CN117688373A - 一种快速电磁波热致声成像去噪方法及装置 - Google Patents
一种快速电磁波热致声成像去噪方法及装置 Download PDFInfo
- Publication number
- CN117688373A CN117688373A CN202311701781.2A CN202311701781A CN117688373A CN 117688373 A CN117688373 A CN 117688373A CN 202311701781 A CN202311701781 A CN 202311701781A CN 117688373 A CN117688373 A CN 117688373A
- Authority
- CN
- China
- Prior art keywords
- matrix
- electromagnetic wave
- acoustic
- thermo
- iteration
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 138
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000000513 principal component analysis Methods 0.000 claims abstract description 27
- 230000005236 sound signal Effects 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 5
- 230000003416 augmentation Effects 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000002679 ablation Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 206010055031 vascular neoplasm Diseases 0.000 description 1
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种快速电磁波热致声成像去噪方法及装置，该方法包括：将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵；根据二维矩阵构建鲁棒主成分分析理论模型，使用鲁棒主成分分析理论构建优化问题，迭代求解该优化问题，当优化问题满足迭代收敛条件时停止迭代，取出迭代得到的低秩矩阵的最后一列，展开并且作为当前帧的新的电磁波热致声信号；使用成像算法得到电磁波热致声图像。本发明充分利用多帧电磁波热致声信号之间的相关性获取有用信号的先验信息，可以适应运动目标并且从中获取有用信号；因此，本发明可有效改善电磁波热致声成像中存在的背景噪声以及受到的外部干扰问题，提高成像质量。
Description
技术领域
本发明属于电磁波热致声成像领域，包含微波热声成像领域和光声成像领域，尤其涉及一种快速电磁波热致声成像去噪方法及装置。
背景技术
电磁波热致声成像，包括微波热声成像和光声成像，是一种新型的医学成像技术。其综合了电磁波成像的高对比度以及超声成像的高分辨率，从而在乳腺癌、脑出血、脂肪肝、微波消融、血管肿瘤、血氧饱和度测量等医学领域中有良好的应用前景。电磁波热致声成像利用电磁波作为激发源，生物组织在电磁波作用下产生热弹性膨胀，从而产生超声波，产生的超声波被阵列超声探头接收，进而使用成像算法进行成像。
电磁波热致声成像经常遇到噪声干扰。一方面包括来自介质的热噪声和来自传感器的电子噪声，归结为电磁波热致声图像中的背景噪声。背景噪声通常与接收到的信号混合。与信号幅度相比，这些噪声相对较小并且随机分布。另一方面，受到辐射的换能器本身也会受到电磁波的干扰，产生较强的干扰信号。干扰引起的噪声幅度远远超过有用信号。干扰和背景噪声严重影响电磁波热致声图像的质量，从而影响医生读片和对病症的判断。所以，去除电磁波热致声成像中电磁波的干扰以及降低背景噪声的影响变得至关重要。
