CN103381096A - 骨表微血管血流灌注分离检测与成像方法 - Google Patents
骨表微血管血流灌注分离检测与成像方法 Download PDFInfo
- Publication number
- CN103381096A CN103381096A CN2013101395121A CN201310139512A CN103381096A CN 103381096 A CN103381096 A CN 103381096A CN 2013101395121 A CN2013101395121 A CN 2013101395121A CN 201310139512 A CN201310139512 A CN 201310139512A CN 103381096 A CN103381096 A CN 103381096A
- Authority
- CN
- China
- Prior art keywords
- microvesicle
- pattern
- mode
- lamb ripple
- lamb
- 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
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
骨表微血管血流灌注分离检测与成像方法,先编程满足骨表多模式漏Lamb波条件下发射与接收波束,再构建骨表多模式漏Lamb波微泡母小波,然后采用骨表多模式漏Lamb波微泡小波方法对入射、反射、多模式漏Lamb波混叠射频回波信号进行模式分离检测,最后实现对骨表多模式漏Lamb波微泡小波变换微血管造影成像与血流灌注参量成像,本发明可有效提高分辨率、造影组织比,抑制了骨表多模式漏Lamb波对骨表组织微血管造影成像的混叠干扰,这对于恶性骨肿瘤早期诊断与评估具有重要临床意义。
Description
技术领域
本发明涉及超声成像技术领域,特别涉及骨表多模式漏Lamb波微泡小波变换微血管血流灌注分离检测与成像方法。
背景技术
因超声成像方法具有无放射性、价格低廉、实时性好、重复性好等优势,对肌骨***疾病的诊治具有其他成像方法不可替代的价值与意义,为临床医生提供可靠的干预依据,尤其对于骨肿瘤等恶性重大疾病。鉴于不少骨表面为非平面,当超声探头移动、角度偏转时,骨表往往伴随着多模式漏Lamb波的传播。因诸多限制,目前对于骨表漏Lamb波的频散及传播特性的研究主要集中于单探头激励下基础阶导波的数值建模与离体骨表漏Lamb波实验的基础研究。漏Lamb波的频散特性是进行导波检测的重要依据,而时频分析方法是目前认为能有效识别和解释导波频散信号的方法。工业无损检测常用的各类改进的FFT变换、小波多尺度分析等方法近年也用于骨表漏Lamb波分离与检测中,显然此类方法更适于对具有固定带宽比的非平稳信号分析,对于多阶次频变非平稳Lamb波信号分析,严重受到时频交叉项的干扰、低信噪比且对高阶导波模式因在骨皮质快速衰减而难以准确分离的限制。
在超声成像***本身分辨率受限时,如何抑制微血管周围组织的强杂波干扰,分辨出体内深部10um级的微血管,进行微血管灌注参量成像依然是目前最大的挑战。因此致力于提高造影图像分辨率、造影组织比的超声成像方法依然有价值。相比而言,近年脱颖而出的基于二阶Volterra滤波的脉冲逆转成像和脉冲逆转谐波解相关成像方法均平衡了检测灵敏度和空间分辨率的矛盾,获得较好的成像精度,有效提高了CTR,但后者时间分辨率受损较小;而基于Morgan包膜单微泡模型通过修正Herring方程构建造影微泡母子波而进行的微泡小波变换造影成像在理论上具有更高的灵敏度、CTR和SNR。这为本发明所涉及的方法提供了成像技术借鉴与参考,使其对具有高度血管化的恶性骨肿瘤的早期诊断与临床干预更有意义。
虽然超声探头旋转移动,不可避免造成斜入射成像,可为临床提供获取其他影像设备无法获取的多切面细微信息,但同时波束激励骨表将产生多阶多模式Lamb波干扰成像这一特有问题的限制。而且临床常规超声探头中心频率在肌骨***诊断时所对应的频厚积一般高于仿真或离体骨表导波研究,且阵列探头激发骨表导波阶次、频变混叠更为复杂。同时,常规超声造影成像方法依然受到诸如:微泡检测灵敏度低、低空间分辨率、低CTR、TIC的低SNR等常规问题。为此,发展高分辨率、高造影组织比适于肌骨***的超声造影成像方法对于提高恶性骨肿瘤早期诊断与评估具有重要临床意义。
发明内容
针对上述临床问题和成像限制,本发明的目的在于提供一种骨表微血管血流灌注分离检测与成像方法,可有效提高分辨率、造影组织比,抑制了骨表多模式漏Lamb波对骨表组织微血管造影成像的混叠干扰,这对于恶性骨肿瘤早期诊断与评估具有重要临床意义。
为实现上述要求,本发明的技术方案如下:
骨表微血管血流灌注分离检测与成像方法,包括以下步骤:
步骤一、在可编程控制超声成像***上,依据肌骨***具体目标和临床要求,编程控制窄/宽波束发射接收模式、同相位/脉冲逆转相位设置模式;
步骤二、在主控计算机平台上,基于Rayleigh-Lamb频散方程即公式1、2与Morgen模型修正的Herring–Trilling微泡振动方程即公式3、4,构建骨表多模式漏Lamb波微泡母小波;
tan(qh)/tan(ph)=(4k pq)/(q-k) (1,SP模式)
tan(qh)/tan(ph)=(q-k)/(4k pq) (2,AP模式)
步骤三、对于具体肌骨***目标,采用团式灌注模式进行造影剂灌注,依次对各模式混叠作用造影微泡后的射频回波信号进行骨表多模式漏Lamb波微泡小波分析、信号重建,进行模式分离与检测;
步骤四、对上述信号进行微血管造影成像处理,且依据所定义的灌注参量,进行骨表组织微血管血流灌注参量成像,获取高CTR、CBR、SNR的造影图像。
步骤一所述基于Rayleigh-Lamb频散方程即公式1、2与Morgen模型修正的Herring–Trilling微泡振动方程即公式3、4构建骨表多模式漏Lamb波微泡母小波如下:
(一)、求解式(1)到式(4)方程,可得到微泡振动半径随时间的变化曲线及其径向振动速度和加速度,然后根据公式(3)得到振动辐射力的声压力,进行带通滤波、归一化处理后作为骨表多模式漏Lamb波微泡母小波;方程中各参量定义与取值参见附录表1Morgan模型中符号的含义与仿真计算时使用的参数;
表1Morgan模型中符号的含义与仿真计算时使用的参数
(二)、重复上述步骤,得到:模式SP、AP,阶次P=0,1,2…下的母小波,构造好各模式漏Lamb波微泡母小波后,进行基于多模式漏Lamb波微泡小波方法对入射、反射、多模式漏Lamb波混叠射频回波信号进行模式分离检测。
所述的混叠射频回波信号进行模式分离检测,包括以下步骤:
(1)首先选择3-4层的小波分解层数与尺度或遍历窗长,对入射、反射、多模式漏Lamb波混叠射频回波信号进行多尺度分解;
(2)提取上述多尺度分解下最大的小波系数,作为返回值;
(3)依据上述返回值,进行小波信号重建;
(4)从混叠射频造影回波信号中分离检测得到该模式下的射频回波信号;
(5)依次选择各模式(SP、AP,阶次P=0,1,2…)微泡母小波,重复上述步骤流程,实现混叠射频回波信号模式的分离检测。
步骤四所述的成像,具体步骤为:
(1)操作可编程控制超声成像设备,设置探头发射接收模式;
(2)选择不同模式漏Lamb波微泡母小波;
(3)对可编程控制超声成像设备线阵探头获得所有扫描线的造影射频回波数据进行该模式漏Lamb波微泡小波变换多尺度分解;
(4)提取该遍历窗长下的最大小波系数作为返回值;
(5)依次选择模式SP、AP,阶次P=0,1,2…的不同模式漏Lamb波微泡母小波,重复还是重复(2)-(4),获取每条扫描线同一遍历窗长下的各模式漏Lamb波的最佳小波系数作为返回值;
(6)调整各模式漏Lamb波的最佳小波系数的权重系数至最小,叠加后,作为返回值,替代原有该遍历窗长处射频回波信号数据;
(7)对上述结果进行对数压缩、坐标变换、灰度调整等射频数据后处理,在主控计算机显示处理得到的骨表组织造影图像及图像序列;
(8)在骨表组织造影图像及图像序列上选取覆盖二维成像平面的感兴趣区域(ROI),其数据组成三维原始时间强度曲线矩阵TIC_M,并对其进行优化预处理,包括:滤波、基线归零以及曲线灌注模型拟合;定义并提取相应模式下的灌注参量,彩色编码,获得骨表多模式漏Lamb波微泡小波变换微血管血流灌注参量成像。
本发明的优点:
1、在多尺度分析的基础上,本发明为微泡小波变换方法开辟了多模式多尺度的更高的分析维度。
2、基于所构造的骨表多模式漏Lamb波微泡小波变换技术,将受到探头入射、骨表反射、骨表多模式漏Lamb波混叠作用下的骨表微血管造影微泡射频回波信号提供了快速分离检测的方法。
3、基于上述1条,发明了骨表多模式漏Lamb波微泡小波变换造影成像技术,为抑制骨表多模式漏Lamb波对造影成像的干扰提供了新的方法。
4、这为临床获取肌骨***骨肿瘤等重大病症的高微CTR、CBR、SNR的造影图像提供了新的方法。
附图说明
图1为肌骨***超声造影成像与骨表漏Lamb波作用示意图,其中图1a肌骨***超声造影成像;图1b骨表漏Lamb波作用示意图
图2为骨表多模式漏Lamb波微泡小波变换微血管血流灌注分离检测与成像方法***图。
图3为频厚积为5时依据频散曲线提取得到的各模式漏Lamb波波形图,其中,图3a为未分解时的漏Lamb波波形图,图3b是A2\S2模式声压波形图,图3c是S1\A1模式声压波形图,图3d是S0\A0模式声压波形图。
