CN113397591A - 微纳马达实时成像与追踪方法、装置及微纳马达控制方法 - Google Patents
微纳马达实时成像与追踪方法、装置及微纳马达控制方法 Download PDFInfo
- Publication number
- CN113397591A CN113397591A CN202110665439.6A CN202110665439A CN113397591A CN 113397591 A CN113397591 A CN 113397591A CN 202110665439 A CN202110665439 A CN 202110665439A CN 113397591 A CN113397591 A CN 113397591A
- Authority
- CN
- China
- Prior art keywords
- micro
- nano motor
- matrix
- image
- real
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种微纳马达实时成像与追踪方法、装置及微纳马达控制方法,其特征在于,包括如下步骤:利用激励超声探头获取因不同偏转角度的平面波组而反射出的超声射频回波信号组;再利用波束合成算法对超声射频回波信号进行波束合成得到初始图像;对每一组超声射频回波信号组对应的复数帧初始图像进行相干复合得到复合后图像;对所有复合后图像进行图像配准得到多个配准后图像;利用预定的杂波滤除算法对所有配准后图像进行杂波滤波得到多个滤波后图像;实时显示滤波后图像;利用微纳马达识别方法对滤波后图像中的微纳马达进行识别定位得到单帧位置;根据所有单帧位置以及发射频率得到微纳马达的运动轨迹与运动速度。
Description
技术领域
本发明属于微纳马达应用领域,具体涉及一种微纳马达实时成像与追踪方法、装置及微纳马达控制方法。
背景技术
微纳马达是一种介于纳米与微米尺度且能够将化学能或外部物理场能量转化为自身运动所需的机械能并完成特定任务的装置。微纳马达具有主动可控运动、刺激响应灵敏、多功能以及易于规模化制备等优点,它已应用于环境净化、分析检测、纳米印刷等研究中,受到学界广泛关注。微纳马达因尺寸小以及生物相容性高,在生物医学领域具有广泛的应用前景,有望应用于生物体内的微创手术、细胞操作和分析、靶向药物运输、血管清洁等领域。
微纳马达的在体成像对于其在生物医学中应用的运动控制以及功能实现至关重要。当前学界研究中广泛采用的成像手段为可见光学成像,但由于可见光的波长限制其无法穿过生物组织,导致可见光成像仍不可应用于临床上深层组织中马达的成像与动态追踪。
目前为止,研究人员已经探索了多种针对于微纳马达的在体成像技术:荧光成像由于光在组织中有明显的散射,穿透深度有限;正电子放射断层扫描可以穿透深层的组织,但是存在电离辐射;磁共振技术提供亚毫米的空间分辨率和毫秒级的时间分辨率,但是需要强磁场,并且价格昂贵。以上技术均有一定局限性,很难实时追踪微纳马达在深层血管或组织中的运动。
发明内容
为解决上述问题,提供了一种能够实时追踪微纳马达的方法、装置以及微纳马达控制方法,本发明采用了如下技术方案:
本发明提供了一种微纳马达实时成像与追踪方法,用于对处于目标成像区域内的微纳马达进行实时成像与追踪,其特征在于,包括如下步骤:步骤S1-1,利用阵列超声换能器对目标成像区域发射连续多组平面波组,并获取因不同平面波组而反射出的超声射频回波信号组,其中,平面波组包含复数个偏转角度不同的平面波,超声射频回波信号组由复数个超声射频回波信号组成;步骤S1-2,利用预定的波束合成算法对每组超声射频回波信号组中各个超声射频回波信号进行波束合成,从而得到与超声射频回波信号对应的初始图像;步骤S1-3,对每一组超声射频回波信号组对应的复数帧初始图像进行相干复合,从而得到与超声射频回波信号组对应的复合后图像;步骤S1-4,对所有复合后图像进行图像配准,从而得到多个配准后图像;步骤S1-5,利用预定的杂波滤除算法对所有配准后图像进行杂波滤波,从而得到多个滤波后图像;步骤S1-6,实时显示滤波后图像,从而使得用户可以实时观察到微纳马达的位置与运动方式;步骤S1-7,利用预定的微纳马达识别方法对每一帧滤波后图像中的微纳马达进行识别定位,从而得到微纳马达在滤波后图像中的位置,并作为单帧位置;步骤S1-8,至少根据所有单帧位置,利用预定的微纳马达轨迹追踪方法对微纳马达进行轨迹追踪,从而得到微纳马达的运动轨迹,并根据单帧位置以及阵列超声换能器的发射频率计算得到微纳马达的运动速度。
根据本发明提供的一种微纳马达实时成像与追踪方法,还可以具有这样的技术特征,其中,杂波滤除算法至少为高通滤波算法、自适应滤波算法、特征值分解算法、鲁棒主成分分析算法以及独立成分分析算法中的任意一种。
根据本发明提供的一种微纳马达实时成像与追踪方法,还可以具有这样的技术特征,其中,杂波滤除算法为特征值分解算法,步骤S1-5包括如下子步骤:步骤S1-5-1,将连续多帧的配准后图像构建为一个b*k大小的二维矩阵A,并利用特征值分解算法对二维矩阵A进行特征值分解,从而得到特征值矩阵λ和特征向量矩阵U:
E(A*AT)=λ*U*UT
式中,特征向量矩阵U为b*b的矩阵,特征值矩阵λ为b*b的对角阵,该对角阵中的对角元素即为矩阵特征值,并将所有矩阵特征值由大到小排列为特征值序列;步骤S1-5-2,将特征值序列中前p个矩阵特征值以及后q个矩阵特征值对应的特征向量置零,从而得到新特征向量矩阵U1;步骤S1-5-3,基于新特征向量矩阵U1以及二维矩阵A,对配准后图像进行图像重构,从而得到b*k大小的矩阵Y:
步骤S1-5-4,将矩阵Y重构为三维图像矩阵,作为多个滤波后图像。
根据本发明提供的一种微纳马达实时成像与追踪方法,还可以具有这样的技术特征,其中,杂波滤除算法为基于特征值频移的特征值分解算法,步骤S1-5包括如下子步骤:步骤S1-5-1,将连续多帧的配准后图像构建为一个b*k大小的二维矩阵A,并利用特征值分解算法对二维矩阵A进行特征值分解,从而得到特征值矩阵λ和特征向量矩阵U:
E(A*AT)=λ*U*UT
式中,特征向量矩阵U为b*b的矩阵,特征值矩阵λ为b*b的对角阵,该对角阵中的对角元素即为矩阵特征值,将所有矩阵特征值由大到小排列为特征值序列;步骤S1-5-2,计算特征向量矩阵U中每个特征向量对应的平均多普勒频移fa:
