CN112515704B - 一种基于超声的血管硬度测量方法 - Google Patents
一种基于超声的血管硬度测量方法 Download PDFInfo
- Publication number
- CN112515704B CN112515704B CN202011382954.5A CN202011382954A CN112515704B CN 112515704 B CN112515704 B CN 112515704B CN 202011382954 A CN202011382954 A CN 202011382954A CN 112515704 B CN112515704 B CN 112515704B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- calculating
- wall
- blood
- blood flow
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 16
- 230000017531 blood circulation Effects 0.000 claims abstract description 69
- 238000005070 sampling Methods 0.000 claims abstract description 68
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 230000000747 cardiac effect Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 230000002792 vascular Effects 0.000 claims description 15
- 238000009825 accumulation Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007542 hardness measurement Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000033001 locomotion Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 3
- 238000002091 elastography Methods 0.000 abstract 1
- 230000035945 sensitivity Effects 0.000 abstract 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 208000011775 arteriosclerosis disease Diseases 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 210000001715 carotid artery Anatomy 0.000 description 4
- 230000034994 death Effects 0.000 description 4
- 231100000517 death Toxicity 0.000 description 4
- 206010003210 Arteriosclerosis Diseases 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000036285 pathological change Effects 0.000 description 3
- 231100000915 pathological change Toxicity 0.000 description 3
- 206010008479 Chest Pain Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000002113 ultrasound elastography Methods 0.000 description 2
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 208000002330 Congenital Heart Defects Diseases 0.000 description 1
- 201000006306 Cor pulmonale Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 241001272567 Hominoidea Species 0.000 description 1
- 206010022562 Intermittent claudication Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 208000004186 Pulmonary Heart Disease Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 208000002223 abdominal aortic aneurysm Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000002302 brachial artery Anatomy 0.000 description 1
- 208000024980 claudication Diseases 0.000 description 1
