CN116172612B - 一种基于超快平面波复合超声微细血流成像方法 - Google Patents
一种基于超快平面波复合超声微细血流成像方法 Download PDFInfo
- Publication number
- CN116172612B CN116172612B CN202310127078.9A CN202310127078A CN116172612B CN 116172612 B CN116172612 B CN 116172612B CN 202310127078 A CN202310127078 A CN 202310127078A CN 116172612 B CN116172612 B CN 116172612B
- Authority
- CN
- China
- Prior art keywords
- signal
- mvi
- blood flow
- signals
- matrix
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 46
- 239000002131 composite material Substances 0.000 title claims abstract description 18
- 239000008280 blood Substances 0.000 title description 20
- 230000017531 blood circulation Effects 0.000 claims abstract description 97
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 20
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 33
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013329 compounding Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000001308 synthesis method Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000012827 research and development Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000002604 ultrasonography Methods 0.000 description 7
- 230000005284 excitation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012772 sequence design Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- 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
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- 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
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
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)
- Hematology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种基于超快平面波复合超声微细血流成像方法包括:确定MVI多普勒取值范围和发射脉冲重复频率,对MVI信号进行信号处理得到MVI平面波;在发射MVI平面波的序列中获取平面波B/MVI交替序列,确定B/MVI发射比例为M;针对成像区域内的背向散射RF信号分开采样;对RF信号采集信息进行正交解调后得到IQ信号,并进行平面波波束合成重建;将合成重建得到的合成后的IQ信号中MVI图像帧进行分组,并将单组内的图像降采转换为Casorati奇异值分解矩阵;对Casorati奇异值分解矩阵进行滤波后通过反Casorati分解得到滤波后微细血流信号;对滤波后微细血流信号进行延时相关,得到多普勒血流强度信号和多普勒血流速度信号,进而得到多普勒血流速度MVI图像和多普勒血流强度信号MVI图像。
Description
技术领域
本发明涉及成像技术领域,特别涉及一种基于超快平面波复合超声微细血流成像方法。
背景技术
微细血流成像技术在临床上对于生理以及病理状态的评估有着十分重要的作用,部份器官如肾脏、腹腔,病变如癌症、炎症等疾病,都可以以该成像技术进行评估。超声作为现今最广泛使用的低成本、高安全、非侵入式临床成像方法之一,已在临床有着数十年的发展历史。超声超快成像发展至今已十多年历史,其所带来的高帧频与高灵敏度的技术,对传统超声来说是又一次的突破。基于超声超快成像的多普勒技术有别于以往的多普勒扫描,利用超快线序的交替扫描以及高灵敏度的组织滤波器,基于超快复合超声微细血流成像在临床上获得广泛的应用以及良好的评价。