图4为窄/宽波束激励下多模式漏Lamb波微泡小波变换造影微泡散射回波信号的分离与检测算法流程图。
图5为多模式漏Lamb波脉冲逆转微泡小波变换超声造影成像算法流程图。
图6为多模式漏Lamb波微泡小波变换的骨表微血管团注超声灌注参量成像步骤。
具体实施方式
下面结合附图对本发明做详细叙述。
骨表微血管血流灌注分离检测与成像方法,包括以下步骤:
步骤一、在可编程控制超声成像***上,依据肌骨***具体目标和临床要求,编程控制窄/宽波束发射接收模式、同相位/脉冲逆转相位设置模式;
步骤二、在主控计算机平台上,基于Rayleigh-Lamb频散方程即公式1、2与Morgen模型修正的Herring–Trilling微泡振动方程即公式3、4,构建骨表多模式漏Lamb波微泡母小波;
tan(qh)/tan(ph)=(4k pq)/(q-k) (1,SP模式)
tan(qh)/tan(ph)=(q-k)/(4k pq) (2,AP模式)
步骤三、对于具体肌骨***目标,采用团式灌注模式进行造影剂灌注,依次对各模式混叠作用造影微泡后的射频回波信号进行骨表多模式漏Lamb波微泡小波分析、信号重建,进行模式分离与检测;
步骤四、对上述信号可进行微血管造影成像处理,且可依据所定义的灌注参量,进行骨表组织微血管血流灌注参量成像,获取高CTR、CBR、SNR的造影图像。
步骤一所述基于Rayleigh-Lamb频散方程即公式1、2与Morgen模型修正的Herring–Trilling微泡振动方程即公式3、4构建骨表多模式漏Lamb波微泡母小波如下:
(一)、求解式(1)到式(4)方程,可得到微泡振动半径随时间的变化曲线及其径向振动速度和加速度,然后根据公式(3)得到振动辐射力的声压力,进行带通滤波、归一化处理后作为骨表多模式漏Lamb波微泡母小波;方程中各参量定义与取值参见附录表1Morgan模型中符号的含义与仿真计算时使用的参数;
表1Morgan模型中符号的含义与仿真计算时使用的参数
(二)、重复上述步骤,得到:模式SP、AP,阶次P=0,1,2…下的母小波,构造好各模式漏Lamb波微泡母小波后,进行基于多模式漏Lamb波微泡小波方法对入射、反射、多模式漏Lamb波混叠射频回波信号进行模式分离检测。
所述的混叠射频回波信号进行模式分离检测,包括以下步骤:
参见图3、图4所示,描述如下:
(1)首先选择3-4层的小波分解层数与尺度或遍历窗长,对入射、反射、多模式漏Lamb波混叠射频回波信号进行多尺度分解;
(2)提取上述多尺度分解下最大的小波系数,作为返回值;
(3)依据上述返回值,进行小波信号重建;
(4)从混叠射频造影回波信号中分离检测得到该模式下的射频回波信号;
(5)依次选择各模式(SP、AP,阶次P=0,1,2…)微泡母小波,重复上述步骤流程,实现混叠射频回波信号模式的分离检测。
步骤四所述的成像,具体步骤为:
(1)操作可编程控制超声成像设备,设置探头发射接收模式;
(2)选择不同模式漏Lamb波微泡母小波;
(3)对可编程控制超声成像设备线阵探头获得所有扫描线的造影射频回波数据进行该模式漏Lamb波微泡小波变换多尺度分解;
(4)提取该遍历窗长下的最大小波系数作为返回值;
(5)依次选择模式SP、AP,阶次P=0,1,2…的不同模式漏Lamb波微泡母小波,重复(2)-(4),获取每条扫描线同一遍历窗长下的各模式漏Lamb波的最佳小波系数作为返回值;
(6)调整各模式漏Lamb波的最佳小波系数的权重系数至最小,叠加后,作为返回值,替代原有该遍历窗长处射频回波信号数据;
(7)对上述结果进行对数压缩、坐标变换、灰度调整等射频数据后处理,在主控计算机显示处理得到的骨表组织造影图像及图像序列;
(8)在骨表组织造影图像及图像序列上选取覆盖二维成像平面的感兴趣区域(ROI),其数据组成三维原始时间强度曲线矩阵TIC_M,并对其进行优化预处理,包括:滤波、基线归零以及曲线灌注模型拟合;定义并提取相应模式下的灌注参量,彩色编码,获得骨表多模式漏Lamb波微泡小波变换微血管血流灌注参量成像。
参见图2所示,本发明所涉及***,包括3个部分:
(1)***外部分,包括:线阵探头、肌骨***目标对象与之对应的团式灌注模式。
(2)可编程控制超声***,主要用来编程控制探头的发射与接收模式,包括发射与接收波束的控制、发射与接收波束相位与波数的控制。
(3)主控计算机部分,包括三个独立模块:基于骨表多模式漏Lamb波微泡小波变换的造影回波射频信号分离检测模块(即图2主控计算机部分中的入射、反射多模式漏Lamb波的分离检测部分),基于骨表多模式漏Lamb波微泡小波变换微血管造影成像模块(即图2主控计算机部分中的骨表微血管超声造影图像部分),基于骨表多模式漏Lamb波微泡小波变换的血流灌注参量成像模块(即图2主控计算机部分中虚线框住的部分)。在进行前两个模块之前要先对多模式漏Lamb波进行微泡小波变换。