现有技术中的去除背景噪声的去噪方法，包括频域滤波、时频方法、深度学习方法等，大多基于单帧信号去噪，无法去除强干扰。对于电磁波干扰的解决方案包括帧平均、频域滤波和一些时频方法。其中，滤波方法要求信号和干扰的频谱不能混叠，时频方法需要信号轮廓的先验信息。然而，这些条件在实际的电磁波热致声成像中往往得不到满足。值得一提的是帧平均方法，它利用多帧信息来增强信号并抑制干扰。然而，它也有局限性。首先，由于干扰并不是完全随机的，因此只能减少干扰的影响，而不能真正消除干扰。其次，帧平均会降低帧率，如果提高系统帧率，会导致微波能量积累，带来安全风险。最后，实际生物体会因呼吸、心跳和运动而导致电磁波热致声图像结果的快速变化。这时，帧平均法就会带来严重的误差。
有研究在光声成像中提出了一种基于奇异值分解的方法来解决中激光的干扰。该方法对单帧的光声图像矩阵做奇异值分解，通过手动截断奇异值分离干扰和有用信号。然而，该方法仅针对并行采集期间的规则干扰。而且，奇异值分解方法有两个众所周知的局限性。首先，需要根据经验手动截断奇异值分离，这对应于信号和干扰子空间的秩选择，而奇异值分解对此选择敏感。其次，奇异值分解的鲁棒性较差。当信号中存在大量随机噪声时，奇异值分解很容易失效。
因此，如何实现能够有效抑制噪声、能够去除强干扰、能够适应生物体运动、无需手动调节参数且运行速度快的电磁波热致声成像去噪方法至关重要。
发明内容
基于现有技术中存在的上述问题，本发明实施例提供一种快速电磁波热致声成像去噪方法及装置，实现能够有效抑制噪声、能够去除强干扰、能够适应生物体运动、无需手动调节参数且运行速度快的电磁波热致声成像去噪方法。
本发明提出的快速电磁波热致声成像去噪方法，包括以下步骤：
步骤1：将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵M；
步骤2：根据二维矩阵构建鲁棒主成分分析理论模型，将二维矩阵中的有用信号视为低秩部分，将二维矩阵中的噪声或干扰视为稀疏部分，得到低秩特性的有用信号矩阵L、稀疏特性的噪声矩阵S，表示如下：
M＝L+S(1)
步骤3：使用鲁棒主成分分析理论构建优化问题并进行迭代求解，当优化问题满足迭代收敛条件时停止迭代，得到最终的有用信号矩阵L＊；
步骤4：取出迭代得到的最终的有用信号矩阵L*最后一列，展开并且作为当前帧的新的电磁波热致声信号；
步骤5：使用成像算法得到电磁波热致声图像。
作为优选，多帧多通道电磁波热致声信号有当前帧和n-1个过去帧，每一帧为一个s×T的矩阵，合并重组后的二维矩阵
其中，n表示所采用电磁波热致声信号帧的个数，s表示采集系统中用于收集电磁波热致声信号的超声探头的个数，T表示电磁波热致声信号的采样点数，二维矩阵M的每一列为每一帧电磁波热致声信号矩阵拉伸的向量。
作为优选，使用主成分追踪方法将鲁棒主成分分析问题转化为凸优化问题，表示如下：
其中，ρ表示正则化参数，||·||*和||·||1分别表示矩阵的核范数和矩阵的l1范数，它们分别是矩阵的秩和矩阵的l0范数的凸松弛，l0范数为矩阵中非零元素的个数；s.t.为subject to的缩写，s.t.后面部分表示约束条件；
使用增广拉格朗日乘子法构建无约束凸优化问题，表示如下：
其中，表示构建的增广拉格朗日函数，Λ表示拉格朗日乘子，<·>表示内积，||·||F表示矩阵的Frobenius范数，μ表示自适应调节惩罚因子，:＝表示定义为；
然后采用交替方向法构建凸优化问题求解函数迭代求解，采用对称交替方向增广拉格朗日方法和自适应调节惩罚因子获得迭代最优解，即得到最终的有用信号矩阵L＊。
作为优选，迭代求解过程具体如下：
(·)k表示第k次迭代过程；更新第k+1次迭代的低秩特性有用信号矩阵Lk+1：
其中，Sk表示第k次迭代的稀疏特性噪声矩阵，Λk表示第k次迭代的拉格朗日乘子,μk表示第k次迭代的惩罚因子，使用奇异值阈值算子求解该最优化问题：
其中，表示奇异值阈值算子：
其中，M-S+μΛ＝U∑VT表示矩阵M-S+μΛ的奇异值分解，U表示左奇异向量矩阵，∑表示奇异值矩阵，V表示右奇异向量矩阵，(·)T表示矩阵的转置，Z1/μ(·)表示软阈值算子：
其中，sgn(·)表示符号函数，max表示最大值，x表示矩阵M-S+μΛ中的每一个元素；第一次更新拉格朗日乘子
更新第k+1次迭代的稀疏特性噪声矩阵Sk+1：
其中，使用软阈值算子求解该最优化问题：
其中，sgn(·)表示符号函数，max表示最大值，x′表示矩阵M-L+μΛ中的每一个元素，软阈值算子对矩阵的运算作用在矩阵的每一个元素上；
第二次更新拉格朗日乘子Λk+1：
更新第k+1次迭代的惩罚因子μk+1：
其中，η表示自适应调节惩罚因子的参数；
迭代相对误差小于误差限γ时或达到最大迭代次数K时终止迭代，得到最终的有用信号矩阵L*。
作为优选，当前帧的新的
作为优选，所述成像算法可选择任何电磁波热致声成像算法，例如延迟叠加算法、反投影算法、时间反转算法、基于模型的算法、深度学习算法。
