CN113827277B - 一种声致超声成像方法 - Google Patents
一种声致超声成像方法 Download PDFInfo
- Publication number
- CN113827277B CN113827277B CN202111227183.7A CN202111227183A CN113827277B CN 113827277 B CN113827277 B CN 113827277B CN 202111227183 A CN202111227183 A CN 202111227183A CN 113827277 B CN113827277 B CN 113827277B
- Authority
- CN
- China
- Prior art keywords
- acoustic
- biological tissue
- imaging
- detected
- propagation
- 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
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
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
-
- 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
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种声致超声成像方法,其特征在于,包括以下步骤:步骤S1,使用声脉冲对需检测的生物组织产生激励,使需检测的生物组织因吸收声脉冲发生热膨胀,产生含有生物组织特征信息的超声波。步骤S2,利用超声换能器对超声波进行采集,得到成像物体表面声信号测量值φ。步骤S3,构建声传播数学模型,将φ输入到声传播数学模型,得到声传播权重矩阵W。步骤S4,利用稀疏断层重建算法对声传播权重矩阵W进行处理,得到需检测的生物组织的三维分布信息。本发明通过构建的声传播模型,结合稀疏断层重建算法和LSQR方法对所获取的声信号重建及求解,实现了获取生物组织的分布信息,具有高穿透性、高灵敏度、高时空分辨率的新型成像模态。
Description
技术领域
本发明涉及一种声致超声成像方法。
背景技术
分子影像是近几年在已有的医学影像技术基础上发展起来的一门新的影像技术。对比传统影像学技术,分子影像突破了其仅能显示由病变所引起的生物体解剖结构变化的局限,可将分子细胞水平的复杂生物学过程转变为直观的图像,进而有助于揭示疾病发生发展的本质原因。
根据成像原理不同,分子影像主要分为核医学成像、磁共振成像、光学成像、声学成像及光声成像等。上述成像技术各有优劣。例如,核医学成像灵敏度高,可用于定量成像;磁共振成像空间分辨率高,可实现多序列成像,反映组织的多个理化指标。但是,上述成像设备价格昂贵且系统结构复杂。相较而言,光声成像同时结合了光学成像和超声成像的优点,具有灵敏度高、无电离辐射、测量快速、费用低廉、简单易用等诸多优点。近几年来,光声成像技术已得到迅速发展并已成功应用于生物医学研究。但需要指出:在光声成像中,需要使用光对成像组织进行激励,以产生能够用于成像的声信号。由于光在组织中穿透深度的限制,致使难以对体内深层组织进行光声成像。
发明内容
为解决上述问题,提供一种声致超声成像方法,本发明采用了如下技术方案:
本发明提供了一种声致超声成像方法,其特征在于,包括以下步骤:步骤S1,使用声脉冲对需检测的生物组织产生激励,使需检测的生物组织因吸收声脉冲发生热膨胀,产生含有生物组织特征信息的超声波。步骤S2,利用超声换能器对超声波进行采集,得到成像物体表面声信号测量值φ。步骤S3,构建声传播数学模型,将φ输入到声传播数学模型,得到声传播权重矩阵W。步骤S4,利用稀疏断层重建算法对声传播权重矩阵W进行处理,得到需检测的生物组织的三维分布信息。
本发明提供的一种声致超声成像方法,还可以具有这样的技术特征,其中,声传播数学模型的具体表达式为:φ=W×n式中,n为真实生物组织信息。
本发明提供的一种声致超声成像方法,还可以具有这样的技术特征,其中,步骤S4包括以下步骤:步骤S4-1,构建最小二乘法的目标函数Q,Q的具体表达式为:式中,/>是待重建的生物组织信息,φ是成像物体表面声信号测量值,L是正则矩阵,λ是正则因子,用来控制正则项与残差项之间的相对权重。步骤S4-2,通过替换/>将Q的具体表达式简化为:/>式中,/>是替换的生物组织信息。步骤S4-3,根据声传播数学模型,利用最小二乘QR分解迭代法进行求解,得到/>步骤S4-4,,根据/>得到/>步骤S4-5,对/>进行重建得到需检测的生物组织的三维分布信息。
发明作用与效果
根据本发明的一种声致超声成像方法,由于使用脉冲声波照射生物组织,生物组织吸收机械能转化为热能,导致局部温度升高引起热弹性膨胀,进而产生携带组织吸收特征信息的声波,并基于构建的声传播模型,结合稀疏断层重建算法和LSQR方法对所获取的声信号重建及求解,实现了获取生物组织的分布信息,区别于传统超声直接通过获取组织的声阻抗差异进行成像,同时克服传统光声成像技术中成像深度不足这一关键问题,具有高穿透性、高灵敏度、高时空分辨率的新型成像模态。
附图说明
图1是本发明实施例中的一种声致超声成像方法流程图;
图2是本发明实施例中的一种声致超声成像方法的成像示意图;
图3是本发明实施例中的声致超声成像仿体模型示意图;
图4是本发明实施例中的声致超声成像结果示意图。
