CN1586411A - 一种二维综合互相关的生物组织位移估计方法 - Google Patents
一种二维综合互相关的生物组织位移估计方法 Download PDFInfo
- Publication number
- CN1586411A CN1586411A CN 200410070183 CN200410070183A CN1586411A CN 1586411 A CN1586411 A CN 1586411A CN 200410070183 CN200410070183 CN 200410070183 CN 200410070183 A CN200410070183 A CN 200410070183A CN 1586411 A CN1586411 A CN 1586411A
- Authority
- CN
- China
- Prior art keywords
- data
- cross
- tissue
- correlation function
- displacement
- 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.)
- Granted
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006835 compression Effects 0.000 claims abstract description 62
- 238000007906 compression Methods 0.000 claims abstract description 62
- 238000005314 correlation function Methods 0.000 claims description 85
- 239000000523 sample Substances 0.000 claims description 35
- 241001269238 Data Species 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 210000001519 tissue Anatomy 0.000 description 89
- 230000008520 organization Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 3
- 208000026310 Breast neoplasm Diseases 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 201000008275 breast carcinoma Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000011549 displacement method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 208000000571 Fibrocystic breast disease Diseases 0.000 description 1
- 208000037396 Intraductal Noninfiltrating Carcinoma Diseases 0.000 description 1
- 206010027457 Metastases to liver Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 208000033781 Thyroid carcinoma Diseases 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 208000011803 breast fibrocystic disease Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000028715 ductal breast carcinoma in situ Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 201000003159 intraductal papilloma Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000008807 pathological lesion Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 201000001514 prostate carcinoma Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 201000002510 thyroid cancer Diseases 0.000 description 1
- 208000013077 thyroid gland carcinoma Diseases 0.000 description 1
- 238000002113 ultrasound elastography Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种二维综合互相关的生物组织位移估计方法,属于超声弹性成像技术领域,本方法包括从组织压缩前、后的二维射频信号中分别取出第m+1条扫描线的数据,m为二维综合互相关的综合系数,从压缩前的扫描线数据中取多个小段长度为T的数据,求各小段数据与压缩后扫描线数据互相关函数,对各相关函数进行加权平均,得到二维综合互相关函数,该各互相关函数的最大值对应的位置是各段数据对应的位移,同样得到各条扫描线数据对应的组织的位移估计;本发明通过综合考虑相邻的多条扫描线数据的信息,来减小组织横向位移引入的误差,较好地实现抑制由组织横向位移引入的组织纵向位移估计及应变估计误差,从而提高组织纵向位移估计的精度。