式中,为第a个特征向量的自相关值,NF为配准后图像的帧数,ea为第a个特征向量,PRF为阵列超声换能器对应的脉冲发射频率,arg{·}表示求解复数的辐角运算,fa为第a个特征向量对应的平均多普勒频移;步骤S1-5-3,依次判断平均多普勒频移fa是否处于区间[f1,f2]中,判断为否时,将平均多普勒频移fa对应的特征向量置零,从而得到新特征向量矩阵U1;步骤S1-5-4,基于新特征向量U1以及二维矩阵A,对配准后图像进行图像重构,从而得到b*k大小的矩阵Y:
步骤S1-5-5,将矩阵Y重构为三维图像矩阵,作为多个滤波后图像。
根据本发明提供的一种微纳马达实时成像与追踪方法,还可以具有这样的技术特征,还包括如下步骤:步骤S1-9,将滤波后图像乘上再经过低通滤波得到正交解调后的低通信号IQ,该低通信号IQ中实部为同相分量I,虚部为正交分量Q:
式中,Am与分别表示滤波后图像中每个像素点的回声强度和相位,回声强度Am由低通信号IQ取模得到,fc为超声发射中心频率;步骤S1-10,基于低通信号IQ,得到彩色多普勒图像,其中,步骤S1-8在根据所有单帧位置,利用预定的微纳马达轨迹追踪方法对微纳马达进行轨迹追踪,从而得到微纳马达的运动轨迹时,还根据彩色多普勒图像得到微纳马达的运动轨迹。
根据本发明提供的一种微纳马达实时成像与追踪方法,还可以具有这样的技术特征,其中,波束合成算法为至少为延时叠加算法、自适应波束合成法、空间复合法以及频域-波数域迁移算法中的任意一种。
根据本发明提供的一种微纳马达实时成像与追踪方法,还可以具有这样的技术特征,其中,微纳马达识别方法至少为灰度检测方法以及基于点扩散函数的互相关检测方法中的任意一种。
本发明还提供了一种微纳马达实时追踪装置,用于对处于目标成像区域内的微纳马达进行实时成像与追踪,其特征在于,包括:回波信号获取模块,利用阵列超声换能器对目标成像区域发射连续多组平面波组,并获取因不同平面波组而反射出的超声射频回波信号组,其中,平面波组包含复数个偏转角度不同的平面波,超声射频回波信号组由复数个超声射频回波信号组成;初始图像生成模块,利用预定的波束合成算法对每组超声射频回波信号组中各个超声射频回波信号进行波束合成,从而得到与超声射频回波信号对应的初始图像;图像相干模块,对每一组超声射频回波信号组对应的复数帧初始图像进行相干复合,从而得到与超声射频回波信号组对应的复合后图像;图像配准模块,对所有复合后图像进行图像配准,从而得到多个配准后图像;杂波滤除模块,利用预定的杂波滤除算法对所有配准后图像进行杂波滤波,从而得到多个滤波后图像;显示模块,实时显示滤波后图像,从而使得用户可以实时观察到微纳马达的位置与运动方式;微纳马达识别定位模块,利用预定的微纳马达识别方法对每一帧滤波后图像中的微纳马达进行识别定位,从而得到微纳马达在滤波后图像中的位置,并作为单帧位置;以及轨迹追踪模块,至少根据所有单帧位置,利用预定的微纳马达轨迹追踪方法对微纳马达进行轨迹追踪,从而得到微纳马达的运动轨迹,并根据单帧位置以及阵列超声换能器的发射频率计算得到微纳马达的运动速度。
本发明还提供了一种微纳马达控制方法,用于控制微纳马达完成预定操作,其特征在于,包括如下步骤:步骤S2-1,微纳马达实时成像与追踪方法对处于目标成像区域内的微纳马达进行实时追踪,从而得到微纳马达的运动轨迹以及运动速度;步骤S2-2,根据运动轨迹以及运动速度控制微纳马达完成预定操作,其中,微纳马达实时成像与追踪方法为权利要求1至权利要求7中的微纳马达实时成像与追踪方法,预定操作至少包括移动、旋转、破裂、组合以及发生化学反应中的任意一种或多种组合。
发明作用与效果
本发明提出了一种微纳马达实时成像与追踪方法、装置及微纳马达控制方法,由于先对超声射频回波信号进行波束合成,再进行相干复合,并进行了杂波滤除,从而得到滤波后图像,进而根据滤波后图像对目标成像区域内的微纳马达进实时追踪,因此,在深层血管或组织中能够实时追踪微纳马达,克服了深层成像困难、分辨率低、灵敏度低、存在电离辐射、设备昂贵等缺点,具有成像深度深、成像速度快、成像灵敏度高、设备便携、成本低和无电离辐射等优点。另外,由于得到了微纳马达当前的运动轨迹以及运动速度,因此,为后续控制微纳马达完成预定的操作提供了基础。
通过本发明的微纳马达实时成像与追踪方法、装置及微纳马达控制方法能够针对处于深层血管或组织中的微纳马达实时追踪。
附图说明
图1为本发明实施例的微纳马达实时成像与追踪方法的流程图;
图2为本发明实施例的阵列超声换能器位置摆放示意图;
图3为本发明实施例的平面波示意图;
图4为本发明实施例的复合后图像示意图;
图5为本发明实施例的平均多普勒频移的示意图;
图6为本发明实施例的单帧位置示意图;
图7为本发明实施例的运动轨迹的示意图。
具体实施方式
超声成像具有安全、成像深度深、成像速度快、非侵入性、设备便携、成本低和无电离辐射等优点,在微纳马达的在体成像中具有很大的应用潜力。基于多角度平面波复合成像的超快超声成像方法可以显著提升成像的时间和空间分辨率,能够实时可视化地追踪和引导微纳马达在体运动,为微纳马达在生物医学领域的研究和应用提供有力工具。
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,以下结合实施例及附图对本发明的微纳马达实时成像与追踪方法、装置及微纳马达控制方法作具体阐述。
<实施例>
本发明的微纳马达实时成像与追踪方法、装置及微纳马达控制方法是针对在目标成像区域内的微纳马达进行追踪或控制。
其中,目标成像区域包括但不限于人、动物的各种活体组织及器官、离体组织及器官、仿体等微纳马达所处的环境。
另外,微纳马达是一种介于纳米和微米尺度,能够将化学能或外部物理场能量转化为自身运动所需的机械能并完成特定任务的装置。
微纳马达的形状不受限定,包括但不限于球状、管状、条状、螺旋状、不规则形状。微纳马达的物理状态不受限定,包括但不限于固体、气体、液体或多状态混合体。微纳马达的材料不受限定,包括但不限于金属、合金、气体、凝胶、复合材料。