现有CN 113662586 A专利公开了一种基于超快超声微血流成像的互相关降噪方法,该专利采用大鼠脑微血流数据进行处理,最终得到两种多普勒图像,但是,对于如超声微细血流超快双工模式,为要求高帧频B模式一般由于非聚焦波成像,这导致在深度的穿透力不足以及较低的信噪比,为解决此不足,本发明提出了一种基于超快复合超声微细血流成像(Micro-Vascular Imaging,以下称MVI)方法,解决超快成像双工模式下序列设计问题以及同时优化组织低频噪声和平面波高频伪像干扰。
发明内容
本发明的目的在于提供一种基于超快平面波复合超声微细血流成像方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于超快平面波复合超声微细血流成像方法,包括:
确定MVI多普勒取值范围,并根据MVI多普勒取值范围确定发射脉冲重复频率,针对MVI信号进行信号处理,得到MVI平面波;
在发射MVI平面波的序列中单位时间内前1/2时间均匀插入B模式的K个偏转角度的平面波,得到平面波B/MVI交替序列,确定B/MVI发射比例;
针对成像区域内的背向散射RF信号分开采样,得到RF信号采集信息;
对RF信号采集信息进行正交解调,得到IQ信号,并针对IQ信号进行平面波波束合成重建,得到合成后的IQ信号;
将合成后的IQ信号中的MVI图像帧以固定包长进行分组,并以随机空间降采样法将单组内的图像降采转换为Casorati奇异值分解矩阵;
对Casorati奇异值分解矩阵进行滤波,并将滤波后的分解矩阵进行反Casorati分解得到滤波后微细血流信号;
针对滤波后微细血流信号进行延时相关,得到多普勒血流强度信号和多普勒血流速度信号,并根据多普勒血流强度信号和多普勒血流速度信号分别得到多普勒血流速度MVI图像和多普勒血流强度信号MVI图像。
进一步地,针对MVI信号进行信号处理时,透过控制端激励向MVI信号关键区域加宽1.2倍大小区域,发射3—5个偏转角度的平面波。
进一步地,平面波B/MVI交替序列在单位时间T内,前1/2时间跟随MVI平面波发射模块发射B模式平面波模块,而且平面波B/MVI交替序列是根据发射脉冲重复频率进行等距排列发射。
进一步地,针对成像区域内的背向散射RF信号分开采样时,针对平面波B模式进行全幅采样,针对MVI平面波对信号关键区拓宽1.2倍大小的部分进行采样。
进一步地,对RF信号采集信息进行正交解调之后还针对得到的IQ信号进行带宽处理,将IQ信号降低回波后的带宽,得到处理后的IQ信号,然后针对处理后的IQ信号进行平面波波束合成重建,获得合成后的IQ信号;其中,合成后的IQ信号包括:B模式图像帧与MVI图像帧,针对合成后的IQ信号中的B模式图像帧进行B模式的处理。
进一步地,针对IQ信号进行平面波波束合成重建时,采用延时叠加算法、自适应波束合成法、空间复合法中的一种或多种;当采用空间复合法进行平面波波束合成重建时,将接收到的超声信号研发设线相对于探头法线方向的交收偏转角进行波前延时转换,并将接收线沿着探头法线方向的一帧图像作为基础对其他图像进行坐标转换,然后在坐标转换后的坐标系中进行加权平均处理,得到边缘平滑后的信号,将边缘平滑后的信号与归一化后的信号进行叠加,得到合成后的IQ信号。
进一步地,将合成后的IQ信号中的MVI图像帧以固定包长进行分组时,针对合成后的IQ信号中的MVI图像帧进行单一包长取样,结合血流图像灵敏度对包长进行调整,确定包长,根据确定的包长把合成后的IQ信号中的MVI图像帧分成多组。
进一步地,将单组内的图像降采转换为Casorati奇异值分解矩阵时,利用空间信息数据结合时间信息将每一组数据中的每帧同步空间数据变形得到Casorati数据矩阵,针对Casorati数据矩阵进行奇异值分解,将Casorati数据矩阵分解成空间奇异向量矩阵、奇异值矩阵和时间奇异向量矩阵,得到Casorati奇异值分解矩阵。
进一步地,对Casorati奇异值分解矩阵进行滤波时利用带通滤波器去滤除能量,带通滤波器是基于奇异值矩阵中的奇异值满足M-P分布,以高通滤波器滤除多普勒频率低于60Hz的信号滤除组织噪声信号,对于高阶噪声,计算i阶奇异值分布曲线导数至不变化阶段截点,脱离血流有效信号区域,以低通滤波器滤除高于该截点信号滤除大部分的高阶噪声信号得到滤波后的分解矩阵;
将滤波后的分解矩阵进行反Casorati分解之后还针对反Casorati分解后的矩阵进行重构,在反Casorati分解后的矩阵中进行随机抽选,并分多次进行矩阵构建,得到多个构建矩阵。
进一步地,针对滤波后微细血流信号进行延时相关,包括:零延时相关和固定延时相关,将滤波后微细血流信号通过零延时相关进行计算得到的多普勒血流强度信号,然后针对多普勒血流强度信号进行求模与阈值压缩,得到多普勒血流强度信号MVI图像;将滤波后微细血流信号通过固定延时相关进行计算得到的多普勒血流速度信号,然后针对多普勒血流速度信号进行反正切函数计算与速度转换,得到多普勒血流速度MVI图像。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明所述的一种基于超快平面波复合超声微细血流成像方法的步骤示意图;
图2为本发明所述的一种基于超快平面波复合超声微细血流成像方法中B模式平面波模块与MVI平面波发射模块交替示意图;
图3为本发明所述的一种基于超快平面波复合超声微细血流成像方法中B模式与MVI中ROI区域采样范围示意图;
图4为本发明所述的一种基于超快平面波复合超声微细血流成像方法中Casorati奇异值分解矩阵变换示意图;
