CN114062507A - 一种基于复累积量分析的超高分辨超声成像方法 - Google Patents
一种基于复累积量分析的超高分辨超声成像方法 Download PDFInfo
- Publication number
- CN114062507A CN114062507A CN202111328238.3A CN202111328238A CN114062507A CN 114062507 A CN114062507 A CN 114062507A CN 202111328238 A CN202111328238 A CN 202111328238A CN 114062507 A CN114062507 A CN 114062507A
- Authority
- CN
- China
- Prior art keywords
- complex
- ultrasonic
- accumulation
- order
- analysis
- 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.)
- Pending
Links
- 238000009825 accumulation Methods 0.000 title claims abstract description 52
- 238000003384 imaging method Methods 0.000 title claims abstract description 37
- 238000002604 ultrasonography Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000012285 ultrasound imaging Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 230000010355 oscillation Effects 0.000 abstract description 7
- 230000004044 response Effects 0.000 abstract description 4
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- 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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/10—Number of transducers
- G01N2291/106—Number of transducers one or more transducer arrays
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Acoustics & Sound (AREA)
- Probability & Statistics with Applications (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种基于复累积量分析的超高分辨超声成像方法,其特征在于,首先,将获取的原始超声平面波图像的实数域信号通过希尔伯特变换得到复数域超声信号,然后,通过构建复数域累积量分析框架对复数域超声信号进行高阶累积量分析的处理,从而拓展对超声图像数据的统计框架,解决由于超声信号双极脉冲响应所导致实数域信号的轴向振荡的问题,最后,对复累积量分析处理得到的复累积量结果进行反卷积处理,进一步提升超高分辨超声成像的空间分辨率。
Description
技术领域
本发明属于超高分辨超声成像方法,具体涉及一种基于复累积量分析的超高分辨超声成像方法。
背景技术
超声成像已被广泛应用于生物医学研究。然而,超声成像的空间分辨率受到声波波长的限制,空间分辨率有限(大约为发射波长的一半)。虽然可以采用更短的波长来提高空间分辨率,但这也致使超声的穿透深度降低,限制了超声的进一步应用。
现有的超声成像技术中,SOFI(Super-resolution Optical FluctuationImaging)是一种新兴的超高分辨成像方法。目前,其已被成功应用于超高分辨超声成像。简要而言,SOFI的基本原理是:基于记录的时间序列的图像,对信号波动进行统计分析;然后通过计算一组随机闪烁图像序列的累积量来突破声学衍射极限。该方法具有无背景噪声干扰、高对比度、系统简单以及快速成像等优点。
然而,在基于SOFI的超高分辨超声成像中,超声信号双极脉冲响应会导致实数域信号的轴向振荡,从而影响基于SOFI方法获得的超声成像性能,其最终超声成像的分辨率也会受到影响。
发明内容
为解决上述问题,提供一种在提高超声成像空间分辨率的同时消除轴向振荡,本发明采用了如下技术方案:
本发明提供了一种基于复累积量分析的超高分辨超声成像方法,其特征在于,包括以下步骤:步骤S1,获取一组平面波超声图像序列,每帧平面波超声图像序列中包含随机分布的多个点散射体;步骤S2,基于平面波超声图像序列获取实数域信号,该实数域信号为:
f(r,t)=h(r,t)*θ(r,t)
式中,t为时间,r为点散射体的位置,h(r,t)为超声系统的PSF,θ(r,t)为成像区域中点散射体的分布,其中,r=(x,z),x、z分别为横向和纵向的坐标值;步骤S3,将实数域信号通过希尔伯特变换得到复数域超声信号g(r,t):
g(r,t)=f(r,t)+j·hilbert{f(r,t)};
步骤S4,构建复数域累积量分析框架,对复数域超声信号进行高阶累积量分析处理得到复累积量结果;步骤S5,对复累积量结果进行反卷积处理得到反卷积后的平面波超声图像,其中,复累积量结果包括n阶复矩以及n阶累积量。
本发明提供的一种基于复累积量分析的超高分辨超声成像方法,还可以具有这样的技术特征,其中,复数域累积量分析框架为:
式中,Gp,q(r)为n阶复矩,Cp,q(r)为复累积量,复值信号g(r,t)为高阶复数累积量分析的输入数据,g(r,t)*是g(r,t)的复数共轭,且n=p+q,其中,当n为偶数,中心复累积量为Cp,q(r)且q=p,当n为奇数,中心复累积量为Cp,p+1(r)且q=p+1。
本发明提供的一种基于复累积量分析的超高分辨超声成像方法,还可以具有这样的技术特征,其中,反卷积处理为:
发明作用与效果
根据本发明的一种基于复累积量分析的超高分辨超声成像方法,由于将获取的原始超声平面波图像的实数域信号通过希尔伯特变换得到复数域超声信号后,通过构建复数域累积量分析框架对复数域超声信号进行了高阶累积量分析的处理,从而拓展了对超声图像数据的统计框架,解决了由于超声信号双极脉冲响应所导致实数域信号的轴向振荡的问题,最后对复累积量分析处理得到的复累积量结果进行反卷积处理,进一步提升了成像的空间分辨率。
本发明的基于复累积量分析的超高分辨超声成像方法将复累积量分析和反卷积相结合,不仅保留了超高分辨超声成像的高对比度、快速成像的优点,同时解决了基于SOFI方法进行超声成像时所产生的轴向振荡问题,还利用反卷积更进一步地提升了超高分辨超声成像的空间分辨率。
附图说明
图1是本发明实施例中的基于复累积量分析的超高分辨超声成像方法的流程图;
图2是本发明实施例中基于Field II仿真平台生成的平面波超声图像示意图;
图3是本发明实施例中的实数域累积量图像;
图4是本发明实施例中的复累积量图像结果示意图;
图5是本发明实施例中对复累积量图像进行反卷积处理后的示意图。
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基于复累积量分析的超高分辨超声成像方法作具体阐述。
<实施例>
图1是本发明实施例中基于复累积量分析的超高分辨超声成像方法的流程图。
如图1所示,基于复累积量分析的超高分辨超声成像方法包括以下步骤:
步骤S1,获取一组平面波超声图像序列,每帧平面波超声图像序列中包含随机分布的多个点散射体。
图2是本发明实施例中基于Field II仿真平台生成的平面波超声图像示意图。
本实施例中,对24条间距为385微米的相邻血管通过线性阵列换能器进行成像,将血管中出现的微泡(血管中微泡出现概率服从伯努利分布)模拟为点散射体,基于Field II仿真平台模拟微泡在这24条相邻血管中的波动(如图2所示)。
其中,成像过程重复400次以模拟血管中微泡的运动,该线性阵列换能器的超声扫描参数如表1所示。
表1
在获得上述平面波超声图像后,为该图像添加20dB白高斯噪声,以模拟实验中存在的噪声,最终获取一组平面波超声图像序列。
步骤S2,基于平面波超声图像序列获取实数域信号,该实数域信号为:
f(r,t)=h(r,t)*θ(r,t)
式中,t为时间,r为点散射体的位置(本实施例中r为微泡的位置),h(r,t)为超声系统的PSF,θ(r,t)为成像区域中点散射体的分布,其中,r=(x,z),x、z分别为横向和纵向的坐标值。
步骤S3,将实数域信号通过希尔伯特变换得到复数域超声信号g(r,t):
g(r,t)=f(r,t)+j·hilbert{f(r,t)}。
步骤S4,构建复数域累积量分析框架,对复数域超声信号进行高阶累积量分析处理得到复累积量结果,该复累积量结果包括n阶复矩以及n阶累积量。
本实施例中,复数域累积量分析框架为:
式中,Gp,q(r)为n阶复矩,Cp,q(r)为复累积量,复值信号g(r,t)为高阶复数累积量分析的输入数据,g(r,t)*是g(r,t)的复数共轭,且n=p+q,其中,当n为偶数时,中心复累积量为Cp,q(r),且q=p,当n为奇数时,中心复累积量为Cp,p+1(r)且q=p+1。
图3是本发明实施例中实数域累积量图像,图4是本发明实施例中的复累积量图像。
其中,图3中左侧为二阶实数域累积量图像,右侧为四阶实数域累积量图像,图4中左侧为经过二阶复累积后的复累积量图像,图中右侧为经过四阶复累积后的复累积量图像。
如图3以及图4所示,当阶数越高时,对应的图像分辨率也越高,并且在阶数相同时,经过复累积处理的复累积量图像的分辨率明显高于实数域累积量图像。
步骤S5,对复累积量结果进行反卷积处理得到反卷积后的平面波超声图像。
本实施例中,此步骤的反卷积处理为:
图5是本发明实施例中的对复累积量图像进行反卷积处理后的示意图。
如图5所示,图中左侧为对图4所示的二阶复累积量图像进行反卷积处理后的图像,图中右侧为对图4所示的四阶复累积量图像进行反卷积处理后的图像,其中,四阶复累积量图像进行反卷积后,其图像的分辨率明显高于反卷积前的图像分辨率,由此可见,对复累积图像进行反卷积处理能够有效提高超声成像的空间分辨率。
实施例作用与效果
根据本实施例提供的一种基于复累积量分析的超高分辨超声成像方法,首先将获取的原始超声平面波图像的实数域信号通过希尔伯特变换得到复数域超声信号,然后通过构建复数域累积量分析框架对复数域超声信号进行了高阶累积量分析的处理,最后通过对复累积量分析处理得到的复累积量结果进行反卷积处理后得到成像分辨率进一步提升的超声图像。其中,本实施例的基于复累积量分析的超高分辨超声成像方法将复累积量分析和反卷积相结合,不仅保留了超高分辨超声成像的高对比度、快速成像的优点,同时解决了基于SOFI方法进行超声成像时所产生的轴向振荡问题,还更进一步地提升了超高分辨超声成像的空间分辨率。
实施例中,由于构建复数域累积量分析框架对复数域超声信号进行了高阶累积量分析处理,不仅拓展了对超声图像数据的统计框架,还解决了由于超声信号双极脉冲响应所导致实数域信号的轴向振荡问题。
实施例中,还由于在对复数域超声信号基于高阶累积量分析处理后还进行了反卷积处理,因此使得超高分辨超声成像的空间分辨率得到了进一步地提升。
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 (3)