- 208000028831 congenital heart disease Diseases 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 231100000862 numbness Toxicity 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000004124 rheumatic heart disease Diseases 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 231100000216 vascular lesion Toxicity 0.000 description 1
- 230000009978 visual deterioration Effects 0.000 description 1
Images
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
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- 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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hematology (AREA)
- Vascular Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于超声的血管硬度测量方法,步骤包括:选择取样门并矫正基线;解调得到IQ信号;划分成为M个子门;计算每一个子门中得被求和的时间系列的频谱;确定频带有效区域并计算血流速度;计算频带范围的平均速度;计算血流量速度‑时间曲线;计算位移‑时间矩阵;计算血管横截面积‑时间曲线;划分心动周期并计算舒张末期血管直径;计算脉冲波速度;计算血管壁厚度;计算血管的弹性模量;本发明使用多取样门技术提高了计算血流量速度的精确度,避免了传统使用M模式数据计算血管直径的同步困难,克服了传统弹性成像只能得到不同区域相对软硬变化和对组织运动敏感等不适合血管硬度测量的问题,实现了局部血管硬度的精确测量。
Description
技术领域
本发明属于血管硬度测量领域,特别涉及一种基于超声的血管硬度测量方法。
背景技术
目前,心血管疾病的死亡率长期在城乡居民总死亡中高居首位,心血管疾病的及时防治成为当前政府迫在眉睫的任务。当前中国的心血管疾病患病率以及死亡率都仍处于上升阶段,研究报告推断现阶段我国现有心血管病患者人数超过了2.9亿,其中高血压患者约为2.45亿,脑卒患者约为1300万,冠心病患者约为1100万,肺原性心脏病患者约为500万,心力衰竭患者约为450万,风湿性心脏病患者约为250万,先天性心脏病患者约为200万。国家统计数据显示:心血管疾病死亡率高于肿瘤及其他疾病,位居所有死亡原因的首位,其中每5例死亡中就有 2例死于心血管病。如何及时的发现和诊断心血管疾病,如何能够及时快速的诊断心血管疾病的工作已经迫在眉睫。在所有的医学诊断中,超声医学诊断对于心血管疾病诊断有着极其明显的优势。超声医学诊断系统的血流检查,尤其是超声诊断系统的超声脉冲波多普勒成像技术,可以非常有效及时的对各种血流或血管疾病做出准确的早期分析。鉴于超声设备的无伤害和实时的特性,使得超声医学检查能够成为心血管疾病筛查的第一步。由此可见超声成像技术的发展尤其是超声多普勒技术的发展对心血管疾病的预防和诊断有着重要的意义。
传统医疗超声系统使用超声回波的信号观测组织结构,可以检测血栓、心肌等组织的病变和发展情况,另一方面,基于超声多普勒效应的血流成像模式也可以用伪彩的方式显示血管内血流的分布情况,但这些无法反映血管的硬化情况。血管的软硬度与诸多心血管疾病如高血压、糖尿病等的关系非常密切,已经成为评价心血管疾病的一项重要指标,例如动脉硬化是动脉的一种非炎症性病变,可使动脉管壁增厚、变硬,失去弹性、管腔狭窄,伴随着高血压以及受累器官缺血等病症,对于早期的动脉硬化患者,大多数患者几乎无任何临床症状。对于中期的动脉硬化患者,大多数患者都或多或少有心悸、胸痛、胸闷、头痛、头晕、四肢凉麻、四肢酸懒、跛行、视力降低、记忆力下降、失眠多梦等临床症状。因此通过检测血管硬度早期发现和干预血管硬化的进程,对于预防和治疗心血管疾病具有十分重要的意义。
近年来,以超声弹性成像、声辐射力成像以及剪切波速成像等显示组织弹性技术的发展,可以定性或定量的反映检测区域软硬度,其中超声弹性成像和声辐射力成像可以得到定性的相对应变比反映不同区域的相对软硬度,而剪切波速成像通过测定剪切波在水平方向的传播速度,进而计算得到剪切模量和杨氏模量,实现定量的硬度测量,但剪切波波速测定结果容易受组织运动的影响,一般临床上主要用于肝脏纤维化的分级诊断。颈动脉的弹性成像主要用于测量血管斑块在血压作用下的运动和形变,观测斑块的弹性分布情况。而针对血管的硬度测量一般基于脉冲波速度来计算。
临床上通常采集基于两点测量法测量血管的脉冲波速度。首先,采集两处血管(一般是颈动脉与股动脉,另有颈动脉与桡动脉、肱动脉与踝动脉等)的压力曲线(也有采集血流曲线、血管运动曲线等)。然后,计算两处血管压力曲线之间的时间延迟,即脉搏在血管中传播的时间差。两测量点间血管的长度通过体表测量得到,脉冲波速度由血管长度除以时间延迟得到。传统测量方法通常是测量血管系统上相距较远的两点间的脉冲波传播速度,并且假设两测量点间的血管走向为直线,得到的是血管硬度的整体平均值或全局值。实际上,血管硬度在血管系统内并不是均匀分布的;另外,一些血管病变(如动脉粥样硬化斑块、腹主动脉瘤等)也会显著地改变局部血管的硬度。因此,局部血管硬度的测量更能反映动脉壁的病理变化特征。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于超声的血管硬度测量方法通过多采样门血流量速度估计、自适应位移估计以及基于频域方式的血管直径估计,得到更为精确的局部血管硬度的测量结果,并结合一些边缘检测方法,实现血管壁厚度的自动计算,让系统更便捷的完成血管硬度测量。