参见图4所示,基于骨表多模式漏Lamb波微泡小波变换的造影回波射频信号分离检测模块包括分解层数、微泡母小波的选择、各模式漏Lamb波微泡小波多尺度分析。然后后根据上述处理得到的数据提取最大小波系数,并重建多尺度原始信号。最后对重建数据进行图示一系列处理得到各模式分离后的射频数据。
参见图5所示,基于骨表多模式漏Lamb波微泡小波变换微血管造影成像模块包括将0相和180度相射频数据分别进行上述多模式漏Lamb波微泡小波多尺度分析及信号重建,然后将0相和180相处理得到的数据叠加,进行对数压缩等常规处理,得到处理后的射频数据,则为微血管造影成像数据。
参见图6所示,基于骨表多模式漏Lamb波微泡小波变换的血流灌注参量成像模块包括利用上述两模块处理后的射频数据,选择灌注模型,进行参量定义,获取ROI区域内的TIC曲线,提取参量后继续彩色编码得到血流灌注参量成像。
下面具体阐述上述主控计算机部分的具体实施方法:
1.本发明所述之可编程控制超声成像***为Sonix Touch全数字超声成像***(Canada),本发明在本***上得以实施且实现。
依据肌骨***具体目标和临床要求,编程控制窄/宽波束发射接收模式、同相位/脉冲逆转相位设置模式,描述如下:
(1)窄波束模式有利于获取横向分辨率较好的图像,而宽波束有利于获取较高或超高帧率图像;更改可编程控制超声成像***上波束发射PLUSE WAVE为平面波时发***发射模式即为宽波束,否则为窄波束模式。
(2)同相位模式有利于***成像的实时性要求,而脉冲逆转模式有利于提高图像的CTR与分辨率;更改可编程控制超声成像***上波束发射PLUSE WAVE A为“+-”,PLUSE WAVE A为“-+”时即可实现***发射模式即为脉冲逆转模式,否则为同相位发射模式。
2.基于Rayleigh-Lamb频散方程(公式1、2)与Morgen模型修正的Herring–Trilling微泡振动方程(公式3、4),构建骨表多模式漏Lamb波微泡母小波是本发明的关键。
tan(qh)/tan(ph)=(4k pq)/(q-k) (1,SP模式)
tan(qh)/tan(ph)=(q-k)/(4k pq) (2,AP模式)
(1)从具体实验中经过声场测试获取探头入射、骨表反射、骨表多模式漏Lamb波的声压波形;其中骨表多模式漏Lamb波的波形可基于Rayleigh-Lamb频散方程得到的频散曲线中各模式速度的差异加以区分与判定。
(2)将上述声压波形作为驱动声压,代入方程(3),求解该微分方程,得到微泡振动半径岁时间的变化曲线及其径向振动速度和加速度。
(3)将(2)所得代入方程(3),得到振动辐射力的声压力;对此进行带通滤波、归一化处理后作为骨表多模式漏Lamb波微泡母小波。
(4)重复上述步骤,依次可得到各模式(SP、AP,阶次P=0,1,2…)的母小波,这为本发明所涉及方法和目的奠定基础。
3.本发明提供了一种基于骨表多模式漏Lamb波微泡小波变换微血管造影成像与参量成像方法,可得到高CTR、CBR、SNR的造影图像:
(1)选择团式灌注模式,进行相应骨表薄层-微血管血流灌注仿体实验。
(2)操作可编程控制超声成像设备,设置窄波束/同相位波束发射接收。
(3)通过可编程控制超声成像设备线阵探头扫描并采集目标对象截面深度方向的射频回波信号。
(4)选择不同模式漏Lamb波微泡母小波,对可编程控制超声成像设备线阵探头获得的第1条扫描线造影射频回波数据进行该模式漏Lamb波微泡小波变换多尺度分解,获取最大的小波系数。
(5)将该遍历窗长下的最佳小波系数作为返回值,该遍历窗长同二次采样步长大小。
(6)依次选择模式SP、AP,阶次P=0,1,2…的不同模式漏Lamb波微泡母小波,重复(4)~(5),获取该遍历窗长下的各模式式漏Lamb波的最佳小波系数作为返回值。
(7)调整各模式漏Lamb波的最佳小波系数的权重系数,使相应漏Lamb波模式的最佳小波系数权重最小;叠加以上各模式漏Lamb波权重处理后的最佳小波系数和,作为返回值,替代原有该遍历窗长处射频回波信号数据。
(8)重复(5)~(7),遍历第1条扫描线,获得整条扫描线各窗长处最佳小波系数返回值,依次替代整条扫描线射频回波信号数据。
(9)重复(4)~(8),遍历至第N条;扫描线,获得第1~N条扫描线所有各窗长处最佳该模式漏Lamb波微泡小波变换系数返回值,依次替代第1~N条扫描线射频回波信号数据,N由波束合成扫描线数决定。
(10)对上述结果进行对数压缩、坐标变换、灰度调整等处理,在主控计算机显示处理得到的骨表组织造影图像,实现骨表多模式漏Lamb波微泡小波变换微血管造影成像及图像序列。
