KR102606972B1 - 초음파 감쇠 파라미터를 추정하는 방법 및 시스템 - Google Patents

초음파 감쇠 파라미터를 추정하는 방법 및 시스템 Download PDF

Info

Publication number
KR102606972B1
KR102606972B1 KR1020210088382A KR20210088382A KR102606972B1 KR 102606972 B1 KR102606972 B1 KR 102606972B1 KR 1020210088382 A KR1020210088382 A KR 1020210088382A KR 20210088382 A KR20210088382 A KR 20210088382A KR 102606972 B1 KR102606972 B1 KR 102606972B1
Authority
KR
South Korea
Prior art keywords
medium
estimating
region
ultrasonic attenuation
parameters
Prior art date
Application number
KR1020210088382A
Other languages
English (en)
Other versions
KR20220007531A (ko
Inventor
크리스토프 프라친니
Original Assignee
수퍼소닉 이매진
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 수퍼소닉 이매진 filed Critical 수퍼소닉 이매진
Publication of KR20220007531A publication Critical patent/KR20220007531A/ko
Application granted granted Critical
Publication of KR102606972B1 publication Critical patent/KR102606972B1/ko

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/58—Testing, adjusting or calibrating the diagnostic device
    • A61B8/587—Calibration phantoms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52077—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging with means for elimination of unwanted signals, e.g. noise or interference
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52023—Details of receivers
    • G01S7/52036—Details of receivers using analysis of echo signal for target characterisation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • 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
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • 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
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • 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
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • G01N29/11—Analysing solids by measuring attenuation of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8977—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using special techniques for image reconstruction, e.g. FFT, geometrical transformations, spatial deconvolution, time deconvolution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52019—Details of transmitters
    • G01S7/5202—Details of transmitters for pulse systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52085—Details related to the ultrasound signal acquisition, e.g. scan sequences
    • G01S7/52095—Details related to the ultrasound signal acquisition, e.g. scan sequences using multiline receive beamforming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법에 있어서, 이 방법은 적어도 하나의 초음파 변환기(2)와 연관된 처리 유닛(8)에 의해 구현되고, 이 방법은, (a) 변환기에 의해 적어도 하나의 펄스가 매질에서 전송되는 전송 단계(101), (b) 펄스에 응답하여 변환기에 의해 데이터가 획득되는 수신 단계(102), (c) 영역의 후방 산란 획득 데이터를 제공하기 위해 처리 유닛에 의해 데이터가 처리되는 처리 단계(103), (d) 시공간 도메인에서 깊이의 함수인 후방 산란 획득 데이터의 자동 상관 함수가 결정되는 함수 결정 단계(104) - 자동 상관 함수는 0의 지연에서 결정됨 -, (e) 자동 상관 함수에 기초하여 초음파 감쇠 파라미터가 추정되는 감쇠 추정 단계(105)를 포함한다.

