CN113109446A - 一种超声断层成像方法 - Google Patents

一种超声断层成像方法 Download PDF

Info

Publication number
CN113109446A
CN113109446A CN202110406974.XA CN202110406974A CN113109446A CN 113109446 A CN113109446 A CN 113109446A CN 202110406974 A CN202110406974 A CN 202110406974A CN 113109446 A CN113109446 A CN 113109446A
Authority
CN
China
Prior art keywords
ultrasonic
algorithm
sample
array
tomography method
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.)
Granted
Application number
CN202110406974.XA
Other languages
English (en)
Other versions
CN113109446B (zh
Inventor
他得安
李义方
石勤振
史凌伟
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.)
Fudan University
Original Assignee
Fudan University
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 Fudan University filed Critical Fudan University
Priority to CN202110406974.XA priority Critical patent/CN113109446B/zh
Publication of CN113109446A publication Critical patent/CN113109446A/zh
Application granted granted Critical
Publication of CN113109446B publication Critical patent/CN113109446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654—Imaging
    • G01N29/0672—Imaging by acoustic tomography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves

Abstract

本发明提供了一种超声断层成像方法，具有这样的特征，包括以下步骤：步骤一，将环阵超声换能器固定在水槽中，并将待成像区域放置于换能器的中心，向水槽中注水以浸没样品和换能器；步骤二，发射超声脉冲信号，并接收超声脉冲的回波信号；步骤三，用第一算法从回波信号中提取超声第一到达波的传播时间；步骤四，根据超声第一到达波的传播时间，采用贝叶斯估计方法反演重建样品的声速分布模型，同时采用第二算法求解声速分布模型；步骤五，用第三算法求解声速分布模型的程函方程，获取环阵超声换能器每个阵元到达样品待成像区域每个点的超声传播时间；步骤六，使用第四算法计算超声传播时间组成的延时矩阵，得到样品待成像区域的超声断层成像。