图5为本发明所述的一种基于超快平面波复合超声微细血流成像方法中奇异值分布曲线上下位截点示意图;
图6为本发明所述的一种基于超快平面波复合超声微细血流成像方法中4次空间随机抽样方法示意图;
图7为本发明所述的一种基于超快平面波复合超声微细血流成像方法中成像示例示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种基于超快平面波复合超声微细血流成像方法,包括:
步骤一、确定MVI多普勒取值范围,并根据MVI多普勒取值范围确定发射脉冲重复频率,针对MVI信号进行信号处理,得到MVI平面波;
步骤二、在发射MVI平面波的序列中单位时间内前1/2时间均匀插入B模式的K个偏转角度的平面波,得到平面波B/MVI交替序列,确定B/MVI发射比例;
步骤三、针对成像区域内的背向散射RF信号分开采样,得到RF信号采集信息;
步骤四、对RF信号采集信息进行正交解调,得到IQ信号,并针对IQ信号进行平面波波束合成重建,得到合成后的IQ信号;
步骤五、将合成后的IQ信号中的MVI图像帧以固定包长进行分组,并以随机空间降采样法将单组内的图像降采转换为Casorati奇异值分解矩阵;
步骤六、对Casorati奇异值分解矩阵进行滤波,并将滤波后的分解矩阵进行反Casorati分解得到滤波后微细血流信号;
步骤七、针对滤波后微细血流信号进行延时相关,得到多普勒血流强度信号和多普勒血流速度信号,并根据多普勒血流强度信号和多普勒血流速度信号分别得到多普勒血流速度MVI图像和多普勒血流强度信号MVI图像。
上述技术方案提出了一种基于超快平面波复合超声微细血流成像方法,在进行成像时,首先,确定MVI多普勒取值范围,并根据MVI多普勒取值范围确定发射脉冲重复频率,针对MVI信号进行信号处理,得到MVI平面波;其中,根据MVI多普勒取值范围确定发射脉冲重复频率时,发射脉冲重复频率PRF的确定公式如下:
其中,Scalemax是用户对MVI取值范围,λ是发射波长;然后在发射MVI平面波的序列中单位时间内前1/2时间均匀插入B模式的K个偏转角度的平面波,得到平面波B/MVI交替序列,确定B/MVI发射比例;接着,针对成像区域内的背向散射RF信号分开采样,得到RF信号采集信息;然后再对RF信号采集信息进行正交解调,得到IQ信号,并针对IQ信号进行平面波波束合成重建,得到合成后的IQ信号;接着再将合成后的IQ信号中的MVI图像帧以固定包长(Ensemble)进行分组,并以随机空间降采样法将单组内的图像降采转换为Casorati奇异值分解矩阵;随后对Casorati奇异值分解矩阵进行滤波,并将滤波后的分解矩阵进行反Casorati分解得到滤波后微细血流信号;最后针对滤波后微细血流信号进行延时相关,得到多普勒血流强度信号和多普勒血流速度信号,并根据多普勒血流强度信号和多普勒血流速度信号分别得到多普勒血流速度MVI图像和多普勒血流强度信号MVI图像。上述技术方案的实现了图像降维优化处理,而且解决了超快成像双工模式下序列设计问题以及同时优化组织低频噪声和平面波高频伪像干扰,提高了微细血流成像的图像品质,而且透过其编排固定比例的B模式/MVI发射比例得到B模式数据和MVI数据,透过特定算法统计出固定包长的数据截边长度进行组织噪声滤除与高频伪相移除,最终实现稳定信噪比的B模式图像与MVI双同步显示。
本发明提供的一个实施例中,针对MVI信号进行信号处理时,透过控制端激励向MVI信号关键区域加宽1.2倍大小区域,发射3—5个偏转角度的平面波。
上述技术方案针对MVI信号进行信号处理时,信号处理的过程包括:透过控制端激励向MVI信号关键区域加宽1.2倍大小区域,发射3—5个偏转角度的平面波,通常情况下偏转角度选择在[-9,9]之间,在本发明中优选发射偏转角为3个。上述技术方案通过进行信号处理能够放大MVI信号的特征,使得MVI信号的特征更加突出明显,而且透过控制端激励向MVI信号关键区域加宽1.2倍大小区域不仅方便针对MVI信号进行有目标的目的性处理,还方便进行操作。
本发明提供的一个实施例中,平面波B/MVI交替序列在单位时间T内,前1/2时间跟随MVI平面波发射模块发射B模式平面波模块,而且平面波B/MVI交替序列是根据发射脉冲重复频率进行等距排列发射。
如图2所示,上述技术方案中的平面波B/MVI交替序列在单位时间T内前1/2时间均匀插入B模式的K个偏转角度的平面波得到的,且在发射时前1/2时间跟随MVI平面波发射模块发射B模式平面波模块,而且平面波B/MVI交替序列是根据发射脉冲重复频率进行等距排列发射。上述技术方案通过在单位时间T内前1/2时间均匀插入B模式的K个偏转角度的平面波得到平面波B/MVI交替序列,解决超快成像双工模式下序列设计问题以及同时优化组织低频噪声和平面波高频伪像干扰,并且通过根据发射脉冲重复频率对平面波B/MVI交替序列进行等距排列发射,使得发射更加稳定,从而降低发射过程中造成的干扰因素影响。
本发明提供的一个实施例中,针对成像区域内的背向散射RF信号分开采样时,针对平面波B模式进行全幅采样,针对MVI平面波对信号关键区拓宽1.2倍大小的部分进行采样。
如图3所示,上述技术方案中的针对成像区域内的背向散射RF信号分开采样时,针对平面波B模式进行全幅采样,针对MVI平面波对信号关键区拓宽1.2倍大小的部分进行采样。上述技术方案通过针对成像区域内的背向散射RF信号分开采样使得能够针对平面波B模式和MVI平面波分别采用不同的策略进行采样,从而能够在成像区域内的背向散射RF信号获得需要的平面波B模式和MVI平面波的信息。