Description
技术领域
本发明属于超声弹性成像技术领域,特别涉及生物组织位移估计方法。
背景技术
生物组织弹性模量的变化通常与其病理现象有关。例如,恶性的病理损害,例如乳房硬癌、前列腺癌、甲状腺癌及肝转移等,通常表现为硬的小结。乳房硬癌是乳腺癌的最常见形式,大约占乳腺癌总数的四分之三,由于其基质密度增大而表现为致密的硬块。而其他类型的乳腺癌如导管内癌和乳头状瘤则表现为柔软的组织,良性的乳腺纤维囊性病也很少表现为硬块。
生物组织的弹性模量信息对于疾病的诊断过程具有重要的参考价值。然而,包括X射线成像、超声成像、计算机断层成像(CT)和磁共振成像(MRI)等在内的传统医学成像模态都不能直接提供关于弹性模量这一组织的基本力学属性的信息。1991年,J.Ophir提出超声弹性成像(ultrasound elastography)的方法,对组织的弹性模量分布进行定量估计、成像。目前,超声弹性模量已经成为医学超声成像的一个研究热点,广泛应用于乳房、前列腺、动脉粥样斑块、心肌动力学以及高强度聚焦超声与射频消融引起的损害(lesion)的检测与评估。
超声弹性成像的基本原理为:将超声探头嵌于一块挤压平板中,沿着探头的纵向压缩组织,分别采集组织压缩前、后的射频信号;组织被压缩时,组织内将会产生一个沿压缩方向的应变,如果组织内部弹性模量分布不均匀,组织内的应变分布也会有所差异;弹性模量较大的区域,引起的应变比较小;反之,弹性模量较小的区域,相应的应变比较大。通过一些方法估计出组织内部不同位置的位移,从而计算出组织内部的应变分布情况,用来间接描述组织内部的弹性模量分布,从而描述组织的生理、病理状态。
对于二维超声弹性成像,一般采用线阵的B型超声探头,采集组织压缩前、后的探头每一条扫描线的射频信号,分别进行上面描述的位移估计,从而计算出每一条扫描线对应组织的一维应变分布。最后把所有扫描线对应的一维应变分布按扫描线顺序组成一个二维应变分布,以灰度图或者伪彩图的形式表示,用来间接描述组织内部的弹性模量分布。
一般的超声弹性成像方法包括以下步骤:
1.利用商用B型超声仪器(一般采用线阵探头)得到待测生物组织(一般为人体组织,也可以为动物组织,以下简称组织)压缩前的一幅数字化的二维射频信号(可以采用模拟射频信号输出端接信号放大器,再接高速数据采集卡,得到数字化的二维射频信号;也可以在数字化B型超声仪器上直接得到数字化的二维射频信号);
2.手持该B型超声仪器的探头或者利用步进电机或者螺旋装置驱动该探头,沿着探头的纵向对该组织施加一个微小的挤压(组织的压缩量一般控制在为1%的数量级),得到组织压缩后的一幅数字化的二维射频信号;
3.从步骤1和2的得到的组织压缩前、后的二维射频信号中分别取出第一条扫描线的数据,设为s1(n)和s2(n),n表示该两条扫描线上的数据序号,1≤n≤nmax,n的最大值nmax由该B型超声仪器的探查深度、发射的超声波在组织中的传播速度以及射频信号的采样频率决定;
4.从该扫描线数据s1(n)中取一小段长度为T的数据d1,其数据个数为U,U=round(T×U1),其中,T的单位为mm,U1代表1mm的组织对应的数据个数,由发射的超声波在组织中的传播速度以及射频信号的采样频率决定,round(·)代表四舍五入的取整操作,该数据d1的序号从n1到n1+U-1,n1可在1≤n1≤U的范围内选择;在τ1到τ2确定的搜索范围内求该小段数据与扫描线数据s2(n)的互相关函数R(τ),计算公式如下
其中i为计算过程中表示数据序号的循环变量,τ1为0,τ2为对组织施加的压缩量,以采样数据的个数表示;(为了提高位移估计的精度,一般还需要对计算得到互相关函数进行插值,如抛物线插值);
5.确定步骤4得到的互相关函数R(τ)的最大值对应的位置t1,t1就是数据d1在组织压缩后的位移(即s1(n)中的序号从n1到n1+U-1的小段数据d1的在组织压缩后移动到s2(n)中的序号从n1-t1到n1+U-1-t1的位置);
6.依次从扫描线数据s1(n)中取一小段长度为T即数据个数为U的数据d2、d3、…、dN,每段数据的序号依次错开V个采样数据(如V=round(0.4×T×U0)、V=round(0.5×T×U0)等),直到再错开V个采样数据将超出s1(n)的范围,按步骤4、5相同的方法依次得到各段数据对应的位移t2、t3、…、tN,其中N为小段数据的总数;则位移序列t1、t2、…、tN为第一条扫描线数据s1(n)对应的组织的位移估计;
7.利用与步骤3-6相同的方法,依次得到第2、3、…、M条扫描线数据对应的组织的位移估计,其中M为表示探头的扫描线总数,由探头决定;
8.对第一条扫描线数据s1(n)对应的组织的位移估计序列t1、t2、…、tN求差分,得到组织第一条扫描线s1(n)对应组织的应变分布,计算公式如下,
其中,ε1、ε2、…、εN-1分别为d1、d2、…、dN-1对应的组织应变;
9.利用与步骤8相同的方法,依次得到组织第2、3、…、M条扫描线数据对应的组织的应变分布;
10.将步骤9得到的M条扫描线数据对应的应变分布,按照扫描线的顺序组合成一个二维数据,并以灰度图或者伪彩图的形式表示出来,就得到组织的二维应变分布图。
在超声弹性成像中,关键的问题在于对组织的位移分布进行估计,也就是上面描述的方法的步骤3-7。互相关函数的值越大,说明压缩前、后的小段数据吻合得越好,互相关函数的最大值位置代表了压缩前的小段数据在压缩后对应的位置,从而可以求出该小段数据的位移,也就是该小段数据对应的组织的位移。