为了达到上述发明目的,本发明采用的技术方案为:
一种基于超声的血管硬度测量方法,包括以下步骤:
S1、选择指定的取样门,确定取样门的大小和位置;
S2、采集步骤S1中取样门的射频信号,经过正交解调得到IQ信号;
S3、将取样门划分为M个子采样门;
S4、按照指定的频谱计算方法,计算步骤S3中每一个子采样门中的被求和的时间系列的频谱;
S5、对各个子采样门得到的频谱进行上下包络检测,确定有效频带区域,在有效频带区域内计算血流平均速度;
S6、根据步骤S5中得到的血流平均速度,计算血流量速度-时间曲线;
S7、根据步骤S2得到的IQ信号,采用自适应频率估计的自相关方法计算位移-时间矩阵;
S8、根据步骤S2中IQ信号的包络计算初始血管直径,再根据血管直径得到血管横截面 -时间曲线;
S9、根据步骤S8得到的血管横截面划分心动周期,并计算舒张末期血管直径;
S10、根据步骤S8得到的血管横截面计算脉冲波速度;
S11、根据IQ信号的包络采用搜索的方法提取血管壁边缘并计算血管壁厚度;
S12、根据所得舒张末期血管直径、脉冲波速度和血管壁厚度,计算血管的弹性模量。
本发明的有益效果为:使用多取样门技术提高了计算血流量速度的精确度,同时获得血管直径,进而得到血管横截面-时间曲线,避免了传统使用M模式数据计算血管直径的同步困难,由于D和M扫描不能同时进行,所以血管横截面-时间曲线与血流量速度-时间曲线不能完全同步,本发明专利多取样门技术很好的避免了这个问题。在血管运动估计中引入了自适应频率衰减估计,提高了位移估计的准确度。设计了一种基于频率的心动周期划分算法,提高了心动周期自动划分的可靠性。克服了传统弹性成像只能得到不同区域相对软硬变化和对组织运动敏感等不适合血管硬度测量的问题,实现了局部血管硬度的精确测量。
进一步地,步骤S5具体过程为:用能量积分的方式计算上下包络,计算上包络时,从下往上在速度方向做累加,得到累积曲线,累积曲线切线趋近于0处则为上包络位置;计算下包络时,从上往下在速度方向做累加,得到累积曲线,累积曲线切线趋近于0处则为下包络位置;
计算有效频带范围的平均速度作为一个子取样门的速度,即血流平均速度,计算公式如下:
进一步地,步骤S6中血流量速度-时间曲线的计算公式表示为:
其中,表示血流量速度-时间曲线,k表示子采样门序号,rk表示第k个子采样门上的血管半径,N′+N-1是总的子采样门个数,N和N′分别表示血管中心向上和向下两个方向的子采样门个数,α表示采样门与血管壁的夹角,tj表示第j个时间,表示第j个时间上处于第k个子采样门上的血管位置的速度;本公式为用线积分求一个圆周面的血流量,得到血流量速度-时间曲线。
该进一步方案的有益效果为:传统单采样门在测量血流量时会忽略流速的空间信息的不足。在血管中的不同位置处,血流速度的分布实际上是不同的。计算PWV需要的血流量速度是血管横截面处的血流速度在横截面的线积分。如果血管发生了病变(例如血管斑块)或硬度发生变化,血管内不同位置到的血流速度会发生相应的变化,如果用传统的一个平均速度去计算整个血管的血流量速度,误差会很大
进一步地,步骤S7中位移-时间矩阵计算公式包括:
其中:
上述公式中Δz表示血管上下壁的位移,u表示窗口半径,l表示沿采样门方向轴的位置,c表示超声波的声度,R(0,1)l,t表示第t个时间沿采样门方向轴向第l个位置的时间偏移1的自相关估计值,h表示位移计算窗口内的偏移游标,Conj表示取复数的共轭,Rphase(0,1)l,t表示 R(0,1)l,t的弧度相位角,Imag表示取复数虚部,Real表示取复数实部,atan表示求反正切值,表示自适应估计的频率,fd表示信号解调频率,fs表示信号采样频率。
该进一步方案的有益效果为:由于使用了足够大的采样门,血管壁的回波信号也包含其中,因此可以得到血管上下壁的运动信息,避免了传统上用其它单独扫描方式来计算血管直径与血流流量的同步困难问题。并且自适应频率估计克服了衰减等带来的信号频率改变对位移估计结果的影响。
进一步地,步骤S8中血管横截面积-时间曲线的计算过程为:
得到整个取样门区域的位移-时间矩阵后,选择若干条IQ信号的包络,从中心往两侧搜索,先寻找两个方向上的最大值,再在反方向一定范围内寻找,找到初始血管壁的位置,得到多个直径,取平均作为初始直径,计算公式表示为:
其中,D0表示血管壁初始直径,L0表示初始上壁位置,Y0表示初始下壁位置,W表示采样门宽度,S表示整个采样门内点数,α表示采样门与血管壁的夹角。
进一步地,步骤S9具体包括以下分步骤:
S91、将血流量速度-时间曲线进行傅立叶变换,取正频率方向幅值最大的频率的倒数,作为初始周期大小T0;
S92、对血流量速度-时间曲线每隔T0搜索一个最大值,对每个最大值位置的间隔先做1×3 的中值滤波,再进行平均处理后得到最终的周期大小T,周期T的倒数为心率;
S93、在血流量速度-时间曲线上以各个最大值为起点,在周期T的范围内,分别向前后采用梯度下降法搜索,找到最优的一个周期划分,每个周期长度均值为T,各个搜索梯度均方差最小;
S94、根据血管横截面-时间曲线中峰值后的波谷,取其中5到10个平均点,即为舒张末期血管直径。
进一步地,步骤S10中脉冲波速度计算过程如下:
将各个周期对应的血流量速度波形和血管横截面波形按照分割好的周期进行匹配,得到血流量速度-血管横截面环图,脉冲波速度为各个周期环图线性部分的直线斜率,脉冲波速度计算公式如下:
其中,Vpw表示脉冲波速度,Vol表示血流量速度波形,A表示血管横截面波形;
将各个周期的脉冲波速度Vpw先进行排序,去除指定比例的结果,再对剩下的数据进行平均处理,得到最终的结果。
该进一步方案的有益效果为:通过排序去除了多个心动周期数据中偏差过大的,再经过均值处理使脉冲波速度技术更为稳定可靠。
进一步地,步骤S11包括以下分步骤:
S111、首先通过从中心位置向上搜索最大值得到目标初始血管上壁中心,或向下搜索最大值得到目标初始血管下壁中心,搜索半径不超过正常血管半径加血管壁厚度乘以可调系数;
S112、沿上下两个方向做梯度搜索,找到一定搜索范围内梯度大于设定阈值,作为血管壁上下边缘;血管上下壁的阈值不同,血管上壁阈值范围更广;
S113、取不同时间的包络重复步骤S111和S112,得到同一位置不同时刻多个血管壁上下边缘;
S114、计算步骤S113中每一个时刻得到的血管壁厚度,首先滤除偏大过大的值,然后进行平均处理,得到血管厚度;
进一步地,步骤S12中血管的弹性模量的计算公式表示为:
其中,E表示血管的弹性模量,D表示舒张末期血管的直径,Vpw表示脉冲波速度,H表示血管壁的厚度,ρ表示血液密度。
附图说明
图1为本发明基于超声的血管硬度测量方法流程图;
图2为本发明中上下包络线示意图;
图3为本发明中多采样门血流量速度示意图;
图4为本发明中血流量速度-时间曲线示意图;
图5为本发明中血管横截面-时间曲线示意图;
图6为本发明中单个周期血流量速度-时间曲线图;
图7为本发明中单个周期血管横截面-时间曲线示意图;
图8为本发明中血管上壁和下壁厚度示意图;
图9为本发明中血流量速度-血管横截面环图。
具体实施方式
下面对本发明发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于超声的血管硬度测量方法,包括以下步骤:
S1、用户选择范围大到可以覆盖整个血管的取样门;同时用户选择取样门内感兴趣区域以显示参考多普勒频谱,并校正基线到适当位置,以确定所选择的区域为包含血流且频谱不发生混叠;
S2、确定取样门大小和位置后,采集取样门的射频信号,经过正交解调得到IQ信号(DIQ);
S3、并将取样门(IQ信号)划分为M个子门;
S4、按照不同的频谱方法,例如FFT、Capon和APES等,计算每一个子门中的被求和的时间系列的频谱;各个子门的频谱计算会在时间方向每移动D个采样点做一次,也就是说频谱间隔的时间Δt=D/PRF,PRF为脉冲重复频率。
S5、对各个子门得到的频谱进行上下包络检测确定有效频带区域,在有效频带区域内计算血流速度,有效频带如图2所示。上下包络采用能量积分的方式求得,上包络计算是从下往上在速度方向做累加,得到累积曲线,累积曲线切线趋近于0处则为上包络位置;下包络计算是从上往下在速度方向做累加,得到累积曲线,累积曲线切线趋近于0处则为下包络位置。一般取切线斜率小于0.05;
计算有效频带范围的平均速度作为一个子取样门的速度,即血流平均速度;
本发明实施例中,步骤S5中的计算公式为:
S6、根据步骤S5中得到的血流平均速度,计算血流量速度-时间曲线;
本发明实施例中,步骤S6中血流量速度-时间曲线的计算公式表示为:
其中,表示血流量速度-时间曲线,k表示子采样门序号,rk表示第k个子采样门上的血管半径,N′+N-1是总的子采样门个数,N和N′分别表示血管中心向上和向下两个方向的子采样门个数,α表示采样门与血管壁的夹角,tj表示第j个时间,表示第j个时间上处于第k个子采样门上的血管位置的速度;默认血管是圆周的,用线积分求一个圆周面的血流量,图3显示了多取样门的面积分示意图,再除以频谱对应的时间间隔,最后得到如图4 所示的血流量速度-时间曲线。
S7、根据步骤S2得到的IQ信号,采用自适应频率估计的自相关方法计算位移-时间矩阵;
本发明实施例中,步骤S7中位移-时间矩阵计算公式包括:
其中:
上述公式中Δz表示血管上下壁的位移,u表示窗口半径,l表示沿采样门方向轴的位置,c表示声音速度,R表示复数,R(0,1)l,t表示第t个时间沿采样门方向轴向第l个位置的时间偏移1 的自相关估计值,h表示位移计算窗口内的偏移游标,Conj表示取复数的共轭,Rphase(0,1)l,t表示R(0,1)l,t的相位角,Imag表示取复数虚部,Real表示取复数实部,atan表示求反正切值,表示自适应估计的频率,fd表示信号解调频率,fs表示信号采样频率。
位移矩阵计算是基于整个大的取样门来进行的,因为大的取样门覆盖了血管上下壁,因此就可以得到血管上下壁的位移,本实施例考虑衰减等带来的信号频率改变,因此采用自适应频率估计的自相关方法进行位移估计。
S8、根据步骤S2中IQ信号的包络计算初始血管直径,再根据血管直径得到血管横截面 -时间曲线;
本发明实施例中,步骤S8中血管横截面积-时间曲线的计算过程为:
得到整个取样门区域的位移-时间矩阵后,选择若干条IQ信号的包络,从中心往两侧搜索,先寻找两个方向上的最大值,再在反方向一定范围内寻找,找到初始血管壁的位置,得到多个直径,取平均作为初始直径,计算公式表示为:
其中,D0表示血管壁初始直径,L0表示初始上壁位置,Y0表示初始下壁位置,W表示采样门宽度,S表示整个采样门内点数,α表示采样门与血管壁的夹角。
下一时刻的直径D1,通过初始上下壁位移叠加对应的位移值,得到当前时刻的上下壁位置,代入上述公式即可。圆周的横截面积等于πD2/4,血管横截面积-时间曲线如图5所示。
S8、根据步骤S8得到的血管横截面划分心动周期,并计算舒张末期血管直径;
在计算过程中需要采集多个心动周期的数据,得到如图4和图5所示的多个周期的血流量速度与血管横截面-时间曲线,计算脉冲波速度时需要将其划分成单个周期,这里采用频率域的方法辅助划分。
本发明实施例中,步骤S9包括以下分步骤:
S91、将血流量速度-时间曲线进行傅立叶变换,取正频率方向幅值最大的频率的倒数,作为初始周期大小T0;
S92、对血流量速度-时间曲线每隔T0搜索一个最大值,对每个最大值位置的间隔先做1×3 的中值滤波,例如血流量速度-时间曲线包含8个周期就有8个最大值,对这8个位置的间隔先做1×3的中值滤波;之后再进行平均处理后得到最终的周期大小T,周期T的倒数为心率;
