波束形成器12产生，并被耦合到主接收波束形成器20，在该主接收波束形成器中，来自换能器的各个贴片的部分波束形成的信号被组合成完全波束形成的信号。例如，主波束形成器20可以具有128个通道，每个通道从一小片数十个或数百个CMUT换能器单元或压电元件接收部分波束形成的信号。以此方式，由换能器阵列的数千个换能器接收到的信号可以有效地贡献给单个波束形成的信号。
波束成形的接收信号耦合到信号处理器22。信号处理器22可以以各种方式处理接收到的回波信号，例如带通滤波、抽取、I和Q分量分离以及谐波信号分离，其作用是分离线性信号和非线性信号，以便能够识别从组织和微泡返回的非线性(基频的高次谐波)回波信号。信号处理器还可以执行额外的信号增强，例如斑点减少、信号复合和噪声消除。信号处理器中的带通滤波器可以是跟踪滤波器，随着从越来越深的深度接收回波信号，其通带从较高的频带滑向较低的频带，由此抑制来自较大的深度的处于较高频率的噪声，其中这些频率缺乏解剖学信息。
用于发射和用于接收的波束形成器以不同的硬件来实施并且可以具有不同的功能。当然，接收器波束形成器被设计为考虑发射波束形成器的特性。为了简化，在图1中仅示出了接收器波束形成器12、20。在整个系统中，还将存在具有传输微波束形成器和主传输波束形成器的传输链。
微波束形成器12的功能是提供信号的初始组合，以便减少模拟信号路径的数量。这通常在模拟域中执行。
最终的波束形成在主波束形成器20中完成，并且通常是在数字化之后。
发射和接收通道使用具有固定频带的相同换能器阵列10'。然而，发射脉冲所占用的带宽可以取决于已经使用的发射波束成形而变化。接收通道可以捕获整个换能器带宽(这是经典方法)，或者通过使用带通处理，它只能提取包含有用信息(例如主谐波的谐波)的带宽。
经处理的信号被耦合到B模式(即，亮度模式或2D成像模式)处理器26和多普勒处理器28。B模式处理器26采用对接收到的超声信号的幅度的检测以用于对身体中的结构(例如身体内的器官和血管的组织)进行成像。身体结构的B模式图像可以以谐波图像模式或基本图像模式或两者的组合来形成，如美国专利6,283,919(Roundhill等人)和美国专利6,458,083(Jago等人)所述。多普勒处理器28处理来自组织移动和血流的时间上不同的信号，以检测诸如图像场中的血细胞的流动的物质的运动。多普勒处理器28通常包括壁滤波器，该壁滤波器的参数可以被设置为通过和/或拒绝从体内选定类型的材料返回的回波。
由B模式和多普勒处理器产生的结构和运动信号被耦合到扫描转换器32和多平面重新格式化器44。扫描转换器32以空间关系布置回波信号，从该空间关系，它们以期望图像格式被接收。例如，扫描转换器可以将回波信号布置为二维(2D)扇形格式或金字塔形三维(3D)图像。扫描转换器可以将B模式结构图像和对应于图像场中各点处的具有其多普勒估计的速度的运动的颜色叠加，以产生描绘图像场中的组织和血流的运动的彩色多普勒图像。如美国专利6,443,896(Detmer)所述，多平面重新格式化器将从身体的体积区域中的公共平面中的点接收到的回波转换成该平面的超声图像。体积绘制器42将3D数据集的回波信号转换为投影的3D图像，如从给定参考点观察到的那样，如美国专利6,530,885(Entrekin等人)所述。
2D或3D图像从扫描转换器32、多平面重新格式化器44和体积绘制器42耦合到图像处理器30，以进一步增强、缓冲和临时存储以用于显示在图像显示器40上。除了用于成像，由多普勒处理器28产生的血流值和由B模式处理器26产生的组织结构信息被耦合到量化处理器34。量化处理器还产生不同流量条件(例如血流的体积率)的度量以及结构测量结果(例如，器官的尺寸和胎龄)。量化处理器可以从用户控制面板38接收输入，例如图像的解剖结构中的要进行测量的点。来自量化处理器的输出数据被耦合到图形处理器36，以用于在显示器40上与图像一起再现测量图形和值，并且用于从显示设备40输出音频。图形处理器36还可以生成用于与超声图像一起显示的图形叠加物。这些图形叠加物可以包含标准识别信息，例如患者姓名、图像的日期和时间、成像参数等。为此，图形处理器从用户接口38接收输入，例如患者姓名。用户接口还耦合到发射控制器18，以控制对来自换能器阵列10’的超声信号的生成，并因此控制由换能器阵列和超声系统产生的图像。控制器18的发射控制功能仅仅是所执行的功能之一。控制器18还考虑了(由用户给出的)操作模式，以及接收器模数转换器中的对应的所需的发射器配置和带通配置。控制器18可以是具有固定状态的状态机。
用户接口还耦合到多平面重新格式化器44以用于选择和控制多个多平面重新格式化(MPR)图像的平面，其可以用于在MPR图像的图像场中执行量化的度量。
图2示出了对超声图像执行选择性衰减的方法200。
在步骤210中，从超声探头获得通道数据。通道数据定义在感兴趣区域内的成像点的集合。
在步骤220中，针对给定的成像点，对通道数据进行隔离，这意味着可以独立于其余通道数据对其进行操作。
在步骤230中，对所隔离的通道数据执行谱估计。例如，可以如下将通道数据分解为复指数的有限和：