Description

一种超声断层成像方法
技术领域
本发明属于超声检测和成像领域，具体涉及一种超声断层成像方法。
背景技术
超声检测和成像技术具有低成本、无电离辐射等优点，使用超声对人体组织进行检测和成像具有良好的前景。使用环阵超声换能器的超声断层成像技术已有一定的研究与发展，对人体乳腺等软组织已经能够实现较为准确的断层成像。
虽然，利用超声手段对硬组织成像也具有良好的市场与发展前景，但是由于软组织与硬组织之间存在很大的声阻抗差异，在超声传播过程中会造成严重的衰减等问题，使得硬组织的超声成像较为困难，所以目前对于硬组织的超声断层成像技术仍需要研究与发展。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种超声断层成像方法。
本发明提供了一种超声断层成像方法，具有这样的特征，包括以下步骤：步骤一，将环阵超声换能器固定在水槽中，并将样品的待成像区域放置于环阵超声换能器的中心，向水槽中注入水以浸没样品及环阵超声换能器；步骤二，环阵超声换能器的所有阵元依次以固定的中心频率发射超声脉冲信号，并通过所有阵元接收超声脉冲的回波信号；步骤三，采用第一算法从回波信号中提取超声第一到达波的传播时间；步骤四，根据超声第一到达波的传播时间，采用贝叶斯估计方法反演重建样品待成像区域的声速分布模型，同时采用第二算法求解声速分布模型；步骤五，使用第三算法求解声速分布模型的程函方程，获取环阵超声换能器每个阵元到达样品待成像区域每个点的超声传播时间；步骤六，使用第四算法计算超声传播时间组成的延时矩阵，得到样品待成像区域的超声断层成像。
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
上述环阵超声换能器为含有N个均匀分布阵元的环阵超声换能器；其中，N为自然数。
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤三中，第一算法为赤池信息量准则算法，用以下公式表示：
AIC＝(2k-2L)/n
其中，AIC是赤池信息量准则算法，k是所拟合模型中参数的数量，L是对数似然值，n是观测值数目。
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤三中，第一到达波的传播时间为
Figure BDA0003022720760000021
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤四中，采用贝叶斯估算方法反演重建待成像区域的声速分布模型的过程包括：
先将样品的待成像区域离散化为n×m个网格点，设定初始的慢度S∈Rnm×1、射线路径
Figure BDA0003022720760000031
假设似然概率密度函数
Figure BDA0003022720760000032
与先验概率密度函数
Figure BDA0003022720760000033
均服从高斯分布，
后验概率密度函数正比于似然概率密度函数与先验概率密度函数的乘积，即为：
Figure BDA0003022720760000034
再令取对数后的后验概率密度函数导数为零，得到
Figure BDA0003022720760000035
令
Figure BDA0003022720760000036
则S可表示为：
Figure BDA0003022720760000037
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤四中，第二算法是共轭梯度算法，计算得到估计量
Figure BDA00030227207600000310
公式为：
Figure BDA0003022720760000038
再由
Figure BDA0003022720760000039
获得待成像区域的声速分布模型。
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤五中，程函方程如下：
Figure BDA0003022720760000041
其中，T(x，y)为从Ω边界到点(x，y)的时间，C(x，y)为相应位置的速度。
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤五中，第三算法为快速行进算法，其核心内容的表达式为：
Figure BDA0003022720760000042
其中，
Figure BDA0003022720760000043
与
Figure BDA0003022720760000044
分别表示在(x，y)其位置上的一阶向前差分算子与一阶向后差分算子，Cx，y表示相应位置的速度。
在本发明提供的超声断层成像方法中，还可以具有这样的特征：
其中，步骤六中，第四算法为合成孔径算法，具体公式为：
Figure BDA0003022720760000045
其中，式中f(x，y)表示成像区域中(x，y)处延迟叠加后的信号；Ai，j(t)为第i号阵元发射、第j号阵元接收的信号包络；Δi(x，y)表示第i号发射阵元到(x，y)处的最早到达时间；Δj(x，y)表示第j号发射阵元到(x，y)处的最早到达时间；G为动态孔径阵元数，Δn为移动步长。
发明的作用与效果
根据本发明所涉及的超声断层成像方法，因为采用了快速行进算法求解程函方程，所以能够准确地获取换能器每个阵元到成像区域每个点的超声传播时间。而在合成孔径的过程中，因为采用了动态孔径技术，所以能够获取准确的延时矩阵，从而使得合成孔径成像的最终结果更加准确、清晰。此外，本发明可以得到准确的声速分布模型，断层成像结果也与样品的内外边界的外形、相对位置高度一致。因此，本发明能够获得硬组织清晰、准确的成像结果，进一步可对硬组织的形态以及弹性特征作出评价。
附图说明