本发明提出的快速电磁波热致声成像去噪装置，应用于本发明提出的快速电磁波热致声成像去噪方法，包括电磁波热致声信号采集模块，模型构建模块，快速鲁棒主成分分析去噪模块，实时电磁波热致声成像模块：
所述电磁波热致声信号采集模块用于实时接收当前帧的多通道电磁波热致声信号，数字化并行采集多通道电磁波热致声信号，同时实时保存数字化采集的结果；
所述模型构建模块用于将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵；基于二维矩阵构建鲁棒主成分分析理论模型；将二维矩阵中的有用信号建模为低秩部分，将信号矩阵中的噪声或干扰视为稀疏部分；
所述快速鲁棒主成分分析去噪模块用于使用鲁棒主成分分析理论构建优化问题，迭代求解该优化问题，当优化问题满足迭代收敛条件时停止迭代，得到矩阵分解后的低秩矩阵和稀疏矩阵；
所述实时电磁波热致声成像模块用于取出迭代得到的低秩矩阵的最后一列，展开并且作为当前帧的新的电磁波热致声信号；通过实时电磁波热致声成像装置驱动成像算法得到电磁波热致声图像。
一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现快速电磁波热致声成像去噪方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现快速电磁波热致声成像去噪方法的步骤。
与现有技术相比，本发明具有以下有益效果：
1.本发明提出的快速电磁波热致声成像去噪方法，该方法将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵，充分利用了多帧电磁波热致声信号之间的相关性，能够充分的利用信号和噪声的先验信息，从而达到更好的去噪效果；
2.本发明根据二维矩阵构建鲁棒主成分分析理论模型，将二维矩阵中的有用信号视为低秩部分，将信号矩阵中的噪声或干扰视为稀疏部分，在利用多帧电磁波热致声信号的同时，将有用信号建模为时空域上的低秩矩阵，良好建模了生物体运动导致的电磁波热致声信号在时域上的偏移，避免了帧平均方法在运动目标上出现的错误；
3.本发明使用鲁棒主成分分析理论构建优化问题，迭代求解该优化问题，当优化问题满足迭代收敛条件时停止迭代，得到矩阵分解后的低秩矩阵和稀疏矩阵，采用交替方向法构建凸优化问题求解函数迭代求解，采用对称交替方向增广拉格朗日方法和自适应惩罚因子获得迭代最优解，减小迭代过程的运算成本，使得去噪耗费极小的时间成本；
4.本发明没有选择对电磁波热致声图像直接做矩阵分解，而是对多帧的原始电磁波热致声信号作矩阵分解后再成像，可以最大化的保留原始信号中有用信号和噪声干扰的特性，实现更高效率的去噪。该方法能够完全去除电磁波热致声成像中电磁波对成像系统的干扰，能够良好的降低电磁波热致声图像中的热噪声和电子噪声等背景噪声的影响，得到更清晰、更全面的电磁波热致声图像，解决现有技术存在的问题，为医生对于电磁波热致声图像的读片和病症的判断提供了重要帮助；
5.本发明提出的快速电磁波热致声成像去噪装置，通过将系统划分为电磁波热致声信号采集模块，模型构建模块，快速鲁棒主成分分析去噪模块，实时电磁波热致声成像模块，实现快速的电磁波热致声成像去噪。采用模块化思想使得各模块独立工作，方便管理。
附图说明
为更清楚说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中快速电磁波热致声成像去噪方法的流程图；
图2为本发明实施例中微波热声成像的结果示意图；
图3为本发明实施例中光声成像的结果示意图；
图4为本发明实施例中快速电磁波热致声成像去噪装置的结构图；
图5为本发明实施例中电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1是根据本发明实施例一的快速电磁波热致声成像去噪方法的流程图，包括以下步骤：
S1、将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵；
多帧多通道电磁波热致声信号为当前帧和n-1个过去帧，每一帧为一个s×T的矩阵，合并重组后的二维矩阵
其中，n表示所采用电磁波热致声信号帧的个数，s表示用于收集电磁波热致声信号的超声探头的个数，T表示电磁波热致声信号的采样点数，M矩阵的每一列为每一帧电磁波热致声信号矩阵拉伸的向量。
S2、根据二维矩阵构建鲁棒主成分分析理论模型，将二维矩阵中的有用信号视为低秩部分，将二维矩阵中的噪声或干扰视为稀疏部分；
根据二维矩阵M构建的鲁棒主成分分析理论模型如下：