超声弹性成像中,对组织施加一个小的压缩量,利用互相关分析估计的组织位移是纵向位移,即沿压缩方向的位移。但是,对组织施加一个小的压缩量的时候,组织的运动是很复杂的,受到组织内部弹性模量分布、组织的几何形状、边界条件等因素的影响。组织不仅沿着压缩方向(即线阵探头的纵向)有一个压缩,沿着垂直于压缩方向的方向(包括线阵探头的横向以及垂直于探头扫描平面的方向)也会膨胀。研究表明,沿着垂直于压缩方向的位移会引起压缩前、后信号的互相关函数的幅度降低,也就是说,压缩前、后信号的相似性降低。而超声弹性成像正是利用压缩前、后信号的相似性来跟踪组织位移的,所以,沿着垂直于压缩方向的位移会使得组织位移估计的精度降低。并且,垂直于探头扫描平面方向的位移的影响比横向位移的影响小,所以,减少沿着垂直于压缩方向的位移的影响,主要是减小垂直于探头扫描平面的方向的位移影响。
上述的位移估计方法中是对每一条扫描线的信号进行互相关分析,得到组织的位移估计,组织横向位移引入的影响较大,组织纵向位移估计的精度较差,应变分布估计的信噪比较低。
发明内容
本发明的目的是为克服已有技术的不足之处,提出了一种二维综合互相关的组织位移估计方法,能够充分利用从商用B型超声仪器得到的射频信号的二维信息,通过综合考虑相邻的多条扫描线数据的信息,来减小组织横向位移引入的误差,较好地实现抑制由组织横向位移引入的组织纵向位移估计及应变估计误差,从而提高组织纵向位移估计的精度。
本发明提出的一种二维综合互相关的组织位移估计方法,包括以下步骤:
1.从组织压缩前、后的二维射频信号中分别取出第m+1条扫描线的数据,设为s1,m+1(n)和s2,m+1(n),n表示该两条扫描线上的数据序号,1≤n≤nmax,n的最大值nmax由该B型超声仪器的探查深度、发射的超声波在组织中的传播速度以及射频信号的采样频率决定,m为二维综合互相关的综合系数,m为整数(其取值范围最好为1≤m≤5);
2.从该扫描线数据s1,m+1(n)中取一小段长度为T的数据d1,m+1,其数据个数为U,U=round(T×U1),其中,T的单位为mm,U1代表1mm的组织对应的数据个数,由发射的超声波在组织中的传播速度以及射频信号的采样频率决定,round(·)代表四舍五入的取整操作,该数据d1,m+1的序号从n1到n1+U-1,n1可在1≤n1≤U的范围内选择;在τ1到τ2确定的搜索范围内求该小段数据与扫描线数据s2,m+1(n)的互相关函数Rm+1(τ),计算公式如下
其中i为计算过程中表示数据序号的循环变量,τ1为0,τ2为对组织施加的的压缩量,以采样数据的个数表示;
3.依次从组织压缩前、后的二维射频信号中取出第m+1条扫描线的前m条和后m条扫描线的数据,即第1到m条扫描线和第m+2到2m+1条扫描线的数据,压缩前、后的扫描线数据分别设为s1,1(n)、s1,2(n)、…s1,m(n)、s1,m+2(n)、s1,m+3(n)、…、s1,2m+1(n)和s2,1(n)、s2,2(n)、…、s2,m(n)、s2,m+2(n)、s2,m+3(n)、…、s2,2m+1(n),依次取与d1,m+1同样长度(T)和同样序号(序号从n1到n1+U-1)的一小段数据d1,1(n)、d1,2(n)、…、d1,m(n)、d1,m+2(n)、d1,m+3(n)、…、d1,2m+1(n),利用与步骤2相同的计算方法,在τ1到τ2确定的搜索范围内分别求小段数据d1,1(n)、d1,2(n)、…、d1,m(n)、d1,m+2(n)、d1,m+3(n)、…d1,2m+1(n)与对应的压缩后的扫描线数据的互相关函数,即求d1,1(n)与s2,1(n)的互相关函数R1(τ),求d1,2(n)与s2,2(n)的互相关函数R2(τ),…,求d1,m(n)与s2,m(n)的互相关函数Rm(τ),求d1,m+2(n)与s2,m+2(n)的互相关函数Rm+2(τ),求d1,m+3(n)与s2,m+3(n)的互相关函数Rm+3(τ),…,求d1,2m+1(n)与s2,2m+1(n)的互相关函数R2m+1(τ);
4.对步骤2-3得到的互相关函数R1(τ)、R2(τ)、…、Rm(τ)、Rm+1(τ)、Rm+2(τ)、…、R2m+1(τ)进行加权平均,得到包含了射频信号二维信息的复合的互相关函数,即二维综合互相关函数Rm+1′(τ),计算公式如下
其中,αk代表各扫描线数据对应互相关函数的权重,αk>0(-m≤k≤m),并且所有扫描线数据对应互相关函数的权重之和为1,即
(为了提高位移估计的精度,一般还需要对该二维综合互相关函数Rm+1′(τ)进行插值,如抛物线插值);
5.确定该互相关函数Rm+1′(τ)的最大值对应的位置t1,t1就是数据d1,m+1在组织压缩后的位移,即s1,m+1(n)中序号从n1到n1+U-1的小段数据d1,m+1在组织压缩后移动到s2,m+1(n)中的序号从n1-t1到n1+U-1-t1的位置;
6.依次从该扫描线数据s1,m+1(n)中取一小段长度为T即数据个数为U的数据d2,m+1、d3,m+1、…、dN,m+1,每段数据的序号依次错开V个采样数据(如V=round(0.4×T(1)×U0)、V=round(0.5×T(1)×U0)等),直到再错开V个采样数据将超出s1,m+1(n)的范围,按步骤2-5相同的方法依次得到各段数据对应的位移t2、t3、…、tN,其中N为小段数据的总数;则位移序列t1、t2、…、tN为第m+1条扫描线数据s1,m+1(n)对应的组织的位移估计;
7.利用与步骤1-4相同的方法,依次得到第m+2、m+3、…、M-m条扫描线数据对应的组织的位移估计,其中M为表示探头的扫描线总数,由探头决定。
本发明的原理:
本发明方法是在计算第j(m+1≤j≤M-m)条扫描线的压缩前数据中的某个跟踪波段的位移时,不仅计算该跟踪波段与第j扫描线的压缩后数据的互相关函数,还计算和第j条扫描线相邻的2m条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段和对应的压缩后数据的互相关函数,即计算了从第j-m到第j+m的2m+1条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段和对应的压缩后数据的互相关函数,将计算得到的2m+1个互相关函数进行加权平均,得到包含了射频信号二维信息的复合的互相关函数,即二维综合互相关函数。
如图1所示,在计算第j(m+1≤j≤M-m)条扫描线的压缩前数据中的某个跟踪波段的位移时,采用从第j-m到第j+m的2m+1条扫描线11,计算每条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段和对应的压缩后数据12之间的互相关函数13,并将计算得到的2m+1个互相关函数13进行加权平均14,得到二维综合互相关函数15,利用二维综合互相关函数15进行组织纵向位移的估计。
由于受到各种因素的影响,压缩前、后的信号必然包含有信号成分和噪声成分。这样,压缩前、后射频信号之间的互相关函数也包含了信号成分和噪声成分。
本发明提出的二维综合互相关的方法的基本思路就是对多条扫描线对应的压缩前、后射频信号之间的互相关函数进行加权平均,得到包含了射频信号二维信息的复合的互相关函数,从而突出互相关函数中的信号成分,而互相关函数中由组织横向位移影响引入的噪声成分抵消了一部分。这样,组织横向位移引入的噪声减少,加权平均后利用互相关函数来估计组织的位移精度更高。同时,其他噪声也得到一定程度的抵消,从而进一步提高了组织纵向位移估计的精度。
如果相邻的2m+1条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段的位移相同,在没有噪声的理想情况下,他们与对应的压缩后数据的互相关函数的最大值位置相同,而在含有噪声例如组织横向位移引入的噪声的情况下,这些互相关函数的最大值位置存在一定的偏差。本发明提出的二维综合互相关的组织位移估计方法,就是将这些互相关函数进行加权平均,从而减小由于噪声例如组织横向位移引入的噪声干扰导致的偏差,从而提高组织纵向位移估计的精度。
如果相邻的2m+1条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段的位移存在一些差异,则本发明提出的二维综合互相关的组织位移估计方法的得到的综合互相关函数的为相邻的2m+1条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段与对应的压缩后数据之间的互相关函数的平滑化结果,对组织纵向位移估计也取到一定的平滑作用,从而消除噪声的干扰,提高组织纵向位移估计的精度。同时,该方法也导致超声弹性成像的横向分辨率的减小。一般情况下,采用商用B型超声仪器的探头(一般为线阵探头)的扫描线之间间距较小(如0.1mm的数量级),当采用不太多的若干条扫描线(m≤5表示扫描线数目不超过11条)的压缩前数据中的相同长度、相同位置的跟踪波段与对应的压缩后数据之间的互相关函数进行加权平均后,对成像的横向分辨率的影响并不明显,而又能提高组织纵向位移估计的精度。
影响二维综合互相关方法的参数包括综合系数m与各扫描线信号互相关的权重αk(-m≤k≤m)。在实际的应用中,如果m的取值过大,将会减小超声弹性成像的横向分辨率;取值过小,则二维综合互相关方法的效果不明显。一般m的取值为1,或2。权重αk(-m≤k≤m)的取值有多种方法,简单的,可以令各扫描线数据对应的互相关函数的权重相等,均为1/(2m+1),也可以为其他的满足αk>0(-m≤k≤m)和 的加权方式。
如果m=0,或者α-m=α-m+1=…=α-1=α1=α2=…=αm=0,α0=1,则
Rj+1′(τ)=Rj+1(τ)
表示这时候的二维综合互相关函数退化成为一般方法采用的互相关函数,由于该方法没有充分利用射频信号的二维信息,容易受到组织横向位移的影响,从而影响组织纵向位移估计的精度。
因此,本发明提出的二维综合互相关的组织位移估计方法,要求满足m≥1和αk>0(-m≤k≤m)。
本发明提出的二维综合互相关的组织位移估计方法,提高了第m+1条到第M-m条扫描线对应的组织位移估计的精度。对于第1到第m条扫描线以及第M-m+1到第M条扫描线,可以不进行组织位移估计,这将减小超声弹性成像的横向范围(即扫描线数目),但是由于数目较小(m≤5表示扫描线数目不超过11条),在最后的二维应变分布图上并不明显;也可以采用一般的方法进行组织位移估计,从而不减小超声弹性成像的横向范围;虽然这些扫描线位于探头的边缘,组织横向位移的影响较大,但是由于数目较小,在最后的二维应变分布图上也不明显。
本发明的特点:
1)综合相邻的多条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段与对应的压缩后数据之间的多个互相关函数进行组织纵向位移估计;
2)将上述的多个互相关函数进行加权平均,得到包含了射频信号二维信息的复合的互相关函数,即二维综合互相关函数;
3)利用上述的二维综合互相关函数进行组织纵向位移估计,从而减小组织横向位移的影响。
附图说明
图1为本发明提出的二维综合互相关的组织位移估计的的示意图。
图2为本实施例的计算机仿真的组织模型;
图3为利用有限元分析计算得到的组织应变分布的理想结果;
图4为一般的组织位移估计方法得到的组织应变分布的计算机仿真结果;
图5为综合系数m=1的二维综合互相关的组织位移估计方法得到的组织应变分布的计算机仿真结果;
图6为综合系数m=2的二维综合互相关的组织位移估计方法得到的组织应变分布的计算机仿真结果。
具体实施方式