其中：x是沿着超声探头的换能器元件的阵列的横向坐标；S(x)是在x处测量到的通道数据信号；N是模型阶数，其是用于描述通道数据的正弦分量的数量；ai是第一模型参数；并且ki是第二模型参数。可以对所隔离的通道数据执行任何谱估计方法。例如，傅立叶变换可以与总变化方法组合执行。在另一示例中，可以使用复数L1/L2最小化来将通道数据信号分解为离轴分量和范围外分量的稀疏和。在上面的示例中，使用了自回归模型。
在这种情况下，ai是复数参数，其中，相位可以在-π和π之间，并且其中，模数是表示通道数据信号的强度的正实数。
ki理论上也可能是复数；但是，在该示例中，它们是实数。理论上，它们的范围可以在-∞到∞之间，但实际上，由于采样约束，它们的范围是从到/>其中dx是超声探头的换能器阵列中的元素间距。
在该示例中，可以通过本领域谱估计技术中的任何已知方法来估计第一模型参数和第二模型参数。例如，可以通过非参数方法(例如快速傅里叶变换(FFT)或离散傅里叶变换(DFT))或参数方法(例如自回归(AR)或自回归移动平均(ARMA)方法)来估计参数。
在步骤240中，通过在上述公式中包括衰减系数对通道数据进行选择性地衰减：
其中：Sf(x)是在x处的滤波后的通道数据信号；并且w(ki)是衰减系数，其中，w(ki)可以是≤1的实数。
w(ki)与ki成反比，这意味着在较高的空间频率下，w(ki)的值减小，由此对高空间频率的杂波信号进行衰减。换句话说，衰减系数可以依赖于通道数据的空间频率。将衰减系数应用于通道数据的整个频谱上，由此对包含于通道数据内的任何高空间频率信号进行衰减。w(ki)例如可以是高斯形状，如以下等式所示：
其中k0是附加参数，它指示高斯的宽度，因此指示高空间频率信号衰减的激进度。对于较低的k0值，高斯更瘦，因此杂波滤波会更加激进。对于较大的k0值，高斯的宽度增加，导致较不激进的杂波滤波，这进而允许更多的信号贡献给最终的超声图像。在该示例中，k0的值可以被选择为孔径尺寸的倒数的量级，例如其中a是孔径尺寸。另外，可以取决于当前通道数据分段的轴向深度来改变k0的值。
备选的函数也可以用作衰减系数。例如，可能能够例如通过仿真来估计通道数据的角度发射或往返波束图案，以用作加权掩模。此外，可以使用矩形函数，其中，函数的宽度指示截止频率，在该截止频率之上，所有信号均被拒绝。此外，还可以使用指数衰减函数。
针对通道数据的每个轴向分段重复步骤220至240。当通道数据的最终分段已经经历了选择性衰减时，该方法可以前进到步骤250。
在步骤250中，对滤波后的通道数据求和以形成最终的杂波滤波后的超声图像。
图3示出了在以上参考图2描述的方法中的各个阶段的心脏的超声图像之间的比较。
第一图像260示出了从原始通道数据捕获的原始超声图像。可以看出，该图像包含高水平的噪声，并且细节难以辨认。
第二图像270示出了在该方法的阶段230的超声图像，其中如上所述该图像已经用稀疏正弦分解进行了重建。在该示例中，模型的阶数N＝4，这意味着将在每个深度处的通道数据建模为4条正弦曲线之和。已经可以看到图像清晰度的改善；然而，信号仍然有很多噪声，并且更精细的细节(尤其是图像顶部的细节)仍然大体不清楚。
第三图像280示出了在应用选择性衰减之后在方法的阶段250的超声图像，由此消除了具有最高空间频率的正弦信号。从图像中可以看出，通过对高空间频率信号的衰减已经显著降低了信号噪声。
图4示出了用于将孔径外推应用于超声图像的方法300。
在步骤310中，通过超声探头获得通道数据。
在步骤320中，基于轴向数据的轴向成像深度对通道进行分段。
可以根据经验确定经分段的通道数据的轴向窗口尺寸，以适合用户的视觉偏好。例如，在1-2个波长范围内的轴向窗口尺寸可以产生优选的图像质量改善。较大的轴向窗口可以提供图像质量的更可靠改善和斑点纹理的更好保留；但是，它可能会对超声图像的轴向分辨率产生不利影响。
在步骤330中，基于经分段的通道数据来估计阶数为p的外推滤波器aj，其中1≤j≤p。在这种情况下，可以通过用于自回归(AR)参数估计的公知的Burg技术来估计外推滤波器。
在步骤340中，使用在步骤330中估计的外推滤波器对经分段的通道数据进行外推。在这种情况下，使用外推滤波器和先前的p个样本，用一阶线性预测外推器来获得第一正向外推的样本XN+1，如下所示：
其中：XN是当前样本；XN+1是正向外推的样本；并且p是外推滤波器aj的阶数。
正向外推可以被一般化如下：
(正向外推)，
其中k是执行的正向外推的数量。
通过反转滤波器阶数并取滤波器系数的复共轭，能够将值反向外推直到第k个通道，作为前p个通道的线性组合：
(反向外推)
使用正向外推公式和反向外推公式两者，能够对经分段的通道数据进行完全外推。对于经分段的通道数据的每个轴向分段重复步骤330和340。
在步骤350中，对完全外推的通道数据分段求和以获得波束和信号并生成最终的超声图像。
图5示出了图4的方法的实施例的图示400。