M＝L+S (1)
其中，L表示低秩特性的有用信号矩阵，S表示稀疏特性的噪声矩阵。
S3、使用鲁棒主成分分析理论构建优化问题，迭代求解该优化问题，当优化问题满足迭代收敛条件时停止迭代，得到最终的有用信号矩阵L＊，具体如下：
本实施例使用主成分追踪方法将鲁棒主成分分析问题转化为凸优化问题，表示如下：
其中，ρ表示正则化参数，||·||*和||·||1分别表示矩阵的核范数和矩阵的l1范数，它们分别是矩阵的秩和矩阵的l0范数的凸松弛，l0范数为矩阵中非零元素的个数；s.t.为subject to的缩写，s.t.后面部分表示约束条件；
使用增广拉格朗日乘子法构建无约束凸优化问题，表示如下：
其中，表示构建的增广拉格朗日函数，Λ表示拉格朗日乘子，<·>表示内积，||·||F表示矩阵的Frobenius范数，μ表示自适应调节惩罚因子，:＝表示定义为；
然后采用交替方向法构建凸优化问题求解函数迭代求解，采用对称交替方向增广拉格朗日方法和自适应调节惩罚因子获得迭代最优解，减小迭代过程的运算成本。
具体的，(·)k表示第k次迭代过程；更新第k+1次迭代的低秩特性有用信号矩阵Lk +1：
其中，Sk表示第k次迭代的稀疏特性噪声矩阵，Λk表示第k次迭代的拉格朗日乘子,μk表示第k次迭代的惩罚因子，使用奇异值阈值算子求解该最优化问题：
其中，表示奇异值阈值算子：
其中，M-S+μΛ＝U∑VT表示矩阵M-S+μΛ的奇异值分解，U表示左奇异向量矩阵，∑表示奇异值矩阵，V表示右奇异向量矩阵，(·)T表示矩阵的转置，Z1/μ(·)表示软阈值算子：
其中，sgn(·)表示符号函数，max表示最大值，x表示矩阵M-S+μΛ中的每一个元素；软阈值算子对矩阵的运算作用在矩阵的每一个元素上；
第一次更新拉格朗日乘子
更新第k+1次迭代的稀疏特性噪声矩阵Sk+1：
其中，使用软阈值算子求解该最优化问题：
其中，sgn(·)表示符号函数，max表示最大值，x′表示矩阵M-L+μΛ中的每一个元素，软阈值算子对矩阵的运算作用在矩阵的每一个元素上；
第二次更新拉格朗日乘子Λk+1：
更新第k+1次迭代的惩罚因子μk+1：
μk+1:＝η×μk (13)
其中，η表示自适应调节惩罚因子的参数；
迭代相对误差小于误差限γ时或达到最大迭代次数K时终止迭代，得到最终的有用信号矩阵L*。
S4、取出迭代得到的低秩矩阵的最后一列，展开并作为当前帧的新的电磁波热致声信号；具体的，当前帧的新的
S5、对新的电磁波热致声信号矩阵使用延迟叠加算法得到电磁波热致声图像。
实施例二
图2是根据本发明实施例二的微波热声成像的结果示意图。
该实施例为使用微波热声成像实时监测微波消融的结果，其中，微波热声成像算法使用延迟叠加算法；图2的a是原始的微波热声图像，可以看出，由于微波消融的连续微波源的干扰，微波热声图像出现分布不规则的干扰，其幅值远大于有用信号，使得无法准确监测消融过程，无法准确评估消融灶；图2的b是本发明所述的快速电磁波热致声成像去噪方法去噪后的成像结果，可以看出，本发明所述方法完全去除掉了微波源的干扰，使得微波热声图像清晰可见，从而医生可以准确的评估消融灶的大小。
实施例三
图3是根据本发明实施例三的光声成像的结果示意图。
该实施例为使用光声成像实时监测手臂血管的结果，其中，光声成像算法使用延迟叠加算法；图2的a是原始的光声图像，可以看出，采集系统中存在的一些电子噪声，光声图像出现线条状的噪声，并且组织和血管的分界面不清晰，信噪比较低；图2的b是本发明所述的快速电磁波热致声成像去噪方法去噪后的成像结果，可以看出，本发明所述方法去除掉了电子噪声，并且加强了信号的幅值，使得组织和血管的分界面更清晰，信噪比大大提升。
实施例四
图4是根据本发明实施例四的快速电磁波热致声成像去噪装置的结构图，应用于本发明提出的快速电磁波热致声成像去噪方法，包括电磁波热致声信号采集模块，模型构建模块，快速鲁棒主成分分析去噪模块，实时电磁波热致声成像模块：
所述电磁波热致声信号采集模块用于实时接收当前帧的多通道电磁波热致声信号，数字化并行采集多通道电磁波热致声信号，同时实时保存数字化采集的结果；
所述模型构建模块用于将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵；基于二维矩阵构建鲁棒主成分分析理论模型；将二维矩阵中的有用信号建模为低秩部分，将信号矩阵中的噪声或干扰视为稀疏部分；
所述快速鲁棒主成分分析去噪模块用于使用鲁棒主成分分析理论构建优化问题，迭代求解该优化问题，当优化问题满足迭代收敛条件时停止迭代，得到矩阵分解后的低秩矩阵和稀疏矩阵；