(11)可因不同实际要求,调整(2)项中发射接收模式,调整为宽波束发射接收或脉冲逆转模式,重复(3)~(10),得到不同对象实际要求下的骨表组织造影图像及图像序列。
(12)选取覆盖二维成像平面的感兴趣区域(ROI),得到三维原始时间强度曲线矩阵(TIC_M),并对其进行优化预处理,包括:滤波、基线归零以及曲线灌注模型拟合等;定义并提取相应模式下的灌注参量,彩色编码,获得骨表多模式漏Lamb波微泡小波变换微血管血流灌注参量成像。
最后,可对本发明涉及之方法骨表多模式漏Lamb波微泡小波变换微血管血流灌注分离检测与成像方法进行综合评价。将造影组织比CTR、造影骨导比CBR作为分析骨表微血管多模式漏Lamb波微泡小波变换超声造影成像与参量成像方法,评价抑制漏Lamb波对造影微泡散射回波信号混叠干扰的效果的指标。
其中:造影组织比CTR定义如下:CTR=20log10(Icontrast/Itissue),其中Icontrast为造影信号强度,Itissue为组织信号强度,CTR单位为dB,公式中的造影信号和组织信号强度分别由造影ROI内和组织ROI内的平均图像强度赋值,可选择不同区域ROI进行综合客观评价;
造影骨导比CBR定义如下:CBR=20log10(ILamb-contrast/Ibone),其中ILamb-contrast为造影信号强度,Ibone为骨骼组织信号强度,CBR单位为dB,公式中的造影信号强度和组织信号强度为经由不同阶次Lamb波微泡小波变换处理后得到相应模式下造影图像的造影ROI内和组织ROI内的平均图像强度赋值,比如:R模式下CBrR、AP模式下CBAR、SP模式下CBSR,阶次P=0,1,2…,以准确评价不同阶次导波模式的抑制效果。
Claims (4)
1.骨表微血管血流灌注分离检测与成像方法,其特征在于,包括以下步骤:
步骤一、在可编程控制超声成像***上,依据肌骨***具体目标和临床要求,编程控制窄/宽波束发射接收模式、同相位/脉冲逆转相位设置模式;
步骤二、在主控计算机平台上,基于Rayleigh-Lamb频散方程即公式1、2与Morgen模型修正的Herring–Trilling微泡振动方程即公式3、4,构建骨表多模式漏Lamb波微泡母小波;
tan(qh)/tan(ph)=(4kpq)/(q-k) (1,SP模式)
tan(qh)/tan(ph)=(q-k)/(4kpq) (2,AP模式)
步骤三、对于具体肌骨***目标,采用团式灌注模式进行造影剂灌注,依次对各模式混叠作用造影微泡后的射频回波信号进行骨表多模式漏Lamb波微泡小波分析、信号重建,进行模式分离与检测;
步骤四、对上述信号进行微血管造影成像处理,且依据所定义的灌注参量,进行骨表组织微血管血流灌注参量成像,获取高CTR、CBR、SNR的造影图像。
2.根据权利要求1所述的骨表微血管血流灌注分离检测与成像 方法,其特征在于,步骤一所述基于Rayleigh-Lamb频散方程即公式1、2与Morgen模型修正的Herring–Trilling微泡振动方程即公式3、4构建骨表多模式漏Lamb波微泡母小波如下:
(一)、求解式(1)到式(4)方程,得到微泡振动半径随时间的变化曲线及其径向振动速度和加速度,然后根据公式(3)得到振动辐射力的声压力,进行带通滤波、归一化处理后作为骨表多模式漏Lamb波微泡母小波;方程中各参量定义与取值参见表1:Morgan模型中符号的含义与仿真计算时使用的参数;
表1:Morgan模型中符号的含义与仿真计算时使用的参数
(二)、重复上述步骤,得到:模式SP、AP,阶次P=0,1,2…下的母小波,构造好各模式漏Lamb波微泡母小波后,进行基于多模式 漏Lamb波微泡小波方法对入射、反射、多模式漏Lamb波混叠射频回波信号进行模式分离检测。
3.根据权利要求1所述的骨表微血管血流灌注分离检测与成像方法,其特征在于,步骤四所述的成像,具体步骤为:
(1)操作可编程控制超声成像设备,设置探头发射接收模式;
(2)选择不同模式漏Lamb波微泡母小波;
(3)对可编程控制超声成像设备线阵探头获得所有扫描线的造影射频回波数据进行该模式漏Lamb波微泡小波变换多尺度分解;
(4)提取该遍历窗长下的最大小波系数作为返回值;
(5)依次选择模式SP、AP,阶次P=0,1,2…的不同模式漏Lamb波微泡母小波,重复还是重复(2)-(4),获取每条扫描线同一遍历窗长下的各模式漏Lamb波的最佳小波系数作为返回值;
(6)调整各模式漏Lamb波的最佳小波系数的权重系数至最小,叠加后,作为返回值,替代原有该遍历窗长处射频回波信号数据;
(7)对上述结果进行对数压缩、坐标变换、灰度调整等射频数据后处理,在主控计算机显示处理得到的骨表组织造影图像及图像序列;