在步骤410中，通过超声探头获得通道数据。绘图通过阴影示出了在给定轴向深度处的针对每个通道的信号强度。在步骤410、440、450和460的绘图中，水平轴表示正在测量的通道，垂直轴表示所测量的通道数据的轴向深度，其中，轴向深度与垂直轴的高度成反比。在步骤420和430的绘图中，水平轴表示正在测量的通道，垂直轴表示通道数据的时间频率。
在步骤420中，对通道数据应用快速傅立叶变换(FFT)，由此将通道数据变换到时间频域中。在这种情况下，外推滤波器也在时间频域中被估计。该估计再次通过Burg技术来执行。
在步骤430中，所估计的外推滤波器用于对超出可用孔径的时间频域通道数据进行外推。外推的数据通过绘图的右侧和左侧的方框来突出显示，其中，右侧的方框表示正向外推的通道数据，而左侧的方框表示反向外推的通道数据。
在步骤440中，对外推的时间频率通道数据应用傅立叶逆变换，由此生成空间通道数据。从该绘图可以看出，与步骤410相比，通道数据现在覆盖更宽的孔径。
在步骤450中，将轴向窗口移动到新的轴向分段，并且重复步骤420至440。
在步骤460中，获得完全外推的通道数据。然后可以将其用于生成最终的超声图像。
图6至图11示出了对图4的方法的实施例的实施的示例。
图6示出了在对图4的方法的两个实施例的实施之前和之后的超声图像之间的比较。在图6至图8中，图像的水平轴表示信号的横向位置，以mm为单位，并且垂直轴代表信号的轴向位置，以mm为单位。梯度标度指示在给定信号位置处的信号强度。
第一图像500示出了模拟体模的传统延迟相加(DAS)波束形成的图像。在这种情况下，在发射步骤和接收步骤两者中都使用了32元件孔径。从图像中可以看出，两个模拟的囊肿引入严重的散射，并在超声图像中引起大量噪声。这导致囊肿看起来不好界定且不清楚。
第二图像510示出了在应用上述孔径外推技术之后的相同超声图像。在这种情况下，使用4阶外推滤波器通过因子2对接收孔径进行外推。从图像中可以看出，外推已经显著改善了图像的横向分辨率，同时维持了斑点纹理的质量。
第三图像520再次示出了在应用了上述孔径外推技术之后的相同超声图像；但是，在这种情况下，使用4阶外推滤波器通过因子4对接收孔径进行外推。从图像中可以看出，通过这个附加因子的外推已经进一步提高了超声图像的横向分辨率。
图7和图8示出了在应用上述孔径外推法之前和之后的超声图像之间的比较。图像以60dB动态范围显示。
在这两种情况下，顶部图像570和590均显示传统DAS波束形成的心脏图像。底部图像580和600显示在通过因子8进行孔径外推之后的超声图像。在这两幅图中，可以看出孔径外推导致横向分辨率和图像对比度两者的改善。
图9示出了在应用上述孔径外推方法之前和之后的腿部的超声图像之间的比较。图像以60dB动态范围显示。
第一图像610示出了传统DAS波束形成的超声图像。第二图像620示出了在应用上述孔径外推法之后的相同超声图像。通过因子8对孔径进行外推。从第二图像可以看出，孔径外推导致了超声图像的横向分辨率的改善。
图6至图9示出了跨各种成像场景的由于孔径外推方法而引起的横向分辨率的改善。
图10示出了用于将发射外推应用于超声图像的方法700。
在步骤710中，通过超声探头获得波束求和数据，其中，波束求和数据包括多个转向角。
在步骤720中，基于波束求和数据的轴向深度针对每个转向角对波束求和数据进行分段。
在步骤730中，基于经分段的波束求和数据来估计阶数为p的外推滤波器aj，其中1≤j≤p。在这种情况下，可以通过用于自回归(AR)参数估计的公知Burg技术来估计外推滤波器。
在步骤740中，使用在步骤730中估计的外推滤波器对经分段的波束求和的数据进行外推。在这种情况下，使用外推滤波器和可用发射角度的先前p个样本，用一阶线性预测外推器来获得第一正向外推样本XN+1，如下所示：
其中：XN是当前样本；XN+1是正向外推样本；并且p是外推滤波器aj的阶数。
正向外推可以被一般化如下：
(正向外推),
其中k是执行的正向外推的数量。
通过反转滤波器阶数并取滤波器系数的复共轭，能够将值反向外推直到第k个发射角度，作为前p个发射角度的线性组合：
(反向外推)
使用正向外推公式和反向外推公式两者，能够对经分段的波束求和数据进行完全外推。对于经分段的波束求和数据的每个轴向分段重复步骤730和740。
在步骤750中，对完全外推的波束求和数据分段进行相干地复合以获得最终的波束求和信号并生成最终的超声图像。
以上方法中使用的发射方案可以是：平面的；发散的；单元件的；或聚焦的。
图11示出了图10的方法的图示。对于多个转向角752中的每个，获得低对比度超声图像754。通过对多幅低对比度超声图像进行相干地复合756，能够生成单幅高对比度超声图像758。图像对比度的改善与使用的转向角的数量成比例，因此这些数量的低对比度超声图像被相干地复合以生成高对比度超声图像；然而，大量的初始转向角可能会导致超声系统的计算性能下降。通过从少量的初始转向角进行外推，能够在不显著降低超声系统的性能的情况下增加图像对比度。
图12示出了在对发射外推的实施之前和之后的超声图像与参考图像之间的比较。
第一图像760示出了包含40mm直径的无回声囊肿病变的模拟体模的参考图像。体模在斑点背景中包含4个强点散射体，在无回声病变内部包含4个弱点散射体。该图像是使用24个发散波形成的。