Description

초음파 감쇠 파라미터를 추정하는 방법 및 시스템{Method and system for estimating an ultrasound attenuation parameter}
본 발명은 특히 의료 이미징을 위해 상기 방법을 구현하는 이미징 방법 및 장치에 관한 것이다.
본 발명은 특히 매질 내 영역의 초음파 감쇠 파라미터를 추정하는 방법에 관한 것이며, 보다 정확하게는 매질 내부 영역의 국부 초음파 감쇠 파라미터를 추정하고 영상화 하는 방법에 관한 것이다. 방법은 상기 매질과 관련하여 복수의(예를 들어, 라인 또는 어레이) 변환기(transducer)에 연관된 처리 유닛에 의해 구현될 수 있다.
고전적인 초음파 영상은 주어진 지점에 초점을 맞추는 원통형 파를 가진 매질의 음향조사(insonification)로 구성된다. 이 단일 음향조사의 후방 산란 에코를 사용하여 동적 수신 빔 포밍 프로세스를 사용하여 이미지의 전체 라인을 계산한다. 완전한 이미지를 만들기 위해이 절차는 주어진 깊이(초점 평면이라고 함)에서 측면 선을 따라 스캔하는 집중된 파동 세트를 전송하여 반복된다. 각각의 집중된 파동에 대해 동적 빔 포밍이 수행되고 전체 이미지가 얻어지며 라인별로 구축된다. 동적 빔 포밍은 수신 모드에서 균일한 초점을 보장하는 반면, 전송 모드에서는 초점이 주어진 깊이에 고정된다. 최종 이미지는 초점면과 초점 축 길이에 해당하는 매질의 제한된 영역에서 최적이다. 그러나 회절 법칙에 의해 부과되는 이 영역 밖에서는 이미지 품질이 다른 깊이(집속된 빔의 근거리 및 원거리)에서 빠르게 저하된다.
이러한 한계를 극복하기 위해 고전적인 솔루션은 다중 초점 이미징(multi-focus imaging)을 수행하는 것이다. 이미지 전체에서 균일한 품질을 얻기 위해 서로 다른 전송 초점 깊이 아(transmit focal depths arc)를 사용한다. 주어진 초점 깊이에서 각 전송은 축 초점 거리로 구분된 영역에서 부분 이미지를 수행할 수 있다. 최종 이미지는 다양한 깊이에 해당하는 이러한 부분 이미지의 재조합을 사용하여 얻는다. 최적의 다중 초점 이미지에는 일반적으로 수십 개의 초점면(focal plane)이 필요하다. 이로 인해 초음파 이미징에 허용되지 않는 프레임 속도 제한(일반적으로 초당 10 프레임 미만)이 발생한다. 이미지 품질과 프레임 속도 사이의 좋은 절충안은 약 4 초점 깊이 이미지이다.
합성 동적 전송 초점(synthetic dynamic transmit focalization)을 수행하여 이미지 품질의 향상을 구상할 수 있다. 이러한 접근 방식은 빔 포밍을 통해 동적 전송 초점(즉, 이미지의 픽셀만큼 많은 초점 깊이)을 재 합성한 다음 여러 가지 음향조사(insonification)를 결합하는 것으로 구성된다.
더욱이, 개선된 합성 초음파 이미징 방법은 출원인이 제출한 EP2101191(A2)에서 알려져 있으며, 이는 예를 들어 US 6 551 246을 참조하는 미국 특허 출원에 의해 개시된 바와 같이 종래의 평면파 합성 초음파 이미징 방법(improve conventional plane wave synthetic ultrasound imaging)을 개선할 수 있게 한다.
유럽 특허 출원 EP2101191(A2)은 적어도 다음 단계를 포함하는 초음파 이미징 방법을 제안한다:
a) 복수의 초음파가 촬영된 영역으로 전송되고 각 초음파에 응답하여 변환기의 어레이에 의해 각각의 원시 데이터 세트가 획득되는 전송 단계 - 상기 초음파는 영역 내의 복수의 이미징 된 위치 각각에 대해 상이한 공간 주파수 콘텐츠를 갖고, 원시 데이터의 각 세트는 대응하는 초음파에 응답하여 변환기에 의해 수신된 시간 신호를 나타냄 -;
b) 이미지화 된 영역 내의 복수의 가상 전송 초점 영역(virtual transmit focal zon) 각각에 대해, 적어도 하나의 일관성 데이터 세트가 원시 데이터 세트로부터 합성되는 일관성을 향상하는 단계;
c) 각각의 가상 전송 초점 영역에 포함된 복수의 위치 각각에 대해 이미지 픽셀이 일관된 데이터 세트를 사용하여 빔 포밍에 의해 계산되는 빔 포밍 단계.
이러한 배치(disposition) 덕분에, 빔 포밍 이전 단계 b)에서 원시 데이터의 공간적 일관성이 복구되어 다양한 초음파의 전송에서 수신된 데이터를 정확하게 결합할 수 있다. 공간 일관성(spatial coherence)을 복구해야 하는 이유는 공간적으로 넓게 퍼진 파동장(wavefield)으로 이미지 영역을 비추는 경우 매질에서 되돌아오는 에코가 일관성이 없는 소스(incoherent)(산란기)에서 비롯된 파동장으로 볼 수 있으며, 이미지 영역: 따라서 파동장의 공간 일관성이 원시 데이터에서 손실된다(또는 매우 나쁘다). 빔 포밍은 일관성 복구 단계(coherence recovery step)에서 발생하는 일관성 데이터에 대해 수행되어 보다 정확한 이미지를 얻을 수 있다.
합성 빔 포밍(synthetic beamforming)이라고 할 수 있는 이 기술을 기반으로 WO2017093778(A1)은 스페클 노이즈(speckle noise)가 감소된 매질 내부 영역의 이미지를 생성하는 또 다른 이미징 방법을 개시한다. 이를 위해 방법은 다음 단계를 포함한다:
(a) 변환기에 의해 제1 복수의 파동이 매질 내부로 전송되는 전송 단계;
(b) 파동에 응답하여 데이터 세트가 상기 변환기에 의해 획득되는 수신 단계;
(c) 데이터 세트가 이미지의 적어도 일부의 빔 포밍 된 픽셀 값을 제공하기 위한 제2 복수의 빔 포밍 프로세스에 의해 처리되는 빔 포밍 단계 - 각 빔 포밍 프로세스는 전송 가중치 벡터로 생성된 파동에 해당하는 데이터 세트를 사용하거나 빔 포밍 된 픽셀 값의 계산에서 전송 가중치 벡터를 사용함 -, 및
(d) 상기 제2 복수의 빔 포밍 된 픽셀 값이 결합되어 이미지 내부 픽셀의 픽셀 값을 제공하는 결합 단계 - 전송 가중치 벡터가 서로 다르고 서로 직교함 -.
이러한 특징 덕분에 각 전송 가중치 벡터는 상관 관계가 없는 스페클 노이즈를 생성하고, 가중치 데이터의 조합을 통해 스페클 노이즈가 감소된 영역의 이미지를 계산할 수 있다.
그러나, 바람직하게 고려되어야 하는 초음파 영상의 또 다른 현상은 검사된 매질 내의 초음파 감쇠(ultrasound attenuation)이다. 초음파 감쇠는 전송된 초음파에 대한 반응에 직접적인 영향을 미친다. 따라서 감쇠는 미묘한 주파수 및 깊이 의존 현상을 구성한다. 따라서 조직 감쇠를 설명하기 위해 예를 들어 시간-이득 보상에 의해 통상적으로 수행되기 때문에 결과적으로 계산된 이미지에 대한 감쇠 효과를 보상하는 것이 바람직하다.
다른 한편으로, 초음파 감쇠의 신뢰할 수 있는 추정은 다른 초음파 진단 목적으로 사용될 수 있다. 예를 들어, 검사된 매질, 예를 들어 인간의 간 또는 근육에 대해 추정된 전체 감쇠 파라미터가 지방 함량을 결정하는 데 도움이 될 수 있다. 더욱이, 예를 들어 이미지를 계산하기 위해 처리된 국부 감쇠 분포는 예를 들어 인간 유방에서 암을 검출하는 역할을 할 수 있다.
그러나 초음파 감쇠를 추정하는 기존의 방법은 일반적으로 주파수(또는 스펙트럼) 분석을 사용한다. 그러나 이러한 분석은 몇 가지 단점을 의미한다.
감쇠는 미묘한 주파수 및 깊이 의존 현상이므로 정확한 평가에는 충분히 큰 공간 및 주파수 관찰 범위가 필요한다. 이것은 큰 주파수와 공간 범위를 사용하고 싶다는 것을 의미한다. 그러나 감쇠로 인해 공간 범위가 클수록 주파수 성분 변동이 커지고 바이어스가 커진다. 반면 공간 범위가 작을수록 스펙트럼 분석이 더 나쁘다. 또한 공간 범위가 클수록 회절의 영향이 커진다. 또한 스페클 노이즈는 감쇠 추정 분산을 증가시킨다.
따라서 이러한 필요한 절충안을 고려하여 주파수(또는 스펙트럼) 분석에 의한 초음파 감쇠를 추정하면 결과가 정확하지 않을 뿐만 아니라 특히 필요한 푸리에 변환으로 인해 상당한 계산 비용이 필요한다. 결과적으로 가능한 결과의 변동이 증가하고 따라서 추정의 신뢰성이 감소하는 문제가 있다. 즉, 재현성이 감소한다. 따라서 획득 시간과 정밀도 수준 간의 균형을 맞춰야 한다.
에이. 림버리스 등(A. Lymberis et.al.)은 주파수 의존적 감쇠를 추정하는 방법을 제안한다. 특히 제안된 방법 2에서는 복조된 신호의 사용 가능한 모든 자동 상관 지연(ACn)에서 유도된 평균 주파수 추정기, 참조. 림버리스 등(LYMBERIS ET AL)의: "파라 메트릭 스펙트럼 분석 및 복조된 에코 신호의 상관 지연을 기반으로 한 주파수 종속 감쇠 추정(Estimation of frequency-dependent attenuation based on parametric spectral analysis and correlation lags of the demodulated echo signal)", ULTRASONIC IMAGING, DYNAMEDIA INC., SILVER SPRING, MD, US, vol. 13, No. 1, 199 년 1월 1일(1991-01-01), 1-26 페이지, XP026409816, ISSN: 0161-7346.
또한, 형석 등(Hyungsuk et.al)은 스펙트럼 상호 상관을 이용한 감쇠 추정 방법을 공개하고 있다. 김형석 외: "스펙트럼 상호 상관을 사용한 감쇠 추정(Attenuation estimation using spectral cross-correlation)", IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS 및 FREQUENCY CONTROL, IEEE, US, vol. 54, No. 3, 2007년 3월 1일(2007-03-01), 510-519 페이지, XP011175817, ISSN: 0885-3010, DOI: 10.1109/TUFFC.2007.274.
현재, 전술한 문제를 극복하고 특히 매질에서 영역의 초음파 감쇠 파라미터를 신뢰성 있게 추정하기 위한 방법 및 시스템을 제공하는 것이 바람직하며, 이는 유리하게는 더 빠르고 계산적으로 더 저렴할 수 있으며 따라서 더 적은 처리 능력을 필요로 할 것이다.
따라서, 본 발명의 실시 예에 따르면 매질 내 영역의 초음파 감쇠 파라미터(ultrasonic attenuation parameter)를 추정하는 방법이 제공된다. 상기 방법은 적어도 하나의 초음파 변환기(ultrasound transducer)(상기 매질(medium)과 관련될 수 있음)와 연관된 처리 유닛에 의해 구현된다. 이 방법은 다음 단계로 구성된다:
(a) 적어도 하나의 펄스가 변환기에 의해 매질에서 전송되는 전송 단계,
(b) 펄스에 응답하여 변환기가 데이터를 획득하는 수신 단계,
(c) 영역의 후방 산란 획득 데이터(backscattered acquisition data)를 제공하기 위해 처리 유닛(processing unit)에 의해 데이터가 처리되는 처리 단계,
(d) 시공간 도메인(spatio-temporal domain)에서 깊이의 함수인 후방 산란 획득 데이터의 자동 상관 함수(auto-correlation function)가 결정되는 함수 결정 단계 - 상기 자동 상관 함수는 0의 지연에서 결정됨 -,
(e) 상기 자동 상관 함수에 기초하여 초음파 감쇠 파라미터가 추정되는 감쇠 추정 단계.
상기 방법은 또한 예를 들어, 완전한 초음파 이미지에 대한, 검사된 전체 영역에 대한, 하나의 감쇠 파라미터(attenuation parameter)의 글로벌 감쇠 추정 방법(global attenuation estimation method,)으로 지칭될 수 있다.