S93、在血流量速度-时间曲线上以各个最大值为起点,在周期T的范围内,分别向前后采用梯度下降法搜索,找到最优的一个周期划分,每个周期长度均值为T,各个搜索梯度均方差最小;因为在本发明专利的方法里面血流量速度计算和血管横截面是基于同一DIQ数据,因此它们是时间同步的。如图6和图7所示分别为划分后单个周期血流量速度-时间曲线和血管横截面-时间曲线;
S94、最后计算舒张末期血管直径,舒张末期是血管横截面-时间曲线中峰值后的波谷,如图7所示的尾部,取5到10个平均点。
S10、计算脉冲波速度;
本发明实施例中,步骤S10中脉冲波速度计算过程如下:
脉冲波速度需要计算出无反射期时的线性增长部分,将各个周期对应的血流量速度波形和血管横截面波形按照分割好的周期进行匹配,得到如图9所示的血流量速度-血管横截面环图,脉冲波速度为各个周期环图线性部分的直线斜率,脉冲波速度计算公式如下:
其中,Vpw表示脉冲波速度,Vol表示血流量速度波形,A表示血管横截面波形;
由于需要计算的是无反射期时的线性增长部分,所以对各个周期环图线性部分求直线斜率即脉冲波速度Vpw。将各个周期的脉冲波速度Vpw先进行排序,去除20%~40%比例的结果,再对剩下的数据进行平均处理,得到最终的结果。例如10个周期得到10个脉冲波速度,排序后去掉前后各2个,剩下6个平均得到最终的结果。
对于每一个环图,求解直线斜率采用逐点增加线性回归的拟合方法,即选取初始若干个点进行线性回归拟合,如果拟合误差大于设定阈值,则向前增加一个点,再进行拟合,直到达到迭代次数上限,则停止拟合。将所有小于设定阈值情况下的斜率排序,取其中一定范围 (80%~100%)的斜率值平均,得到这个环图的拟合的最终斜率。
这里的初始点数参考步骤S9计算的心率来设定,例如根据正常人在心率为75时候的平均快速射血期为0.09s,如果频谱间隔时间为0.0021s,换算到点数42个点左右。这里选取 40%~60%的点作为初始点集合,例如20个点;然后进行迭代线性拟合,直到满足条件。拟合误差阈值归一化范围0.7~0.95。迭代次数可以由平均快速射血期对应的点数减去初始点数,例如这里42-20=22。
S11、根据IQ信号的包络采用搜索的方法提取血管壁边缘并计算血管壁厚度;
本发明实施例中,步骤S11包括以下分步骤:
S111、首先通过从中心位置向上搜索最大值得到目标初始血管上壁中心,或向下搜索最大值得到目标初始血管下壁中心,因为血管上壁和下壁厚度相同所以向下搜索血管上壁也一样,这里以上壁为例,为了减少初始搜索和误差,这里的搜索半径不超过(正常血管半径加血管壁厚度)乘以可调系数,以颈动脉为例,正常半径大约3mm,血管壁小于1.0mm,可调系数范围为0.8~1.5;
S112、沿上下两个方向做梯度搜索,找到一定搜索范围内梯度大于设定阈值,作为血管壁上下边缘;血管上下壁的阈值不同,血管上壁阈值范围更广,因为血管上壁向下临近血管,边缘梯度会相对大一些(阈值范围,梯度归一化后0.8~1.0),而血管上壁向上一般临近组织,边缘梯度会相对小一些(阈值范围,梯度归一化后0.6~1.0);
S113、取不同时间的包络重复步骤S111和S112,得到同一位置不同时刻多个血管壁上下边缘,血管上壁和下壁厚度示意图如图8所示;
S114、计算步骤S113中每一个时刻得到的血管壁厚度,首先滤除偏大过大的值(例如采用1×5的中值滤波等技术),然后进行平均处理,得到血管厚度。
还可以采用另外两种方法:
方法一、基于B模式图像的测量,用户在进入血管硬度测量前,在B图像上完成血管壁的厚度计算,因为B图像上的厚度测量为常规测量,可以基于活动轮廓边缘检测进行测量,也可以基于深度学习模型;也可以基于深度学习模型例如FAST-RCNN等,相对基于B图像的测量结果更为精确,但血管壁厚度是作为血管硬度测量的前置输入条件。
方法二、基于DIQ的包络采用基于深度学习模型(例如FAST-RCNN等)方式实现;基于深度学习模型的方式需要前期采集大量的样本进行血管壁区域标记与分割学习,对生成的血管壁进行厚度测量,将像素个数的平均值转换为距离值。
S12、根据所得到的脉冲波速度、舒张末期血管直径和血管壁厚度,计算血管的弹性模量。
本发明实施例中,步骤S12中血管的弹性模量的计算公式表示为:
其中,E表示血管的弹性模量,D表示舒张末期血管的直径,Vpw表示脉冲波速度,H表示血管壁的厚度,ρ表示血液密度。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种基于超声的血管硬度测量方法,其特征在于,包括以下步骤:
S1、选择指定的取样门,确定取样门的大小和位置;
S2、采集步骤S1中取样门的射频信号,经过正交解调得到IQ信号;
S3、将取样门划分为M个子采样门;
S4、按照指定的频谱计算方法,计算步骤S3中每一个子采样门中的被求和的时间系列的频谱;
S5、对各个子采样门得到的频谱进行上下包络检测,确定有效频带区域,在有效频带区域内计算血流平均速度;
S6、根据步骤S5中得到的血流平均速度,计算血流量速度-时间曲线;
S7、根据步骤S2得到的IQ信号,采用自适应频率估计的自相关方法计算位移-时间矩阵,其中位移-时间矩阵计算公式表示为:
其中:
上述公式中Δz表示血管上下壁的位移,u表示窗口半径,l表示沿采样门方向轴的位置,c表示超声波的声度,R(0,1)l,t表示第t个时间沿采样门方向轴向第l个位置的时间偏移1的自相关估计值,h表示位移计算窗口内的偏移游标,Conj表示取复数的共轭,Rphase(0,1)l,t表示R(0,1)l,t的弧度相位角,Imag表示取复数虚部,Real表示取复数实部,atan表示求反正切值,表示自适应估计的频率,fd表示信号解调频率,fs表示信号采样频率;
S8、根据步骤S2中IQ信号的包络计算初始血管直径,再根据血管直径得到血管横截面-时间曲线;
S9、根据步骤S8得到的血管横截面划分心动周期并计算舒张末期血管直径;
S10、根据步骤S8得到的血管横截面计算脉冲波速度;
S11、根据IQ信号的包络采用搜索的方法提取血管壁边缘并计算血管壁厚度;
S12、根据所得舒张末期血管直径、脉冲波速度和血管壁厚度,计算血管的弹性模量。