第二图像770示出了仅由参考图像的24个转向角中的6个中心角形成的相同模拟体模的图像。24个转向角均匀分布在-45°和45°之间，这意味着中心的6个转向角通过3.91°的角度分离开。从该图像中可以清楚地看到，减少转向角的数量会导致较低的图像对比度。
第三图像780示出了将上述发射外推应用于第二图像770的结果。在这种情况下，阶数为3的外推滤波器用于通过因子4对发射角的数量进行外推。通过将来自初始6个发射角的数据与来自外推的18个预测的波束求和数据进行相干地复合来生成图像。从第三图像可以看出，与第二图像相比，对比度得到了显著改善，并且可以与参考图像的对比度相比。另外，对比度增强不会导致抑制无回声病变内部的弱点散射体的任何伪影。
图13示出了在对发射外推的实施之前和之后的超声图像与参考图像之间的比较。
第一图像790示出了来自患者的心脏的心尖四腔观的参考图像。该图像是使用24个发散波形成的。
第二图像800示出了仅由6个发散波形成的相同数据集的图像。如前所述，选择6个发散波作为24个转向角的中心6个转向角。从图像中可以看出，第二图像的图像对比度明显低于第一图像的图像对比度。
第三图像810示出了如上所述将发射外推应用于第二图像的结果。在这种情况下，阶数为3的外推滤波器用于通过因子4对转向角的数量进行外推。同样地，通过将来自初始6个发射角的数据与来自外推的18个预测的波束求和数据进行相干地复合来生成图像。从第三图像可以清楚地看出，通过发射外推已经改善了图像对比度。
图14示出了在对发射外推的实施之前和之后的超声图像与参考图像之间的比较。
第一图像820示出了来自与图13不同的患者的心脏的心尖四腔观的参考图像。该图像是使用24个发散波形成的。与图13不同，该患者的初始参考图像具有较差的图像对比度。
第二图像830示出了仅由6个发散波形成的相同数据集的图像。如前所述，选择6个发散波作为24个转向角的中心6个转向角。从图像可以看出，第二图像的图像对比度明显低于第一图像的图像对比度，在这种情况下，其导致很多精细的细节都极其不清楚。
第三图像840示出了如上所述将发射外推应用于第二图像的结果。在这种情况下，阶数为3的外推滤波器用于通过因子4对转向角的数量进行外推。同样地，通过将来自初始6个发射角的数据与来自外推的18个预测的波束求和数据进行相干地复合来生成图像。从第三图像可以清楚地看出，通过发射外推已经改善了图像对比度。
应当注意，外推因子和外推滤波器阶数的任何组合都可以在上述方法中的任何方法中使用。另外，在最终方法中可以选择任何数量的转向角。
在一些超声系统中，可以采用上述方法的组合以便进一步提高最终超声图像的图像质量。
例如，可以对通道数据的集合执行参考图4至图9描述的孔径外推方法，然后执行参考图10至图14描述的发射外推方法。在这种情况下，可以针对超声探头的每个发射信号以及在孔径上求和的外推的通道数据执行孔径外推，由此生成孔径外推的通道数据的集合。在求和之后，可以对孔径外推的通道数据执行发射外推。以这种方式，可以改善最终超声图像的横向分辨率和图像对比度。另外，对于PWI和DWI超声系统，对发射外推方法的使用可以允许超声图像的帧率的提高。
在另一示例中，可以在孔径外推方法之前执行发射外推法。在这种情况下，可以针对超声探头的每个换能器元件以及在所有发射角上求和的外推的通道数据执行发射外推，由此生成发射外推的通道数据的集合。然后可以对发射外推的通道数据执行孔径外推方法。
在这两种情况下，可以采用参考图2和图3所述的选择性衰减方法来减少最终超声图像中的离轴杂波的量。由于该方法仅衰减具有高空间频率的信号，因此可以以任何顺序与孔径外推方法和发射外推方法一起执行。备选地，选择性衰减方法可以仅与孔径外推方法或发射外推方法组合。
应当注意，在执行上述方法之前，可以将用于形成通道的波束求和数据的信号进行几何对准。
如上所述，实施例利用控制器来执行数据处理步骤。
可以用软件和/或硬件以多种方式来实现控制器，以执行所需的各种功能。处理器是采用一个或多个微处理器的控制器的一个示例，该微处理器可以使用软件(例如，微代码)进行编程以执行所需的功能。然而，控制器可以在采用或不采用处理器的情况下实现，并且还可以实现为执行一些功能的专用硬件与执行其他功能的处理器(例如，一个或多个编程的微处理器和相关联的电路)的组合。
可以在本公开的各种实施例中采用的控制器部件的示例包括但不限于传统微处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。
在各种实施方式中，处理器或控制器可以与一个或多个存储介质(例如易失性和非易失性计算机存储器，如RAM、PROM、EPROM和EEPROM)相关联。可以用一个或多个程序对存储介质进行编码，这些程序在一个或多个处理器和/或控制器上运行时，执行所需的功能。各种存储介质可以固定在处理器或控制器内，或者可以是可移动的，使得存储在其上的一个或多个程序可以被加载到处理器或控制器中。