图1是本发明实施例1中超声断层成像的流程示意图。
图2是本发明实施例1中信号发射、采集系统示意图。
图3是本发明实施例2所得的声速分布图。
图4是本发明实施例2的断层成像结果。
图5是本发明实施例3中所用样品的μCT横截面图。
图6是本发明实施例3所得的声速分布图。
图7是本发明实施例3的断层成像结果。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明超声断层成像方法作具体阐述。
实施例1
图2是本发明实施例1中信号发射、采集系统示意图。
如图2所示，将待检测样品穿过环阵换能器的中心，并一同放置在水槽中。
图1是本发明实施例1中超声断层成像的流程示意图。
如图1所示，本发明提供了一种超声断层成像方法，在本实施例中包括如下步骤：
步骤一，将环阵超声换能器固定在水槽中，并将样品的待成像区域放置于上述环阵换能器的中心，向水槽注水以浸没样品及环阵超声换能器；
在本实施例中，发射、接收超声信号所使用的换能器为含有128个均匀分布阵元的环阵超声换能器，其直径为50mm，相邻阵元中心间距为1.23mm，阵元间距为0.2mm，中心频率为3.5MHz，发射信号为两个周期的高斯包络正弦波，系统采样率为25MHz。
步骤二，环阵超声换能器的所有阵元依次以固定的中心频率发射超声脉冲信号，并通过所有阵元接收超声脉冲的回波信号。
步骤三，采用第一算法，从回波信号中提取超声第一到达波的传播时间
Figure BDA0003022720760000061
其中，第一算法为赤池信息量准则算法，用下式表示：
AIC＝(2k-2L)/n其中，AIC是赤池信息量准则算法，k是所拟合模型中参数的数量，L是对数似然值，n是观测值数目。
步骤四，根据第一到达波的传播时间，采用贝叶斯估计方法反演重建待成像区域的声速分布模型，并使用第二算法计算获得待成像区域的声速分布模型。其中，第二算法为共轭梯度算法。
采用贝叶斯估计方法反演重建待成像区域的声速分布模型的具体步骤如下：
先将样品的待成像区域离散化为n×m个网格点，设定初始的慢度S∈Rnm×1、射线路径
Figure BDA0003022720760000071
假设似然概率密度函数
Figure BDA0003022720760000072
与先验概率密度函数
Figure BDA0003022720760000073
均服从高斯分布；
后验概率密度函数正比于似然概率密度函数与先验概率密度函数的乘积，即为：
Figure BDA0003022720760000074
再令取对数后的后验概率密度函数导数为零，得到
Figure BDA0003022720760000075
令
Figure BDA0003022720760000076
则S表示为：
Figure BDA0003022720760000077
之后采用共轭梯度算法求解
Figure BDA0003022720760000078
得到估计量
Figure BDA0003022720760000079
再由
Figure BDA00030227207600000710
获得待成像区域的声速分布模型。
步骤五，根据待成像区域的声速分布模型，利用第三算法求解程函方程，获取发射和接收阵元到每个点超声传播的准确时间。其中，程函方程的表达式如下：
Figure BDA0003022720760000081
其中，T(x，y)为从Ω边界到点(x，y)的时间，C(x，y)为相应位置的速度；
在本实施例中，第三算法为快速行进算法，其核心内容的表达式为：
Figure BDA0003022720760000082
其中
Figure BDA0003022720760000083
与
Figure BDA0003022720760000084
分别表示在(x，y)其位置上的一阶向前差分算子与一阶向后差分算子，Cx，y表示相应位置的速度。
步骤六，使用第四算法计算超声传播时间组成的延时矩阵，得到样品待成像区域的超声断层成像。第四算法为合成孔径算法，具体公式为：
Figure BDA0003022720760000085
式中f(x，y)表示成像区域中(x，y)处延迟叠加后的信号；Ai，j(t)为第i号阵元发射、第j号阵元接收的信号包络；Δi(x，y)表示第i号发射阵元到(x，y)处的最早到达时间；Δj(x，y)表示第j号发射阵元到(x，y)处的最早到达时间；G为动态孔径阵元数，Δn为移动步长。
实施例2
在本实施例中，所用样品为一根尼龙中空管，尼龙材料的声速为2680m/s，密度为1150kg/m3，中空管外径为35mm，尼龙管壁厚度为3mm。将该样品作为待成像样品备用。
按照与实施例1相同的步骤、使用相同的换能器并应用相同的计算方法，得到实施例2中样品的断层成像结果。
图3是本发明实施例2所得的声速分布图。
如图3所示，所得模型的声速平均相对误差为4.05％。
图4是本发明实施例2的断层成像结果。
如图4所示，尼龙中空管的内外侧边界清晰可见，并且边界的外形、相对位置以及管壁厚度均与仿体真实模型基本一致。
实施例3
在本实施例中，所用样品为牛股骨。图5是本发明实施例3中所用样品的μCT横截面图，该牛股骨在市场上采购所得，经过去除软组织、脱脂及适度打磨的处理后，截取长骨中段制备为样品。获取该μCT横截面图的设备型号为Bruker Skyscan-1176，该设备的空间为35μm。
按照与实施例1相同的步骤、使用相同的换能器并应用相同的计算方法，得到实施例3中样品的断层成像结果。
图6是本发明实施例3所得的声速分布图。
如图6所示，本实施例的估计声速值在3500m/s左右，与垂直骨纤维方向的平均纵波速度3400m/s较为接近。
图7是本发明实施例3的断层成像结果。
如图7所示，内外边界之间存在分布不均匀的亮斑，这主要是由皮质骨的异质性造成。中段牛骨内外边界与图5中μCT图像中边界的外形、相对位置高度一致，并清晰可见。