이러한 방법을 제공함으로써, 주파수(또는 스펙트럼) 영역이 아닌 시공간 도메인에서 분석을 수행함으로써 초음파 감쇠 파라미터를 추정할 수 있게 된다. 따라서, 추정은 유리하게 훨씬 더 정확하고 예를 들어 실시간(또는 적어도 준 실시간) 계산 모드를 개선하는 더 적은 계산 비용을 의미한다. 더욱이, 증가된 정확성으로 인해 변동(variance)이 감소하고 따라서 증가된 재현성이 달성될 수 있다.
처리 단계(c)는 영역의 빔 포밍 된 획득 데이터(beamformed acquisition data)를 제공하기 위해 빔 포밍 프로세스에 의해 데이터가 처리되는 빔 포밍 단계를 포함할 수 있다. 상기 빔 포밍 된 획득 데이터 또는 후방 산란 획득 데이터는 예를 들어 픽셀 값(pixels value) 또는 복셀 값(voxels value)의 형태로 제공될 수 있다.
빔 포밍 프로세스(beamforming process)로 인해 획득된 데이터에서 회절 패턴(diffraction pattern)을 줄일 수 있다.
빔 포밍 프로세스는 예를 들어 합성 빔 포밍 프로세스(synthetic beamforming process) 일 수 있다. 이를 통해 회절 패턴을 더욱 줄일 수 있다.
또한, 스페클 노이즈를 더 줄이기 위해 단계 c)의 빔 포밍 프로세스를 구성할 수 있다. 예를 들어, 단계(c)는 다음을 포함할 수 있다:
(c1) 적어도 영역의 빔 포밍 된 획득 데이터를 제공하기 위한 복수의 빔 포밍 프로세스에 의해 데이터가 처리되는 빔 포밍 단계 - 각 빔 포밍 프로세스는 전송 가중치 벡터로 생성된 펄스에 대응하는 데이터를 사용하거나 빔 포밍 된 획득 데이터의 미적분에서 가중치 벡터를 전송함 -, 및
(c2) 상기 복수의 빔 포밍 된 획득 데이터가 결합되어 생성된 초음파 이미지 내부의 픽셀의 픽셀 값을 제공하는 결합 단계 - 전송 가중치 벡터는 서로 다르고 서로 직교함-.
그러나, 후방 산란 획득 데이터를 제공하기 위해 위에서 설명한 빔 포밍 프로세스에 대한 대체 프로세스가 사용될 수 있다. 예를 들어, 음향 렌즈 또는 기계적 스위핑/스캐닝을 통해 전송된 펄스(및 선택적으로 수신된 신호)의 음향 빔 성형(acoustic beam shaping)이 사용될 수 있다. 이러한 경우, 처리 단계(c)에서 빔 포밍 프로세스가 생략될 수 있다.
감쇠 추정 단계(attenuation estimation step)(e)에서, 초음파 감쇠 파라미터는 깊이 방향으로 .△z 간격에 걸쳐 추정될 수 있다. 예를 들어, 상기 간격 △z는 매질에서 지정된 제1 깊이와 제2 깊이 사이에서 미리 정의될 수 있다. 매질의 깊이는 프로브 표면과 관심 지점(공간적 위치) 사이의 거리 로 정의될 수 있다.
감쇠 결정 단계(attenuation determination step)에서, 초음파 감쇠 파라미터는 예를 들어 △z 간격에 대한 자동 상관 함수를 풀이함으로써 결정될 수 있다.
후방 산란 획득 데이터(backscattered acquisition data)의 자동 상관 함수는 깊이와 시간의 함수일 수 있다.
함수 결정 단계(function determination step)(d)에서, 후방 산란 획득 데이터의 잔류 회절 패턴은 미리 결정된 회절 레퍼런스 데이터(diffraction reference data)에 기초하여 보상될 수 있다.
후방 산란 획득 데이터의 잔류 회절 패턴(residual diffraction pattern)은 미리 결정된 레퍼런스 초음파 감쇠 파라미터(reference ultrasonic attenuation parameter)를 갖는 레퍼런스 매질에 단계(a') 내지(e')를 포함하는 방법을 적용하고 자동 상관 함수를 비교함으로써 보상된다.
다시 말해서, 추정 방법은 미리 결정된 즉, 알려진 초음파 감쇠 파라미터를 갖는 팬텀과 같은 레퍼런스 매질에 적용될 수 있다. 따라서, 레퍼런스 자동 상관 함수로 지칭될 수 있는 결정된 자동 상관 함수는 후방 산란 획득 데이터에서 잔류 회절 패턴을 결정하고/하거나 검사될 관심 영역을 포함하는 매질의 자동 상관 함수에서 이를 보상하기 위해 풀어질 수 있다.
자동 상관 함수를 비교하는 것은 두 함수 사이의 델타 함수(delta function)를 계산하는 단계 및 매질의 초음파 감쇠 파라미터를 결정하기 위해 델타 함수를 푸는 단계를 포함할 수 있다.
예를 들어, 레퍼런스 초음파 감쇠 파라미터는 검사될 매질의 간격 △z와 유사한 레퍼런스 매질의 간격 △z'에 대한 파라미터 일 수 있다.
미리 결정된 회절 레퍼런스 데이터(diffraction reference data)는 레퍼런스 매질의 상이한 깊이에 대한 미리 결정된 파라미터를 포함할 수 있다.
펄스는 광대역 펄스 및/또는 복수의 펄스 일 수 있다. 예를 들어, 광대역 펄스(또는 광대역 펄스)의 사용은 공간적 제한, 즉 보다 정확한 간격 결정을 허용하므로 추정 정확도를 증가시킬 수 있다.
본 발명은 또한 매질 내의 영역의 국부 초음파 감쇠 파라미터를 추정하는 방법에 관한 것이다. 상기 방법은 전술한 글로벌 감쇠 추정 방법(즉, 단계(a) 내지(e))을 포함할 수 있다. 매질 내의 깊이 방향 z에서 복수의 축선(예: 단계(a)에서(c)로 스캔 된 선) 각각에 대해 국부 초음파 감쇠(local ultrasonic attenuation) β는 방정식 F(Ey(z), B) = 0, Ey는 자동 상관 함수, z 깊이는 다음 방법 중 하나 이상으로 추정된다:
- 구동 입력(driving input)이 있는 노이즈 상태 공간 모델(noisy state space model)로 자동 상관 함수를 모델링 하는 단계,
- 티호노프(Tikhonov) 정규화 방법, 능선 회귀 방법(ridge regression method) 및/또는 베이지안 회귀 방법(Bayesian regression method)을 포함하는 정규화 방법에 의해 자동 상관 함수를 정규화 하는 단계,
- 몬테카를로 방법(Monte Carlo method) 인 사비츠키 콜레이(Savitzky-Golay) 필터로 자동 상관 함수 필터링 단계,
특이 스펙트럼 분석(Singular Spectrum analysis), 및
압축 감지(compressed sensing) 및/또는 희소 샘플링 방법(sparse sampling method).
상기 방법은 또한 예를 들어 하나의 초음파 이미지에 대한 완전한 검사 영역에 대한 복수의 감쇠 파라미터의 국부 감쇠 추정 방법으로 지칭될 수 있다. 상기 파라미터는 초음파 이미지의 픽셀 또는 복셀에 할당될 수 있다. 그들은 또한 검사된 영역의 추가 감쇠 맵의 초음파 이미지에서 세그먼트 또는 수퍼 픽셀 또는 클러스터를 형성할 수 있다.
이 방법 덕분에 관심 영역에 대한 국부 초음파 감쇠 파라미터를 추정하는 것이 가능 해져 영역 전체에 걸쳐 감쇠 특성의 맵 및/또는 이미지를 생성할 수 있다.
방정식 F(Ey(z), B)를 푸는 데 사용할 수 있는 기존의 반전 방법과 비교할 때 제안된 방법은 수렴 속도가 빨라 계산 노력이 적다. 동시에, 그들은 더 정확한 결과, 예를 들어 획득된 국부 추정의 더 높은 공간 해상도로 이어진다.
자동 상관 함수는 국부 감쇠 함수를 얻기 위해 깊이 방향(z)으로 이산화될 수 있다.
구동 입력은 레퍼런스 매질의 미리 결정된 감쇠 파라미터를 포함할 수 있다.
모델링 된 상태 공간 모델은 칼만 필터(Kalman filter) 또는 미리 정의된 베이지안 방법을 사용하여 국부 초음파 감쇠 파라미터를 결정할 수 있다.
카만 필터 필터를 사용하면 최소 평균 제곱 오차 기준(minimum mean square error criteria)을 최적화할 수 있다.
매질의 반사율 패턴(reflectivity pattern)은 미리 정의된 수렴 임계 값이 얻어질 때까지 모델링 된 상태 공간 모델에 대해 EM 알고리즘을 반복함으로써 보상될 수 있다. 예를 들어, EM 알고리즘은 반사율 파라미터를 출력하는 제1 칼만 필터를 사용할 수 있고, 구동 입력으로 초음파 감쇠 파라미터를 사용할 수 있다. 제2 칼만 필터는 초음파 감쇠 파라미터를 출력할 수 있으며, 반사율 파라미터를 구동 입력으로 사용할 수 있다. 두 필터는 예를 들어 미리 정의된 수렴 임계 값이 획득될 때까지 각각 다른 하나의 출력을 구동 입력으로 사용하도록 연결될 수 있다.
본 발명은 또한 매질의 영역 내에서 국부 초음파 감쇠(a local ultrasonic attenuation)를 이미징 하는 방법에 관한 것이다. 방법은 전술한 바와 같은 국부 감쇠 추정 방법(local attenuation estimation method)을 포함할 수 있다. 감쇠 이미지는 예를 들어 각 축선에 대해 국부 감쇠 파라미터에 기초하여 구축될 수 있다.
매질의 한 영역 내에서 국부 초음파 감쇠를 이미징 하는 방법은 감쇠 이미지를 미리 정의된 카테고리의 적어도 하나와 관련된 하나 또는 여러 관심 영역으로 분할하도록 훈련된 기계 학습 모델에 공급하는 단계를 더 포함할 수 있다.
상기 기계 학습 모델은 예를 들어 인공 신경 네트워크, 예를 들어 컨볼루셔널 신경 네트워크(convolutional neural network)를 포함할 수 있다(모델은 예를 들어 컴퓨터 구현될 수 있다). 모델은 예를 들어 각각 주석이 달린 이미지를 훈련 데이터로 사용하는 감독 훈련 방법 또는 감독되지 않은 훈련 방법에 의해 훈련될 수 있다.
마지막으로, 본 개시 물은 적어도 하나의 초음파 변환기(2)(예를 들어, 상기 매질과 관련하여)와 연관되거나 연결된 처리 유닛을 포함하는 매질 내 영역의 초음파 감쇠 파라미터를 추정하기 위한 시스템에 관한 것이다. 시스템 또는 처리 유닛는 다음과 같이 구성된다:
(a) 변환기에 의해 매질에서 적어도 하나의 펄스를 전송하고,
(b) 펄스에 대한 응답으로 변환기에 의해 데이터 획득하고,
(c) 영역의 후방 산란 획득 데이터를 제공하기 위해 처리 유닛에 의해 데이터를 처리하고,
(d) 시공간 도메인에서 깊이의 함수인 후방 산란 획득 데이터의 자동 상관 함수를 결정하고 - 자동 상관 함수는 0의 지연에서 결정됨 -,
(e) 상기 자동 상관 함수에 기초하여 초음파 감쇠 파라미터를 추정한다.
시스템은 또한 적어도 하나의 변환기를 선택적으로 포함할 수 있다.
적어도 하나 개의 변환기는 펄스를 전송하고 티슈 응답(tissue response)을 수신하도록 구성되는 단일 변환기 일 수 있다. 예를 들어, 오목한 형태 또는 각각의 렌즈를 갖는 초점 변환기. 또한 단일 변환기를 스위핑 할 수 있다.
복수의 변환기 및/또는 변환기 어레이(transducer array)(2)를 사용하는 것도 가능하다. 예를 들어, 선형 어레이는 전형적으로 축 X(수평 또는 어레이 방향 X)를 따라 나란히 배치된 수십 개의 변환기(예를 들어 100 내지 300)를 포함하여 제공될 수 있다. 3D 프로브는 또한 본 개시 내용의 구현을 위해 사용될 수 있다.
동일한 변환기(들)를 사용하여 펄스를 전송하고 응답을 수신하거나 다른 변환기를 전송 및 수신에 사용할 수 있다.
본 개시는 또한 상기 프로그램이 컴퓨터에 의해 실행될 때, 전술한 방법 중 적어도 하나의 단계를 실행하기 위한 명령을 포함하는 컴퓨터 프로그램에 관한 것일 수 있다.
마지막으로, 본 발명은 상기 프로그램이 컴퓨터에 의해 실행될 때, 상술한 방법 중 적어도 하나의 단계를 실행하기 위한 명령을 포함하는 컴퓨터 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매질에 관한 것일 수도 있다.