本实施例中,目标成像区域为血流仿体,该血流仿体的外壳为3D打印仿体外壳,内部填充琼脂胶体模拟软组织,仿体内部有Y字形通道模拟血管。微纳马达为特制的磁性微纳马达,该磁性微纳马达是由甲基丙烯酸酐和二甲基丙烯酸乙二醇制成直径20μm的空心微泡,并利用电子束蒸发技术在微泡表面镀上一层铁得到。该磁性微纳马达可以通过控制磁场的变化控制微纳马达运动。
另外,通过微流控控制微纳马达水溶液以恒定速度注入到血流仿体中,从而形成目标成像区域。
图1为本发明实施例的微纳马达实时成像与追踪方法的流程图。
如图1所示,微纳马达实时成像与追踪方法包括如下步骤:
步骤S1-1,利用阵列超声换能器对目标成像区域发射连续多组平面波组,并获取因不同平面波组而反射出的超声射频回波信号组,其中,平面波组包含复数个偏转角度不同的平面波,超声射频回波信号组由复数个超声射频回波信号组成。
其中,阵列超声换能器的信号以及幅度不受限定,平面波组中平面波的个数至少为1个。获取超声射频回波信号组的方式为采样,采样频率可以低于2倍信号发射频率,也可以不低于2倍信号发射频率。
本实施例中,平面波组中包括7个偏转角度的平面波,采样频率为4倍信号发射频率。
阵列超声换能器包括但不限于线阵、环阵、弧面阵、平面阵、柔性超声换能器或MEMS超声换能器。阵列超声换能器的中心频率至少为20KHz。
本实施例中,阵列超声换能器中心频率为7.24MHz(即为fc),共128通道。
另外,平面波(即plane wave)的发射以及超声射频回波信号的接收可以通过波形发生器、D/A(数字/模拟)转换器、A/D(模拟/数字)转换器、数据存储器以及信号放大器中的任意一种以及多种实现。
本实施例中,通过超声转换器将超声射频回波信号转化为电压信号,并由模拟信号放大器和滤波器对回波信号进行处理,继而进行模数转换和数据存储,并通过4倍超声发射频率的采样频率进行采样,从而得到超声射频回波数字信号。
阵列超声换能器与多通道超声发射与接收设备连接。
图2为本发明实施例的阵列超声换能器位置摆放示意图。
如图2所示,阵列超声换能器与目标成像区域的具体位置关系为阵列超声换能器位于血流仿体通道正上方,即目标成像区域正上方。并通过医用超声耦合剂对阵列超声换能器与血流仿体进行耦合。
步骤S1-2,利用预定的波束合成算法对每组超声射频回波信号组中各个超声射频回波信号进行波束合成,从而得到与超声射频回波信号对应的初始图像。
其中,波束合成算法为至少为延时叠加算法、自适应波束合成法、空间复合法以及频域-波数域迁移算法中的任意一种。
本实施例中,波束合成算法为延时叠加算法,可以对阵列超声换能器中各个阵元获取得到的超声射频回波信号施加一定的延时,并进行叠加,从而重建出目标成像区域的初始图像,每组超声射频回波信号组都对应有复数个初始图像。每一个平面波对应一个超声射频回波信号,该超声射频回波信号是指经由128通道的线阵超声探头生成的。
图3为本发明实施例的平面波示意图。
图3(a)为偏转角度为0的平面波示意图,图3(b)为偏转角度为α的平面波示意图。
此时,成像区域内任何一点(x,z)到第m个阵元的总延时为:
式中,C为仿体中的声速。
对于偏转角度为α的平面波,成像区域内任何一点(x,z)到第m个阵元的总延时为:
进一步地,将各个阵元采集到的回波信号施加对成像区域内任何一点(x,z)对应的延时,再将所有阵元的回波信号叠加,即可重建出第i个偏转角度下的一帧初始图像。
式中,Si(x,z)表示重建出的第i个偏转角度下的一帧初始图像,M表示阵列超声换能器的阵元数,RFm(t)表示第m个阵元接收到的超声射频回波信号,t表示时间。
步骤S1-3,对每一组超声射频回波信号组对应的复数帧初始图像进行相干复合,从而得到与超声射频回波信号组对应的复合后图像,具体通过下式进行相干:
其中,S(x,z)是相干复合后的一帧复合后图像,N是每组发射平面波组中平面波的个数。
图4为本发明实施例的复合后图像示意图。
本实施例中,对每一组超声射频回波信号组对应的7帧初始图像进行相干复合,从而得到一帧高质量的复合后图像(如图4所示),该复合后图像的帧率为400Hz,采样时间为5s,一共得到2000张相干复合后的图像。
步骤S1-4,对所有复合后图像(即200张复合后图像)进行图像配准,从而得到多个配准后图像。
步骤S1-5,利用预定的杂波滤除算法对所有配准后图像进行杂波滤波,从而得到多个滤波后图像。
由于配准后图像中主要包括组织的回波信号、微纳马达的回波信号以及噪声,因此,需要对配准后图像进行杂波滤除,从而可以滤除静态或者运动缓慢的组织杂波信号和高频噪声。
其中,杂波滤除算法至少为高通滤波算法、自适应滤波算法、特征值分解算法、鲁棒主成分分析算法以及独立成分分析算法中的任意一种。
本实施例中,杂波滤除算法为特征值分解算法。
步骤S1-5包括如下子步骤:
步骤S1-5-1,将连续多帧的配准后图像构建为一个b*k大小的二维矩阵A,并利用特征值分解算法对二维矩阵A进行特征值分解,从而得到特征值矩阵λ和特征向量矩阵U:
E(A*AT)=λ*U*UT
式中,特征向量矩阵U为b*b的矩阵,特征值矩阵λ为b*b的对角阵,该对角阵中的对角元素即为矩阵特征值,将所有矩阵特征值由大到小排列为特征值序列。
步骤S1-5-2,计算特征向量矩阵U中每个特征向量对应的平均多普勒频移fa:
式中,为第a个特征向量的自相关值,NF为配准后图像的帧数,ea为第a个特征向量,PRF为阵列超声换能器对应的脉冲发射频率,arg{·}表示求解复数的辐角运算,fa为第a个特征向量对应的平均多普勒频移。
图5为本发明实施例的平均多普勒频移的示意图。
图5(a)展示了所有特征向量对应的特征值进行对数转化后的幅度;图5(b)展示了特征向量对应的多普勒频移分布;图5(c)展示了特征向量对应的多普勒频移。
图5(b)展示了所有特征向量对应的多普勒频移的大小;图5(c)将所有特征值取对数后从小到大排列,纵坐标对应多普勒频移大小。
步骤S1-5-3,依次判断平均多普勒频移fa是否处于区间[f1,f2]中,判断为否时,将平均多普勒频移fa对应的特征向量置零,从而得到新特征向量矩阵U1。
由于杂波中静态与运动缓慢的信号对应的特征向量的平均多普勒频移比较小,杂波中噪声所对应特征向量的平均多普勒频移比较大,微纳马达运动信号所对应特征向量的平均多普勒频移处于两者之间。因此,假定微纳马达运动信号所对应特征向量的平均多普勒频移为于f1和f2之间,将平均多普勒频移小于f1和大于f2的特征向量置零,从而得到新特征向量矩阵U1。
