基於壓縮感知的超聲成像方法和終端與流程

2023-05-12 22:46:12 1

本發明涉及超聲成像技術領域，尤其涉及一種基於壓縮感知的超聲成像方法和終端。

背景技術：

超聲成像技術是現代醫學超聲診斷中極為重要的技術，它利用脈衝回波檢測原理對人體組織進行成像，協助臨床應用對各種病症進行診斷。由於其廉價、使用方便、無副作用等優點，已成為當今四大主流醫學成像手段之一。

現有的超聲成像方法是位於聚焦點的點散射體對照射的超聲波產生反射，這些反射波傳輸到換能器，通過壓電陣元轉化成電子信號，再通過延時相加(delay and sum，以下簡稱DAS)方法進行合成後重建出圖像。然而DAS方法是一種與信號本身不相關的重建方法，其對不同通道接收到的超聲回波信號施加特定的延時後再相加求和，得到目標點的聚焦信號。由於DAS方法採用獨立於接收回波信號並且採用預先定義好的、固定的加權係數，沒有充分利用回波數據的本身特點，獲得的主瓣寬度過寬，旁瓣高度過高。而且主瓣寬度和旁瓣高度之間存在著相互制約，即當抑制旁瓣水平的同時會展寬主瓣寬度，因此不能夠獲得很好的圖像解析度和對比度。

相比於DAS方法，基於最小方差準則(Minimum Variance，以下簡稱MV)的自適應波束合成方法可以提供更好的解析度，但其較複雜的計算過程通常會引入很多的計算量。在實際使用中，成像系統為了滿足奈奎斯特採樣率，尤其在高採樣率情況下，會導致較大數據量及對應的計算量。例如，目前通常的超聲成像系統中，後向散射信號的頻率範圍是2MHz-12MHz。根據奈奎斯特採樣定理，最低採樣率必須要大於或等於兩倍的信號帶寬，否則信號頻譜會出現混疊，不能準確的恢復出原信號。而在實際工程應用中，為了避免混疊，提高解析度和降低噪聲，採樣率至少是信號最大頻率的4倍。因此，採樣頻率通常是50MHz。

技術實現要素：

本發明要解決的是現有技術中超聲成像實際採集信號較多、運算效率低的技術問題。

為解決上述問題，本發明提供了一種基於壓縮感知的超聲成像方法，該方法包括以下步驟：

將超聲陣元接收的信號與預設的線性測量矩陣進行內積計算，得到實際接收的後向散射信號y；

根據解析度要求，離散化目標區域，生成對應的超完備字典矩陣VDCS；

結合所述超完備字典矩陣VDCS和所述後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：

y＝VDCS·f；

將所述目標向量f轉換為圖像矩陣。

其中，所述將超聲陣元接收的信號與預設的線性測量矩陣進行內積計算，得到實際接收的後向散射信號y，包括：

第i個超聲陣元在時間t接收到信號xi(t)：

其中，

Q表示散射點的數目，K表示超聲陣元的數目，sj表示第j個散射點的後向散射信號，τi(ρj)表示散射點ρj到第i個超聲陣元的傳輸延遲，表示第i個超聲陣元的空間位置，表示散射點ρj的空間位置，c表示聲速；

將第i個超聲陣元接收到的信號xi表示為：

xi＝ψ*θi (3)；

其中，‖θi‖0＝S；

S為信號xi(t)在基ψ中的稀疏度；

將xi與大小為Mi×Nt的預設的線性測量矩陣進行內積計算，得到第i個超聲陣元實際接收的後向散射信號yi：

其中Mi＜＜Nt，Mi為第i個超聲陣元實際接收的後向散射信號yi的個數，且Mi在其中一個陣元中的稀疏度為2S，在其他陣元的稀疏度為S；

則K個超聲陣元實際接收的後向散射信號y表示為：

y＝[y1T,y2T,…ykT]T (5)。

其中，所述根據解析度要求，離散化目標區域，生成對應的超完備字典矩陣VDCS，包括：

所述目標區域位於[xs,xe]×[ys,ye]的內積空間，其中xs，ys和xe,ye分別表示目標區域成像的開始和最後地址，並且所述目標區域按照所需的解析度離散化，產生L×P個假想目標散射點，其中L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目；每一個假想目標散射點，測量到的空間響應是一個大小為M×K的矩陣，其中M是一個超聲陣元實際接收的後向散射信號的個數，K是超聲陣元的個數，將所有假想目標散射點的空間響應矩陣構成大小為MK×LP的超完備字典矩陣VDCS。