通过研究附图、说明书和所附权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开的实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且词语“一(a)”或“一(an)”不排除多个。在互不相同的从属权利要求中记载了某些措施的仅有事实并不意味着不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (18)

1.一种用于生成超声图像的方法，所述方法包括：
使用超声探头获得(710)波束求和数据，其中，所述波束求和数据是在多个转向角处获得的；
对于所述波束求和数据的每个转向角，基于所述波束求和数据的轴向成像深度对所述波束求和数据进行分段(720)；
对于经分段的波束求和数据的每个分段：
基于所述经分段的波束求和数据来估计(730)外推滤波器，所述外推滤波器具有滤波器阶数；并且
基于所述外推滤波器通过外推因子对所述经分段的波束求和数据进行外推(740)，由此生成外推的波束求和数据；并且
跨所有分段对所述外推的波束求和数据进行相干地复合(750)，由此生成所述超声图像。
2.根据权利要求1所述的方法，所述方法还包括：
对于所述波束求和数据的每个轴向分段，对所述波束求和数据的该轴向分段应用傅立叶变换；并且
对所述外推的波束求和数据执行傅立叶逆变换。
3.根据权利要求1或2所述的方法，其中，通过平面波成像和发散波成像中的至少一种来获得所述波束求和数据。
4.根据权利要求1或2所述的方法，其中，所述轴向分段的所述轴向成像深度小于提供所述波束求和数据的发射信号的4个波长。
5.根据权利要求4所述的方法，其中，所述轴向分段的所述轴向成像深度小于或等于提供所述波束求和数据的发射信号的2个波长。
6.根据权利要求1或2所述的方法，其中，所述多个转向角包括小于20个角。
7.根据权利要求6所述的方法，其中，所述多个转向角包括小于或等于10个角。
8.根据权利要求1或2所述的方法，其中，所述滤波器阶数小于或等于转向角的数量的一半。
9.根据权利要求1或2所述的方法，其中，所述外推因子小于或等于10。
10.根据权利要求9所述的方法，其中，所述外推因子小于或等于8。
11.根据权利要求1或2所述的方法，其中，对所述外推滤波器的所述估计是使用自回归模型来执行的。
12.根据权利要求1或2所述的方法，其中，对所述外推滤波器的所述估计是使用Burg技术来执行的。
13.根据权利要求1或2所述的方法，其中，所述外推发生在所述波束求和数据的轴向方向上。
14.一种存储有计算机程序的计算机可读介质，所述计算机程序包括计算机程序代码单元，当所述计算机程序在计算机上运行时，所述计算机程序代码单元适于实施根据权利要求1-13中的任一项所述的方法。
15.一种用于控制对超声图像的生成的控制器，其中，所述控制器适于：
通过超声探头获得(710)波束求和数据，其中，所述波束求和数据是在多个转向角处获得的；
对于所述波束求和数据的每个转向角，基于所述波束求和数据的轴向深度对所述波束求和数据进行分段(720)；
对于经分段的波束求和数据的每个分段：
基于所述经分段的波束求和数据来估计(730)外推滤波器，所述外推滤波器具有滤波器阶数；并且
基于所述外推滤波器通过外推因子对所述经分段的波束求和数据进行外推(740)，由此生成外推的波束求和数据；并且
跨所有分段对所述外推的波束求和数据进行相干地复合(750)，由此生成所述超声图像。
16.一种超声系统，所述系统包括：
超声探头；
根据权利要求15所述的控制器；以及
用于显示高对比度超声图像的显示设备。
17.根据权利要求16所述的系统，其中，所述系统还包括具有用户输入的用户接口。
18.根据权利要求17所述的系统，其中，所述用户输入适于调节以下中的至少一项：轴向分段的轴向深度；所述外推因子；以及所述滤波器阶数。
CN201880039162.2A 2017-06-15 2018-06-11 用于处理超声图像的方法和系统 Active CN110869799B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762520233P 2017-06-15 2017-06-15
US62/520,233 2017-06-15
PCT/EP2018/065258 WO2018228958A1 (en) 2017-06-15 2018-06-11 Methods and systems for processing an ultrasound image

Publications (2)

Publication Number Publication Date
CN110869799A CN110869799A (zh) 2020-03-06
CN110869799B true CN110869799B (zh) 2024-01-30

Family