所述实时电磁波热致声成像模块用于取出迭代得到的低秩矩阵的最后一列，展开并且作为当前帧的新的电磁波热致声信号；通过实时电磁波热致声成像装置驱动成像算法得到电磁波热致声图像。
实施例五
图5是根据本发明实施例五的电子设备的结构图。
所述电子设备包括存储器和处理器，存储器存储有在处理器上实现快速电磁波热致声成像去噪方法的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种快速电磁波热致声成像去噪方法，其特征在于，包括以下步骤：
步骤1：将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵M；
步骤2：根据二维矩阵构建鲁棒主成分分析理论模型，将二维矩阵中的有用信号视为低秩部分，将二维矩阵中的噪声或干扰视为稀疏部分，得到低秩特性的有用信号矩阵L、稀疏特性的噪声矩阵S，表示如下：
M＝L+S (1)
步骤3：使用鲁棒主成分分析理论构建优化问题并进行迭代求解，当优化问题满足迭代收敛条件时停止迭代，得到最终的有用信号矩阵L＊；
步骤4：取出迭代得到的最终的有用信号矩阵L＊最后一列，展开并且作为当前帧的新的电磁波热致声信号；
步骤5：使用成像算法得到电磁波热致声图像。
2.根据权利要求1所述的一种快速电磁波热致声成像去噪方法，其特征在于，所述多帧多通道电磁波热致声信号有当前帧和n-1个过去帧，每一帧为一个s×T的矩阵，合并重组后的二维矩阵
其中，n表示所采用电磁波热致声信号帧的个数，s表示采集系统中用于收集电磁波热致声信号的超声探头的个数，T表示电磁波热致声信号的采样点数，二维矩阵M的每一列为每一帧电磁波热致声信号矩阵拉伸的向量。
3.根据权利要求2所述的一种快速电磁波热致声成像去噪方法，其特征在于，所述步骤3具体如下：
使用主成分追踪方法将鲁棒主成分分析问题转化为凸优化问题，表示如下：
其中，ρ表示正则化参数，||·||*和||·||1分别表示矩阵的核范数和矩阵的l1范数，它们分别是矩阵的秩和矩阵的l0范数的凸松弛，l0范数为矩阵中非零元素的个数；s.t.为subject to的缩写，s.t.后面部分表示约束条件；
使用增广拉格朗日乘子法构建无约束凸优化问题，表示如下：
其中，表示构建的增广拉格朗日函数，Λ表示拉格朗日乘子，<·>表示内积，||·||F表示矩阵的Frobenius范数，μ表示自适应调节惩罚因子，:＝表示定义为；
然后采用交替方向法构建凸优化问题求解函数迭代求解，采用对称交替方向增广拉格朗日方法和自适应调节惩罚因子获得迭代最优解，即得到最终的有用信号矩阵L＊。
4.根据权利要求3所述的一种快速电磁波热致声成像去噪方法，其特征在于，所述迭代求解过程具体如下：
(·)k表示第k次迭代过程；更新第k+1次迭代的低秩特性有用信号矩阵Lk+1：
其中，Sk表示第k次迭代的稀疏特性噪声矩阵，Λk表示第k次迭代的拉格朗日乘子,μk表示第k次迭代的惩罚因子，使用奇异值阈值算子求解该最优化问题：
其中，表示奇异值阈值算子：
其中，M-S+μΛ＝U∑VT表示矩阵M-S+μΛ的奇异值分解，U表示左奇异向量矩阵，∑表示奇异值矩阵，V表示右奇异向量矩阵，(·)T表示矩阵的转置，Z1/μ(·)表示软阈值算子：
其中，sgn(·)表示符号函数，max表示最大值，x表示矩阵M-S+μΛ中的每一个元素；
第一次更新拉格朗日乘子
更新第k+1次迭代的稀疏特性噪声矩阵Sk+1：
其中，使用软阈值算子求解该最优化问题：
其中，sgn(·)表示符号函数，max表示最大值，x′表示矩阵M-L+μΛ中的每一个元素，软阈值算子对矩阵的运算作用在矩阵的每一个元素上；
第二次更新拉格朗日乘子Λk+1：
更新第k+1次迭代的惩罚因子μk+1：
μk+1：＝η×μk (13)
其中，η表示自适应调节惩罚因子的参数；
迭代相对误差小于误差限γ时或达到最大迭代次数K时终止迭代，得到最终的有用信号矩阵L*。
5.根据权利要求4所述的一种快速电磁波热致声成像去噪方法，其特征在于，所述步骤4中当前帧的新的电磁波热致声信号矩阵
6.根据权利要求4所述的一种快速电磁波热致声成像去噪方法，其特征在于，所述成像算法为电磁波热致声成像算法，具体为延迟叠加算法、反投影算法、时间反转算法、基于模型的算法、深度学习算法。
7.一种快速电磁波热致声成像去噪装置，其特征在于，所述装置应用于权利要求1-6中任一所述的快速电磁波热致声成像去噪方法，包括电磁波热致声信号采集模块，模型构建模块，快速鲁棒主成分分析去噪模块，实时电磁波热致声成像模块：
所述电磁波热致声信号采集模块用于实时接收当前帧的多通道电磁波热致声信号，数字化并行采集多通道电磁波热致声信号，同时实时保存数字化采集的结果；