其中，所述結合所述超完備字典矩陣VDCS和所述後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：y＝VDCS·f，包括：

f的最大似然估計表示為：

其中，

p(y,f)表示聯合概率密度函數，fl表示f中的第l個元素，L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目。

其中，所述結合所述超完備字典矩陣VDCS和所述後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：y＝VDCS·f，包括：

f＝Pfix*f′fix+Pfree*f′free (8)

其中，Pfix和Pfree可通過如下公式利用超完備字典矩陣VDCS求取：

VDCSH表示VDCS的共軛矩陣，∧fix和∧free表示所述超完備字典矩陣VDCS的特徵值，Pfix和Pfree表示所述超完備字典矩陣VDCS的特徵向量；

其中，f′fix可根據如下公式求取:

f′fix＝∧fix-1*y′fix (10)；

∧fix-1表示∧fix的逆變換，y′fix＝(VDCS*Pfix)H*y (11)；

其中f′free可根據下式迭代求解，直至f′free收斂：

f′free＝(PfreeH*T*Pfix)*(PfixH*T*Pfix)-1*f′fix (12)；

T＝diag(|f1|2,|f2|2,…|fLP|2)，f′free的初始值為0。

本發明還提供了一種基於壓縮感知的超聲成像終端，該終端包括：

信號獲取模塊，用於將超聲陣元接收的信號與預設的線性測量矩陣進行內積計算，得到實際接收的後向散射信號y；

區域離散化模塊，用於根據解析度要求，離散化目標區域，生成對應的超完備字典矩陣VDCS；

信號處理模塊，用於結合所述超完備字典矩陣VDCS和所述實際接收的後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：y＝VDCS·f；

成像模塊，用於將所述目標向量f轉換為圖像矩陣。

其中，所述信號獲取模塊具體用於利用如下公式獲取實際接收的後向散射信號y：

第i個超聲陣元在時間t接收到信號xi(t)：

其中，

Q表示散射點的數目，K表示超聲陣元的數目，sj表示第j個散射點的後向散射信號，τi(ρj)表示散射點ρj到第i個超聲陣元的傳輸延遲，表示第i個超聲陣元的空間位置，表示散射點ρj的空間位置，c表示聲速；

將第i個超聲陣元接收到的信號xi表示為：

xi＝ψ*θi (3)；

其中，‖θi‖0＝S；

S為信號xi(t)在基ψ中的稀疏度；

將xi與大小為Mi×Nt的預設的線性測量矩陣進行內積計算，得到第i個超聲陣元實際接收的後向散射信號yi：

其中Mi＜＜Nt，Mi為第i個超聲陣元實際接收的後向散射信號yi的個數，且Mi在其中一個陣元中的稀疏度為2S，在其他陣元的稀疏度為S；

則K個超聲陣元實際接收的後向散射信號y表示為：

y＝[y1T,y2T,…ykT]T (5)。

其中，所述區域離散化模塊具體用於利用如下方式生成超完備字典矩陣VDCS：

目標區域位於[xs,xe]×[ys,ye]的內積空間，其中xs，ys和xe,ye分別表示目標區域成像的開始和最後地址，並且所述目標區域按照所需的解析度離散化，產生L×P個假想目標散射點，其中L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目；每一個假想目標散射點，測量到的空間響應是一個大小為M×K的矩陣，其中M是一個超聲陣元實際接收的後向散射信號的個數，K是超聲陣元的個數，將所有假想目標散射點的空間響應矩陣構成大小為MK×LP的超完備字典矩陣VDCS。

其中，所述信號處理模塊具體用於利用如下公式得到目標向量f：

f的最大似然估計表示為：

其中，

p(y,f)表示聯合概率密度函數，fl表示f中的第l個元素，L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目。