달리 모순되는 경우를 제외하고는 전술한 요소와 명세서 내의 요소의 조합이 만들어질 수 있다.
전술한 일반적인 설명 및 다음의 상세한 설명은 단지 예시적이고 설명적인 것이며, 예시 목적으로 제공되며 청구된 바와 같이 개시를 제한하지 않는다는 것으로 이해되어야 한다.
본 명세서에 포함되고 그 일부를 구성하는 첨부 도면은 본 개시의 실시 예를 설명과 함께 예시하고, 그 원리를 지원하고 예시하는 역할을 한다.
도 1은 본 개시 내용의 실시 예들에 따른 초음파 장치를 도시하는 개략도를 도시한다; 및
도 2는 도 1의 장치의 일부를 보여주는 블록도를 도시한다;
도 3은 본 개시 내용에 따라 도 1의 장치에서 구현되는 초음파 감쇠 파라미터를 추정하기 위한 방법의 다이어그램을 도시한다;
도 4는 본 개시에 따른 방법의 제1 예시적인 실시 예(글로벌 감쇠 추정)의 다이어그램을 도시한다;
도 5는 도 3 또는 4의 방법으로 획득된 초음파 영상의 예를 도시한다; 및
도 6은 본 개시에 따른 방법의 제2 예시적인 실시 예(로컬 감쇠 추정)의 다이어그램을 도시한다.
이제 본 개시의 예시적인 실시 예에 대한 참조가 상세하게 이루어질 것이며, 그 예는 첨부 도면에 도시되어 있다. 가능하면 도면 전체에 걸쳐 동일하거나 유사한 부품을 지칭하기 위해 동일한 참조 번호가 사용된다.
도 1에 도시된 장치는 예를 들어 살아있는 조직 및 특히 환자의 인간 조직과 같은 매질의 영역(1)의 이미징에 적합하다. 장치는 예를 들어 다음을 포함할 수 있다:
Figure 112023006379565-pat00001
적어도 하나의 변환기, 예를 들어 펄스를 전송하고 조직 응답을 수신하도록 구성된 단일 변환기. 또한, 복수의 변환기 및/또는 변환기 어레이(2)를 사용하는 것이 가능하다. 예를 들어, 통상적인 프로브에서 이미 알려진 바와 같이 축 X(수평 또는 어레이 방향 X)를 따라 나란히 배치된 수십 개의 변환기(예를 들어 100 내지 300)를 포함하는 선형 어레이가 일반적으로 제공될 수 있다. 이 경우, 어레이(2)는 영역(1)의 2 차원(2D) 이미징을 수행하도록 구성되지만, 어레이(2)는 영역(1)의 3D 이미징을 수행하도록 구성된 2 차원 어레이 일 수도 있다. 변환기 어레이(2)는 또한 곡선을 따라 정렬된 복수의 변환기를 포함하는 볼록 어레이 일 수 있다. 동일한 변환기(들)를 사용하여 펄스를 전송하고 응답을 수신하거나 다른 변환기를 전송 및 수신에 사용할 수 있다.
변환기 어레이를 제어하고 그로부터 신호를 획득하는 전자 베이(electronic bay)(3);
전자 베이(3)를 제어하기 위한, 예를 들어 전자 베이로부터 획득된 이미지를 보기 위한, 마이크로 컴퓨터(microcomputer)(4)(변형에서, 단일 전자 장치는 전자 베이(3) 및 마이크로 컴퓨터(4)의 모든 기능을 수행할 수 있음).
도 1의 Z 축은 X 축에 수직 인 축이며, 일반적으로 어레이의 변환기에 의해 생성된 초음파 빔의 방향, 예를 들어 검사된 매질의 깊이 방향이다. 이 방향은 현재 문서에서 수직 또는 축 방향으로 지정된다.
도 2에 도시된 바와 같이, 전자 베이(3)는 예를 들어:
변환기 어레이(2)의 L 변환기(T1-TL)에 개별적으로 연결된 L 아날로그/디지털 변환기(5)(A/Di-A/DL);
n 개의 아날로그/디지털 변환기(5)에 각각 연결된 L 버퍼 메모리(buffer memories)(6(Bi-Bn)),
버퍼 메모리(6) 및 마이크로 컴퓨터(4)와 통신하는 중앙 처리 유닛(central processing unit)(8)(CPU),
중앙 처리 유닛(central processing unit)(8)에 연결된 메모리(memory)(9)(MEM);
중앙 처리 유닛(8)에 연결된 디지털 신호 프로세서(digital signal processor)(10)(DSP).
본 명세서에 개시된 장치는 초음파 이미징을 위한 장치이고, 변환기는 초음파 변환기이고, 구현된 방법은 영역 1에 대한 초음파 감쇠 파라미터를 추정하고 선택적으로 영역 1의 초음파 이미지를 생성할 수 있다.
그러나, 장치는 초음파(초음파 파장과 다른 파장을 갖는 파장) 이외의 다른 파장을 사용하는 임의의 이미징 장치 일 수 있으며, 변환기 및 전자 베이 구성 요소는 이후 상기 파장에 적응된다.
도 3은 도 1의 장치에서 구현되고 본 개시에 따른 초음파 감쇠 파라미터를 추정하기 위한 방법의 다이어그램을 도시한다.
방법 단계는 주로 중앙 처리 유닛(8)에 의해 최종적으로 디지털 신호 프로세서(10) 또는 임의의 다른 수단의 도움으로 제어된다. 이 방법에는 다음과 같은 주요 단계가 포함된다:
(a) 변환기에 의해 적어도 하나의 펄스가 매질에서 전송되는 전송 단계(101),
(b) 펄스에 응답하여 변환기에 의해 데이터를 획득하는 수신 단계(102),
(c) 영역의 후방 산란 획득 데이터를 제공하기 위해 처리 유닛에 의해 데이터가 처리되는 처리 단계(103),
(d) 시공간 도메인에서 깊이의 함수인 후방 산란 획득 데이터의 자동 상관 함수가 결정되는 함수 결정 단계(104),
(e) 상기 자동 상관 함수에 기초하여 초음파 감쇠 파라미터가 추정되는 감쇠 추정 단계(105).
선택적으로 또한 단계 103의 후방 산란 획득 데이터에 기초하여 초음파 이미지가 생성될 수 있다.
예를 들어, 추정된 초음파 감쇠 파라미터를 사용하여 다음을 수행할 수 있다.
간 지방증이 글로벌 추정치를 제공할 때 평가하고,
글로벌 추정기를 제공할 때 뒤쉔 근디스트로피(Duchenne Muscular Dystrophy carrier) 보균자를 검출하고, 및/또는
감쇠 지도를 제공할 때 유방 종괴(breast masse)를 특성화 한다.
이러한 예는 본 개시에 설명된 방법의 예시 애플리케이션으로서 제공되지만, 예를 들어 동물의 신체 및/또는 물질 분석과 관련된 다른 애플리케이션도 관심을 가질 수 있다.
단계 101 내지 105는 선택적으로 루프, 예를 들어 단계 105 내지 101로부터 복귀함으로써 루프(107)를 형성할 수 있다. 이것은 복수의 감쇠 파라미터의 추정을 허용할 수 있으며, 여기서 각 사이클에서 단계 103의 옵션으로서 추가적으로 초음파 이미지가 생성될 수 있다. 추가적으로 또는 대안적으로 단계 105에서 104로 돌아가서 루프 단계 104 및 105에 루프 108을 추가하는 것이 가능하다. 이것은 도 6의 맥락에서 더 상세히 설명된 바와 같이(선택적으로 관심 영역의 상이한 영역에서) 복수의 국부 추정을 추정하는 것을 허용할 수 있다.
일부 실시 예에서, 상기 방법은 도 4 및 5의 맥락에서 더 상세히 설명된 바와 같이 글로벌 초음파 감쇠 파라미터 또는 도 6의 맥락에서 설명된 바와 같은 국부 초음파 감쇠 파라미터를 추정하는 역할을 할 수 있다. 그러나, 본 발명의 구체적인 실시 예를 상세히 설명하기 전에 다음과 같은 몇 가지 기본 사항을 설명한다.
다음 설명은 아래 용어를 사용한다.
ACF : 자동 상관 기능
β : 초음파 감쇠(dB/cm/MHz 또는 Np/cm/MHz)
c : 매질의 음속
f0 : 펄스의 중심 주파수
λ : 펄스의 파장(λ = c/f0 )
MMSE : 최소 평균 제곱 오차
PSD : 전력 스펙트럼 밀도
ROI : 관심 영역
RF 데이터 : 프로브에서 획득한 디지털 신호를 저장하는 2 차원 배열(변환기 대 시간)
σf : 가우스 모양 스펙트럼의 표준 편차
다음에서는 매질이 균일하고 약한 산란체를 포함한다고 가정한다. 전송된 펄스의 분석 신호는 가우시안 엔벨로프(gaussian envelope)와 중심 주파수(center frequency) f0를 갖는다:
(1)
이하에서는 본 개시에서 사용될 수 있는 일반적인 신호 모델링에 대해 설명한다. 따라서 신호 모델링은 초음파 에코(예: PSD), 초음파 감쇠, 회절, 반사율과 같은 모델에 점진적으로 추가하여 점진적으로 향상된다.
먼저 픽셀에서 측정된 PSD(Power Signal Density)를 모델링하는 방법에 대해 설명한다. 이 설명 섹션에서는 단순화를 위해 초음파 감쇠를 고려하지 않는다. 초점 조리개(aperture)의 경우, 시간에서 등시성 볼륨(isochronous volume)에 의해 후방 산란된 신호는 다음과 같이 모델링 할 수 있다:
(2)
여기서 n(t)는 미시적 자동 상관 함수를 사용하는 0-평균 가우스 확률 과정(zero-mean gaussian stochastic process)으로, 즉:
(3)
따라서 후방 산란 신호의 자동 상관 함수의 표현은 다음과 같이 공식화될 수 있다.