所述模型构建模块用于将采集系统采集的多帧多通道电磁波热致声信号向量化，合并重组为二维矩阵；基于二维矩阵构建鲁棒主成分分析理论模型；将二维矩阵中的有用信号建模为低秩部分，将信号矩阵中的噪声或干扰视为稀疏部分；
所述快速鲁棒主成分分析去噪模块用于使用鲁棒主成分分析理论构建优化问题，迭代求解该优化问题，当优化问题满足迭代收敛条件时停止迭代，得到矩阵分解后的低秩矩阵和稀疏矩阵；
所述实时电磁波热致声成像模块用于取出迭代得到的低秩矩阵的最后一列，展开并且作为当前帧的新的电磁波热致声信号；通过实时电磁波热致声成像装置驱动成像算法得到电磁波热致声图像。
8.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-6任一所述的快速电磁波热致声成像去噪方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一所述的快速电磁波热致声成像去噪方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311701781.2A CN117688373A (zh) | 2023-12-12 | 2023-12-12 | 一种快速电磁波热致声成像去噪方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311701781.2A CN117688373A (zh) | 2023-12-12 | 2023-12-12 | 一种快速电磁波热致声成像去噪方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117688373A true CN117688373A (zh) | 2024-03-12 |
Family
ID=90131444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311701781.2A Pending CN117688373A (zh) | 2023-12-12 | 2023-12-12 | 一种快速电磁波热致声成像去噪方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117688373A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117951650A (zh) * | 2024-03-27 | 2024-04-30 | 湖南大学 | 融合奇异谱分析与鲁棒子空间辨识的动态称量方法及系统 |
-
2023
- 2023-12-12 CN CN202311701781.2A patent/CN117688373A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117951650A (zh) * | 2024-03-27 | 2024-04-30 | 湖南大学 | 融合奇异谱分析与鲁棒子空间辨识的动态称量方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11589840B2 (en) | Methods for super-resolution ultrasound imaging of microvessels | |
| Wu et al. | Evaluation of various speckle reduction filters on medical ultrasound images | |
| Ouahabi | A review of wavelet denoising in medical imaging | |
| Bhateja et al. | A composite wavelets and morphology approach for ECG noise filtering | |
| CN117688373A (zh) | 一种快速电磁波热致声成像去噪方法及装置 | |
| KR20140139564A (ko) | Ｅｃｇ 모니터링을 위한 시스템들 및 방법들 | |
| Fotiadou et al. | Enhancement of low-quality fetal electrocardiogram based on time-sequenced adaptive filtering | |