本发明提供的一个实施例中,对RF信号采集信息进行正交解调之后还针对得到的IQ信号进行带宽处理,将IQ信号降低回波后的带宽,得到处理后的IQ信号,然后针对处理后的IQ信号进行平面波波束合成重建,获得合成后的IQ信号;其中,合成后的IQ信号包括:B模式图像帧与MVI图像帧,针对合成后的IQ信号中的B模式图像帧进行B模式的处理。
上述技术方案在对RF信号采集信息进行正交解调之后还针对得到的IQ信号进行带宽处理,通过带宽处理将IQ信号降低回波后的带宽,从而得到处理后的IQ信号,然后针对处理后的IQ信号进行平面波波束合成重建,获得合成后的IQ信号;其中,合成后的IQ信号包括:B模式图像帧与MVI图像帧,针对合成后的IQ信号中的B模式图像帧进行B模式的处理,这里的B模式的处理就是传统的B模式处理方法。上述技术方案有效解决了临床需求中高质量的实时B与MVI双工成相,通过使用平面波发射进行超快成像以保证模式运行间切换速度,在保证B模式图像稳定性的情况下可以尽可能选择越多角度提升图像精度,整体平面波发射频率不得低于18000Hz。
本发明提供的一个实施例中,针对IQ信号进行平面波波束合成重建时,采用延时叠加算法、自适应波束合成法、空间复合法中的一种或多种;当采用空间复合法进行平面波波束合成重建时,将接收到的超声信号研发设线相对于探头法线方向的交收偏转角进行波前延时转换,并将接收线沿着探头法线方向的一帧图像作为基础对其他图像进行坐标转换,然后在坐标转换后的坐标系中进行加权平均处理,得到边缘平滑后的信号,将边缘平滑后的信号与归一化后的信号进行叠加,得到合成后的IQ信号。
上述技术方案针对IQ信号进行平面波波束合成重建时,采用延时叠加算法、自适应波束合成法、空间复合法中的一种或多种;当采用空间复合法进行平面波波束合成重建时,将接收到的超声信号研发设线相对于探头法线方向的交收偏转角进行波前延时转换,并将接收线沿着探头法线方向的一帧图像作为基础对其他图像进行坐标转换,然后在坐标转换后的坐标系中进行加权平均处理,得到边缘平滑后的信号,将边缘平滑后的信号与归一化后的信号进行叠加,得到合成后的IQ信号。上述技术方案通过采用延时叠加算法、自适应波束合成法、空间复合法中的一种或多种实现对IQ信号进行平面波波束合成重建,不仅没有局限于一种复合方法而且还能够多种一起,提高了合成重建的灵活性,同时也能够高效得到合成后的IQ信号。
本发明提供的一个实施例中,将合成后的IQ信号中的MVI图像帧以固定包长(Ensemble)进行分组时,针对合成后的IQ信号中的MVI图像帧进行单一包长取样,结合血流图像灵敏度对包长进行调整,确定包长,根据确定的包长把合成后的IQ信号中的MVI图像帧分成多组。
上述技术方案将合成后的IQ信号中的MVI图像帧以固定包长(Ensemble)进行分组时,针对合成后的IQ信号中的MVI图像帧进行单一包长取样,结合血流图像灵敏度对包长进行调整,确定包长,根据确定的包长把合成后的IQ信号中的MVI图像帧分成多组。包长选择长度可以在24—64之间根据血流图像灵敏度进行调整,本发明中采取包长为32。上述技术方案通过以固定包长进行分组使得把合成后的IQ信号中的MVI图像帧分成得到多组能够在每组中透过特定算法统计出固定包长的数据截边长度进行组织噪声滤除与高频伪相移除,优化组织低频噪声和平面波高频伪像干扰,最终实现稳定信噪比的B模式图像与MVI双同步显示。
本发明提供的一个实施例中,将单组内的图像降采转换为Casorati奇异值分解矩阵时,利用空间信息数据结合时间信息将每一组数据中的每帧同步空间数据变形得到Casorati数据矩阵,针对Casorati数据矩阵进行奇异值分解,将Casorati数据矩阵分解成空间奇异向量矩阵、奇异值矩阵和时间奇异向量矩阵,得到Casorati奇异值分解矩阵。
上述技术方案将单组内的图像降采转换为Casorati奇异值分解矩阵时,如图4所示,利用空间信息数据NZ x Nx结合时间信息Nt将每一组数据中的每帧同步空间数据变形得到Casorati数据矩阵S,针对Casorati数据矩阵进行奇异值分解,将Casorati数据矩阵分解成空间奇异向量矩阵、奇异值矩阵和时间奇异向量矩阵,得到Casorati奇异值分解矩阵。上述技术方案提高将单组内的图像降采转换为Casorati奇异值分解矩阵不仅能够提高计算的快速性以及运算的损耗,也能够为合成后的MVI的IQ信号矩阵进行随机抽选提供便捷,而且在将单组内的图像降采转换为Casorati奇异值分解矩阵过程中利用空间信息数据NZ xNx结合时间信息Nt将每一组数据中的每帧同步空间数据变形,不涉及到复杂繁琐的步骤,效率高而且还不容易出现错误。
本发明提供的一个实施例中,对Casorati奇异值分解矩阵进行滤波时利用带通滤波器去滤除能量,带通滤波器是基于奇异值矩阵中的奇异值满足M-P分布,以高通滤波器滤除多普勒频率低于60Hz的信号滤除组织噪声信号,对于高阶噪声,计算i阶奇异值分布曲线导数至不变化阶段截点,脱离血流有效信号区域,以低通滤波器滤除高于该截点信号滤除大部分的高阶噪声信号得到滤波后的分解矩阵;
将滤波后的分解矩阵进行反Casorati分解之后还针对反Casorati分解后的矩阵进行重构,在反Casorati分解后的矩阵中进行随机抽选,并分多次进行矩阵构建,得到多个构建矩阵。
上述技术方案对Casorati奇异值分解矩阵进行滤波时利用带通滤波器去滤除能量,带通滤波器是基于奇异值矩阵中的奇异值满足M-P分布,以高通滤波器滤除多普勒频率低于60Hz的信号滤除组织噪声信号,对于高阶噪声,计算i阶奇异值分布曲线导数至不变化阶段截点,脱离血流有效信号区域,以低通滤波器滤除高于该截点信号滤除大部分的高阶噪声信号得到滤波后的分解矩阵;其中,基于M-P分布的带通滤波器截位计算方式如下:
其中,第i阶时间方向奇异向量的/>的功率谱,以高通滤波器滤除多普勒频率低于60Hz的信号可以滤除大部分的组织噪声信号,对于高阶噪声,计算i阶奇异值分布曲线导数至不变化阶段截点,可视为该段已经脱离血流有效信号区域,以低通滤波器滤除高于该截点信号可以滤除大部分的高阶噪声信号,该奇异值的截点位置如图5所示。
将滤波后的分解矩阵进行反Casorati分解之后还针对反Casorati分解后的矩阵进行重构,在反Casorati分解后的矩阵中进行随机抽选,并分多次进行矩阵构建,得到多个构建矩阵。如图6所示,总共分成P次进行,共构建成P*S个矩阵,在这里P的取值为4。上述技术方案通过利用带通滤波器去滤除能量,降低Casorati奇异值分解矩阵中的干扰,还利用高通滤波器和低通滤波器进行不同的目标滤除,有效降低了干扰因素,进而提高图像的准确性和清晰性;通过将滤波后的分解矩阵进行反Casorati分解将滤波后的分解矩阵复原到降采转换为Casorati奇异值分解矩阵之前的形式,实现逆转换,并且利用重构得到新的矩阵,而且随机抽取能够有效利用随机性避免故意状况的发生,降低人为因素的影响。
本发明提供的一个实施例中,针对滤波后微细血流信号进行延时相关,包括:零延时相关和固定延时相关,将滤波后微细血流信号通过零延时相关进行计算得到的多普勒血流强度信号,然后针对多普勒血流强度信号进行求模与阈值压缩,得到多普勒血流强度信号MVI图像;将滤波后微细血流信号通过固定延时相关进行计算得到的多普勒血流速度信号,然后针对多普勒血流速度信号进行反正切函数计算与速度转换,得到多普勒血流速度MVI图像。
上述技术方案针对滤波后微细血流信号进行延时相关时分为零延时相关和固定延时相关,对滤波后微细血流信号进行延时相关时,分别通过如下公式将滤波后微细血流信号通过零延时相关进行计算得到的多普勒血流强度信号以及将滤波后微细血流信号通过固定延时相关进行计算得到的多普勒血流速度信号;
其中,WFIQ代表滤波后的IQ数据;EL代表Ensemble的长度;i,j分别代表空间中的行坐标,列坐标;k为时间序坐标;R0(i,j)代表零延时相关;R1(i,j)代表固定延时相关;
然后针对多普勒血流强度信号进行求模与阈值压缩,得到多普勒血流强度信号MVI图像;针对多普勒血流速度信号进行反正切函数计算与速度转换,得到多普勒血流速度MVI图像。其中,多普勒血流强度信号MVI图像和多普勒血流速度MVI图像如图7所示。上述技术方案通过零延时相关和固定延时相关使得从滤波后微细血流信号中分别得到多普勒血流强度信号和多普勒血流速度信号,进而能够分别根据多普勒血流强度信号和多普勒血流速度信号获得多普勒血流强度信号MVI图像和多普勒血流速度MVI图像。
本领域技术人员应当理解的是,本发明中的第一、第二仅仅指的是不同应用阶段而已。
本领域技术客户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于超快平面波复合超声微细血流成像方法,其特征在于,包括:
确定MVI多普勒取值范围,并根据MVI多普勒取值范围确定发射脉冲重复频率,针对MVI信号进行信号处理,得到MVI平面波;
在发射MVI平面波的序列中单位时间内前1/2时间均匀插入B模式的K个偏转角度的平面波,得到平面波B/MVI交替序列,确定B/MVI发射比例;
针对成像区域内的背向散射RF信号分开采样,得到RF信号采集信息;
对RF信号采集信息进行正交解调,得到IQ信号,并针对IQ信号进行平面波波束合成重建,得到合成后的IQ信号;
将合成后的IQ信号中的MVI图像帧以固定包长进行分组,并以随机空间降采样法将单组内的图像降采转换为Casorati奇异值分解矩阵;
对Casorati奇异值分解矩阵进行滤波,并将滤波后的分解矩阵进行反Casorati分解得到滤波后微细血流信号;
针对滤波后微细血流信号进行延时相关,得到多普勒血流强度信号和多普勒血流速度信号,并根据多普勒血流强度信号和多普勒血流速度信号分别得到多普勒血流速度MVI图像和多普勒血流强度信号MVI图像。
2.根据权利要求1所述的方法,其特征在于,针对MVI信号进行信号处理时,透过控制端激励向MVI信号关键区域加宽1.2倍大小区域,发射3—5个偏转角度的平面波。
3.根据权利要求1所述的方法,其特征在于,平面波B/MVI交替序列在单位时间T内,前1/2时间跟随MVI平面波发射模块发射B模式平面波模块,而且平面波B/MVI交替序列是根据发射脉冲重复频率进行等距排列发射。
4.根据权利要求1所述的方法,其特征在于,针对成像区域内的背向散射RF信号分开采样时,针对平面波B模式进行全幅采样,针对MVI平面波对信号关键区拓宽1.2倍大小的部分进行采样。
5.根据权利要求1所述的方法,其特征在于,对RF信号采集信息进行正交解调之后还针对得到的IQ信号进行带宽处理,将IQ信号降低回波后的带宽,得到处理后的IQ信号,然后针对处理后的IQ信号进行平面波波束合成重建,获得合成后的IQ信号;其中,合成后的IQ信号包括:B模式图像帧与MVI图像帧,针对合成后的IQ信号中的B模式图像帧进行B模式的处理。