4.根据权利要求1所述的一种基于超声的血管硬度测量方法,其特征在于,所述步骤S8中血管横截面积-时间曲线的计算过程为:
得到整个取样门区域的位移-时间矩阵后,选择若干条IQ信号的包络,从中心往两侧搜索,先寻找两个方向上的最大值,再在反方向指定范围内寻找,找到初始血管壁的位置,得到多个血管壁直径,取平均作为初始血管壁直径,公式表示为:
其中,D0表示血管壁初始直径,L0表示初始上壁位置,Y0表示初始下壁位置,W表示采样门宽度,S表示整个采样门内点数,α表示采样门与血管壁的夹角;对于下一时刻的血管壁直径D1,通过初始上下壁位移叠加对应的位移值,得到当前时刻的上下壁位置L1和Y1,将当前时刻的上下壁位置L1和Y1代入上述公式即可得出下一时刻的血管壁直径D1,以此类推,找到梯度改变最大的位置,即认为是血管壁;
则血管的横截面积表示为:πD2/4,以此得到血管横截面积-时间曲线。
5.根据权利要求4所述的一种基于超声的血管硬度测量方法,其特征在于,所述步骤S9包括以下分步骤:
S91、将血流量速度-时间曲线进行傅立叶变换,取正频率方向幅值最大的频率的倒数,作为初始周期大小T0;
S92、对血流量速度-时间曲线每隔T0搜索一个最大值,对每个最大值位置的间隔先做1×3的中值滤波,再进行平均处理后得到最终的周期大小T,周期T的倒数为心率;
S93、在血流量速度-时间曲线上以各个最大值为起点,在周期T的范围内,分别向前后采用梯度下降法搜索,找到最优的一个周期划分,每个周期长度均值为T,各个搜索梯度均方差最小;
S94、根据血管横截面-时间曲线中峰值后的波谷,取其中5到10个平均点,即为舒张末期血管直径。
7.根据权利要求6所述的一种基于超声的血管硬度测量方法,其特征在于,所述步骤S11包括以下分步骤:
S111、首先通过从中心位置向上搜索最大值得到目标初始血管上壁中心,或向下搜索最大值得到目标初始血管下壁中心,搜索半径不超过正常血管半径加血管壁厚度乘以可调系数;
S112、沿上下两个方向做梯度搜索,找到一定搜索范围内梯度大于设定阈值,作为血管壁上下边缘;血管上下壁的阈值不同,血管上壁阈值范围更广;
S113、取不同时间的包络重复步骤S111和S112,得到同一位置不同时刻多个血管壁上下边缘;
S114、计算步骤S113中每一个时刻得到的血管壁厚度,首先滤除偏大过大的值,然后进行平均处理,得到血管壁厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011382954.5A CN112515704B (zh) | 2020-12-01 | 2020-12-01 | 一种基于超声的血管硬度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011382954.5A CN112515704B (zh) | 2020-12-01 | 2020-12-01 | 一种基于超声的血管硬度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112515704A CN112515704A (zh) | 2021-03-19 |
CN112515704B true CN112515704B (zh) | 2022-07-19 |
Family
ID=74995699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011382954.5A Active CN112515704B (zh) | 2020-12-01 | 2020-12-01 | 一种基于超声的血管硬度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112515704B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066083B (zh) * | 2021-04-25 | 2022-08-02 | 青岛海信医疗设备股份有限公司 | 流体的多普勒参数确定方法和电子设备 |
CN113812977B (zh) * | 2021-08-13 | 2023-08-25 | 安徽理工大学 | 超声波血压计 |
CN117197096B (zh) * | 2023-09-13 | 2024-02-20 | 广州麦笛亚医疗器械有限公司 | 一种基于血管图像的血管功能评估方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02279132A (ja) * | 1989-03-17 | 1990-11-15 | C R Bard Inc | 血管の断面積及び血流を測定するための電極を有する操舵可能なガイドワイヤ |
WO2009072292A1 (ja) * | 2007-12-05 | 2009-06-11 | Panasonic Corporation | 超音波診断装置 |
CN102113899A (zh) * | 2009-12-30 | 2011-07-06 | 东软飞利浦医疗设备系统有限责任公司 | 基于超声回波的血管实时二维动态信息提取方法 |
CN103110431A (zh) * | 2012-09-12 | 2013-05-22 | 中国科学院深圳先进技术研究院 | 无创连续血压测量装置与方法 |
CN103445808A (zh) * | 2013-09-12 | 2013-12-18 | 深圳先进技术研究院 | 大动脉无创连续血压测量方法及其装置 |
CN108784740A (zh) * | 2017-04-28 | 2018-11-13 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像中血流量获得方法、超声成像系统及存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL127112A0 (en) * | 1998-11-18 | 1999-09-22 | Biosonix Ltd | System for measuring flow and method therefor |