(8)在骨表组织造影图像及图像序列上选取覆盖二维成像平面的感兴趣区域(ROI),其数据组成三维原始时间强度曲线矩阵TIC_M,并对其进行优化预处理,包括:滤波、基线归零以及曲线灌注模型拟合;定义并提取相应模式下的灌注参量,彩色编码,获得骨表多模式漏Lamb波微泡小波变换微血管血流灌注参量成像。
4.根据权利要求2所述的骨表微血管血流灌注分离检测与成像方法,其特征在于,所述的混叠射频回波信号进行模式分离检测,包括以下步骤:
(1)首先选择3-4层的小波分解层数与尺度或遍历窗长,对入射、反射、多模式漏Lamb波混叠射频回波信号进行多尺度分解;
(2)提取上述多尺度分解下最大的小波系数,作为返回值;
(3)依据上述返回值,进行小波信号重建;
(4)从混叠射频造影回波信号中分离检测得到该模式下的射频回波信号;
(5)依次选择各模式(SP、AP,阶次P=0,1,2…)微泡母小波,重复上述步骤流程,实现混叠射频回波信号模式的分离检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310139512.1A CN103381096B (zh) | 2013-04-19 | 2013-04-19 | 骨表微血管血流灌注分离检测与成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310139512.1A CN103381096B (zh) | 2013-04-19 | 2013-04-19 | 骨表微血管血流灌注分离检测与成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103381096A true CN103381096A (zh) | 2013-11-06 |
CN103381096B CN103381096B (zh) | 2015-04-15 |
Family
ID=49489172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310139512.1A Active CN103381096B (zh) | 2013-04-19 | 2013-04-19 | 骨表微血管血流灌注分离检测与成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103381096B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103932740A (zh) * | 2014-03-14 | 2014-07-23 | 中瑞科技(常州)有限公司 | 一种超声成像*** |
CN104688272A (zh) * | 2015-03-06 | 2015-06-10 | 西安交通大学 | 一种基于单像素tic源的超声造影灌注参量成像方法 |
WO2015131453A1 (zh) * | 2014-03-06 | 2015-09-11 | 西安交通大学 | 一种基于宽波束造影成像及提取灌注时间强度曲线的方法 |
CN107049237A (zh) * | 2015-12-25 | 2017-08-18 | 佳能株式会社 | 信息获取装置和信号处理方法 |
CN109124687A (zh) * | 2018-08-30 | 2019-01-04 | 飞依诺科技(苏州)有限公司 | 同时进行超声诊断和治疗的超声装置及医疗设备 |
CN109965905A (zh) * | 2019-04-11 | 2019-07-05 | 复旦大学 | 一种基于深度学习的造影区域检测成像方法 |
CN111067521A (zh) * | 2019-12-31 | 2020-04-28 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
CN111322965A (zh) * | 2020-03-09 | 2020-06-23 | 四川大学 | 一种基于复墨西哥帽小波的三维面形测量方法 |
CN114098816A (zh) * | 2021-11-05 | 2022-03-01 | 西安交通大学 | 超声脑中小微动/静脉血管微泡造影灌注功能定量分类成像方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1500445A (zh) * | 2002-11-01 | 2004-06-02 | Ge医药***环球科技公司 | 在超声波对比成像中提高对比物与组织比的方法和装置 |
CN101756713A (zh) * | 2009-09-09 | 2010-06-30 | 西安交通大学 | 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法 |