其中，所述信號處理模塊具體用於利用如下公式得到目標向量f：

f＝Pfix*f′fix+Pfree*f′free (8)；

其中，Pfix和Pfree可通過如下公式利用超完備字典矩陣VDCS求取：

VDCSH表示VDCS的共軛矩陣，∧fix和∧free表示所述超完備字典矩陣VDCS的特徵值，Pfix和Pfree表示所述超完備字典矩陣VDCS的特徵向量；

其中，f′fix可根據如下公式求取:

f′fix＝∧fix-1*y′fix (10)；

∧fix-1表示∧fix的逆變換，y′fix＝(VDCS*Pfix)H*y (11)；

其中f′free可根據下式迭代求解，直至f′free收斂：

f′free＝(PfreeH*T*Pfix)*(PfixH*T*Pfix)-1*f′fix (12)；

T＝diag(|f1|2,|f2|2,…|fLP|2)，f′free的初始值為0。

本發明的優點和效果如下：

1、本發明提出了一種全新的超聲成像方法，可在遠低於奈奎斯特採樣率的情況下採集少量後向散射信號，並直接由採集到的少量後向散射信號重建出高解析度超聲圖像，不僅避免了傳統方法上複雜的矩陣運算，提高了運算效率，而且可以獲得高解析度的超聲圖像。

2、本發明方法和終端不依賴於發射模式，在各種發射模式下均能得到高解析度、高對比度的超聲圖像。

總之，本發明通過該超聲成像方法和終端大大地提高了超聲成像的速率、解析度和對比度，提高了超聲圖像的質量，進而能夠獲取體內更多的生理、病理信息，顯示更為細微的組織結構。

附圖說明

圖1是本發明實施例1的一種基於壓縮感知的超聲成像方法的流程圖；

圖2是本發明實施例1的一種基於壓縮感知的超聲成像方法的目標區域離散化示意圖；

圖3是本發明實施例1的一種基於壓縮感知的超聲成像方法中的大小為19×771的線性矩陣；

圖4是本發明實施例1的一種基於壓縮感知的超聲成像方法和現有的DAS方法中陣元實際接收的後向散射信號；其中圖4(a)為DAS中陣元實際接收的後向散射信號；4(b)為本發明方法中陣元實際接收的後向散射信號；

圖5是目標區域中的散射點以及本發明實施例1的一種基於壓縮感知的超聲成像方法和現有的DAS方法的成像結果；其中圖5(a)為目標區域中的散射點；5(b)為DAS的成像結果；5(c)為本發明方法的成像結果；

圖6是基於壓縮感知的超聲成像終端的示意圖。

具體實施方式

為使發明的目的、技術方案和優點更加清楚，下面將結合發明中的附圖，對發明中的技術方案進行清楚地描述，顯然，所描述的實施例是發明一部分實施例，而不是全部的實施例。基於發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於發明保護的範圍。

實施例1

如圖1所示，本發明提供了一種基於壓縮感知的超聲成像方法，該方法包括以下步驟：

將超聲陣元接收的信號與預設的線性測量矩陣進行內積計算，得到實際接收的後向散射信號y；

根據解析度要求，離散化目標區域，生成對應的超完備字典矩陣VDCS；

結合超完備字典矩陣VDCS和後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：

y＝VDCS·f；

將目標向量f轉換為圖像矩陣。

本發明將從超聲模擬前端中獲取的經過放大和A/D轉換的超聲脈衝回波信號即超聲陣元接收的信號，與預設的線性測量矩陣進行內積計算，使超聲陣元實際接收的後向散射信號y遠遠少於超聲陣元接收的信號，進而大大提高了信號的傳輸效率和運算效率。另外，本發明可直接利用超聲陣元實際接收的後向散射信號y重建出超聲圖像，不僅避免了傳統方法上複雜的矩陣運算，提高了運算效率，而且可以獲得高解析度的超聲圖像。

其中，將超聲陣元接收的信號與預設的線性測量矩陣進行內積計算，得到實際接收的後向散射信號y，包括：

第i個超聲陣元在時間t接收到信號xi(t)：

其中，

Q表示散射點的數目，K表示超聲陣元的數目，sj表示第j個散射點的後向散射信號，τi(ρj)表示散射點ρj到第i個超聲陣元的傳輸延遲，表示第i個超聲陣元的空間位置，表示散射點ρj的空間位置，c表示聲速；