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,以下结合实施例及附图对本发明的一种声致超声成像方法作具体阐述。
<实施例>
图1是本发明实施例中的一种声致超声成像方法流程图;图2是本发明实施例中的一种声致超声成像方法的成像示意图。
如图1及图2所示,本实施例中的一种声致超声成像方法包括以下步骤:
步骤S1,本实施例中采用一个直径30mm,高30mm的圆柱作为成像模型进行仿真实验。
图3是本发明实施例中的声致超声成像仿体模型示意图。
如图3所示,为了模拟生物组织的异质性,在该圆柱仿体中,模拟了骨髓、血液与脑组织(图3中的3个小圆柱体)。在成像过程中,超声激励从z=30mm顶面照射,其中心频率为0.5MHz,声压为0.1MPa,声速5000m/s,持续时间为0.1s。超声激励入射面为热绝缘,其余外表面控制为恒温。利用声脉冲对需检测的生物组织产生激励,使需检测的生物组织因吸收声脉冲发生热膨胀,产生含有生物组织特征信息的超声波。
步骤S2,利用超声换能器对超声波进行采集,得到成像物体表面声信号测量值φ。本实施例采用的是256环阵超声探头,对组织受热产生的声信号进行采集。
步骤S3,构建声传播数学模型,将φ输入到声传播数学模型,得到声传播权重矩阵W。
声致超声是依据组织表面的声测量值完成反演成像。因此,描述声波在生物组织中传播的数学模型是AUI重建问题的基础。根据波动理论,声在生物组织中的传播可以通过全波方程来描述。然而,直接对全波传输方程求解计算量大。为了在实际中更好地进行前向模拟与逆向反演,本发明对全波方程进行简化与近似,生成程函方程,并以此为基础,完成声传播模型的数学建模,具体表达式为:
φ=W×n
式中,n为真实生物组织信息。
W是声传播权重矩阵权重矩阵,用以描述声生物组织中的传播。为了进一步提高前向模型W的准确性,在W的构建过程中,对生物组织内的不同结构,赋予不同的声学参数,从而形成异质前向模型,用以更好的描述声在异质组织中的传播。在本实例中,使用COMSOL完成声传播前向模型的建立。
步骤S4,利用稀疏断层重建算法对声传播权重矩阵W进行处理,得到需检测的生物组织的三维分布信息。
步骤S4-1,在声致超声成像中,声传播权重矩阵W通常是病态的。测量数据通常也包含噪声。因此,对内部组织吸收分布的求解是非适定的。所以构建最小二乘法的目标函数Q进行求解,Q的具体表达式为:
式中,是待重建的生物组织信息,φ是成像物体表面声信号测量值,L是正则矩阵,λ是正则因子,用来控制正则项与残差项之间的相对权重。
步骤S4-2,对于更一般的问题,如正则矩阵L是可逆的,所以通过替换将Q的具体表达式简化为:
式中,是替换的生物组织信息。
步骤S4-3,根据声传播数学模型,利用最小二乘QR分解迭代法进行求解,得到
步骤S4-4,,根据得到/>
步骤S4-5,对进行重建得到需检测的生物组织的三维分布信息。
图4是本发明实施例中的声致超声成像结果示意图。
如图4所示,本实施例在深度Z分别为25mm,20mm,15mm,10mm处的对骨髓、血液与脑组织3个生物组织真实位置和重建求解的结果进行对比。由图4可见,本实施例中通过声致超声成像(Acousto-Ultrasonic Imaging,AUI)方法,可以得到了对不同深度中关于骨髓、血液与脑组织的三种生物组织分布信息。
实施例作用与效果
根据本实施例提供的一种声致超声成像方法,由于使用脉冲声波照射生物组织,生物组织吸收机械能转化为热能,导致局部温度升高引起热弹性膨胀,进而产生携带组织吸收特征信息的声波,并基于构建的声传播模型,结合稀疏断层重建算法和LSQR方法对所获取的声信号重建及求解,实现了获取骨髓、血液与脑组织的分布信息,区别于传统超声直接通过获取组织的声阻抗差异进行成像,同时克服传统光声成像技术中成像深度不足这一关键问题,具有高穿透性、高灵敏度、高时空分辨率的新型成像模态。
上述实施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。
Claims (1)
1.一种声致超声成像方法,其特征在于,包括以下步骤:
步骤S1,使用声脉冲对需检测的生物组织产生激励,使所述需检测的生物组织因吸收所述声脉冲发生热膨胀,产生含有生物组织特征信息的超声波;
步骤S2,利用超声换能器对所述超声波进行采集,得到成像物体表面声信号测量值φ;
步骤S3,构建声传播数学模型,将所述φ输入到声传播数学模型,得到声传播权重矩阵W,
所述声传播数学模型的具体表达式为:
φ=W×n
式中,n为真实生物组织信息;
步骤S4,利用稀疏断层重建算法对所述声传播权重矩阵W进行处理,得到所述需检测的生物组织的三维分布信息,
其中,步骤S4包括以下步骤:
步骤S4-1,构建最小二乘法的目标函数Q,所述Q的具体表达式为:
式中,是待重建的生物组织信息,φ是成像物体表面声信号测量值,L是正则矩阵,λ是正则因子,用来控制正则项与残差项之间的相对权重;
步骤S4-2,通过替换将所述Q的具体表达式简化为:
式中,是替换的生物组织信息;
步骤S4-3,根据声传播数学模型,利用最小二乘QR分解迭代法进行求解,得到所述
步骤S4-4,根据得到所述/>
步骤S4-5,对所述进行重建得到所述需检测的生物组织的三维分布信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227183.7A CN113827277B (zh) | 2021-10-21 | 2021-10-21 | 一种声致超声成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227183.7A CN113827277B (zh) | 2021-10-21 | 2021-10-21 | 一种声致超声成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113827277A CN113827277A (zh) | 2021-12-24 |