6.根据权利要求5所述的方法,其特征在于,针对IQ信号进行平面波波束合成重建时,采用延时叠加算法、自适应波束合成法、空间复合法中的一种或多种;当采用空间复合法进行平面波波束合成重建时,将接收到的超声信号研发设线相对于探头法线方向的交收偏转角进行波前延时转换,并将接收线沿着探头法线方向的一帧图像作为基础对其他图像进行坐标转换,然后在坐标转换后的坐标系中进行加权平均处理,得到边缘平滑后的信号,将边缘平滑后的信号与归一化后的信号进行叠加,得到合成后的IQ信号。
7.根据权利要求1所述的方法,其特征在于,将合成后的IQ信号中的MVI图像帧以固定包长进行分组时,针对合成后的IQ信号中的MVI图像帧进行单一包长取样,结合血流图像灵敏度对包长进行调整,确定包长,根据确定的包长把合成后的IQ信号中的MVI图像帧分成多组。
8.根据权利要求7所述的方法,其特征在于,将单组内的图像降采转换为Casorati奇异值分解矩阵时,利用空间信息数据结合时间信息将每一组数据中的每帧同步空间数据变形得到Casorati数据矩阵,针对Casorati数据矩阵进行奇异值分解,将Casorati数据矩阵分解成空间奇异向量矩阵、奇异值矩阵和时间奇异向量矩阵,得到Casorati奇异值分解矩阵。
9.根据权利要求8所述的方法,其特征在于,对Casorati奇异值分解矩阵进行滤波时利用带通滤波器去滤除能量,带通滤波器是基于奇异值矩阵中的奇异值满足M-P分布,以高通滤波器滤除多普勒频率低于60Hz的信号滤除组织噪声信号,对于高阶噪声,计算i阶奇异值分布曲线导数至不变化阶段截点,脱离血流有效信号区域,以低通滤波器滤除高于该截点信号滤除大部分的高阶噪声信号得到滤波后的分解矩阵;
将滤波后的分解矩阵进行反Casorati分解之后还针对反Casorati分解后的矩阵进行重构,在反Casorati分解后的矩阵中进行随机抽选,并分多次进行矩阵构建,得到多个构建矩阵。
10.根据权利要求1所述的方法,其特征在于,针对滤波后微细血流信号进行延时相关,包括:零延时相关和固定延时相关,将滤波后微细血流信号通过零延时相关进行计算得到的多普勒血流强度信号,然后针对多普勒血流强度信号进行求模与阈值压缩,得到多普勒血流强度信号MVI图像;将滤波后微细血流信号通过固定延时相关进行计算得到的多普勒血流速度信号,然后针对多普勒血流速度信号进行反正切函数计算与速度转换,得到多普勒血流速度MVI图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127078.9A CN116172612B (zh) | 2023-02-02 | 2023-02-02 | 一种基于超快平面波复合超声微细血流成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310127078.9A CN116172612B (zh) | 2023-02-02 | 2023-02-02 | 一种基于超快平面波复合超声微细血流成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116172612A CN116172612A (zh) | 2023-05-30 |
CN116172612B true CN116172612B (zh) | 2023-12-15 |
Family
ID=86432327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310127078.9A Active CN116172612B (zh) | 2023-02-02 | 2023-02-02 | 一种基于超快平面波复合超声微细血流成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116172612B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117017348A (zh) * | 2023-08-01 | 2023-11-10 | 逸超医疗科技(北京)有限公司 | 一种基于秩分解滤波的超声微细血流成像方法 |
CN117726561B (zh) * | 2024-02-05 | 2024-05-03 | 深圳皓影医疗科技有限公司 | 一种血管内超声图像处理方法及相关装置、存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004016322A (ja) * | 2002-06-13 | 2004-01-22 | Hitachi Medical Corp | 超音波診断装置 |
CN102481142A (zh) * | 2009-08-31 | 2012-05-30 | 百胜集团 | 用于超声检测并形成血液动力信息,具体地说静脉血流信息的图像的方法和装置 |
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 |
CN106483507A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 一种高重频脉冲多普勒雷达体制下减小遮挡效应的方法 |
CN106725599A (zh) * | 2016-12-30 | 2017-05-31 | 飞依诺科技(苏州)有限公司 | 一种基于平面波的成像方法及装置 |
WO2018058606A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声血流运动谱的显示方法及其超声成像系统 |