1.一种基于复累积量分析的超高分辨超声成像方法,其特征在于,包括以下步骤:
步骤S1,获取一组平面波超声图像序列,每帧所述平面波超声图像序列中包含随机分布的多个点散射体;
步骤S2,基于所述平面波超声图像序列获取实数域信号,所述实数域信号为:
f(r,t)=h(r,t)*θ(r,t)
式中,t为时间,r为所述点散射体的位置,h(r,t)为超声系统的PSF,θ(r,t)为成像区域中所述点散射体的分布,其中,r=(x,z),x、z分别为横向和纵向的坐标值;
步骤S3,将所述实数域信号通过希尔伯特变换得到复数域超声信号g(r,t):
g(r,t)=f(r,t)+j·hilbert{f(r,t)};
步骤S4,构建复数域累积量分析框架,对所述复数域超声信号进行高阶累积量分析处理得到复累积量结果;
步骤S5,对所述复累积量结果进行反卷积处理得到反卷积后的平面波超声图像,
其中,所述复累积量结果包括n阶复矩以及n阶累积量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111328238.3A CN114062507A (zh) | 2021-11-10 | 2021-11-10 | 一种基于复累积量分析的超高分辨超声成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111328238.3A CN114062507A (zh) | 2021-11-10 | 2021-11-10 | 一种基于复累积量分析的超高分辨超声成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114062507A true CN114062507A (zh) | 2022-02-18 |
Family
ID=80274699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111328238.3A Pending CN114062507A (zh) | 2021-11-10 | 2021-11-10 | 一种基于复累积量分析的超高分辨超声成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114062507A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001258888A (ja) * | 2000-03-15 | 2001-09-25 | Toshiba Corp | 超音波診断の装置及びその方法、画像診断のシステム及びその方法、並びに課金方法 |
WO2009092881A1 (fr) * | 2007-10-24 | 2009-07-30 | Université François Rabelais | Procede et dispositif pour ameliorer la resolution d'une image ultrasonore |
CN103799982A (zh) * | 2014-01-26 | 2014-05-21 | 天津大学 | 基于希尔伯特黄变换的超宽带微波检测的快速成像方法 |
US20140198198A1 (en) * | 2011-06-14 | 2014-07-17 | Ecole Polytechnique Federale De Lausanne (Epfl) | Cumulant microscopy |
CN104411250A (zh) * | 2013-01-23 | 2015-03-11 | 奥林巴斯医疗株式会社 | 超声波观测装置、超声波观测装置的动作方法以及超声波观测装置的动作程序 |
EP3179269A1 (en) * | 2015-12-08 | 2017-06-14 | AmCad BioMed Corporation | Analysis methods of ultrasound echo signals based on statistics of scatterer distributions |
CN108095756A (zh) * | 2017-11-30 | 2018-06-01 | 上海大学 | 一种基于sofi的超高分辨平面波超声成像方法 |
CN109998589A (zh) * | 2019-04-09 | 2019-07-12 | 上海大学 | 一种基于压缩感知的超高分辨超声成像方法 |
-
2021
- 2021-11-10 CN CN202111328238.3A patent/CN114062507A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001258888A (ja) * | 2000-03-15 | 2001-09-25 | Toshiba Corp | 超音波診断の装置及びその方法、画像診断のシステム及びその方法、並びに課金方法 |
WO2009092881A1 (fr) * | 2007-10-24 | 2009-07-30 | Université François Rabelais | Procede et dispositif pour ameliorer la resolution d'une image ultrasonore |
US20140198198A1 (en) * | 2011-06-14 | 2014-07-17 | Ecole Polytechnique Federale De Lausanne (Epfl) | Cumulant microscopy |
CN104411250A (zh) * | 2013-01-23 | 2015-03-11 | 奥林巴斯医疗株式会社 | 超声波观测装置、超声波观测装置的动作方法以及超声波观测装置的动作程序 |