US20100081929A1 (en) * | 2005-09-14 | 2010-04-01 | Takao Suzuki | Position tracking method, position tracking device, and ultrasonograph |
JPWO2007080870A1 (ja) * | 2006-01-11 | 2009-06-11 | パナソニック株式会社 | 超音波診断装置 |
US8961420B2 (en) * | 2010-04-01 | 2015-02-24 | Siemens Medical Solutions Usa, Inc. | System for cardiac condition detection and characterization |
US9017263B2 (en) * | 2010-06-24 | 2015-04-28 | Mayo Foundation For Medical Education And Research | Intravascular ultrasound detection of blood-flow distribution in an arterial wall |
JP5400095B2 (ja) * | 2011-06-03 | 2014-01-29 | 富士フイルム株式会社 | 超音波診断装置 |
CN102613990B (zh) * | 2012-02-03 | 2014-07-16 | 声泰特(成都)科技有限公司 | 三维超声频谱多普勒的血流速度及其空间分布显示方法 |
US10231706B2 (en) * | 2013-03-14 | 2019-03-19 | The Regents Of The University Of California | Integrated multimodality intravascular imaging system that combines optical coherence tomography, ultrasound imaging, and acoustic radiation force optical coherence elastography |
CN104095656B (zh) * | 2014-07-25 | 2015-12-02 | 声泰特(成都)科技有限公司 | 一种基于超声多普勒频谱的彩色血流成像及其显示方法 |
KR102390369B1 (ko) * | 2015-01-21 | 2022-04-25 | 삼성전자주식회사 | 생체 정보 검출 장치 |
CN105708494B (zh) * | 2016-01-27 | 2019-04-26 | 成都思多科医疗科技有限公司 | 一种基于超声的血压测量方法 |
CN105476665B (zh) * | 2016-01-27 | 2019-01-25 | 成都思多科医疗科技有限公司 | 一种基于超声的血流速度测量及血流流量测量方法 |
CN106618638B (zh) * | 2016-11-04 | 2019-02-26 | 声泰特(成都)科技有限公司 | 一种定量剪切波弹性成像系统 |
CN107080558B (zh) * | 2017-03-27 | 2020-09-08 | 北京大学 | 一种局部脉搏波速度测量装置及其测量方法 |
CN110215233A (zh) * | 2019-04-30 | 2019-09-10 | 深圳大学 | 一种基于超声平面波扫描的分段式脉搏波成像方法 |
CN111110275A (zh) * | 2020-01-10 | 2020-05-08 | 深圳大学 | 血管力学性能的测量方法、装置、系统及存储介质 |
-
2020
- 2020-12-01 CN CN202011382954.5A patent/CN112515704B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02279132A (ja) * | 1989-03-17 | 1990-11-15 | C R Bard Inc | 血管の断面積及び血流を測定するための電極を有する操舵可能なガイドワイヤ |
WO2009072292A1 (ja) * | 2007-12-05 | 2009-06-11 | Panasonic Corporation | 超音波診断装置 |
CN102113899A (zh) * | 2009-12-30 | 2011-07-06 | 东软飞利浦医疗设备系统有限责任公司 | 基于超声回波的血管实时二维动态信息提取方法 |
CN103110431A (zh) * | 2012-09-12 | 2013-05-22 | 中国科学院深圳先进技术研究院 | 无创连续血压测量装置与方法 |
CN103445808A (zh) * | 2013-09-12 | 2013-12-18 | 深圳先进技术研究院 | 大动脉无创连续血压测量方法及其装置 |
CN108784740A (zh) * | 2017-04-28 | 2018-11-13 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像中血流量获得方法、超声成像系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112515704A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112515704B (zh) | 一种基于超声的血管硬度测量方法 | |