Claims (9)

1.一种超声断层成像方法，其特征在于，包括以下步骤：
步骤一，将环阵超声换能器固定在水槽中，并将样品的待成像区域放置于所述环阵超声换能器的中心，向所述水槽注水以浸没所述样品及所述环阵超声换能器；
步骤二，所述环阵超声换能器的所有阵元依次以固定的中心频率发射超声脉冲信号，并通过所有阵元接收超声脉冲的回波信号；
步骤三，采用第一算法从所述回波信号中提取超声第一到达波的传播时间；
步骤四，根据所述超声第一到达波的传播时间，采用贝叶斯估计方法反演重建所述样品待成像区域的声速分布模型，同时采用第二算法求解所述声速分布模型；
步骤五，使用第三算法求解所述声速分布模型的程函方程，获取所述环阵超声换能器每个阵元到达所述样品待成像区域每个点的超声传播时间；
步骤六，使用第四算法计算所述超声传播时间组成的延时矩阵，得到所述样品待成像区域的超声断层成像。
2.根据权利要求1所述的超声断层成像方法，其特征在于：
所述环阵超声换能器为含有N个均匀分布阵元的环阵超声换能器；
其中，N为自然数。
3.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤三中，所述第一算法为赤池信息量准则算法，用以下公式表示：
AIC＝(2k-2L)/n
其中，AIC是赤池信息量准则算法，k是所拟合模型中参数的数量，L是对数似然值，n是观测值数目。
4.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤三中，所述第一到达波的传播时间为
Figure FDA0003022720750000021
5.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤四中，采用所述贝叶斯估算方法反演重建所述待成像区域的声速分布模型的过程包括：
先将所述样品的待成像区域离散化为n×m个网格点，设定初始的慢度S∈Rnm×1、射线路径
Figure FDA0003022720750000022
假设似然概率密度函数
Figure FDA0003022720750000023
与先验概率密度函数
Figure FDA0003022720750000024
均服从高斯分布，
后验概率密度函数正比于似然概率密度函数与先验概率密度函数的乘积，即为：
Figure FDA0003022720750000031
再令取对数后的后验概率密度函数导数为零，得到
Figure FDA0003022720750000032
令
Figure FDA0003022720750000033
则S可表示为：
Figure FDA0003022720750000034
6.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤四中，所述第二算法是共轭梯度算法，计算得到估计量
Figure FDA0003022720750000035
公式为：
Figure FDA0003022720750000036
再由
Figure FDA0003022720750000037
获得待成像区域的声速分布模型。
7.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤五中，所述程函方程如下：
Figure FDA0003022720750000038
其中，T(x，y)为从Ω边界到点(x，y)的时间，C(x，y)为相应位置的速度。
8.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤五中，所述第三算法为快速行进算法，核心内容的表达式为：
Figure FDA0003022720750000041
其中，
Figure FDA0003022720750000042
与
Figure FDA0003022720750000043
分别表示在(x，y)其位置上的一阶向前差分算子与一阶向后差分算子，Cx，y表示相应位置的速度。
9.根据权利要求1所述的超声断层成像方法，其特征在于：
其中，步骤六中，所述第四算法为合成孔径算法，具体公式为：
Figure FDA0003022720750000044
其中，式中f(x，y)表示成像区域中(x，y)处延迟叠加后的信号；Ai，j(t)为第i号阵元发射、第j号阵元接收的信号包络；Δi(x，y)表示第i号发射阵元到(x，y)处的最早到达时间；Δj(x，y)表示第j号发射阵元到(x，y)处的最早到达时间；G为动态孔径阵元数，Δn为移动步长。
CN202110406974.XA 2021-04-15 2021-04-15 一种超声断层成像方法 Active CN113109446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110406974.XA CN113109446B (zh) 2021-04-15 2021-04-15 一种超声断层成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110406974.XA CN113109446B (zh) 2021-04-15 2021-04-15 一种超声断层成像方法