CN103799982A (zh) * | 2014-01-26 | 2014-05-21 | 天津大学 | 基于希尔伯特黄变换的超宽带微波检测的快速成像方法 |
EP3179269A1 (en) * | 2015-12-08 | 2017-06-14 | AmCad BioMed Corporation | Analysis methods of ultrasound echo signals based on statistics of scatterer distributions |
CN108095756A (zh) * | 2017-11-30 | 2018-06-01 | 上海大学 | 一种基于sofi的超高分辨平面波超声成像方法 |
CN109998589A (zh) * | 2019-04-09 | 2019-07-12 | 上海大学 | 一种基于压缩感知的超高分辨超声成像方法 |
Non-Patent Citations (2)
Title |
---|
LIU ET AL.: "Improved Ultrasound Imaging Performance With Complex Cumulant Analysis", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, 》, vol. 69, no. 3, 31 March 2022 (2022-03-31), pages 1281 - 1289 * |
束月霞: "超高分辨超声成像方法研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, 15 February 2020 (2020-02-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DiSpirito et al. | Reconstructing undersampled photoacoustic microscopy images using deep learning | |
WO2016155239A1 (zh) | 合成聚焦超声成像方法和装置 | |
Lorintiu et al. | Compressed sensing reconstruction of 3D ultrasound data using dictionary learning and line-wise subsampling | |
Zhou et al. | High spatial–temporal resolution reconstruction of plane-wave ultrasound images with a multichannel multiscale convolutional neural network | |
DE102016100367B4 (de) | Spärliche Verfolgung in Schallstrahlintensitätsimpuls-Bildgebung | |
CN111127320B (zh) | 基于深度学习的光声图像超分辨重建方法及装置 | |
CN108095756B (zh) | 一种基于sofi的超高分辨平面波超声成像方法 | |
CN104783835A (zh) | 超声波诊断装置以及超声波图像生成方法 | |
CN110880196B (zh) | 基于深度学习的肿瘤光声图像快速重建方法及装置 | |
CN106802418A (zh) | 一种合成孔径压缩感知超声成像中的高效能稀疏字典的设计方法 | |
CN109991602A (zh) | 基于深度残差网络的isar图像分辨率增强方法 | |
CN117237473A (zh) | 一种基于扩散模型的光声断层成像稀疏重建方法 | |
CN106940883B (zh) | 基于超声系统点扩散函数仿真和压缩感知的超声成像方法 | |
CN109766646B (zh) | 一种基于稀疏通道回波数据重建的超声成像方法及装置 | |
CN107577642B (zh) | 一种剪切波方向滤波实现方法及医用超声波设备 | |
CN114062507A (zh) | 一种基于复累积量分析的超高分辨超声成像方法 | |
Mattausch et al. | Scatterer reconstruction and parametrization of homogeneous tissue for ultrasound image simulation | |
CN109864707B (zh) | 一种在有限视角情况下提高光声断层成像分辨率的方法 | |
CN108573474B (zh) | 一种采用逆卷积运算的光声图像优化方法 | |
US20180284249A1 (en) | Ultrasound imaging system and method for representing rf signals therein | |
Lorintiu et al. | Compressed sensing reconstruction of 3D ultrasound data using dictionary learning | |
CN114098799B (zh) | 一种单脉冲内超声空化的快速低伪影实时动态成像方法与系统 | |
CN112347828A (zh) | 一种自适应微小动作凸显系统 | |
JP4982393B2 (ja) | 画像フィルタリング装置、画像フィルタリングプログラム、画像フィルタリング方法及び超音波診断装置 | |
CN106859695B (zh) | 应用于超声探头的q帧t孔径复合发射成像方法及系统 |
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 |