CN113827277B true CN113827277B (zh) | 2023-10-03 |
Family
ID=78965757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111227183.7A Active CN113827277B (zh) | 2021-10-21 | 2021-10-21 | 一种声致超声成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113827277B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102727259A (zh) * | 2012-07-26 | 2012-10-17 | 中国科学院自动化研究所 | 基于有限角度扫描的光声断层成像装置及方法 |
CN102830169A (zh) * | 2011-06-13 | 2012-12-19 | 北京理工大学 | 应用于超声显微检测的电子封装结构中超声传播模拟方法 |
CN103126720A (zh) * | 2013-02-22 | 2013-06-05 | 飞依诺科技(苏州)有限公司 | 多传播速度的超声成像方法及装置 |
CN104207801A (zh) * | 2013-06-05 | 2014-12-17 | 上海工程技术大学 | 一种超声检测图像三维标定方法 |
CN104915930A (zh) * | 2014-03-14 | 2015-09-16 | 深圳迈瑞生物医疗电子股份有限公司 | 对图像进行灰度补偿和噪声抑制的方法及装置 |
CN106683144A (zh) * | 2016-12-30 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像迭代重建方法及装置 |
CN109844808A (zh) * | 2016-09-05 | 2019-06-04 | 凯龙医疗科技有限公司 | 多模态医学图像处理 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6856918B2 (en) * | 2001-11-26 | 2005-02-15 | Lockheed Martin Corporation | Method to characterize material using mathematical propagation models and ultrasonic signal |
CN102077108B (zh) * | 2008-04-28 | 2015-02-25 | 康奈尔大学 | 分子mri中的磁敏度精确量化 |
CN110811686B (zh) * | 2015-06-05 | 2022-08-12 | 深圳迈瑞生物医疗电子股份有限公司 | 超声流体成像方法及超声流体成像系统 |
-
2021
- 2021-10-21 CN CN202111227183.7A patent/CN113827277B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830169A (zh) * | 2011-06-13 | 2012-12-19 | 北京理工大学 | 应用于超声显微检测的电子封装结构中超声传播模拟方法 |
CN102727259A (zh) * | 2012-07-26 | 2012-10-17 | 中国科学院自动化研究所 | 基于有限角度扫描的光声断层成像装置及方法 |
CN103126720A (zh) * | 2013-02-22 | 2013-06-05 | 飞依诺科技(苏州)有限公司 | 多传播速度的超声成像方法及装置 |
CN104207801A (zh) * | 2013-06-05 | 2014-12-17 | 上海工程技术大学 | 一种超声检测图像三维标定方法 |
CN104915930A (zh) * | 2014-03-14 | 2015-09-16 | 深圳迈瑞生物医疗电子股份有限公司 | 对图像进行灰度补偿和噪声抑制的方法及装置 |
CN109844808A (zh) * | 2016-09-05 | 2019-06-04 | 凯龙医疗科技有限公司 | 多模态医学图像处理 |
CN106683144A (zh) * | 2016-12-30 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像迭代重建方法及装置 |
Non-Patent Citations (2)
Title |
---|
"An Acousto-Ultrasonics Pattern Recognition Approach for Damage Detection in Wind Turbine Structures";M. Anaya;《IEEE》;全文 * |
Split Bregman 迭代算法生物发光断层成像;刘亚楠;《中国科学:信息科学》;第44卷(第2期);284-294 * |
Also Published As
Publication number | Publication date |