US5840028A (en) | Ultrasonic diagnostic equipment | |
Meinders et al. | Assessment of local pulse wave velocity in arteries using 2D distension waveforms | |
CA2437883C (en) | Method and apparatus for detecting arterial stenosis | |
US20220160328A1 (en) | Fluid Flow Analysis | |
CN104398271A (zh) | 血管与斑块的三维力学及组织特性成像检测方法 | |
EP3236858B1 (en) | A system and a method for measuring arterial parameters | |
JP2003126090A (ja) | 生体信号計測装置及び超音波診断装置 | |
US11918413B2 (en) | Ultrasound probe, system and method for measuring arterial parameters using non-imaging ultrasound | |
Shin et al. | Estimation of viscoelasticity of a carotid artery from ultrasound cine images and brachial pressure waveforms: Viscous parameters as a new index of detecting low plaque burden | |
El-Fallah et al. | Ultrasonic measurement of breast tissue motion and the implications for velocity estimation | |
LANGLOIS et al. | Ultrasonic evaluation of the carotid bifurcation | |
Hanekom et al. | Optimisation of strain rate imaging for application to stress echocardiography | |
US20200345323A1 (en) | Fluid flow analysis | |
Hasegawa et al. | Reduction of influence of decrease in signal-to-noise ratio in measurement of change in thickness of arterial wall due to heartbeat | |
Kucewicz et al. | Plethysmographic arterial waveform strain discrimination by Fisher's method | |
Bazán et al. | Possible application of spectral analysis techniques on ultrasonic echo-traces improved for studying changes in blood vessel walls | |
Persson et al. | Estimation of arterial pulse wave velocity with a new improved tissue Doppler method | |
CN117197096B (zh) | 一种基于血管图像的血管功能评估方法和系统 | |
Patil et al. | A method for localized computation of Pulse Wave Velocity in carotid structure | |
Moubark et al. | New denoising unsharp masking method for improved intima media thickness measurements with active contour segmentation | |
Park et al. | Fast coronary Doppler vibrometry to detect myocardial vibration associated with coronary artery stenosis using flash imaging | |
Comess et al. | Transthoracic coronary Doppler vibrometry in the evaluation of normal volunteers and patients with coronary artery stenosis | |
Ramos et al. | Analyzing wall thickness of artery phantoms in a noninvasive way | |
Liu et al. | Real-time tracking of radial artery vessel wall using a Kalman filter-based ultrasound single-plane wave RF signal time-frequency information fusion algorithm |
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 |