CN114062507A - 一种基于复累积量分析的超高分辨超声成像方法 - Google Patents

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

一种基于复累积量分析的超高分辨超声成像方法

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，G_p，q(r)为n阶复矩，C_p，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C_p，q(r)且q＝p，当n为奇数，中心复累积量为C_p，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：

式中，h(r，t)代表超声系统PSF，

代表第n阶累积量的PSF，

ω_x和ω_z分别为沿横向和纵向的标准偏差，

和

分别为第n阶沿横向和纵向的标准偏差。

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，G_p，q(r)为n阶复矩，C_p，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C_p，q(r)，且q＝p，当n为奇数时，中心复累积量为C_p，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：

式中，h(r，t)代表超声系统PSF，

代表第n阶累积量的PSF，

ω_x和ω_z分别为沿横向和纵向的标准偏差，

和

分别为第n阶沿横向和纵向的标准偏差。

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。

2.根据权利要求1所述的基于复累积量分析的超高分辨超声成像方法，其特征在于：

其中，所述复数域累积量分析框架为：

式中，G_p，q(r)为n阶复矩，C_p，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C_p，q(r)且q＝p，

当n为奇数，中心复累积量为C_p，p+1(r)且q＝p+1。

3.根据权利要求1所述的基于复累积量分析的超高分辨超声成象方法，其特征在于：

其中，所述反卷积处理为：

式中，h(r，t)代表超声系统PSF，

代表第n阶累积量的PSF，

ω_x和ω_z分别为沿横向和纵向的标准偏差，

和

分别为第n阶沿横向和纵向的标准偏差。

Images