Publications (2)

Publication Number Publication Date
CN113109446A true CN113109446A (zh) 2021-07-13
CN113109446B CN113109446B (zh) 2022-11-29

Family

ID=76717307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110406974.XA Active CN113109446B (zh) 2021-04-15 2021-04-15 一种超声断层成像方法

Country Status (1)

Country Link
CN (1) CN113109446B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1297527A (zh) * 1998-03-03 2001-05-30 阳光医学有限公司 骨中音速的确定
US6322507B1 (en) * 1998-10-26 2001-11-27 Medson Ltd. Ultrasonic apparatus and method for evaluation of bone tissue
CN101865931A (zh) * 2009-04-14 2010-10-20 古野电气株式会社 声速测定装置以及声速测定方法
CN104898123A (zh) * 2015-06-16 2015-09-09 长沙理工大学 基于角域虚拟源的水浸超声合成孔径聚焦成像方法
CN106901693A (zh) * 2017-01-19 2017-06-30 南京大学 基于环形超声换能器阵列的大景深光声‑声速双模成像法
CN106990172A (zh) * 2017-03-31 2017-07-28 中国科学院声学研究所 一种超声检测与成像方法及其系统
US20180143165A1 (en) * 2016-11-22 2018-05-24 The Board Of Trustees Of The Leland Stanford Junior University Local Speed Of Sound Estimation Method For Medical Ultrasound
CN110441398A (zh) * 2019-07-17 2019-11-12 复旦大学 一种基于多层介质声速模型的合成孔径超声成像方法
WO2020006097A1 (en) * 2018-06-26 2020-01-02 Massachusetts Institute Of Technology Systems and methods for imaging cortical bone and soft tissue
CN110772281A (zh) * 2019-10-23 2020-02-11 哈尔滨工业大学（深圳） 基于改进射线追踪法的超声ct成像系统
CN111398175A (zh) * 2020-03-05 2020-07-10 南京大学 一种声速自适应的光声-超声双模态显微镜成像方法
CN111419185A (zh) * 2020-04-08 2020-07-17 国网山西省电力公司电力科学研究院 一种声速不均匀的磁声成像图像重建方法
CN111796028A (zh) * 2020-07-28 2020-10-20 武汉理工大学 复杂环锻件超声水浸自动检测装置及方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1297527A (zh) * 1998-03-03 2001-05-30 阳光医学有限公司 骨中音速的确定
US6322507B1 (en) * 1998-10-26 2001-11-27 Medson Ltd. Ultrasonic apparatus and method for evaluation of bone tissue
CN101865931A (zh) * 2009-04-14 2010-10-20 古野电气株式会社 声速测定装置以及声速测定方法
CN104898123A (zh) * 2015-06-16 2015-09-09 长沙理工大学 基于角域虚拟源的水浸超声合成孔径聚焦成像方法
US20180143165A1 (en) * 2016-11-22 2018-05-24 The Board Of Trustees Of The Leland Stanford Junior University Local Speed Of Sound Estimation Method For Medical Ultrasound
CN106901693A (zh) * 2017-01-19 2017-06-30 南京大学 基于环形超声换能器阵列的大景深光声‑声速双模成像法
CN106990172A (zh) * 2017-03-31 2017-07-28 中国科学院声学研究所 一种超声检测与成像方法及其系统
WO2020006097A1 (en) * 2018-06-26 2020-01-02 Massachusetts Institute Of Technology Systems and methods for imaging cortical bone and soft tissue
CN110441398A (zh) * 2019-07-17 2019-11-12 复旦大学 一种基于多层介质声速模型的合成孔径超声成像方法
CN110772281A (zh) * 2019-10-23 2020-02-11 哈尔滨工业大学（深圳） 基于改进射线追踪法的超声ct成像系统
CN111398175A (zh) * 2020-03-05 2020-07-10 南京大学 一种声速自适应的光声-超声双模态显微镜成像方法
CN111419185A (zh) * 2020-04-08 2020-07-17 国网山西省电力公司电力科学研究院 一种声速不均匀的磁声成像图像重建方法
CN111796028A (zh) * 2020-07-28 2020-10-20 武汉理工大学 复杂环锻件超声水浸自动检测装置及方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
QINZHEN SHI ET AL.: "Index-Rotated Fast Ultrasound Imaging of Cortical Bone Based on Predicted Velocity Model", 《IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS, AND FREQUENCY CONTROL》 *
REHMAN ALI ET AL.: "Open-source Gauss-Newton-based methods for refraction-corrected ultrasound computed tomography", 《PROCEEDINGS OF SPIE》 *
REHMAN ALI ET AL.: "Travel-Time Tomography for Local Sound Speed Reconstruction Using Average Sound Speeds", 《2019 IEEE INTERNATIONAL ULTRASONICS SYMPOSIUM》 *
XIAOLEI QU ET AL.: "Novel automatic first-arrival picking method for ultrasound sound-speed tomography", 《JAPANESE JOURNAL OF APPLIED PHYSICS》 *
YIFANG LI ET AL.: "High-resolution bone microstructure imaging based on ultrasonic frequency-domain full-waveform inversion", 《CHINESE PHYSICAL B》 *
张璠 等: "基于全聚焦成像算法的骨折超声检测", 《上海电力大学学报》 *