本实施例中,选定第1951至2000个特征向量作为噪声成分对应的特征向量。将选定的特征向量置零后重构出图像矩阵。
步骤S1-5-4,基于新特征向量U1以及二维矩阵A,对配准后图像进行图像重构,从而得到b*k大小的矩阵Y:
步骤S1-5-5,将矩阵Y重构为三维图像矩阵,作为多个滤波后图像。
步骤S1-6,实时显示滤波后图像,从而使得用户可以实时观察到微纳马达的位置与运动方式。
步骤S1-7,利用预定的微纳马达识别方法对每一帧滤波后图像中的各个微纳马达进行识别定位,从而得到微纳马达在滤波后图像中的位置,并作为单帧位置。
其中,微纳马达识别方法至少为灰度检测方法以及基于点扩散函数的互相关检测方法中的任意一种。
图6为本发明实施例的单帧位置示意图。
图6(a)为第一帧滤波后图像中微纳马达的单帧位置,图6(b)为第十五帧滤波后图像中微纳马达的单帧位置。
本实施例中,微纳马达识别方法为基于点扩散函数的互相关检测方法,利用基于点扩散函数的互相关检测方法对每一帧滤波后图像中的微纳马达进行识别定位,并将识别定位后微纳马达的中心处坐标作为单帧位置(即微纳马达在一帧滤波后图像中的位置如图6所示)。
步骤S1-8,至少根据所有单帧位置,利用预定的微纳马达轨迹追踪方法对微纳马达进行轨迹追踪,从而得到微纳马达的运动轨迹,并根据单帧位置以及阵列超声换能器的发射频率计算得到微纳马达的运动速度。
本实施例中,运动轨迹是通过对于第I帧滤波后图像中每个微纳马达的单帧位置,从第I+1帧中找出距离其最近的单帧位置作为其运动一帧后的位置,依次类推,结合所有单帧位置完成微纳马达的轨迹定征。
另外,微纳马达的运动轨迹具体计算为:
利用连续两个单帧位置之间的位移L,以及阵列超声换能器的发射频率PRF,通过v=L*PRF,计算得到微纳马达的运动速度v。
图7为本发明实施例的运动轨迹的示意图。
对2000张滤波后图像根据单帧位置进行识别、定位和追踪后,得到图7所示的微纳马达的运动轨迹图,每条线表示一个微纳马达的运动轨迹,不同颜色展示微纳马达的不同运动速度。
上述微纳马达的运动轨迹需要通过步骤S1-7以及步骤S1-8得到,但是也可以基于步骤S1-5得到的滤波后图像,通过如下步骤S1-9与步骤S1-10得到:
步骤S1-10,基于低通信号IQ,得到彩色多普勒图像。
其中,步骤S1-8在根据所有单帧位置,利用预定的微纳马达轨迹追踪方法对微纳马达进行轨迹追踪,从而得到微纳马达的运动轨迹时,还根据彩色多普勒图像得到微纳马达的运动轨迹。
一种微纳马达实时追踪装置包括回波信号获取模块、初始图像生成模块、图像相干模块、图像配准模块、杂波滤除模块、显示模块、微纳马达识别定位模块以及轨迹追踪模块。本实施例中微纳马达实时追踪装置是基于本发明的微纳马达实时成像与追踪方法得到的,用于对处于目标成像区域内的微纳马达进行实时追踪。
回波信号获取模块利用阵列超声换能器对目标成像区域发射连续多组平面波组,并获取因不同平面波组而反射出的超声射频回波信号组,其中,平面波组包含复数个偏转角度不同的平面波,超声射频回波信号组由复数个超声射频回波信号组成。
初始图像生成模块利用预定的波束合成算法对每组超声射频回波信号组中各个超声射频回波信号进行波束合成,从而得到与超声射频回波信号对应的初始图像。
图像相干模块对每一组超声射频回波信号组对应的复数帧初始图像进行相干,从而得到与超声射频回波信号组对应的复合后图像。
图像配准模块对所有复合后图像进行图像配准,从而得到多个配准后图像。
杂波滤除模块利用预定的杂波滤除算法对所有配准后图像进行杂波滤波,从而得到多个滤波后图像。
显示模块实时显示滤波后图像,从而使得用户可以实时观察到微纳马达的位置与运动方式。
微纳马达识别定位模块利用预定的微纳马达识别方法对每一帧滤波后图像中的微纳马达进行识别定位,从而得到微纳马达在滤波后图像中的位置,并作为单帧位置。
轨迹追踪模块至少根据所有单帧位置,利用预定的微纳马达轨迹追踪方法对微纳马达进行轨迹追踪,从而得到微纳马达的运动轨迹,并根据单帧位置以及阵列超声换能器的发射频率计算得到微纳马达的运动速度。
根据上述微纳马达实时成像与追踪方法及装置得到的运动轨迹以及运动速度可以对微纳马达进行控制,从而使得微纳马达完成预定的动作,该微纳马达控制方法包括如下步骤:
步骤S2-1,微纳马达实时成像与追踪方法对处于目标成像区域内的微纳马达进行实时追踪,从而得到微纳马达的运动轨迹以及运动速度。
步骤S2-2,根据运动轨迹以及运动速度控制微纳马达完成预定操作,
其中,微纳马达实时成像与追踪方法为上述微纳马达实时成像与追踪方法,
预定操作至少包括移动、旋转、破裂、组合以及发生化学反应中的任意一种或多种组合。
其中,对微纳马达的控制方法具体为改变微纳马达所处的化学环境或改变外部物理场实现微纳马达的控制,例如化学调控、磁场调控、光调控、声调控、温度调控、混合调控等。
本实施例中,微纳马达的控制方法为磁场调控。
实施例作用与效果
根据本实施例提供的微纳马达实时成像与追踪方法、装置及微纳马达控制方法,由于先对超声射频回波信号进行波束合成,再进行相干复合,并进行了杂波滤除,从而得到滤波后图像,进而根据滤波后图像对目标成像区域内的微纳马达进实时追踪,因此,在深层血管或组织中能够实时追踪微纳马达,克服了深层成像困难、分辨率低、灵敏度低、存在电离辐射、设备昂贵等缺点,具有成像深度深、成像速度快、成像灵敏度高、设备便携、成本低和无电离辐射等优点。另外,由于得到了微纳马达当前的运动轨迹以及运动速度,因此,为后续控制微纳马达完成预定的操作提供了基础。
另外,还由于对复合后图像进行图像配准,因此,可以解决成像过程中因探头与目标成像区域发生相对位移(由人或动物的呼吸作用、手持探头引入的抖动等引起)而造成图像质量下降的问题,去除帧间抖动,得到质量较高的配准后图像。
<变形例>
为了便于表达,本变形例中对于和实施例相同的结构,给予相同的符号,并省略相同的说明。
实施例中的步骤S1-5子步骤中是基于特征向量对应的平均多普勒频移进行置零,从而得到新特征向量矩阵,在本变形例中也可以基于特征值大小来置零得到新特征向量矩阵,具体包括如下子步骤:
步骤S1-5-1,步骤S1-5-1,将连续多帧的配准后图像构建为一个b*k大小的二维矩阵A,并利用特征值分解算法对二维矩阵A进行特征值分解,从而得到特征值矩阵λ和特征向量矩阵U:
E(A*AT)=λ*U*UT