(4)
위너-킨틴 정리Wiener-Kintchine theorem)를 사용하여 후방 산란 신호의 PSD S(f)는 다음과 같이 표현할 수 있다:


(5)
빔 포밍 프로세스는 관심 픽셀에서 변환기로의 전파 시간에 해당하는 지연으로 변환기에서 획득한 신호를 축적하는 것으로 구성된다. 따라서 픽셀에서 측정된 PSD는 방정식(5)로 주어진다.
다음으로 초음파 감쇠를 모델링하는 방법에 대해 설명한다. 특히, 초음파 감쇠(ultrasound attenuation)는 다음과 같은 전달 함수를 갖는 필터로 모델링될 수 있다.
(6)
계수 2는 왕복 전파를 나타낸다. 축 전송 및 수신 빔을 가정하면(5)와(6)의 조합은 깊이 z에서 빔 포밍 된 픽셀의 PSD를 표현한다:

(7)
여기서

방정식(7)에 의해 주어진 PSD의 스펙트럼에서 시공간 도메인으로 위너-킨틴 정리를 호출하면 다음과 같이 된다.


(8)
지연 τ=0에서 ACF는 픽셀 값의 평균 전력을 제공한다. 방정식(8)을 사용하면 다음이 생성된다:

(9)
(10)
(9)에서(10)으로 전달하는 것은(9)의 오른쪽이 -∞에서 +∞까지 가우스 함수의 적분이므로, 1로 적분 된다는 사실에 의해 정당화된다.
다음으로 완전한 픽셀 신호가 모델링 되는 방법에 대해 설명한다. 변환기 감도, 빔 포밍 안테나 이득, 회절을 고려하고 방정식(10)과 결합하면 다음과 같은 방정식이 된다:

(11)
방정식(11)은 해당 문서에 설명된 방법의 핵심을 나타낸다. 이 프레임 워크에서 constant(z)를 추정해야 한다.
본 개시의 발명자는 방정식(11)에 기초한 초음파 감쇠 추정 방법이 다음과 같은 이점을 제공한다는 것을 발견했다:
Figure 112023006379565-pat00035
회절 효과에 덜 민감하다
o 이는 합성 빔 포밍 데이터에서 작동한다. 따라서 전송 및 수신 초점이 모든 공간 위치에서 보장된다.
o 그것은 시공간 도메인에서 작동하며 회절 효과는 펄스의 주파수 범위에서 평균화 된다.
o 전송된 펄스는 광대역이다.
주파수 기반 방법처럼 시간(또는 공간) 주파수 타협이 필요하지 않다.
빔 포밍 된 데이터에 대한 로컬 에너지 추정은 쉽고 강력한다. 결과적으로 감쇠 추정기가 더 강력한다.
도 4를 참조하면, 글로벌 초음파 감쇠 파라미터를 추정하는 방법을 설명한다. 따라서, 도 4는 본 개시에 따른 방법의 제1 예시적인 실시 예(글로벌 감쇠 추정)의 다이어그램을 도시한다. 특히 도 4의 방법은 도 3의 방법의 특정 실시 예일 수 있다.
도 4의 방법은 수신 단계 b(여기서는 참조 번호 102 및 102')로 시작하며, 여기서 데이터는 펄스에 응답하여 변환기에 의해 획득된다. 이 데이터는 여기서 검사된 매질에 대한 "RF 데이터 세트" 및 레퍼런스 매질(예: 팬텀)에 대한 "RF 훈련 데이터 세트"라고 한다. 단계 102-104는 검사된 매질의 데이터 처리를 지칭하는 반면, 유사한 단계 102'-104'는 레퍼런스 매질의 데이터 처리를 지칭한다.
다음 단계 103 및 103' "합성 빔 포밍"은 각각 본 개시 내용의 단계(c) 및 도 2a에 대응하고, 즉, 영역의 후방 산란 획득 데이터를 제공하기 위해 처리 유닛에 의해 데이터가 처리되는 처리 단계이다.
다음 단계 104, 104' "평균 전력 추정"은 각각 본 개시의 단계(d) 및 도 6a에 대응하고, 즉, 시공간 도메인에서 깊이의 함수인 후방 산란 획득 데이터(특히 단계 103의 빔 포밍 된 획득 데이터)의 자동 상관 함수가 결정되는 함수 결정 단계이다.
다음 단계 104a에서, 후방 산란 획득 데이터 및/또는 미지의 변환기 감도에서 회절 패턴을 보상하기 위해 2 개의 자동 상관 함수가 서로 비교된다. 특히, 델타 함수는 두 함수 사이에서 결정될 수 있다. 상기 비교 단계의 예시적인 실시 예가 아래에 설명된다.
단계 105에서 초음파 감쇠 파라미터는 2 개의 자동 상관 함수, 특히 그들의 델타 함수의 비교를 풀이함으로써 추정된다. 자세한 내용은:
다음 설명에서는 기본적인 가정이 이루어진다:
매질의 감쇠는 일정하고,
방정식(11)에서 constant(z)는 z에 의존하지 않는다. 즉, 관심 영역 ROI에서 일정한다.
도 3 및 4의 방법의 목표는 특정 ROI에서 β를 추정하는 것이다. ROI는 도 5에 묘사된 것과 같이 간의 동종 부분 일 수 있다.
z0 및 z1(각각)이 ROI의 상단 및 하단(각각) 깊이를 나타낸다. 깊이는 프로브 표면과 관심 지점(공간적 위치) 사이의 거리를 의미한다.
깊이 z0 및 z1에서 평균 거듭 제곱의 로그 차이를 평가하면
(12)
방정식(12)(단계 104의 결과로 이해될 수 있음)은 2 개의 미지수를 포함한다: 상수(z1, z0) 및 β.
β를 추정하려면, 상수(z1, z0)를 추정해야 한다. constant(상수)(z1, z0)는 여러 요인에 따라 다르지만 매질에 의존하지 않으므로 β가 알려진 훈련 데이터 세트(즉, 단계 102'의 참조 데이터)에서 학습할 수 있다. 이는 감쇠 교정된 팬텀(즉, 레퍼런스 매질)에서 초음파 데이터를 획득하여 달성할 수 있다. δEref(z0, z1)는 교정된 팬텀, 교정된(알려진) 감쇠 βref 및 δE(z0, z1) 및 δEref(z0, z1)의 차이
Figure 112023006379565-pat00041
E(z0, z1) 상의 깊이 z0 및 z1에서 측정된 평균 전력의 로그 차이를 나타낸다. 그런 다음이 결정된다.
(13)
식(13)은 비교 단계(104a)의 예시적인 결과 일 수 있다. 방정식(13)(즉, 단계 105)를 검사하면 △E(z0, z1)=0을 푸는 것은 β의 추정치를 제공함을 밝혀준다.
방정식(13)은 다음과 같이 근사할 수 있다:
(14)
이는 방정식(13)의 2 차 항이 상대적으로 작기 때문에 무시할 수 있는 상황 때문이다.
이 방법의 중요한 단계는 깊이 z0 및 z1에서 평균 전력을 추정하는 것이다. 그 추정 프로세스의 제1 단계는 단계 103에서 합성 빔 포밍으로 단계 102의 초음파 RF 데이터를 획득할 수 있으며, 목표는 회절 영향을 최소화하는 것이다. 제2 단계는 특정 깊이에서 빔 포밍 된 데이터의 평균 파워를 추정하는 것으로 구성될 수 있다. 그러나 빔 포밍 된 데이터는 초음파 이미징에서 잘 알려진 문제로 어려움을 겪는다: 스페클 노이즈(speckle noise)에 의해 손상된다. 스페클 노이즈는 공간 해상도를 희생시키면서 공간 평균을 통해 평활화 할 수 있다. 또는 빔 포밍을 사용하여 빔 포밍 된 획득 데이터를 얻을 수 있다. 이 경우, 평균 파워 추정치의 변동을 줄이기 위해 합성 빔 포밍 단계에서 조리개에 직교 아포다이제이션(apodization)을 사용할 수 있다.
본 개시 내용의 방법, 특히 전술한 예시적인 방법은 다음과 같은 이점을 갖는다:
방정식 해법기(equation solver)는 방정식(13)과(14) 모두를 기반으로 할 수 있다(예: 비교적 작은 2 차항 으로 인해).
스펙트럼 분석이 수행되지 않으므로 시간/공간 분해능 대 주파수 분해능을 절충할 필요가 없다.
회절을 최소화하기 위해 광대역 펄스를 사용할 수 있다.
합성 빔 포밍은 전송 및 수신 포커싱을 보장하기 위해 수행되어 회절을 감소시킬 수 있다.
평균 전력 분산 추정치를 감소시키기 위해 스페클을 평활화 하기 위해 직교 아포다이제이션을 사용하여 초음파 감쇠 추정 분산을 감소시킬 수 있다.
회절 또는 프로브 감도와 같은 매질 비의존 파라미터는 교정된 팬텀에서 학습된다.
도 6은 본 개시에 따른 방법의 제2 예시적인 실시 예(로컬 감쇠 추정)의 다이어그램을 도시한다.
도 6의 방법은 도 4, 즉 단계 102-104 및 102'-104'에 대응한다. 그러나, (도 4의 단계 104a 및 105 대신) 후속 단계(106)에서 두 개의 자동 상관 함수는 로컬 감쇠 파라미터를 추정하기 위해 칼만 필터를 사용하여 비교된다.
도 6의 방법의 목표는, 예를 들어, 로컬 추정 맵의 형태로 하나 또는 여러 개의 로컬 감쇠 파라미터를 획득하는 것이다. 이것은 기본 가정이 도 4의 방법 중 하나에 비해 약간 다르다는 것을 의미한다. 특히, 이제 초음파 감쇠 파라미터가 공간 위치에 따라 달라진다는 점을 고려해야 한다.
여기서, 깊이 방향 z의 축선을 따라 국부적인 초음파 감쇠를 추정하고 손실 선을 따라 스캔 하는 것이 제안된다. 즉, 일반적으로 B 모드 이미징에서 수행되는 것과 유사한 방식으로 스캔한다.
따라서, 이 처리의 주된 목표는 특정 스캐닝 라인에서 초음파 감쇠 파라미터를 추정하는 것이다. 즉, 깊이의 함수, 즉 β(z)이다. 이를 위해 방정식(11)을 반전하는 것이 제안된다. 이 방정식의 직접 반전은 간단하지 않다. 따라서 잡음이 있는 상태 공간 시스템의 관찰(또는 측정)에 의해 깊이의 함수로서 평균 전력의 로그를 모델링하는 것이 제안된다.
깊이의 함수로서 평균 전력의 로그는 이산화 될 수 있으며 다음 선형 확률적 차이 방정식(15)에 의해 제어되는 이산 시간 제어 프로세스의 측정으로 모델링 될 수 있다.
(15)
어디
Figure 112023006379565-pat00045
Xk는(숨겨진) 상태 벡터이다.
A는 전이 행렬이다.
wk 및 vk 는 프로세스 및 측정 노이즈이다.
H는 측정 행렬이다.
LEk는 테스트중인 매질 및 깊이 k△z 에서 알려진 감쇠가 있는 레퍼런스 매질의 인덱스 k에서 평균 거듭 제곱의 로그 및 깊이 k△z에서 레퍼런스 매질의 평균 거듭제곱의 로그 의 차이를 포함하는 벡터이다.
△z는 깊이 샘플링 단계이다.
B는 제어 행렬이다.
uk 는 구동 입력이다.
E[k]는 깊이 k△z 에서 평균 전력 추정값의 로그를 나타낸다. 방정식(11)의 테일러(Taylor) 전개를 취하면:

(16)
근사치는 다음과 같이 만들어 질 수 있다:

△E[k]는 테스트중인 매질과 알려진 감쇠 βref가 있는, 예를 들어 교정된 팬텀의 레퍼런스 매질의 인덱스 k에서 평균 파워 로그의 차이를 나타낸다. 그때:

(상수(constant)(k) - 상수(onstant)(k-1)) 가 vk에 포함되면, 다음과 같이 된다:

(17)
여기서
Eref는 레퍼런스 매질의 인덱스 k에서 추정된 평균 전력의 로그이다.
n1[k], n2[k], n3[k]는 상태 잡음: 0 평균 백색 가우스 잡음이다.
방정식(17)은 다음과 같은 경우 방정식(15)의 형태로 넣을 수 있다.