本发明提出的二维综合互相关的组织位移估计方法结合具体实施例及附图详细
说明如下:
实施例1利用计算机程序和一般的超声散射模型仿真得到一块模拟的组织在压缩前和压缩后的二维射频信号。模拟的组织结构如图2所示,组织21大小60×60mm2,组织内分布有3个弹性模量较大的圆形异物22、23、24,它们的弹性模量是组织1的2倍,它们的直径均为5mm;组织压缩比为1%,即压缩量为0.6mm;探头中心频率为3.5MHz,-3dB带宽为2.0MHz,探头扫描线宽度和间隔分别为2mm和0.4mm,探头宽度和组织宽度一致,也是60mm,因此总共有151条扫描线,即M=151,并且探头中央部位和探头边缘部位分别对应组织中央部位和组织边缘部位;射频信号的采样频率为20MHz,假设超声波在组织内的传播速度为1540m/s,因此1mm的组织长度对应1mm/(1540×103mm/s×1/20×106/2)Hz≈26个数据,因为组织深度为60mm,所以,每一条扫描线的数据为60×26=1560个,对组织施加的压缩量以采样数据的个数表示为60×1%×26≈16个采样数据。
图3表示利用美国MSC公司的MARC软件进行有限元分析,计算得到的该实施例采用的组织模型的理想的应变分布。横向和纵向分别表示组织的横向位置和纵向位置(即组织深度),灰度表示计算出来的理想应变的大小,灰度值越大(即颜色越亮或越白),表示应变越大,灰度值越小(即颜色越暗或越黑),表示应变越小,31为灰度值与应变大小的对照关系。图3中,较暗的区域(即32-34)与弹性模量较大的组织层(即图2中的22-24)对应,说明弹性模量较大的区域应变较小。
本实施例中,m的取值为1,令各扫描线数据对应的互相关函数的权重αk(-m≤k≤m)相等,均为1/(2m+1),即为1/3;跟踪波段的长度T取3mm,即跟踪波段的数据个数为26×3=78个,相邻的跟踪波段错开26个采样数据,即V=26。
利用本发明提出的二维综合互相关的组织位移估计方法,估计出第m+1条到第M-m条扫描线对应的组织位移,从而得到对应的应变分布;而对于第1到第m条扫描线以及第M-m+1到第M条扫描线,不进行组织位移估计,减小超声弹性成像的横向范围(即扫描线数目),但是由于数目较小(m≤5表示扫描线数目不超过11条),影响不大。
本实施例的具体步骤如下:
1.从组织压缩前、后的二维射频信号(计算机仿真得到)中分别取出第一条扫描线的数据,设为s1,m+1(n)和s2,m+1(n),1≤n≤1560,m为二维综合互相关方法的综合系数,m=1;
2.从该扫描线数据s1,m+1(n)中取一小段长度为T的数据d1,m+1,T=3mm,其数据个数为U,U=78,该数据的序号从13到90;在0到16的搜索范围内求该小段数据与扫描线数据s2,m+1(n)的互相关函数Rm+1(τ),计算公式如下
其中i为计算过程中表示数据序号的循环变量;
3.依次从组织压缩前、后的二维射频信号中取出第m+1条扫描线的前m条和后m条扫描线的数据,即第1到m条扫描线和第m+2到2m+1条扫描线的数据,压缩前、后的扫描线数据分别设为s1,1(n)、s1,2(n)、…s1,m(n)、s1,m+2(n)、s1,m+3(n)、…、s1,2m+1(n)和s2,1(n)、s2,2(n)、…、s2,m(n)、s2,m+2(n)、s2,m+3(n)、…、s2,2m+1(n),依次取与d1,m+1同样长度(3mm)和同样序号(序号从13到90)的一小段数据d1,1(n)、d1,2(n)、…、d1,m(n)、d1,m+2(n)、d1,m+3(n)、…、d1,m+1(n),利用与步骤2相同的计算方法,在0到16的的搜索范围内分别求小段数据d1,1(n)、d1,2(n)、…、d1,m(n)、d1,m+2(n)、d1,m+3(n)、…d1,2m+1(n)与对应的压缩后的扫描线数据的互相关函数,即求d1,1(n)与s2,1(n)的互相关函数R1(τ),求d1,2(n)与s2,2(n)的互相关函数R2(τ),…,求d1,m(n)与s2,m(n)的互相关函数Rm(τ),求d1,m+2(n)与s2,m+2(n)的互相关函数Rm+2(τ),求d1,m+3(n)与s2,m+3(n)的互相关函数Rm+3(τ),…,求d1,2m+1(n)与s2,2m+1(n)的互相关函数R2m+1(τ);
4.对步骤2-3得到的互相关函数R1(τ)、R2(τ)、…、Rm(τ)、Rm+1(τ)、Rm+2(τ)、…、R2m+1(τ)进行加权平均,得到包含了射频信号二维信息的复合的互相关函数,即二维综合互相关函数Rm+1′(τ),计算公式如下
其中,αi代表各扫描线数据对应互相关函数的权重,αk=1/(2m+1)(-m≤k≤m);(为了提高位移估计的精度,一般还需要对该二维综合互相关函数Rm+1′(τ)进行插值,如抛物线插值);
5.确定该互相关函数Rm+1′(τ)的最大值对应的位置t1,t1就是数据d1,m+1在组织压缩后的位移(即s1,m+1(n)中序号从13到90的小段数据d1,m+1在组织压缩后移动到s2,m+1(n)中的序号从13-t1到90-t1的位置);
6.依次从该扫描线数据s1,m+1(n)中取一小段长度为3mm即数据个数为78的数据d2,m+1、d3,m+1、…、dN,m+1,每段数据的序号依次错开26个采样数据(即V=26),直到再错开26个采样数据将超出s1,m+1(n)的范围,按步骤2-5相同的方法依次得到各段数据对应的位移t2、t3、…、tN,其中N为小段数据的总数,N=60;则位移序列t1、t2、…、tN为第m+1条扫描线数据s1,m+1(n)对应的组织的位移估计;
7.利用与步骤1-4相同的方法,依次得到第m+2、m+3、…、M-m条扫描线数据对应的组织的位移估计,其中M为表示探头的扫描线总数,M=151;