式中,特征向量矩阵U为b*b的矩阵,特征值矩阵λ为b*b的对角阵,该对角阵中的对角元素即为矩阵特征值,并将所有矩阵特征值由大到小排列为特征值序列。
步骤S1-5-2,将特征值序列中前p个矩阵特征值以及后q个矩阵特征值对应的特征向量置零,从而得到新特征向量矩阵U1。
本变形例中,选定38个小于多普勒频率阈值并且大于特征值阈值的特征向量作为组织杂波对应的特征向量,将选定的特征向量置零后重构出图像矩阵。
步骤S1-5-3,基于新特征向量矩阵U1以及二维矩阵A,对配准后图像进行图像重构,从而得到b*k大小的矩阵Y:
步骤S1-5-4,将矩阵Y重构为三维图像矩阵,作为多个滤波后图像。
变形例作用与效果
在具有与实施例相同的作用与效果的基础上,本变形例中,由于新特征向量矩阵是直接将特征值序列中前p个矩阵特征值以及后q个矩阵特征值对应的特征向量置零得到的,因此,加快了滤波后图像的生成速度。
上述实施例以及变形例仅用于举例说明本发明的具体实施方式,而本发明不限于上述实施例的描述范围。
上述实施例中,滤波后图像是基于特征向量对应的平均多普勒频移进行置零得到,上述变形例中,滤波后图像是基于特征值大小来置零直接得到,在本发明的其他方案中,也可以将根据特征值大小来置零与根据特征向量对应的平均多普勒频移进行置零两种方法相结合,从而得到质量更好的滤波后图像。
Claims (9)
1.一种微纳马达实时成像与追踪方法,用于对处于目标成像区域内的微纳马达进行实时成像与追踪,其特征在于,包括如下步骤:
步骤S1-1,利用阵列超声换能器对所述目标成像区域发射连续多组平面波组,并获取因不同所述平面波组而反射出的超声射频回波信号组,其中,所述平面波组包含复数个偏转角度不同的平面波,所述超声射频回波信号组由复数个超声射频回波信号组成;
步骤S1-2,利用预定的波束合成算法对每组所述超声射频回波信号组中各个所述超声射频回波信号进行波束合成,从而得到与所述超声射频回波信号对应的初始图像;
步骤S1-3,对每一组所述超声射频回波信号组对应的复数帧所述初始图像进行相干复合,从而得到与所述超声射频回波信号组对应的复合后图像;
步骤S1-4,对所有所述复合后图像进行图像配准,从而得到多个配准后图像;
步骤S1-5,利用预定的杂波滤除算法对所有所述配准后图像进行杂波滤波,从而得到多个滤波后图像;
步骤S1-6,实时显示所述滤波后图像,从而使得用户可以实时观察到所述微纳马达的位置与运动方式;
步骤S1-7,利用预定的微纳马达识别方法对每一帧所述滤波后图像中的所述微纳马达进行识别定位,从而得到所述微纳马达在所述滤波后图像中的位置,并作为单帧位置;
步骤S1-8,至少根据所有所述单帧位置,利用预定的微纳马达轨迹追踪方法对所述微纳马达进行轨迹追踪,从而得到所述微纳马达的运动轨迹,并根据所述单帧位置以及所述阵列超声换能器的发射频率计算得到所述微纳马达的运动速度。
2.根据权利要求1所述的微纳马达实时成像与追踪方法,其特征在于:
其中,所述杂波滤除算法至少为高通滤波算法、自适应滤波算法、特征值分解算法、鲁棒主成分分析算法以及独立成分分析算法中的任意一种。
3.根据权利要求2所述的微纳马达实时成像与追踪方法,其特征在于:
其中,所述杂波滤除算法为特征值分解算法,
所述步骤S1-5包括如下子步骤:
步骤S1-5-1,将连续多帧的所述配准后图像构建为一个b*k大小的二维矩阵A,并利用所述特征值分解算法对所述二维矩阵A进行特征值分解,从而得到特征值矩阵λ和特征向量矩阵U:
E(A*AT)=λ*U*UT
式中,所述特征向量矩阵U为b*b的矩阵,所述特征值矩阵λ为b*b的对角阵,该对角阵中的对角元素即为矩阵特征值,并将所有所述矩阵特征值由大到小排列为特征值序列;
步骤S1-5-2,将所述特征值序列中前p个矩阵特征值以及后q个矩阵特征值对应的特征向量置零,从而得到新特征向量矩阵U1;
步骤S1-5-3,基于所述新特征向量矩阵U1以及所述二维矩阵A,对所述配准后图像进行图像重构,从而得到b*k大小的矩阵Y:
步骤S1-5-4,将所述矩阵Y重构为三维图像矩阵,作为多个所述滤波后图像。
4.根据权利要求2所述的微纳马达实时成像与追踪方法,其特征在于:
其中,所述杂波滤除算法为基于特征值频移的特征值分解算法,
所述步骤S1-5包括如下子步骤:
步骤S1-5-1,将连续多帧的所述配准后图像构建为一个b*k大小的二维矩阵A,并利用所述特征值分解算法对所述二维矩阵A进行特征值分解,从而得到特征值矩阵λ和特征向量矩阵U:
E(A*AT)=λ*U*UT
式中,所述特征向量矩阵U为b*b的矩阵,所述特征值矩阵λ为b*b的对角阵,该对角阵中的对角元素即为矩阵特征值,将所有所述矩阵特征值由大到小排列为特征值序列;
步骤S1-5-2,计算所述特征向量矩阵U中每个特征向量对应的平均多普勒频移fa:
式中,为第a个所述特征向量的自相关值,NF为所述配准后图像的帧数,ea为第a个特征向量,PRF为所述阵列超声换能器对应的脉冲发射频率,arg{·}表示求解复数的辐角运算,fa为第a个所述特征向量对应的所述平均多普勒频移;
步骤S1-5-3,依次判断所述平均多普勒频移fa是否处于区间[f1,f2]中,判断为否时,将所述平均多普勒频移fa对应的特征向量置零,从而得到新特征向量矩阵U1;
步骤S1-5-4,基于所述新特征向量U1以及所述二维矩阵A,对所述配准后图像进行图像重构,从而得到b*k大小的矩阵Y:
步骤S1-5-5,将所述矩阵Y重构为三维图像矩阵,作为多个所述滤波后图像。
6.根据权利要求1所述的微纳马达实时成像与追踪方法,其特征在于:
其中,所述波束合成算法为至少为延时叠加算法、自适应波束合成法、空间复合法以及频域-波数域迁移算法中的任意一种。
7.根据权利要求1所述的微纳马达实时成像与追踪方法,其特征在于:
其中,所述微纳马达识别方法至少为灰度检测方法以及基于点扩散函数的互相关检测方法中的任意一种。
8.一种微纳马达实时追踪装置,用于对处于目标成像区域内的微纳马达进行实时成像与追踪,其特征在于,包括:
回波信号获取模块,利用阵列超声换能器对所述目标成像区域发射连续多组平面波组,并获取因不同所述平面波组而反射出的超声射频回波信号组,其中,所述平面波组包含复数个偏转角度不同的平面波,所述超声射频回波信号组由复数个超声射频回波信号组成;