US20110040183A1 (en) * | 2009-08-13 | 2011-02-17 | Tetsuya Yoshida | Ultrasonic diagnosis apparatus and program |
WO2012008173A1 (ja) * | 2010-07-14 | 2012-01-19 | 株式会社東北テクノアーチ | 血管疾患を判定するためのプログラム、媒体および装置 |
-
2013
- 2013-04-19 CN CN201310139512.1A patent/CN103381096B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1500445A (zh) * | 2002-11-01 | 2004-06-02 | Ge医药***环球科技公司 | 在超声波对比成像中提高对比物与组织比的方法和装置 |
US20110040183A1 (en) * | 2009-08-13 | 2011-02-17 | Tetsuya Yoshida | Ultrasonic diagnosis apparatus and program |
CN101756713A (zh) * | 2009-09-09 | 2010-06-30 | 西安交通大学 | 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法 |
WO2012008173A1 (ja) * | 2010-07-14 | 2012-01-19 | 株式会社東北テクノアーチ | 血管疾患を判定するためのプログラム、媒体および装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160242741A1 (en) * | 2014-03-06 | 2016-08-25 | Xi ' an Jiaotong University | Contrast imaging method based on wide beam and method for extracting perfusion time-intensity curve |
US9788815B2 (en) * | 2014-03-06 | 2017-10-17 | Xi'an Jiaotong University | Contrast imaging method based on wide beam and method for extracting perfusion time-intensity curve |
WO2015131453A1 (zh) * | 2014-03-06 | 2015-09-11 | 西安交通大学 | 一种基于宽波束造影成像及提取灌注时间强度曲线的方法 |
CN103932740A (zh) * | 2014-03-14 | 2014-07-23 | 中瑞科技(常州)有限公司 | 一种超声成像*** |
CN104688272B (zh) * | 2015-03-06 | 2016-04-27 | 西安交通大学 | 一种基于单像素tic源的超声造影灌注参量成像方法 |
CN104688272A (zh) * | 2015-03-06 | 2015-06-10 | 西安交通大学 | 一种基于单像素tic源的超声造影灌注参量成像方法 |
CN107049237A (zh) * | 2015-12-25 | 2017-08-18 | 佳能株式会社 | 信息获取装置和信号处理方法 |
CN109124687A (zh) * | 2018-08-30 | 2019-01-04 | 飞依诺科技(苏州)有限公司 | 同时进行超声诊断和治疗的超声装置及医疗设备 |
CN109124687B (zh) * | 2018-08-30 | 2021-05-14 | 飞依诺科技(苏州)有限公司 | 同时进行超声诊断和治疗的超声装置及医疗设备 |
CN109965905A (zh) * | 2019-04-11 | 2019-07-05 | 复旦大学 | 一种基于深度学习的造影区域检测成像方法 |
CN111067521A (zh) * | 2019-12-31 | 2020-04-28 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
CN111067521B (zh) * | 2019-12-31 | 2021-10-01 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
CN111322965A (zh) * | 2020-03-09 | 2020-06-23 | 四川大学 | 一种基于复墨西哥帽小波的三维面形测量方法 |