| CN109003232B (zh) | 基于频域尺度平滑Shearlet的医学MRI图像去噪方法 | |
| Bhateja et al. | A novel approach for suppression of powerline interference and impulse noise in ECG signals | |
| Awasthi et al. | Sinogram super-resolution and denoising convolutional neural network (SRCN) for limited data photoacoustic tomography | |
| Judith et al. | Artifact removal from EEG signals using regenerative multi-dimensional singular value decomposition and independent component analysis | |
| Mir et al. | ECG denoising and feature extraction techniques–a review | |
| Pham et al. | Joint blind deconvolution and robust principal component analysis for blood flow estimation in medical ultrasound imaging | |
| Bigot | Fréchet means of curves for signal averaging and application to ECG data analysis | |
| Lu et al. | Model-based ECG denoising using empirical mode decomposition | |
| Kayhan et al. | ECG denoising on bivariate shrinkage function exploiting interscale dependency of wavelet coefficients | |
| Patil et al. | New approach of threshold estimation for denoising ECG signal using wavelet transform | |
| Ayat et al. | ECG denoising using modulus maxima of wavelet transform | |
| Cao et al. | Morphology extraction of fetal ECG using temporal CNN-based nonlinear adaptive noise cancelling | |
| CN109584322B (zh) | 基于频域方向平滑Shearlet医学PET图像去噪方法 | |
| John et al. | Total variation algorithms for PAT image reconstruction | |
| Sheer et al. | The effect of regularization parameter within non-blind restoration algorithm using modified iterative wiener filter for medical image | |
| Darsana et al. | Extracting Fetal ECG Signals Through a Hybrid Technique Utilizing Two Wavelet-Based Denoising Algorithms | |
| Zhang et al. | Heart rate measurement based on video acceleration magnification | |
| Kaur et al. | Adaptive wavelet thresholding for noise reduction in electrocardiogram (ECG) signals |
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 |