Also Published As

Publication number Publication date
CN113109446B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
Renaud et al. In vivo ultrasound imaging of the bone cortex
Greenleaf et al. Algebraic reconstruction of spatial distributions of acoustic velocities in tissue from their time-of-flight profiles
Greenleaf et al. Measurement of spatial distribution of refractive index in tissues by ultrasonic computer assisted tomography
Stotzka et al. Medical imaging by ultrasound computer tomography
EP3082616B1 (en) Computed ultrasound tomography in echo mode (cute) for imaging speed of sound using pulse-echo sonography
Robinson et al. Pulse-echo ultrasound speed measurements: progress and prospects
Hooi et al. First‐arrival traveltime sound speed inversion with a priori information
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
Perez-Liva et al. Speed of sound ultrasound transmission tomography image reconstruction based on Bézier curves
Li et al. Fourier-domain ultrasonic imaging of cortical bone based on velocity distribution inversion
Heller et al. Deep learning-based speed-of-sound reconstruction for single-sided pulse-echo ultrasound using a coherency measure as input feature
Van Hal et al. An aberration correction approach for single and dual aperture ultrasound imaging of the abdomen
Fincke et al. Towards ultrasound travel time tomography for quantifying human limb geometry and material properties
Sanabria et al. Direct speed of sound reconstruction from full-synthetic aperture data with dual regularization
CN113109446B (zh) 一种超声断层成像方法
Shi et al. Index-rotated fast ultrasound imaging of cortical bone based on predicted velocity model
Shi et al. Deep learning for TOF extraction in bone ultrasound tomography
Qu et al. Study on phase correction for USCT echo image by sound-speed image with different resolutions and noise levels
Mozaffarzadeh et al. Transcranial ultrasound imaging with estimating the geometry, position and wave-speed of temporal bone
Pérez-Liva et al. Ultrasound computed tomography for quantitative breast imaging
Dapp et al. Attenuation reconstruction for 3d ultrasound computer tomography
Qu et al. The effect of sound-speed-image resolution on phase aberration correction for ultrasound computed tomography
Jirik et al. Ultrasonic attenuation tomography based on log-spectrum analysis
Shi et al. Cortical bone ultrasonic imaging based on accurate delay times
Li et al. Ex-vivo ultrasonic tomography imaging of cortical bone based on velocity model prediction

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