适用于超声成像的旁瓣相消算法 下载: 911次
1 引言
超声波具有无电离辐射、成本低、易于获得等优点,在医学影像领域中被广泛应用。图像重构算法是超声成像的关键技术之一[1],其中,延时叠加(DS)算法因可以实现波束聚焦而受到广泛关注[2]。利用图形处理器(GPU)加速技术,能够实现基于DS算法的实时超声图像显示[3];但由于DS算法在实现聚焦的同时引入了旁瓣干扰以及噪声信号,因此获得的回波图像具有横向分辨率低、旁瓣信号大及对比度差等问题[4]。为了有效抑制旁瓣干扰和噪声信号,自适应成像算法被引入超声成像[5]。自适应成像算法利用计算得到的权值矢量在抑制旁瓣干扰和噪声信号的同时保留期望信号,提高了回波图像质量[6-8]。为了改善自适应成像算法的稳健性,Evans等[9]和Synnevåg等[10]分别提出对角加载算法以及子孔径平滑算法。为进一步抑制旁瓣干扰和噪声信号,研究人员提出基于特征空间的自适应成像[11]算法,以及基于相干系数[12-13]的自适应成像算法。
本文提出一种新的旁瓣相消(CFEBGSC)算法,在抑制干扰和噪声信号的同时保留了期望信号,进而提高超声回波图像的横向分辨率。此外,基于超声回波信号相干性强的特点,本文算法利用回波数据样本协方差矩阵的最大特征值约束权值矢量,在不增加算法计算量的情况下进一步抑制了旁瓣干扰和噪声信号,获得了更优的图像对比度。基于点目标和暗斑的仿真数据,以及实际回波数据分别进行成像实验,验证了算法的有效性。
2 基本原理
对于
式中:
基于阵列信号模型,经DS算法处理后的超声回波数据
式中:
式中:
3 本文算法
为了进一步抑制旁瓣干扰和噪声信号、提高回波图像的对比度,引入相干系数
利用最大特征值
4 实验
FieldⅡ是研究超声成像常用的仿真软件,基于FieldⅡ获得的仿真数据可验证图像重构算法的有效性[17-18]。利用FieldⅡ获得点目标和暗斑的回波仿真数据,对比DS、GSC、EBGSC及CFEBGSC算法在横向分辨率
4.1 点目标
在探测深度25~60 mm、横向距离-5~5 mm的成像区域随机设置16个点目标,
图 1. 点目标的回波图像。(a) DS;(b) GSC;(c) EBGSC (σ=0.5);(d) CFEBGSC (σ=0.5)
Fig. 1. Echo images of point targets. (a) DS; (b) GSC; (c) EBGSC (σ=0.5); (d) CFEBGSC (σ=0.5)
图 2. 不同波束形成算法的横向能量变化。(a) z=45 mm;(b) z=55 mm
Fig. 2. Lateral energy variation for different beamforming algorithms. (a) z=45 mm; (b) z=55 mm
表 1. z=45 mm处点目标的FFWHM和PPSL
Table 1. FFWHM and PPSL of point target at z=45 mm
|
4.2 暗斑
经各算法重构的暗斑B超图像如
式中:
图 3. 基于Field Ⅱ的圆形暗斑图像。(a) DS;(b) GSC;(c) EBGSC (σ=0.5);(d) CFEBGSC (σ=0.5)
Fig. 3. Circular dark speck images basing on Field Ⅱ. (a) DS; (b) GSC; (c) EBGSC (σ=0.5); (d) CFEBGSC (σ=0.5)
图 4. 不同算法重构的B超图像在z=37 mm处的横向能量变化
Fig. 4. Lateral energy variation of B-mode ultrasonic images reconstructed by different algorithms at z=37 mm
实验结果证明,本文算法明显提高了暗斑回波图像的对比度和
表 2. r=5 mm,(x,z)=(0,37) mm圆形暗斑的Ccontrast和CCNR
Table 2. Ccontrast and CCNR of circular cyst with r=5 mm, (x, z)=(0, 37) mm
|
4.3 仿体成像
仿体成像实验的原始超声回波数据由密歇根大学生物医学超声实验室提供[10],仿体由琼脂及散射介质组成,琼脂的声学特征与人体组织近似。经各算法重构的B超图像如
图 5. 实际B超图像。(a) DS;(b) GSC;(c) EBGSC (σ=0.5);(d) CFEBGSC (σ=0.5)
Fig. 5. Actual B-mode ultrasonic images. (a) DS; (b) GSC; (c) EBGSC (σ=0.5); (d) CFEBGSC (σ=0.5)