在计算第j(m+1≤j≤M-m)条扫描线的压缩前数据中的某个跟踪波段的位移时,计算了从第j-m到第j+m的2m+1条扫描线的压缩前数据中的相同长度、相同位置的跟踪波段和对应的压缩后数据的互相关函数,将计算得到的2m+1个互相关函数进行加权平均,得到二维综合互相关函数,利用二维综合互相关函数进行组织纵向位移的估计。
实施例2的组织模型和参数设计和实施例1相同,只是m的取值为2,各扫描线数据对应的互相关函数的权重αk(-m≤k≤m)均为1/5,具体步骤也同实施例1相同,只是在m和αk的取值不同。
实施例1和实施例2的位移估计效果与一般方法比较如下:
图4为一般的组织位移估计方法得到的组织应变分布的计算机仿真结果,即综合系数m为0时的结果;图5为实施例1的得到的组织应变分布的计算机仿真结果,即采用综合系数m为1的二维综合互相关的组织位移估计方法得到的结果;图6为实施例2的得到的组织应变分布的计算机仿真结果,即采用综合系数m为2的二维综合互相关的组织位移估计方法得到的结果;图4-6中,横向和纵向分别表示组织的横向位置和纵向位置(即组织深度),灰度表示估计出来的应变大小,灰度值越大(即颜色越亮或越白),表示应变越大,灰度值越小(即颜色越暗或越黑),表示应变越小,41、51和61分别为图4、图5和图6的灰度值与应变大小的对照关系。
比较图4-6中的组织边缘部位42、43、52、53、62、63,可见,采用一般的组织位移估计方法时,组织横向位移引入的影响较大,组织纵向位移估计的精度较差,应变分布估计的信噪比较低。而采用m=1和m=2的二维综合互相关的组织位移估计方法,可以减小由于组织横向位移引入的影响,提高纵向位移估计的精度,提高应变分布估计的信噪比。并且,m越大,二维综合互相关的方法的效果越明显。
Claims (2)
1、一种二维综合互相关的组织位移估计方法,包括以下步骤:
1)从组织压缩前、后的二维射频信号中分别取出第m+1条扫描线的数据,设为s1,m+1(n)和s2,m+1(n),n表示该两条扫描线上的数据序号,1≤n≤nmax,n的最大值nmax由该B型超声仪器的探查深度、发射的超声波在组织中的传播速度以及射频信号的采样频率决定,m为二维综合互相关的综合系数,m为整数;
2.)从该扫描线数据s1,m+1(n)中取一小段长度为T的数据d1,m+1,其数据个数为U,U=round(T×U1),其中,T的单位为mm,U1代表1mm的组织对应的数据个数,由发射的超声波在组织中的传播速度以及射频信号的采样频率决定,round(·)代表四舍五入的取整操作,该数据d1,m+1的序号从n1到n1+U-1,n1在1≤n1≤U的范围内选择;在τ1到τ2确定的搜索范围内求该小段数据与扫描线数据s2,m+1(n)的互相关函数Rm+1(τ),计算公式如下
其中i为计算过程中表示数据序号的循环变量,τ1为0,τ2为对组织施加的的压缩量,以采样数据的个数表示;
3)依次从组织压缩前、后的二维射频信号中取出第m+1条扫描线的前m条和后m条扫描线的数据,即第1到m条扫描线和第m+2到2m+1条扫描线的数据,压缩前、后的扫描线数据分别设为s1,1(n)、s1,2(n)、…s1,m(n)、s1,m+2(n)、s1,m+3(n)、…、s1,2m+1(n)和s2,1(n)、s2,2(n)、…、s2,m(n)、s2,m+2(n)、s2,m+3(n)、…、s2,2m+1(n),依次取与d1,m+1同样长度和同样序号的一小段数据d1,1(n)、d1,2(n)、…、d1,m(n)、d1,m+2(n)、d1,m+3(n)、…、d1,2m+1(b),利用与步骤2相同的计算方法,在τ1到τ2确定的搜索范围内分别求小段数据d1,1(n)、d1,2(n)、…、d1,m(n)、d1,m+2(n)、d1,m+3(n)、…d1,2m+1(n)与对应的压缩后的扫描线数据的互相关函数,即求d1,1(n)与s2,1(n)的互相关函数R1(τ),求d1,2(n)与s2,2(n)的互相关函数R2(τ),…,求d1,m(n)与s2,m(n)的互相关函数Rm(τ),求d1,m+2(n)与s2,m+2(n)的互相关函数Rm+2(τ),求d1,m+3(n)与s2,m+3(n)的互相关函数Rm+3(τ),…,求d1,2m+1(n)与s2,2m+1(n)的互相关函数R2m+1(τ);
4)对步骤2-3得到的互相关函数R1(τ)、R2(τ)、…、Rm(τ)、Rm+1(τ)、Rm+2(τ)、…、R2m+1(τ)进行加权平均,得到包含了射频信号二维信息的复合的互相关函数,即二维综合互相关函数Rm+1′(τ),计算公式如下
其中,αk代表各扫描线数据对应互相关函数的权重,αk>0(-m≤k≤m),并且所有扫描线数据对应互相关函数的权重之和为1,即
5)确定该互相关函数Rm+1′(τ)的最大值对应的位置t1,t1就是数据d1,m+1在组织压缩后的位移,即s1,m+1(n)中序号从n1到n1+U-1的小段数据d1,m+1在组织压缩后移动到s2,m+1(n)中的序号从n1-t1到n1+U-1-t1的位置;
6)依次从该扫描线数据s1,m+1(n)中取一小段长度为T即数据个数为U的数据d2,m+1、d3,m+1、…、dN,m+1,每段数据的序号依次错开V个采样数据,直到再错开V个采样数据将超出s1,m+1(n)的范围,按步骤2-5相同的方法依次得到各段数据对应的位移t2、t3、…、tN,其中N为小段数据的总数;则位移序列t1、t2、…、tN为第m+1条扫描线数据s1,m+1(n)对应的组织的位移估计;
7)利用与步骤1-4相同的方法,依次得到第m+2、m+3、…、M-m条扫描线数据对应的组织的位移估计,其中M为表示探头的扫描线总数,由探头决定。