ID=62716037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880039162.2A Active CN110869799B (zh) 2017-06-15 2018-06-11 用于处理超声图像的方法和系统

Country Status (5)

Country Link
US (1) US11432804B2 (zh)
EP (1) EP3639056A1 (zh)
JP (1) JP7171625B2 (zh)
CN (1) CN110869799B (zh)
WO (1) WO2018228958A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018228928A1 (en) * 2017-06-15 2018-12-20 Koninklijke Philips N.V. Methods and systems for processing an ultrasound image
CN111388010B (zh) * 2020-03-26 2022-06-24 深圳开立生物医疗科技股份有限公司 超声多普勒血流成像方法、装置、设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5623928A (en) * 1994-08-05 1997-04-29 Acuson Corporation Method and apparatus for coherent image formation
CN103110432A (zh) * 2011-11-16 2013-05-22 美国西门子医疗解决公司 诱导波超声成像中的自适应图像优化
CN103230283A (zh) * 2013-04-16 2013-08-07 清华大学 一种超声探头成像平面空间位置标定的优化方法
CN104897777A (zh) * 2015-06-17 2015-09-09 中国核工业二三建设有限公司 基于Burg算法的自回归谱外推技术提高TOFD检测纵向分辨率的方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3675965B2 (ja) * 1996-07-12 2005-07-27 東京瓦斯株式会社 自己回帰モデルを利用した音響または振動データの収集、処理方法及び自己回帰モデルを利用した音響または振動データからの有意な信号の抽出システム
US6283919B1 (en) 1996-11-26 2001-09-04 Atl Ultrasound Ultrasonic diagnostic imaging with blended tissue harmonic signals
US6458083B1 (en) 1996-11-26 2002-10-01 Koninklijke Philips Electronics N.V. Ultrasonic harmonic imaging with adaptive image formation
US5921931A (en) * 1997-04-08 1999-07-13 Endosonics Corporation Method and apparatus for creating a color blood flow image based upon ultrasonic echo signals received by an intravascular ultrasound imaging probe
US6013032A (en) 1998-03-13 2000-01-11 Hewlett-Packard Company Beamforming methods and apparatus for three-dimensional ultrasound imaging using two-dimensional transducer array
US5997479A (en) 1998-05-28 1999-12-07 Hewlett-Packard Company Phased array acoustic systems with intra-group processors
US6210328B1 (en) * 1998-10-01 2001-04-03 Atl Ultrasound Ultrasonic diagnostic imaging system with variable spatial compounding
JP2002532172A (ja) * 1998-12-15 2002-10-02 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 組織内の壁側面及び動脈の絶対半径の決定のための超音波方法及び装置
US6530885B1 (en) 2000-03-17 2003-03-11 Atl Ultrasound, Inc. Spatially compounded three dimensional ultrasonic images
