楊策

（四川大學(xué)計算機(jī)學(xué)院，成都　610065）

基于局部聲速優(yōu)化和信號修正的超聲成像算法

楊策

（四川大學(xué)計算機(jī)學(xué)院，成都610065）

0　引言

人體構(gòu)成復(fù)雜，各種組織不盡相同，這就導(dǎo)致了超聲波在人體中傳播，不同組織具有不同的傳播聲速。如在骨骼中傳播速度為3700m/s,肌肉中傳播速度約為1580m/s,乳房中速度僅為1420m/s。而現(xiàn)有的超聲系統(tǒng)上常采用1540m/s作為系統(tǒng)聲速，聲速的不匹配，會造成成像質(zhì)量不佳，如形變、相位不準(zhǔn)確、對比度下降等問題。

針對這一問題，現(xiàn)今已經(jīng)提出了很多種聲速優(yōu)化的算法，如在文獻(xiàn)[1]中Jochen F.Kriicker's2，J.Brian Fowlks'. Paul L.Carson'采用多組不同角度的超感興趣區(qū)域圖像進(jìn)行圖像配準(zhǔn)以此得到該區(qū)域的最佳聲速；Larry Mo,David Napolitano在文獻(xiàn)[2]中將包絡(luò)信號作為橫向傅里葉算法的輸入，通過統(tǒng)計頻譜隨聲速改變產(chǎn)生較大變化部分的能量來作為衡量最優(yōu)聲速的標(biāo)準(zhǔn)；文獻(xiàn)[3]對超聲聚焦點(diǎn)附近的原始射頻數(shù)據(jù)做橫向傅里葉變換，對結(jié)果進(jìn)行分析，得到目標(biāo)范圍內(nèi)的最佳成像效果；文獻(xiàn)[4]通過觀察超聲圖像性質(zhì)以側(cè)向?qū)Ρ榷茸鳛榍腥朦c(diǎn)，來作為判斷最優(yōu)聲速的依據(jù)。此類算法的目標(biāo)區(qū)域通常為聚焦區(qū)域，優(yōu)化后將目標(biāo)區(qū)域的最優(yōu)聲速作為全局的聲速用于成像，然而非聚焦區(qū)域的聲速可能并不匹配于優(yōu)化后的全局聲速，從而導(dǎo)致圖像質(zhì)量在非聚焦區(qū)域成像效果不佳。

為了解決以上問題，本文對超聲圖像進(jìn)行整體劃分，除了最為重要的主目標(biāo)區(qū)域外，將其余部分分層為其他目標(biāo)區(qū)域。采用一種可行的聲速優(yōu)化算法，得到每個區(qū)域的最佳聲速，以主目標(biāo)區(qū)域聲速作為全局聲速用于聚焦，之后采用相位修正算法在接收聚焦時對其余目標(biāo)區(qū)域的原始射頻數(shù)據(jù)進(jìn)行處理，使得在整體采用一個系統(tǒng)聲速時，圖像的各個部分都能得到較好的成像效果。

1　聲速的意義

超聲探頭由許多小陣元構(gòu)成，在發(fā)射超聲波時，每個小陣元向目標(biāo)介質(zhì)發(fā)射同心圓波束，當(dāng)多個陣元同時發(fā)射同心圓波束時，由于波之間的互相干擾，波束可能加強(qiáng)，可能被削弱。在超聲成像中我們希望同心圓波束會在目標(biāo)點(diǎn)聚集以獲得最強(qiáng)的疊加能量。

圖1　探頭波束形成示意圖

在圖1中橫向為探頭方向，縱向為深度方向，可以看出因為陣元距聚焦點(diǎn)f距離不同，因此需要對每個陣元設(shè)定發(fā)射延遲時間t，使得所有的同心圓波束能聚集于目標(biāo)點(diǎn)f。因此若系統(tǒng)聲速與組織聲速不匹配則波束無法聚焦，接收聚焦時亦然。公式（1）為延遲公式,其中t為當(dāng)前陣元延遲的時間，c為設(shè)定的用于計算延遲的超聲系統(tǒng)聲速。

對于非均勻組織如圖2，上層組織聲速為C1，下層組織聲速為C2，將聚焦點(diǎn)定于點(diǎn)f，忽略折射。當(dāng)在f點(diǎn)處得到最佳成像效果時最優(yōu)聲速應(yīng)為C3（C1＜C3＜C2），而上層組織其最優(yōu)聲速為C1，若只對聚焦區(qū)域進(jìn)行優(yōu)化，采用優(yōu)化結(jié)果C3作為系統(tǒng)聲速，則上層組織成像效果不佳。