2、如权利要求1所述的二维综合互相关的组织位移估计方法,其特征在于,所述的二维综合互相关的综合系数1≤m≤5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100701830A CN1313056C (zh) | 2004-08-06 | 2004-08-06 | 一种二维综合互相关的生物组织位移估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100701830A CN1313056C (zh) | 2004-08-06 | 2004-08-06 | 一种二维综合互相关的生物组织位移估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1586411A true CN1586411A (zh) | 2005-03-02 |
CN1313056C CN1313056C (zh) | 2007-05-02 |
Family
ID=34604427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100701830A Expired - Fee Related CN1313056C (zh) | 2004-08-06 | 2004-08-06 | 一种二维综合互相关的生物组织位移估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1313056C (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102078205A (zh) * | 2011-03-04 | 2011-06-01 | 深圳市一体医疗科技股份有限公司 | 一种测量粘弹性介质弹性的位移估计方法及应用方法 |
CN102525568A (zh) * | 2012-01-17 | 2012-07-04 | 北京索瑞特医学技术有限公司 | 一种弹性减影成像方法 |
CN102764141A (zh) * | 2012-07-20 | 2012-11-07 | 中国科学院深圳先进技术研究院 | 弹性成像方法和系统及其中的生物组织位移估计方法和系统 |
CN102920485A (zh) * | 2012-10-30 | 2013-02-13 | 浙江大学 | 一种超声弹性成像中生物组织二维位移场的估计方法 |
CN102973296A (zh) * | 2012-11-16 | 2013-03-20 | 清华大学 | 一种血管组织位移估算方法 |
CN103040488A (zh) * | 2012-12-21 | 2013-04-17 | 深圳大学 | 一种实时超声弹性成像位移估计方法和系统 |
CN103211625A (zh) * | 2013-01-11 | 2013-07-24 | 深圳市恩普电子技术有限公司 | 基于弹性成像的生物位移计算方法 |
CN103735287A (zh) * | 2013-12-05 | 2014-04-23 | 中国科学院苏州生物医学工程技术研究所 | 一种血管内超声弹性成像二维多级混合位移估计方法 |
CN104799816A (zh) * | 2015-04-17 | 2015-07-29 | 上海交通大学 | 神经电极植入损伤与微动损伤的评估装置 |
CN107095692A (zh) * | 2016-02-19 | 2017-08-29 | 乐普(北京)医疗器械股份有限公司 | 超声波成像系统、超声波成像方法及一维位移扫描方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6270459B1 (en) * | 1998-05-26 | 2001-08-07 | The Board Of Regents Of The University Of Texas System | Method for estimating and imaging of transverse displacements, transverse strains and strain ratios |
US8041415B2 (en) * | 2002-07-31 | 2011-10-18 | Tsuyoshi Shiina | Ultrasonic diagnosis system and strain distribution display method |
-
2004
- 2004-08-06 CN CNB2004100701830A patent/CN1313056C/zh not_active Expired - Fee Related
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102078205A (zh) * | 2011-03-04 | 2011-06-01 | 深圳市一体医疗科技股份有限公司 | 一种测量粘弹性介质弹性的位移估计方法及应用方法 |
CN102525568A (zh) * | 2012-01-17 | 2012-07-04 | 北京索瑞特医学技术有限公司 | 一种弹性减影成像方法 |
CN102764141A (zh) * | 2012-07-20 | 2012-11-07 | 中国科学院深圳先进技术研究院 | 弹性成像方法和系统及其中的生物组织位移估计方法和系统 |
CN102920485A (zh) * | 2012-10-30 | 2013-02-13 | 浙江大学 | 一种超声弹性成像中生物组织二维位移场的估计方法 |
CN102973296A (zh) * | 2012-11-16 | 2013-03-20 | 清华大学 | 一种血管组织位移估算方法 |