CN111322965B (zh) * | 2020-03-09 | 2021-03-30 | 四川大学 | 一种基于复墨西哥帽小波的三维面形测量方法 |
CN114098816A (zh) * | 2021-11-05 | 2022-03-01 | 西安交通大学 | 超声脑中小微动/静脉血管微泡造影灌注功能定量分类成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103381096B (zh) | 2015-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103381096A (zh) | 骨表微血管血流灌注分离检测与成像方法 | |
CN102641137B (zh) | 使用幅度-相位调制超声波的粘弹性测量 | |
US9492139B2 (en) | Non-imaging low frequency ultrasonic testing and diagnostic evaluation system | |
CN102283679B (zh) | 弹性测量的超声成像***及测量生物组织弹性的方法 | |
Shin et al. | Estimation of average speed of sound using deconvolution of medical ultrasound data | |
CN102988082B (zh) | 医学超声剪切波成像中的分类预处理 | |
US20140147013A1 (en) | Direct echo particle image velocimetry flow vector mapping on ultrasound dicom images | |
CN104240203A (zh) | 基于小波变换和快速双边滤波的医学超声图像去噪方法 | |
KR20080111025A (ko) | 점탄성 매체를 이미징하는 방법 및 디바이스 | |
CN110892260B (zh) | 使用局部***识别的剪切波粘弹性成像 | |
CN1954235A (zh) | 用于超声波信号的局部频谱分析的改进方法和设备 | |
US20180092627A1 (en) | Ultrasound signal processing device, ultrasound signal processing method, and ultrasound diagnostic device | |
CN101874744B (zh) | 用于长骨分析的超声导波参数测量方法 | |
CN107970042B (zh) | 一种超声非线性定量实时成像方法与*** | |
AU660034B2 (en) | Method for elastographic measurement and imaging | |
CN108670303B (zh) | 超音波影像均匀度检测方法及其*** | |
Sanabria et al. | Comparative study of raw ultrasound data representations in deep learning to classify hepatic steatosis | |
CN103267800A (zh) | 空化微泡高信噪比超声快速成像及动态尺寸分布估计方法 | |
CN103330576B (zh) | 一种基于组织中微泡动力学模型的微弹性成像方法 | |
EP2366997B1 (en) | Method and device for determining the structural organization of an object with ultrasounds | |
Liu et al. | A Scholte wave approach for ultrasonic surface acoustic wave elastography | |
CN111449681B (zh) | 一种剪切波成像方法、装置、设备及可读存储介质 | |
CN114171045A (zh) | 一种音频降噪方法和*** | |
US20060173332A1 (en) | Detection of small-size defects in medical ultrasonic imaging | |
Huang et al. | Breast imaging with time-reversed ultrasound |
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 |