將第i個超聲陣元接收到的信號xi表示為：

xi＝ψ*θi (3)；

其中，‖θi‖0＝S；

S為信號xi(t)在基ψ中的稀疏度；

將xi與大小為Mi×Nt的預設的線性測量矩陣進行內積計算，得到第i個超聲陣元實際接收的後向散射信號yi：

其中Mi＜＜Nt，Mi為第i個超聲陣元實際接收的後向散射信號yi的個數，且Mi在其中一個陣元中的稀疏度為2S，在其他陣元的稀疏度為S；

則K個超聲陣元實際接收的後向散射信號y表示為：

y＝[y1T,y2T,…ykT]T (5)。

再結合圖2所示，根據解析度要求，離散化目標區域，生成對應的超完備字典矩陣VDCS，包括：

目標區域位於[xs,xe]×[ys,ye]的內積空間，其中xs，ys和xe,ye分別表示目標區域成像的開始和最後地址，並且目標區域按照所需的解析度離散化，產生L×P個假想目標散射點，其中L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目；每一個假想目標散射點，測量到的空間響應是一個大小為M×K的矩陣，其中M是一個超聲陣元實際接收的後向散射信號的個數，K是超聲陣元的個數，將所有假想目標散射點的空間響應矩陣構成大小為MK×LP的超完備字典矩陣VDCS。

其中，結合超完備字典矩陣VDCS和後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：y＝VDCS·f，包括：

f的最大似然估計表示為：

其中，

p(y,f)表示聯合概率密度函數，fl表示f中的第l個元素，L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目。

其中，結合超完備字典矩陣VDCS和後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：y＝VDCS·f，包括：

f＝Pfix*f′fix+Pfree*f′free (8)

其中，Pfix和Pfree可通過如下公式利用超完備字典矩陣VDCS求取：

VDCSH表示VDCS的共軛矩陣，∧fix和∧free表示超完備字典矩陣VDCS的特徵值，Pfix和Pfree表示超完備字典矩陣VDCS的特徵向量；

其中，f′fix可根據如下公式求取:

f′fix＝∧fix-1*y′fix (10)；

∧fix-1表示∧fix的逆變換，y′fix＝(VDCS*Pfix)H*y (11)；

其中f′free可根據下式迭代求解，直至f′free收斂：

f′free＝(PfreeH*T*Pfix)*(PfixH*T*Pfix)-1*f′fix (12)；

T＝diag(|f1|2,|f2|2,…|fLP|2)，f′free的初始值為0。

按照上述方法對本發明進行實驗，並與傳統的DAS方法進行比較，結果如下：

實驗參數為：採用5MHz的平面波和32個超聲陣元，每個超聲陣元之間的間距設為150um。

圖3是本發明實施例1的一種基於壓縮感知的超聲成像方法中的大小為19×771的線性矩陣。

圖4是本發明實施例1的一種基於壓縮感知的超聲成像方法和現有的DAS方法中陣元實際接收的後向散射信號；其中圖4(a)為DAS中陣元實際接收的後向散射信號；4(b)為本發明方法中陣元實際接收的後向散射信號。

從圖4結果對比可看出，本發明實際採集的信號數量遠遠少於DAS方法實際採集的信號數量。具體地，採用DAS方法需要採集771×32＝22752個信號，採用本發明的方法只需要採集19×32＝608個信號，也就是說本發明所要採集的信號是上述DAS方法採集的信號與圖3中的線性矩陣進行內積運算的結果。

圖5是目標區域中的散射點以及本發明實施例1的一種基於壓縮感知的超聲成像方法和現有的DAS方法的成像結果；其中圖5(a)為目標區域中的散射點；5(b)為DAS的成像結果；5(c)為本發明方法的成像結果。

從圖5結果對比可看出，DAS解析度差、旁瓣大。本發明方法在解析度和旁瓣水平上都表現出了優秀的性能，圖中的19個點目標都可以清晰的辨別。

總之，實驗結果驗證了本發明方法的有效性和實用性，而且本發明方法不依賴於發射模式，適用於目前各種超聲成像平臺。

實施例2

如圖6所示，本發明還提供了一種基於壓縮感知的超聲成像終端，該終端包括：

信號獲取模塊1，用於將超聲陣元接收的信號與預設的線性測量矩陣進行內積計算，得到實際接收的後向散射信號y；

區域離散化模塊2，用於根據解析度要求，離散化目標區域，用於生成對應的超完備字典矩陣VDCS；

信號處理模塊3，用於結合超完備字典矩陣VDCS和後向散射信號y，通過如下公式進行最大似然估計的求解，得到目標向量f：y＝VDCS·f；

成像模塊4，用於將目標向量f轉換為圖像矩陣。

信號獲取模塊1對超聲陣元接收的信號與線性測量矩陣進行內積計算，獲取到實際接收的後向散射信號y後，發送給區域離散化模塊2；區域離散化模塊2根據解析度要求對目標區域離散化後，利用離散化後目標區域和接收到的實際接收的後向散射信號y，生成對應的超完備字典矩陣VDCC；信號處理模塊3對超完備字典矩陣VDCS和後向散射信號y進行處理後，得到目標向量f；成像模塊4將目標向量f轉換為圖像矩陣。