US6443896B1 (en) 2000-08-17 2002-09-03 Koninklijke Philips Electronics N.V. Method for creating multiplanar ultrasonic images of a three dimensional object
US6468216B1 (en) 2000-08-24 2002-10-22 Kininklijke Philips Electronics N.V. Ultrasonic diagnostic imaging of the coronary arteries
KR100806331B1 (ko) * 2005-08-11 2008-02-27 주식회사 메디슨 초음파영상 합성방법
US7963919B2 (en) 2005-12-07 2011-06-21 Siemens Medical Solutions Usa, Inc. Ultrasound imaging transducer array for synthetic aperture
US20080208061A1 (en) * 2007-02-23 2008-08-28 General Electric Company Methods and systems for spatial compounding in a handheld ultrasound device
JP2009056210A (ja) * 2007-09-03 2009-03-19 Ge Medical Systems Global Technology Co Llc 超音波診断装置
US20090023423A1 (en) 2007-07-20 2009-01-22 Mark Buer Method and system for creating secure network links utilizing a user's biometric identity on network elements
US9117439B2 (en) * 2008-03-13 2015-08-25 Supersonic Imagine Method and apparatus for ultrasound synthetic imagining
FR2942338B1 (fr) * 2009-02-13 2011-08-26 Univ Paris Descartes Navigateur echographique
US8816899B2 (en) 2012-01-26 2014-08-26 Raytheon Company Enhanced target detection using dispersive vs non-dispersive scatterer signal processing
US9244169B2 (en) * 2012-06-25 2016-01-26 Siemens Medical Solutions Usa, Inc. Measuring acoustic absorption or attenuation of ultrasound
US9366753B2 (en) 2013-08-19 2016-06-14 General Electric Company Systems and methods for ultrasound retrospective transmit focus beamforming
JP6408297B2 (ja) * 2014-08-14 2018-10-17 学校法人上智学院 ビームフォーミング方法、計測イメージング装置、及び、通信装置
US10456116B2 (en) * 2014-09-30 2019-10-29 Siemens Medical Solutions Usa, Inc. Shadow suppression in ultrasound imaging
EP3513735B1 (en) * 2017-04-25 2022-05-25 Sogang University Research Foundation Device and method for generating ultrasound vector doppler image using plane wave synthesis
WO2018228928A1 (en) 2017-06-15 2018-12-20 Koninklijke Philips N.V. Methods and systems for processing an ultrasound image

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5623928A (en) * 1994-08-05 1997-04-29 Acuson Corporation Method and apparatus for coherent image formation