칼만 필터는 MMSE 의미에서 방정식(15)에서 상태 벡터 xk의 최적 추정량을 제공하는 것으로 밝혀졌다. 결과적으로 β[k]의 최적의 추정량(MMSE 의미)을 제공한다.
청구 범위를 포함한 설명 전체에서, 용어 "하나를 포함하는"은 달리 언급되지 않는 한 "적어도 하나를 포함하는"과 동의어 인 것으로 이해되어야 한다. 또한, 청구 범위를 포함하여 설명에 기재된 임의의 범위는 달리 명시되지 않는 한 최종 값(들)을 포함하는 것으로 이해되어야 한다. 설명된 요소에 대한 특정 값은 당업자에게 알려진 허용된 제조 또는 산업 공차 내에 있는 것으로 이해되어야 하며, "실질적으로" 및/또는 "대략적으로" 및/또는 "일반적으로"라는 용어의 사용은 다음과 같이 이해되어야 한다. 허용된 허용 오차 범위 내에 있음을 의미한다.
본 명세서에서 본 개시가 특정 실시 예를 참조하여 설명되었지만, 이들 실시 예는 단지 본 개시의 원리 및 응용을 예시하는 것임을 이해해야 한다.
명세서 및 실시 예는 단지 예시적인 것으로 간주되며, 본 개시의 진정한 범위는 다음의 청구 범위에 의해 표시된다.
요약하면, 전술한 바와 같은 본 개시에 따른 방법 은보다 정확한 감쇠 추정을 허용하고 특히 실시간 계산 모드를 개선하는 것에 대해 더 적은 계산 비용을 의미한다. 더욱이, 증가된 정확성으로 인해 분산이 감소하고 따라서 증가된 재현성이 달성될 수 있다.

Claims (17)

  1. 매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법에 있어서,
    상기 방법은,
    적어도 하나의 초음파 변환기(2)와 연관된 처리 유닛(8)에 의해 구현되고,
    상기 방법은,
    (a) 변환기에 의해 적어도 하나의 펄스가 상기 매질에서 전송되는 전송 단계(101),
    (b) 상기 펄스에 응답하여 변환기에 의해 데이터가 획득되는 수신 단계(102),
    (c) 상기 영역의 후방 산란 획득 데이터를 제공하기 위해 상기 처리 유닛에 의해 상기 데이터가 처리되는 처리 단계(103),
    (d) 시공간 도메인에서 깊이의 함수인 상기 후방 산란 획득 데이터의 자동 상관 함수가 결정되는 함수 결정 단계(104) - 상기 자동 상관 함수는 0의 지연에서 결정됨 -, 및
    (e) 상기 자동 상관 함수에 기초하여 초음파 감쇠 파라미터가 추정되는 감쇠 추정 단계(105)
    를 포함하는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  2. 제1항에 있어서,
    상기 처리 단계(c)는,
    상기 영역의 빔 포밍 된 획득 데이터를 제공하기 위한 빔 포밍 프로세스에 의해 상기 데이터가 처리되는 빔 포밍 단계(103)
    를 포함하는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  3. 제1항에 있어서,
    상기 감쇠 추정 단계(e)에서,
    초음파 감쇠 파라미터는 깊이 방향으로 간격(Δz)에 걸쳐 추정되는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  4. 제1항에 있어서,
    상기 감쇠 추정 단계(e)에서,
    상기 초음파 감쇠 파라미터는 상기 자동 상관 함수(간격(Δz)에 대해)를 풀이함으로써 결정되는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  5. 제1항에 있어서,
    상기 후방 산란 획득 데이터의 상기 자동 상관 함수는 깊이와 시간의 함수인
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  6. 제1항에 있어서,
    상기 함수 결정 단계(d)에서,
    상기 후방 산란 획득 데이터의 잔류 회절 패턴은 미리 결정된 회절 레퍼런스 데이터에 기초하여 보상되는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  7. 제1항에 있어서,
    상기 후방 산란 획득 데이터의 잔류 회절 패턴은,
    미리 결정된 레퍼런스 초음파 감쇠 파라미터를 갖는 레퍼런스 매질 상에 단계(a) 내지(e)를 포함하는 방법을 적용하고, 자동 상관 함수들을 비교함으로써 보상되는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  8. 제7항에 있어서,
    상기 자동 상관 함수들을 비교하는 것은,
    상기 자동 상관 함수 사이의 델타 함수 ΔE(z0 ,z1)를 계산하는 것 - z0 및 z1은 상기 매질과 상기 레퍼런스 매질 각각에서 두 개의 상이한 깊이임 -, 및
    상기 매질의 상기 초음파 감쇠 파라미터를 결정하기 위해 델타 함수 ΔE(z0, z1)=0 를 푸는 것
    을 포함하는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  9. 제6항에 있어서,
    상기 미리 결정된 회절 레퍼런스 데이터는,
    레퍼런스 매질에서 적어도 두 개의 상이한 깊이(z0, z1)에 대한 미리 결정된 파라미터를 포함하는
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  10. 제1항에 있어서,
    상기 펄스는 광대역 펄스 및/또는 복수의 펄스들인
    매질에서 영역의 초음파 감쇠 파라미터를 추정하는 방법.
  11. 매질 내 영역의 국부 초음파 감쇠 파라미터를 추정하는 방법에 있어서,
    제1항 내지 제10항 중 어느 한 항의 방법을 포함하고,
    상기 매질 내에서 상기 깊이 방향(z)으로 복수의 축선 각각에 대해,
    - 구동 입력이 있는 노이즈 상태 공간 모델로서 상기 자동 상관 함수를 모델링하는 것,
    - 티호노프 정규화 방법, 능선 회귀 방법 및/또는 베이지안 회귀 방법을 포함하는 정규화 방법에 의해 상기 자동 상관 함수를 정규화 하는 것,
    - 사비츠키-골레이 필터, 몬테 카를로 방법, 단일 스펙트럼 분석을 사용하여 상기 자동 상관 함수를 필터링하는 것, 및
    - 압축 감지 및/또는 희소 샘플링 방법
    중 적어도 하나를 수행함으로써, 방정식 F(Ey(z))=0에서 국부 초음파 감쇠 β를 추정하는 단계
    을 포함하고,
    Ey는 상기 자동 상관 함수이고,
    z는 상기 깊이인
    매질 내 영역의 국부 초음파 감쇠 파라미터를 추정하는 방법.
  12. 제11항에 있어서,
    상기 자동 상관 함수가 노이즈 상태 공간 모델로 모델링 되는 경우, 상기 구동 입력은 레퍼런스 매질의 상기 미리 결정된 감쇠 파라미터를 포함하는
    매질 내 영역의 국부 초음파 감쇠 파라미터를 추정하는 방법.
  13. 제11항에 있어서,
    모델화 된 상기 상태 공간 모델은,
    상기 국부 초음파 감쇠 파라미터를 결정하기 위해 칼만 필터 또는 미리 정의된 베이지안 방법을 사용하는
    매질 내 영역의 국부 초음파 감쇠 파라미터를 추정하는 방법.
  14. 제11항에 있어서,
    상기 매질의 반사율 패턴은,
    미리 정의된 수렴하는 임계 값이 획득될 때까지, 모델링된 상기 상태 공간 모델 상에 EM 알고리즘을 반복함으로써, 보상되고,
    상기 EM 알고리즘은,
    반사율 파라미터를 출력하고 초음파 감쇠 파라미터를 구동 입력으로 사용하는 제1 칼만 필터, 및
    초음파 감쇠 파라미터를 출력하고 반사율 파라미터를 구동 입력으로 사용하는 제2 칼만 필터
    를 사용하고,
    두 필터는,
    구동 입력으로 각각 다른 하나의 출력을 사용하도록 연결되는
    매질 내 영역의 국부 초음파 감쇠 파라미터를 추정하는 방법.
  15. 매질의 영역 내에서 국부 초음파 감쇠를 이미징 하는 방법에 있어서,
    제11항의 방법을 포함하고,
    감쇠 이미지는 국부 감쇠 파라미터에 기초하여 구축되는
    매질의 영역 내에서 국부 초음파 감쇠를 이미징 하는 방법.
  16. 제15항에 있어서,
    적어도 하나의 미리 정의된 카테고리와 각각 연관된 하나 또는 다수의 관심 영역으로 상기 이미지를 분할하도록 훈련된 기계 학습 모델에 상기 감쇠 이미지를 공급하는 단계를 더 포함하는
    매질의 영역 내에서 국부 초음파 감쇠를 이미징 하는 방법.
  17. 매질 내 영역의 초음파 감쇠 파라미터를 추정하기 위한 시스템에 있어서,
    상기 시스템은,
    적어도 하나의 초음파 변환기(2)와 연관된 처리 유닛(8)
    을 포함하고,
    상기 시스템은,
    (a) 변환기에 의해 매질에서 적어도 하나의 펄스를 전송하고,
    (b) 상기 펄스에 대한 응답으로 변환기에 의해 데이터 획득하고,
    (c) 영역의 후방 산란 획득 데이터를 제공하기 위해 처리 유닛에 의해 데이터를 처리하고,
    (d) 시공간 도메인에서 깊이의 함수인 상기 후방 산란 획득 데이터의 자동 상관 함수를 결정하고 - 상기 자동 상관 함수는 0의 지연에서 결정됨 -,
    (e) 상기 자동 상관 함수에 기초하여 초음파 감쇠 파라미터를 추정하도록 구성되는
    매질 내 영역의 초음파 감쇠 파라미터를 추정하기 위한 시스템.
KR1020210088382A 2020-07-10 2021-07-06 초음파 감쇠 파라미터를 추정하는 방법 및 시스템 KR102606972B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20315348.1 2020-07-10
EP20315348.1A EP3936891A1 (en) 2020-07-10 2020-07-10 Method and system for estimating an ultrasound attenuation parameter