JP2019092672A (ja) * | 2017-11-20 | 2019-06-20 | コニカミノルタ株式会社 | 超音波信号処理装置、超音波診断装置、および、超音波信号処理方法 |
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 |
CN113288214A (zh) * | 2021-06-29 | 2021-08-24 | 逸超科技(北京)有限公司 | 超声多普勒频谱数据的处理方法、设备及可读存储介质 |
CN113413167A (zh) * | 2021-06-28 | 2021-09-21 | 云南大学 | 一种超声平面波复合成像方法及系统 |
WO2021189671A1 (zh) * | 2020-03-26 | 2021-09-30 | 深圳开立生物医疗科技股份有限公司 | 超声多普勒血流成像方法、装置、设备及可读存储介质 |
JP2021178007A (ja) * | 2020-05-14 | 2021-11-18 | 株式会社日立製作所 | 超音波診断装置及び送信方法 |
CN113662586A (zh) * | 2021-09-17 | 2021-11-19 | 苏州平面波生物医疗科技有限公司 | 一种用于超快超声微血流成像的互相关降噪方法 |
CN114129190A (zh) * | 2021-11-30 | 2022-03-04 | 深圳先进技术研究院 | 全眼微血流的成像方法、装置及电子设备和存储介质 |
CN114533122A (zh) * | 2022-03-11 | 2022-05-27 | 清华大学 | 一种超声微血流成像的信号处理方法和系统 |
CN114569152A (zh) * | 2022-01-10 | 2022-06-03 | 华南理工大学 | 一种基于稀疏脉冲的血管流速估计方法 |
CN115517710A (zh) * | 2022-09-30 | 2022-12-27 | 飞依诺科技股份有限公司 | 基于调整平面波发射角度数的造影成像方法、系统及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7578792B2 (en) * | 2003-07-21 | 2009-08-25 | Siemens Medical Solutions Usa, Inc. | Automatic optimization in spectral Doppler ultrasound imaging |
US10542961B2 (en) * | 2015-06-15 | 2020-01-28 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
JP2021058583A (ja) * | 2019-10-04 | 2021-04-15 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置、及び検査方法 |
JP7472691B2 (ja) * | 2020-07-09 | 2024-04-23 | コニカミノルタ株式会社 | 超音波診断装置、および、超音波信号処理方法 |
-
2023
- 2023-02-02 CN CN202310127078.9A patent/CN116172612B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004016322A (ja) * | 2002-06-13 | 2004-01-22 | Hitachi Medical Corp | 超音波診断装置 |
CN102481142A (zh) * | 2009-08-31 | 2012-05-30 | 百胜集团 | 用于超声检测并形成血液动力信息,具体地说静脉血流信息的图像的方法和装置 |
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 |
CN106483507A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 一种高重频脉冲多普勒雷达体制下减小遮挡效应的方法 |
WO2018058606A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声血流运动谱的显示方法及其超声成像系统 |
CN106725599A (zh) * | 2016-12-30 | 2017-05-31 | 飞依诺科技(苏州)有限公司 | 一种基于平面波的成像方法及装置 |
JP2019092672A (ja) * | 2017-11-20 | 2019-06-20 | コニカミノルタ株式会社 | 超音波信号処理装置、超音波診断装置、および、超音波信号処理方法 |
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 |
WO2021189671A1 (zh) * | 2020-03-26 | 2021-09-30 | 深圳开立生物医疗科技股份有限公司 | 超声多普勒血流成像方法、装置、设备及可读存储介质 |
JP2021178007A (ja) * | 2020-05-14 | 2021-11-18 | 株式会社日立製作所 | 超音波診断装置及び送信方法 |