2　算法介紹

2.1基于FFT的聲速優(yōu)化算法

在聲速優(yōu)化算法中選取目標(biāo)區(qū)域是十分重要的，通常目標(biāo)區(qū)域是包含聚焦點(diǎn)的區(qū)域，但過大的目標(biāo)區(qū)域會使得數(shù)據(jù)特性被削弱。而且在多次實(shí)驗中可知，較小的目標(biāo)區(qū)域可以更好地保留聚焦帶來的影響。本文將組織進(jìn)行分層，除了主要關(guān)注的區(qū)域，設(shè)定劃分多個其他區(qū)域，對每個區(qū)域進(jìn)行聲速優(yōu)化，需要設(shè)定多個聚焦點(diǎn)，考慮到時實(shí)性，聲速優(yōu)化算法要盡可能的簡單高效，故不考慮圖像處理相關(guān)的優(yōu)化算法，而采用在信號上進(jìn)行處理的方法。

在文獻(xiàn)[3]中，采用RF數(shù)據(jù)作為FFT的輸入源，沒有考慮直流分量帶來的影響，文獻(xiàn)[4]中FFT的輸入為包絡(luò)信號，但包絡(luò)信號進(jìn)行FFT后損失很多的幅值信息。故本文采用IQ信號作為FFT的輸入。

圖3為仿真生成的超聲單點(diǎn)成像圖，可以看到隨著聲速的變化成像效果也發(fā)生改變，且改變在橫向上最為明顯。從左至右聲速分別為1440m/s,1540m/s, 1640m/s，聚焦深度3cm為圖中亮點(diǎn)處，組織聲速為1540m/s?？砂l(fā)現(xiàn)成像效果在1540m/s的聲速下達(dá)到最佳效果。

圖3　超聲單點(diǎn)成像圖

圖4中上層三幅圖從左至右分別為采用1440m/s, 1540m/s,1640m/s的聲速進(jìn)行聚焦時，聚焦點(diǎn)處包絡(luò)線圖譜，下層三幅圖為采用上述聲速聚焦時，聚焦點(diǎn)處IQ信號進(jìn)行FFT轉(zhuǎn)換后的結(jié)果。無論是哪種圖譜在聲速為1540m/s（1540m/s為組織聲速，在此聲速下成像效果最佳）時其都具有波峰更高，波谷更低的特點(diǎn)。

將圖4下層三幅圖譜放到同一坐標(biāo)軸中顯示，如圖5，可以看到在某個范圍內(nèi)頻譜隨著聲速的改變有著較為明顯的變化，根據(jù)文獻(xiàn)[2]中提到的方法，我們可以通過預(yù)設(shè)標(biāo)量來標(biāo)記變化明顯的范圍，統(tǒng)計隨聲速改變變化明顯的頻譜幅值和來作為衡量聚焦效果的質(zhì)量因子。

圖4　聚焦點(diǎn)處包絡(luò)信號及IQ信號FFT結(jié)果

圖5　FFT結(jié)果圖

通過以上分析可得到本文改進(jìn)后的聲速優(yōu)化算法，算法流程如下：

●采用原始未經(jīng)過任何處理的RF數(shù)據(jù)，對其進(jìn)行正交解調(diào)，得到對應(yīng)的IQ數(shù)據(jù)。

●選擇包含聚焦點(diǎn)的區(qū)域為目標(biāo)區(qū)域，在目標(biāo)區(qū)域深度內(nèi)橫向選擇多行IQ數(shù)據(jù)，進(jìn)行橫向傅里葉變換。

●將得到的多條FFT頻譜做平均，得到最后的頻譜。

●在多個聲速下重復(fù)以上過程，觀察所有頻譜，確定頻譜隨聲速變動改變較大的范圍。

●將設(shè)定范圍內(nèi)的頻譜能量求和，找出頻譜能量最大時對應(yīng)的聲速，作為最優(yōu)聲速，用于最終成像。

2.2相位修正算法

通過對目標(biāo)組織進(jìn)行多區(qū)域劃分，對每個區(qū)域設(shè)置聚焦點(diǎn)，進(jìn)行聲速優(yōu)化，可得到該區(qū)域的最佳成像聲速，但在超聲系統(tǒng)成像中，只能設(shè)定一個聲速作為系統(tǒng)聲速，故除主要目標(biāo)區(qū)域外的其他區(qū)域得不到最佳成像效果，這就需要以該區(qū)域的最優(yōu)聲速對其進(jìn)行相位修正。以使得同一位置的數(shù)據(jù)具有相同的相位，不正確的聲速則會在此步驟時產(chǎn)生偏差。故在聲速不匹配情況下相位修正公式（2）如下：