CN103040488A (zh) * | 2012-12-21 | 2013-04-17 | 深圳大学 | 一种实时超声弹性成像位移估计方法和系统 |
CN103211625A (zh) * | 2013-01-11 | 2013-07-24 | 深圳市恩普电子技术有限公司 | 基于弹性成像的生物位移计算方法 |
CN103211625B (zh) * | 2013-01-11 | 2015-08-19 | 深圳市恩普电子技术有限公司 | 基于弹性成像的生物位移计算方法 |
CN103735287A (zh) * | 2013-12-05 | 2014-04-23 | 中国科学院苏州生物医学工程技术研究所 | 一种血管内超声弹性成像二维多级混合位移估计方法 |
CN103735287B (zh) * | 2013-12-05 | 2015-11-18 | 中国科学院苏州生物医学工程技术研究所 | 一种血管内超声弹性成像二维多级混合位移估计方法 |
CN104799816A (zh) * | 2015-04-17 | 2015-07-29 | 上海交通大学 | 神经电极植入损伤与微动损伤的评估装置 |
CN107095692A (zh) * | 2016-02-19 | 2017-08-29 | 乐普(北京)医疗器械股份有限公司 | 超声波成像系统、超声波成像方法及一维位移扫描方法 |
CN107095692B (zh) * | 2016-02-19 | 2024-02-09 | 乐普(北京)医疗器械股份有限公司 | 超声波成像系统、超声波成像方法及一维位移扫描方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1313056C (zh) | 2007-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1313054C (zh) | 一种多尺度的生物组织位移估计方法 | |
US7025725B2 (en) | Three-dimensional ultrasound computed tomography imaging system | |
Coila et al. | Regularized spectral log difference technique for ultrasonic attenuation imaging | |
Chaturvedi et al. | 2-D companding for noise reduction in strain imaging | |
US10004474B2 (en) | Tissue density quantification using shear wave information in medical ultrasound scanning | |
US9140781B2 (en) | Imaging method and apparatus using shear waves | |
CN102940510B (zh) | 一种超声弹性成像的自动对焦方法 | |
CN104622509A (zh) | 超声波诊断装置以及弹性评价方法 | |
EP0658091A1 (en) | Method and apparatus for elastographic measurement and imaging | |
CN1313056C (zh) | 一种二维综合互相关的生物组织位移估计方法 | |
CN1792335A (zh) | 基于声透镜的光声成像和层析成像方法及其装置 | |
CN101053531A (zh) | 基于多模式增敏成像融合的早期肿瘤定位跟踪方法 | |
US20220361848A1 (en) | Method and system for generating a synthetic elastrography image | |
AU660034B2 (en) | Method for elastographic measurement and imaging | |
CN1313055C (zh) | 采用两种尺度的生物组织位移估计方法 | |
Manickam et al. | Study of ultrasound stiffness imaging methods using tissue mimicking phantoms | |
CN1319492C (zh) | 一种变尺度的生物组织位移估计方法 | |
CN110075430B (zh) | 一种基于信息熵的超声空化实时监测方法及系统 | |
Oh et al. | A neural framework for multi-variable lesion quantification through b-mode style transfer | |
CN1298290C (zh) | 超声弹性成像的平衡测压装置 | |
CN108784736B (zh) | 一种二维迭代的超声弹性成像应变估计方法 | |
CN101055213A (zh) | 基于组织特征的分段式实时无损温度测量方法 | |
Francois Dord et al. | Validation of quantitative linear and nonlinear compression elastography | |
CN111616740B (zh) | 基于经验模态分解的超声背散射零差k成像方法 | |
CN110084772B (zh) | 基于弯曲波的mri/ct融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070502 Termination date: 20100806 |