初始图像生成模块,利用预定的波束合成算法对每组所述超声射频回波信号组中各个所述超声射频回波信号进行波束合成,从而得到与所述超声射频回波信号对应的初始图像;
图像相干模块,对每一组所述超声射频回波信号组对应的复数帧所述初始图像进行相干复合,从而得到与所述超声射频回波信号组对应的复合后图像;
图像配准模块,对所有所述复合后图像进行图像配准,从而得到多个配准后图像;
杂波滤除模块,利用预定的杂波滤除算法对所有所述配准后图像进行杂波滤波,从而得到多个滤波后图像;
显示模块,实时显示所述滤波后图像,从而使得用户可以实时观察到所述微纳马达的位置与运动方式;
微纳马达识别定位模块,利用预定的微纳马达识别方法对每一帧所述滤波后图像中的所述微纳马达进行识别定位,从而得到所述微纳马达在所述滤波后图像中的位置,并作为单帧位置;以及
轨迹追踪模块,至少根据所有所述单帧位置,利用预定的微纳马达轨迹追踪方法对所述微纳马达进行轨迹追踪,从而得到所述微纳马达的运动轨迹,并根据所述单帧位置以及所述阵列超声换能器的发射频率计算得到所述微纳马达的运动速度。
9.一种微纳马达控制方法,用于控制微纳马达完成预定操作,其特征在于,包括如下步骤:
步骤S2-1,微纳马达实时成像与追踪方法对处于目标成像区域内的微纳马达进行实时追踪,从而得到所述微纳马达的运动轨迹以及运动速度;
步骤S2-2,根据所述运动轨迹以及所述运动速度控制所述微纳马达完成预定操作,
其中,所述微纳马达实时成像与追踪方法为权利要求1至权利要求7中的所述微纳马达实时成像与追踪方法,
所述预定操作至少包括移动、旋转、破裂、组合以及发生化学反应中的任意一种或多种组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665439.6A CN113397591B (zh) | 2021-06-16 | 2021-06-16 | 微纳马达实时成像与追踪方法、装置及微纳马达控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665439.6A CN113397591B (zh) | 2021-06-16 | 2021-06-16 | 微纳马达实时成像与追踪方法、装置及微纳马达控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113397591A true CN113397591A (zh) | 2021-09-17 |
CN113397591B CN113397591B (zh) | 2022-11-29 |
Family
ID=77684253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110665439.6A Active CN113397591B (zh) | 2021-06-16 | 2021-06-16 | 微纳马达实时成像与追踪方法、装置及微纳马达控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113397591B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110275938A1 (en) * | 2010-05-07 | 2011-11-10 | Samsung Medison Co., Ltd. | Ultrasound imaging device and method for clutter filtering |
CN104523291A (zh) * | 2014-12-02 | 2015-04-22 | 重庆博恩富克医疗设备有限公司 | 一种超声回波信号的脉冲压缩与正交解调处理方法及装置 |
CN104777484A (zh) * | 2015-02-13 | 2015-07-15 | 西安交通大学 | 压缩自适应波束合成的平面波超声成像和微泡成像的方法与系统 |
US20150320395A1 (en) * | 2013-01-22 | 2015-11-12 | Kabushiki Kaisha Toshiba | Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method |
CN106580369A (zh) * | 2016-11-30 | 2017-04-26 | 珠海威泓医疗科技有限公司 | 一种多角度平面波相干彩色多普勒成像方法 |
US20190046161A1 (en) * | 2016-02-26 | 2019-02-14 | The University Of Western Ontario | Doppler measurement system and method |
CN109998489A (zh) * | 2019-04-15 | 2019-07-12 | 哈尔滨工业大学 | 基于微纳马达的光声信号检测与成像方法 |
CN110772285A (zh) * | 2019-10-31 | 2020-02-11 | 南京景瑞康分子医药科技有限公司 | 一种超声超分辨成像方法 |
CN110811688A (zh) * | 2019-12-02 | 2020-02-21 | 云南大学 | 多角度平面波重复复合的超快超声多普勒血流估计方法 |
US20200093462A1 (en) * | 2018-09-20 | 2020-03-26 | Mayo Foundation For Medical Education And Research | Systems and Methods for Localizing a Medical Device Using Symmetric Doppler Frequency Shifts Measured with Ultrasound Imaging |
US20200178939A1 (en) * | 2017-05-31 | 2020-06-11 | Mayo Foundation For Medical Education And Research | Methods for Super-Resolution Ultrasound Imaging of Microvessels |