CN113413167A (zh) * | 2021-06-28 | 2021-09-21 | 云南大学 | 一种超声平面波复合成像方法及系统 |
CN113288214A (zh) * | 2021-06-29 | 2021-08-24 | 逸超科技(北京)有限公司 | 超声多普勒频谱数据的处理方法、设备及可读存储介质 |
CN113662586A (zh) * | 2021-09-17 | 2021-11-19 | 苏州平面波生物医疗科技有限公司 | 一种用于超快超声微血流成像的互相关降噪方法 |
CN114129190A (zh) * | 2021-11-30 | 2022-03-04 | 深圳先进技术研究院 | 全眼微血流的成像方法、装置及电子设备和存储介质 |
CN114569152A (zh) * | 2022-01-10 | 2022-06-03 | 华南理工大学 | 一种基于稀疏脉冲的血管流速估计方法 |
CN114533122A (zh) * | 2022-03-11 | 2022-05-27 | 清华大学 | 一种超声微血流成像的信号处理方法和系统 |
CN115517710A (zh) * | 2022-09-30 | 2022-12-27 | 飞依诺科技股份有限公司 | 基于调整平面波发射角度数的造影成像方法、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于平面波的高帧频向量血流成像;周密;周浩;郑音飞;;浙江大学学报(工学版)(07);全文 * |
基于超声平面波的功率多普勒成像方法研究;叶为镪;郭宁;王丛知;黎国锋;徐长喜;梁柳嫦;邱维宝;;集成技术(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116172612A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116172612B (zh) | 一种基于超快平面波复合超声微细血流成像方法 | |
US20180192989A1 (en) | Methods and systems for ultrasonic imaging | |
US7874988B2 (en) | Ultrasonic diagnostic apparatus and ultrasonic transmission method | |
CN105596032B (zh) | 超声波诊断装置以及控制方法 | |
JP5858783B2 (ja) | 非集束送信ビームを用いる高フレームレートの量的ドップラーフローイメージング | |
CN106063710B (zh) | 一种超声成像方法、系统及装置 | |
JP5627890B2 (ja) | 最適なスペックル追跡のための二重経路処理 | |
US8734352B2 (en) | Spatially-fine shear wave dispersion ultrasound vibrometry sampling | |
EP2771712B1 (en) | Spread spectrum coded waveforms in ultrasound imaging | |
KR101511083B1 (ko) | 합성 영상을 이용한 조직 도플러 영상 생성 장치 및 방법 | |
EP2610641B1 (en) | Ultrasound and system for forming a Doppler ultrasound image | |
JP2007518512A (ja) | 心筋灌流を表示するための画像分割 | |
JP4320392B2 (ja) | 高歪みレート除去フィルタ処理のための方法及び装置 | |
WO2017051903A1 (ja) | 超音波診断システム及び超音波診断方法 | |
KR101138613B1 (ko) | 컬러 도플러 모드 영상을 처리하는 초음파 시스템 및 방법 | |
CN106461766B (zh) | 来自多个声学窗口的同步相控阵列数据采集 | |
CN114533122A (zh) | 一种超声微血流成像的信号处理方法和系统 | |
CN109259801B (zh) | 一种剪切波弹性成像方法及装置 | |
CN113413167B (zh) | 一种超声平面波复合成像方法及系统 | |
US10667792B2 (en) | Ultrasonic diagnostic apparatus, ultrasonic image processing apparatus and ultrasonic diagnostic apparatus control method | |
KR20090042153A (ko) | 영상 움직임 추정 및 보상 장치와 그 방법 | |
CN108652666A (zh) | 一种多普勒血流成像的生成方法和装置 | |
JP4537754B2 (ja) | 超音波診断装置及びパルスドプラ計測装置 | |
US20220054104A1 (en) | Ultrasonic diagnostic device and image processing device | |
Song et al. | Comb‐push Ultrasound Shear Elastography |
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 |