具體地，信號獲取模塊具體用於利用如下公式獲取實際接收的後向散射信號y：

第i個超聲陣元在時間t接收到信號xi(t)：

其中，

Q表示散射點的數目，K表示超聲陣元的數目，sj表示第j個散射點的後向散射信號，τi(ρj)表示散射點ρj到第i個超聲陣元的傳輸延遲，表示第i個超聲陣元的空間位置，表示散射點ρj的空間位置，c表示聲速；

將第i個超聲陣元接收到的信號xi表示為：

xi＝ψ*θi (3)；

其中，‖θi‖0＝S；

S為信號xi(t)在基ψ中的稀疏度；

將xi與大小為Mi×Nt的預設的線性測量矩陣進行內積計算，得到第i個超聲陣元實際接收的後向散射信號yi：

其中Mi＜＜Nt，Mi為第i個超聲陣元實際接收的後向散射信號yi的個數，且Mi在其中一個陣元中的稀疏度為2S，在其他陣元的稀疏度為S；

則K個超聲陣元實際接收的後向散射信號y表示為：

y＝[y1T,y2T,…ykT]T (5)。

具體地，區域離散化模塊具體用於利用如下方式生成超完備字典矩陣VDCS：

目標區域位於[xs,xe]×[ys,ye]的內積空間，其中xs，ys和xe,ye分別表示目標區域成像的開始和最後地址，並且目標區域按照所需的解析度離散化，產生L×P個假想目標散射點，其中L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目；每一個假想目標散射點，測量到的空間響應是一個大小為M×K的矩陣，其中M是一個超聲陣元實際接收的後向散射信號的個數，K是超聲陣元的個數，將所有假想目標散射點的空間響應矩陣構成大小為MK×LP的超完備字典矩陣VDCS。

具體地，信號處理模塊具體用於利用利用如下公式得到目標向量f：

f的最大似然估計表示為：

其中，

p(y,f)表示聯合概率密度函數，fl表示f中的第l個元素，L和P分別表示離散化的目標區域在軸向和橫向的假想目標散射點數目。

具體地，信號處理模塊具體用於利用利用如下公式得到目標向量f：

f＝Pfix*f′fix+Pfree*f′free (8)；

其中，Pfix和Pfree可通過如下公式利用超完備字典矩陣VDCS求取：

VDCSH表示VDCS的共軛矩陣，∧fix和∧free表示超完備字典矩陣VDCS的特徵值，Pfix和Pfree表示超完備字典矩陣VDCS的特徵向量；

其中，f′fix可根據如下公式求取:

f′fix＝∧fix-1*y′fix (10)；

∧fix-1表示∧fix的逆變換，y′fix＝(VDCS*Pfix)H*y (11)；

其中f′free可根據下式迭代求解，直至f′free收斂：

f′free＝(PfreeH*T*Pfix)*(PfixH*T*Pfix)-1*f′fix (12)；

T＝diag(|f1|2,|f2|2,…|fLP|2)，f′free的初始值為0。

本發明的各個部件實施方式可以以硬體實現，或者以在一個或者多個處理器上運行的軟體模塊實現，或者以它們的組合實現。應該注意的是上述實施方式對本發明進行說明而不是對本發明進行限制，並且本領域技術人員在不脫離所附權利要求的範圍的情況下可設計出替換實施方式。在權利要求中，不應將位於括號之間的任何參考符號構造成對權利要求的限制。單詞「包含」不排除存在未列在權利要求中的元件或步驟。位於元件之前的單詞「一」或「一個」不排除存在多個這樣的元件。本發明可以藉助於包括有若干不同元件的硬體以及藉助於適當編程的計算機來實現。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬體項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。

雖然結合附圖描述了本發明的實施方式，但是本領域技術人員可以在不脫離本發明的精神和範圍的情況下做出各種修改和變型，這樣的修改和變型均落入由所附權利要求所限定的範圍之內。