CN111345849A (zh) * | 2020-04-15 | 2020-06-30 | 南京超维景生物科技有限公司 | 超声系统 |
WO2020135945A1 (en) * | 2018-11-14 | 2020-07-02 | Robeaute | System and method for real-time localization |
US20200268352A1 (en) * | 2017-11-20 | 2020-08-27 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasound contrast enhanced imaging method and ultrasound imaging system |
CN111772676A (zh) * | 2020-07-24 | 2020-10-16 | 复旦大学 | 超快超声多普勒脊髓微血流成像系统 |
US20200397523A1 (en) * | 2019-06-24 | 2020-12-24 | California Institute Of Technology | Image-guided microrobotic methods, systems, and devices |
US20210052330A1 (en) * | 2018-05-03 | 2021-02-25 | Bionaut Labs Ltd. | Integrated medical imaging system for tracking of micro-nano scale objects |
-
2021
- 2021-06-16 CN CN202110665439.6A patent/CN113397591B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110275938A1 (en) * | 2010-05-07 | 2011-11-10 | Samsung Medison Co., Ltd. | Ultrasound imaging device and method for clutter filtering |
US20150320395A1 (en) * | 2013-01-22 | 2015-11-12 | Kabushiki Kaisha Toshiba | Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method |
CN104523291A (zh) * | 2014-12-02 | 2015-04-22 | 重庆博恩富克医疗设备有限公司 | 一种超声回波信号的脉冲压缩与正交解调处理方法及装置 |
CN104777484A (zh) * | 2015-02-13 | 2015-07-15 | 西安交通大学 | 压缩自适应波束合成的平面波超声成像和微泡成像的方法与系统 |
US20190046161A1 (en) * | 2016-02-26 | 2019-02-14 | The University Of Western Ontario | Doppler measurement system and method |
CN106580369A (zh) * | 2016-11-30 | 2017-04-26 | 珠海威泓医疗科技有限公司 | 一种多角度平面波相干彩色多普勒成像方法 |
US20200178939A1 (en) * | 2017-05-31 | 2020-06-11 | Mayo Foundation For Medical Education And Research | Methods for Super-Resolution Ultrasound Imaging of Microvessels |
US20200268352A1 (en) * | 2017-11-20 | 2020-08-27 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasound contrast enhanced imaging method and ultrasound imaging system |
US20210052330A1 (en) * | 2018-05-03 | 2021-02-25 | Bionaut Labs Ltd. | Integrated medical imaging system for tracking of micro-nano scale objects |
US20200093462A1 (en) * | 2018-09-20 | 2020-03-26 | Mayo Foundation For Medical Education And Research | Systems and Methods for Localizing a Medical Device Using Symmetric Doppler Frequency Shifts Measured with Ultrasound Imaging |
WO2020135945A1 (en) * | 2018-11-14 | 2020-07-02 | Robeaute | System and method for real-time localization |
CN109998489A (zh) * | 2019-04-15 | 2019-07-12 | 哈尔滨工业大学 | 基于微纳马达的光声信号检测与成像方法 |
US20200397523A1 (en) * | 2019-06-24 | 2020-12-24 | California Institute Of Technology | Image-guided microrobotic methods, systems, and devices |
CN110772285A (zh) * | 2019-10-31 | 2020-02-11 | 南京景瑞康分子医药科技有限公司 | 一种超声超分辨成像方法 |