其中Zf為聚焦點(diǎn)Z軸坐標(biāo)，Xf為聚焦點(diǎn)X坐標(biāo)，Xi為接收點(diǎn)X坐標(biāo)，C0為系統(tǒng)聲速，CK為優(yōu)化后的最佳聲速，dshift為在經(jīng)過系統(tǒng)聲速進(jìn)行接收聚焦相位平移后，目標(biāo)區(qū)域需要進(jìn)行的相位修正的量。

綜上所述可以可到本文算法的總體流程：

圖6　算法流程圖

3　實(shí)驗結(jié)果

為驗證本文提出的算法，目標(biāo)組織需為不均勻組織且有已知確定聲速，而相位修正算法需要在接受聚焦之前對數(shù)據(jù)進(jìn)行相位修正，而現(xiàn)有超聲系統(tǒng)數(shù)據(jù)都已封裝，故采用計算機(jī)仿真的方式來進(jìn)行實(shí)驗。在仿真中我們用到的模擬組織的數(shù)據(jù)結(jié)構(gòu)是一個20mm× 60mm的區(qū)域，這個區(qū)域被分成1200個小格子（格子大小為1mm×1mm），每個小格隨機(jī)分布49個散射點(diǎn)，共59800個散射點(diǎn)。

3.1均勻組織聲速優(yōu)化

圖7　均勻組織斑點(diǎn)成像

此處為斑點(diǎn)圖像的仿真，設(shè)定真實(shí)聲速為1540m/ s。圖7從左至右是系統(tǒng)聲速分別為1540m/s，1640m/s，聚焦深度在3cm時的成像。由圖可以看出在系統(tǒng)聲速為1540m/s（圖7左邊圖片）時，具有更好的成像效果。對聚焦點(diǎn)位于該深度的一組不同聲速 （1440m/s-1640m/s）生成的超聲圖像劃定目標(biāo)區(qū)域進(jìn)行聲速優(yōu)化，采用本文提及的算法，優(yōu)化結(jié)果圖8，可以看出，本文提出的算法能夠準(zhǔn)確地計算出最優(yōu)聲速。

圖8　斑點(diǎn)成像聲速優(yōu)化結(jié)果

3.2分層組織聲速優(yōu)化

此實(shí)驗為分層聲速仿真（忽略折射），將目標(biāo)組織分為三層，三層組織真實(shí)聲速由上到下分別為1430m/s，1500m/s，1540m/s，每層高度都為2cm。分別在1.2cm, 3.3cm，4.5cm處設(shè)定一亮靶點(diǎn)。圖9為聚焦點(diǎn)在4.5cm處的不同系統(tǒng)聲速下的成像。由圖像可以看出三個亮點(diǎn)分別在聲速為1430m/s,1460m/s,1480m/s時達(dá)到最佳成像效果。圖10由上到下分別為對包含1.3cm，3.3cm，4.5cm處亮點(diǎn)的區(qū)域進(jìn)行聲速優(yōu)化的結(jié)果，分別在1430m/，1460m/s，1480m/s處取得最大值。

圖9　分層組織成像圖

3.3相位修正

將第三層4.5cm點(diǎn)處作為主目標(biāo)區(qū)域，傳統(tǒng)優(yōu)化算法使用其最優(yōu)聲速1480m/s進(jìn)行成像得到圖（a），而通過本文算法對其余區(qū)域進(jìn)行相位修正后，采用1480m/s作為系統(tǒng)聲速時成像如圖（b），可以看到第一個亮靶點(diǎn)與第二個亮靶點(diǎn)在橫向上的擴(kuò)散程度較修正之前有了一定提高。

圖10　分層組織聲速優(yōu)化結(jié)果

表1　側(cè)向?qū)Ρ榷缺容^表

在目標(biāo)點(diǎn)周圍選取相同大小的區(qū)域做側(cè)向?qū)Ρ榷鹊挠嬎?，計算方法來自文獻(xiàn)[4]。結(jié)果如表1，可以看出修正后的側(cè)向?qū)Ρ榷雀哂谛拚啊６捎诒緛硇拚昂舐曀俨罹嗖淮?，且主要對亮靶點(diǎn)進(jìn)行分析，故也并不會有大范圍的提升。