Publications (2)

Publication Number Publication Date
KR20220007531A KR20220007531A (ko) 2022-01-18
KR102606972B1 true KR102606972B1 (ko) 2023-11-29

Family

ID=71944077

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210088382A KR102606972B1 (ko) 2020-07-10 2021-07-06 초음파 감쇠 파라미터를 추정하는 방법 및 시스템

Country Status (6)

Country Link
US (1) US12115026B2 (ko)
EP (1) EP3936891A1 (ko)
JP (1) JP7237116B2 (ko)
KR (1) KR102606972B1 (ko)
CN (1) CN114081530A (ko)
CA (1) CA3122923C (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240140914A (ko) 2022-02-04 2024-09-24 파나소닉 인텔렉츄얼 프로퍼티 코포레이션 오브 아메리카 통신 장치 및 통신 방법
EP4318038A1 (en) 2022-08-04 2024-02-07 Supersonic Imagine Method and system for evaluating ultrasound data for the purpose of ultrasound attenuation estimation in a medium
CN117951650B (zh) * 2024-03-27 2024-06-21 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
CN118348126B (zh) * 2024-06-17 2024-08-20 成都航空职业技术学院 一种金具缺陷检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020039841A (ja) * 2017-11-24 2020-03-19 炭　親良 計測イメージング装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2556845B1 (fr) 1983-12-16 1986-04-11 Cgr Ultrasonic Procede de caracterisation par ondes acoustiques de la structure d'un milieu et dispositif mettant en oeuvre ce procede
JPS6125536A (ja) 1984-07-17 1986-02-04 アロカ株式会社 超音波診断装置
US6551246B1 (en) 2000-03-06 2003-04-22 Acuson Corporation Method and apparatus for forming medical ultrasound images
EP1791471A1 (en) * 2004-09-13 2007-06-06 Koninklijke Philips Electronics N.V. Method and apparatus for measuring and/or detecting flow behavior of a body fluid using ultrasound
US9117439B2 (en) 2008-03-13 2015-08-25 Supersonic Imagine Method and apparatus for ultrasound synthetic imagining
EP3406299B1 (en) * 2010-06-09 2021-08-04 Regents of the University of Minnesota Dual mode ultrasound transducer (dmut) system for controlling delivery of ultrasound therapy
US20120165665A1 (en) * 2010-12-22 2012-06-28 Samsung Medison Co., Ltd. Method for providing mechanical index map and/or pressure map based on depth value and diagnostic ultrasound system using the method
EP3135205A1 (en) * 2015-08-28 2017-03-01 ETH Zurich Hand-held medical ultrasound apparatus
ES2953404T3 (es) 2015-12-01 2023-11-10 Supersonic Imagine Método de formación de imágenes, aparato que implementa dicho método, programa informático y medio de almacenamiento legible por ordenador
EP4349263A3 (en) * 2017-05-31 2024-06-05 Mayo Foundation for Medical Education and Research Methods for super-resolution ultrasound imaging of microvessels
CN110769754B (zh) * 2017-06-21 2023-06-27 夏里特柏林大学医学院 用于测定皮质骨的系统、方法和计算机程序产品
EP3641658B1 (en) * 2017-06-23 2021-06-16 Mayo Foundation for Medical Education and Research Methods for ultrasound system independent attenuation coefficient estimation
WO2019104340A1 (en) * 2017-11-27 2019-05-31 North Carolina State University Inter-element matrix in ultrasound contrast agents populations to measure transport parameters
US20210321978A1 (en) * 2018-09-05 2021-10-21 Koninklijke Philips N.V. Fat layer identification with ultrasound imaging
WO2020081962A1 (en) * 2018-10-19 2020-04-23 Duke University Methods, systems and computer program products for ultrasound imaging using coherence contribution
US11751851B2 (en) * 2021-08-31 2023-09-12 Duke University Methods, systems and computer program products for tissue analysis using ultrasonic backscatter coherence
US20230334911A1 (en) * 2022-04-13 2023-10-19 Nec Corporation Face liveness detection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020039841A (ja) * 2017-11-24 2020-03-19 炭　親良 計測イメージング装置

Also Published As

Publication number Publication date
CN114081530A (zh) 2022-02-25
US12115026B2 (en) 2024-10-15
JP2022016414A (ja) 2022-01-21
US20220008044A1 (en) 2022-01-13
CA3122923A1 (en) 2022-01-10
EP3936891A1 (en) 2022-01-12
CA3122923C (en) 2023-12-05
KR20220007531A (ko) 2022-01-18
JP7237116B2 (ja) 2023-03-10

Similar Documents

Publication Publication Date Title
KR102606972B1 (ko) 초음파 감쇠 파라미터를 추정하는 방법 및 시스템
US10324063B2 (en) Methods and systems for measuring properties with ultrasound
US11397167B2 (en) Local speed of sound estimation method for medical ultrasound
CN114176639A (zh) 用于介质的超声表征的方法和系统
US20050154306A1 (en) Dort process-based method and system for adaptive beamforming in estimating the aberration in a medium
CN114176626A (zh) 用于介质的超声表征的方法和系统
CN114176640A (zh) 用于介质的超声表征的方法和系统
Jensen et al. Estimation of velocity vectors in synthetic aperture ultrasound imaging
EP0702798B1 (en) Method and apparatus for ultrasound scanning
KR20230145566A (ko) 전파 반전을 이용한 반사 초음파 이미징
CN113424073B (zh) 材料非线性体积弹性的超声估算
Bezek et al. Global speed-of-sound prediction using transmission geometry
CN114176625A (zh) 用于介质的超声表征的方法和系统
US20240046467A1 (en) Method and system for evaluating ultrasound data for the purpose of ultrasound attenuation estimation in a medium
Bazulin The use of the inverse C-SAFT method for equalizing the spatial sensitivity of reflector images
US20240032889A1 (en) Method and system for non-invasively characterising a heterogeneous medium using ultrasound
US20230304850A1 (en) Method and system for evaluating an assumed wave propagation speed in a medium
US20240315663A1 (en) System and Method for Non-Invasive Determination of Pressure in a Biological Compartment
Li et al. Implementation of the near-field signal redundancy phase-aberration correction algorithm on two-dimensional arrays
CN114859360A (zh) 一种引入机器学习的超声合成孔径成像方法及装置
CN117598734A (zh) 一种超声成像方法及装置
Johansson Synthetic aperture ultrasonic imaging using a single transducer

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right