CN110811688A (zh) * | 2019-12-02 | 2020-02-21 | 云南大学 | 多角度平面波重复复合的超快超声多普勒血流估计方法 |
CN111345849A (zh) * | 2020-04-15 | 2020-06-30 | 南京超维景生物科技有限公司 | 超声系统 |
CN111772676A (zh) * | 2020-07-24 | 2020-10-16 | 复旦大学 | 超快超声多普勒脊髓微血流成像系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113397591B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Burgess et al. | Power cavitation-guided blood-brain barrier opening with focused ultrasound and microbubbles | |
Provost et al. | 3-D ultrafast Doppler imaging applied to the noninvasive mapping of blood vessels in vivo | |
Foster et al. | A new ultrasound instrument for in vivo microimaging of mice | |
Boni et al. | A reconfigurable and programmable FPGA-based system for nonstandard ultrasound methods | |
Jensen | Medical ultrasound imaging | |
US6692438B2 (en) | Ultrasonic imaging system and method for displaying tissue perfusion and other parameters varying with time | |
US7740584B2 (en) | Method and system for mapping physiology information onto ultrasound-based anatomic structure | |
JP5979682B2 (ja) | 変位計測装置、並びに、超音波診断装置 | |
US7529393B2 (en) | Guidance of invasive medical devices by wide view three dimensional ultrasonic imaging | |
Urban et al. | Implementation of vibro-acoustography on a clinical ultrasound system | |
JP2006521147A (ja) | 三次元超音波イメージングにより侵襲的医療装置を案内する方法及び装置 | |
Faurie et al. | Intracardiac vortex dynamics by high-frame-rate Doppler vortography—In vivo comparison with vector flow mapping and 4-D flow MRI | |
JP2013000349A (ja) | イメージング方法及び変位計測方法及び装置、並びに、超音波画像診断装置 | |
JP2006523115A (ja) | 結合された三次元超音波イメージングシステムを用いて侵襲的医療装置を案内する方法 | |
CN103300884A (zh) | 具有医疗超声诊断图像的压力容积 | |
CN113499096B (zh) | 一种超声跨尺度和多参量检测的成像平台及方法 | |
JP2007518512A (ja) | 心筋灌流を表示するための画像分割 | |
Wei et al. | High frame rate volumetric imaging of microbubbles using a sparse array and spatial coherence beamforming | |
Di Ianni et al. | A vector flow imaging method for portable ultrasound using synthetic aperture sequential beamforming | |
Kusunose et al. | Fast, low-frequency plane-wave imaging for ultrasound contrast imaging | |
Xu et al. | High-frequency ultrasound Doppler system for biomedical applications with a 30-MHz linear array | |
Pekař et al. | Preclinical testing of frequency-tunable capacitive micromachined ultrasonic transducer probe prototypes | |
Xu et al. | A high-frame rate duplex ultrasound biomicroscopy for small animal imaging in vivo | |
Prieur et al. | Observation of a cavitation cloud in tissue using correlation between ultrafast ultrasound images | |
Dong et al. | High-Volume-Rate 3-D Ultrasound Imaging Using Fast-Tilting and Redirecting Reflectors |
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 |