图 6. 各算法在z=88 mm处的横向能量变化
Fig. 6. Lateral energy variation for various algorithms at z=88 mm
由于声速误差、系统延时误差、换能器参数误差等原因,利用实际超声系统成像时SA成像技术不能理想地实现发射和接收聚焦,因此期望信号、干扰信号和噪声信号的区分不明显,本文算法的优势在一定程度上被抑制。对比各算法重构的B超图像,CFEBGSC、EBGSC、GSC和DS算法处理后的对比度分别为36.4 dB、28.3 dB、6.0 dB、8.6 dB,
5 结论
延时叠加算法通过实现发射和接收聚焦以提高超声回波图像质量,但延时叠加算法仍然会引入旁瓣干扰和噪声信号,导致回波图像的横向分辨率低和对比度差。本文算法利用相控阵超声换能器阵列的结构特性,基于方向向量将期望信号与干扰和噪声信号相区分,在抑制干扰和噪声信号的同时保留了期望信号,进而提高了超声回波图像的横向分辨率。同时,基于超声回波信号相干性强的特点,本文算法利用超声回波数据样本协方差矩阵的最大特征值约束获得的权值矢量,在不增加算法计算量的情况下进一步抑制旁瓣干扰和噪声信号,获得了更优的图像对比度。通过点目标和暗斑的仿真数据,以及实际超声回波数据的图像重构实验,验证了本文算法的有效性。
[1] 周正干, 李洋, 周文彬. 相控阵超声后处理成像技术研究、应用和发展[J]. 机械工程学报, 2016, 52(6): 1-11.
[2] 王平, 李娜, 杜炜, 等. 合成孔径压缩感知超声成像中的高效能稀疏字典设计[J]. 声学学报, 2017, 42(6): 713-720.
[3] 李溦, 陈晓冬, 李嘉科, 等. 内镜超声合成孔径成像算法的并行实现[J]. 激光与光电子学进展, 2017, 54(10): 102001.
[4] 卞光宇, 汪毅, 白宝平, 等. 基于编码激励的内镜超声相控阵成像算法[J]. 激光与光电子学进展, 2018, 55(1): 011103.
[5] 李健, 郭薇, 杨晓霞, 等. 超声相控阵检测CFRP缺陷识别方法[J]. 天津大学学报, 2015, 48(8): 750-756.
[6] 陈晓冬, 李明, 俞锋, 等. 超声内窥数字成像技术[J]. 中国激光, 2009, 36(10): 2557-2560.
[7] 郁道银, 李明, 李妍, 等. 超声内窥合成孔径成像技术的研究[J]. 中国激光, 2010, 37(11): 2693-2697.
[8] 刘昊霖, 易宗锐, 刘东权. 相干系数与幅度相位估计融合的医学超声成像算法[J]. 四川大学学报(工程科学版), 2015, 47(S2): 125-129, 148.
[9] Evans JE, Johnson JR, Sun DF. High resolution angular spectrum estimation techniques for terrain scattering analysis and angle of arrival estimation in ATC navigation and surveillance system[C]∥Assp Workshop Spectral Estimation, 1982.
[12] 刘丽艳, 闻精精, 杨洋, 等. 基于MATLAB的超声空化场表征与三维可视化[J]. 天津大学学报, 2013, 46(12): 1133-1138.
[18] Jensen JA. Field: a program for simulating ultrasound systems[C]∥10th Nordicbaltic Conference on Biomedical Imaging, 1996: 351- 353
[19] 刘婷婷, 周浩, 郑音飞. 特征空间和符号相干系数融合的最小方差超声波束形成[J]. 声学学报, 2015, 40(6): 855-862.
[20] 孟德明, 陈昕, 戴明, 等. 融合特征空间最小方差波束形成和广义相干系数的超声成像方法[J]. 生物医学工程研究, 2016, 35(4): 219-223.
李嘉科, 陈晓冬, 汪毅, 郁道银. 适用于超声成像的旁瓣相消算法[J]. 激光与光电子学进展, 2019, 56(7): 071103. Jiake Li, Xiaodong Chen, Yi Wang, Daoyin Yu. Sidelobe Canceller Algorithm for Ultrasonic Imaging[J]. Laser & Optoelectronics Progress, 2019, 56(7): 071103.