圖11　結(jié)果比較圖

4　結(jié)語

通過計算機(jī)仿真的實(shí)驗結(jié)果可以看出，本文提出的算法相較于傳統(tǒng)聲速優(yōu)化算法來說，在成像效果上有了提高。但本文目標(biāo)區(qū)域選取范圍較小，在優(yōu)化中對多個劃分的局部區(qū)域需選取多個聚焦點(diǎn)，過程略為繁瑣，后期可結(jié)合圖像處理的方法對圖像進(jìn)行預(yù)處理劃分組織類似區(qū)域，框定優(yōu)化范圍，減少算法運(yùn)算量，提高優(yōu)化準(zhǔn)確性，將此方法運(yùn)用于實(shí)際中。

[1]Jochen F.Kriicker's,J.Brian Fowlks'.Sound Speed Estimation Using Ultrasound Image Registration[J]．IEEE Transactions on Ultrasonics,Ferroelectrics,and Frequency Control,vol.51,no.9,september 2004.

[2]David Napolitano*,Ching-Hua Chou,Glen McLaughlin,Ting-Lan Ji,Larry Mo,Derek DeBusschere,Robert Steins．Sound Speed Correction in Ultrasound Imaging[J]．Ultrasonics 44（2006）.

[3]Huanhuan He and Dong C.Liu．Sound Speed Optimization Based on Acoustic Point Spread Function[J]．IEEE，2009.

[4]李曉瑛,劉東權(quán)．基于圖像對比度分析的自適應(yīng)超聲聲速優(yōu)化[J]．生物醫(yī)學(xué)工程學(xué)雜志,2011.

[5]杜恒．超聲系統(tǒng)聲速優(yōu)化模擬與算法[J].中國生物醫(yī)學(xué)工程進(jìn)展，2007.

[6]夏春蘭，石丹，劉東權(quán).基于CUDA的超聲B模式成像[J].計算機(jī)應(yīng)用研究，2007.

Ultrasound Imaging;Local Sound Speed Optimization;Phase Correction

Ultrasound Imaging Algorithm Based on Local Sound Speed Optimization and Signal Correction

YANG Ce
（College of Computer Science,Sichuan University,Chengdu 610065）

1007-1423（2016）03-0072-06

10.3969/j.issn.1007-1423.2016.03.017

楊策（1991-），女，貴州六盤水人，在讀碩士研究生，研究方向為超聲系統(tǒng)聲速優(yōu)化相關(guān)算法

2015-12-01

2015-12-30

在超聲成像中與組織聲速匹配的系統(tǒng)聲速會帶來最佳的成像效果，因此，多種超聲聲速優(yōu)化算法已經(jīng)提出。傳統(tǒng)優(yōu)化方法選定包含聚焦點(diǎn)的區(qū)域作為感興趣區(qū)域，優(yōu)化后將得到的最佳聲速作為系統(tǒng)聲速用于成像，這會導(dǎo)致非聚焦區(qū)域組織聲速不匹配，導(dǎo)致局部成像效果不佳。對現(xiàn)有聲速優(yōu)化算法進(jìn)行改進(jìn)，再結(jié)合所提出的相位修正算法，解決局部成像效果不佳的這個問題，在整體上提高超聲圖像質(zhì)量。通過計算機(jī)仿真的方式進(jìn)行實(shí)驗，結(jié)果表明經(jīng)該算法修正后的超聲圖像，圖像質(zhì)量有所提高。

超聲成像；局部聲速化；相位修正

In ultrasound imaging system,if the assumed sound speed match the true sound speed propagated in the tissue,then the system can bring better imaging quality.Therefore,many kinds of ultrasonic speed optimization algorithms have been proposed.The traditional optimization method selected the region which contains the focusing region as the region of interest,after that the best sound speed will be used as the system sound speed for imaging.It will lead to the other region mismatch the system sound speed,resulting in poor local imaging.Improves the sound speed optimization algorithm,and proposes the phase correction algorithm.With these two algorithms,the problem that local regions have the poor imaging quality can be solved,and the overall image quality can be improved.Through the computer simulation,testing results show clear improvement in ultrasound image quality.