---|---|
CN113827277A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103356189B (zh) | 磁共振和超声参数化图像融合的方法 | |
Huang et al. | Aberration correction for transcranial photoacoustic tomography of primates employing adjunct image data | |
US8864667B2 (en) | Biological information imaging apparatus and biological information imaging method | |
US20170086788A1 (en) | Non-imaging low frequency ultrasonic testing and diagnostic evaluation system | |
US10332250B2 (en) | Three-dimensional cavitation quantitative imaging method for microsecond-resolution cavitation spatial-temporal distribution | |
CN115177217B (zh) | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 | |
CN107550458B (zh) | 基于声电效应与声辐射力的生物组织多特性成像方法 | |
Jin et al. | Fast and high-resolution three-dimensional hybrid-domain photoacoustic imaging incorporating analytical-focused transducer beam amplitude | |
Jin et al. | Rapid three-dimensional photoacoustic imaging reconstruction for irregularly layered heterogeneous media | |
CN108392751A (zh) | 一种实时监测高强聚焦超声治疗声空化的方法 | |
CN110075430B (zh) | 一种基于信息熵的超声空化实时监测方法及系统 | |
CN105395219A (zh) | 一种超声光声光声谱三模态成像系统及方法 | |
Sun et al. | An iterative gradient convolutional neural network and its application in endoscopic photoacoustic image formation from incomplete acoustic measurement | |
CN113827277B (zh) | 一种声致超声成像方法 | |
CN104586363A (zh) | 基于图像块稀疏系数的快速光声成像图像重建方法 | |
US11464463B2 (en) | Elastography based on x-ray computed tomography and sound wave integration | |
CN114224298B (zh) | 一种核磁共振下的磁声电成像系统及方法 | |
US7878976B2 (en) | Method and system of thermoacoustic imaging with exact inversion | |
Wang et al. | Viscoelastic characterization of HIFU ablation with shear wave by using K-space analysis combined with model-fitting correction method | |
Agrawal et al. | Modeling combined ultrasound and photoacoustic imaging: Simulations aiding device development and deep learning | |
Dai et al. | Controllable Angle Shear Wavefront Reconstruction Based on Image Fusion Method for Shear Wave Elasticity Imaging | |
Lyu et al. | Photoacoustic digital brain: numerical modelling and image reconstruction via deep learning | |
CN111631685A (zh) | 一种光声pet系统及成像方法 | |
Wang et al. | Photoacoustic imaging method for nondestructive testing of uterine tumors | |
Gómez Fernández | Transurethral shear wave elastography for prostate cancer |
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 |