CN103110432A (zh) * 2011-11-16 2013-05-22 美国西门子医疗解决公司 诱导波超声成像中的自适应图像优化
CN103230283A (zh) * 2013-04-16 2013-08-07 清华大学 一种超声探头成像平面空间位置标定的优化方法
CN104897777A (zh) * 2015-06-17 2015-09-09 中国核工业二三建设有限公司 基于Burg算法的自回归谱外推技术提高TOFD检测纵向分辨率的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Giulia Matrone et al..Ultrasound Plane-Wave Imaging with Delay Multiply And Sum Beamforming and Coherent Compounding.《2016 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBC)》.2016,第3223-3226页. *

Also Published As

Publication number Publication date
WO2018228958A1 (en) 2018-12-20
US20200237345A1 (en) 2020-07-30
JP7171625B2 (ja) 2022-11-15
EP3639056A1 (en) 2020-04-22
CN110869799A (zh) 2020-03-06
JP2020523149A (ja) 2020-08-06
US11432804B2 (en) 2022-09-06

Similar Documents

Publication Publication Date Title
JP6932192B2 (ja) 超音波画像クラッタをフィルタリングする方法及びシステム
Szasz et al. Beamforming through regularized inverse problems in ultrasound medical imaging
US8002704B2 (en) Method and system for determining contact along a surface of an ultrasound probe
US8818064B2 (en) Time-domain estimator for image reconstruction
JP2022023982A (ja) 超音波画像を処理するための方法及びシステム
CN110869799B (zh) 用于处理超声图像的方法和系统
WO2018099867A1 (en) Methods and systems for filtering ultrasound image clutter
US11982741B2 (en) Methods and systems for processing an ultrasound image
JP6932200B2 (ja) 超音波画像クラッターをフィルタ処理するための方法及びシステム
JP7194696B2 (ja) 複合超音波画像の生成を制御する方法およびシステム
US20200261061A1 (en) Methods and systems for filtering of acoustic clutter and random noise
Nguyen et al. Improvements to ultrasonic beamformer design and implementation derived from the task-based analytical framework
Musti Venkata Plane-Wave Fourier-Domain Beamforming with CNN-Assisted Resolution Enhancement
Parraga et al. Improving Nonlinearity Parameter Imaging Using Compounding
Agarwal Evaluation of null subtraction imaging and interpolation techniques for ultrasound B-mode
Nguyen et al. Ultrasonic array beamforming with iterative spatial filters
Walker et al. Constrained Adaptive Beamforming for Improved Contrast in Breast Ultrasound

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