CN111856474B - 一种基于子阵的空时域条件相干系数超声成像方法 - Google Patents
一种基于子阵的空时域条件相干系数超声成像方法 Download PDFInfo
- Publication number
- CN111856474B CN111856474B CN202010750706.5A CN202010750706A CN111856474B CN 111856474 B CN111856474 B CN 111856474B CN 202010750706 A CN202010750706 A CN 202010750706A CN 111856474 B CN111856474 B CN 111856474B
- Authority
- CN
- China
- Prior art keywords
- echo data
- coherence
- array
- subarray
- time domain
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000002592 echocardiography Methods 0.000 claims abstract description 3
- 238000005070 sampling Methods 0.000 claims description 34
- 238000012285 ultrasound imaging Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 14
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 69
- 230000001629 suppression Effects 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 7
- 238000009499 grossing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种基于子阵的空时域条件相干系数超声成像方法,属于超声成像技术领域;该方法包括:S1:预处理接收的回波信号;S2:提取超声回波数据的符号值,并将阵列接收的回波数据依次划分为多个具有重叠阵元的子阵回波数据组;S3:设置近似相干判断阈值,通过衡量子阵回波数据组的符号值一致性,计算各个回波数据组对应的近似相干性匹配系数;S4:通过计算完整信号长度内满足近似相干性匹配条件的回波数据组个数与总回波数据组个数的比值作为最终的子阵空时域条件相干系数;S5:对回波构成的扫描线数据进行加权,得到优化后的扫描线信号,并用其进行最终成像;本发明能有效提高图像分辨率及对比度,从而提高超声成像效果。
Description
技术领域
本发明属于超声成像技术领域,涉及一种基于子阵的空时域条件相干系数超声成像方法。
背景技术
超声成像中应用最为广泛的,也是最简单的波束形成技术即延时叠加(Delay AndSum,DAS),它是根据阵元通道几何位置关系对所接收的回波信号进行延时量的计算,然后对延时后的数据对齐叠加。传统DAS算法复杂度低,成像速度快,但由于其采用固定窗函数加权导致主瓣宽度增加,分辨率较低。
近年来,为了提高波束形成算法的对比度和分辨率,自适应算法得到越来越多的研究。其中相干系数(Coherence Factor,CF)算法由于其具有高分辨率高对比度的优点,得到了广泛的研究。它可以用于衡量超声波声束的聚焦质量,并充分抑制旁瓣伪像的形成。然而,当超声回波信号信噪比较低时,回波中噪声含量高,相干系数低,这将会导致图像整体亮度降低,目标幅值减小、以及黑区伪像等问题。为了防止相干系数对期望信号过分抑制造成的黑区伪像的问题,有学者们提出了基于空时信息的相干系数(Spatio-TemporallySmoothed Coherence Factor,StS-CF)和基于空时信息的符号相干系数(Spatio-Temporally Smoothed Sign Coherence Factor,StS-SCF)以及均方-标准差(SignalMean-to-Standard-deviation Factor,SMSF)等多种算法,但其出发点是通过削弱相干系数的抑制能力而减少黑区伪像的产生,这同时也削弱了算法的分辨率和对比度性能,仍无法在综合成像质量上达到较好的平衡。
综上所述,目前亟需一种既能保持良好分辨率对比度性能,又能保持强散斑背景不失真的波束形成算法,以全面提高超声算法的综合成像质量。
发明内容
有鉴于此,本发明的目的在于提供一种基于子阵的空时域条件相干系数超声成像方法,克服传统相干系数类算法难以同时兼顾图像背景质量和成像分辨率的问题,有效提高图像分辨率及对比度,从而有效提高超声算法的综合成像效果。
为达到上述目的,本发明提供如下技术方案:
一种基于子阵的空时域条件相干系数超声成像方法,具体包括以下步骤:
S1:对超声阵元接收的回波信号进行处理,获得处理后的超声回波数据x(k);
S2:提取超声回波数据x(k)的符号值用于计算相干系数,并将阵列接收的回波数据依次划分为多个具有重叠阵元的子阵回波数据组;
S3:设置近似相干判断阈值h,通过衡量子阵回波数据组的符号值一致性,计算各个回波数据组对应的近似相干性匹配系数;
S4:通过计算完整信号长度内满足近似相干性匹配条件的回波数据组个数与总回波数据组个数的比值作为最终的子阵空时域条件相干系数;
S5:利用最终求得的子阵空时域条件相干系数对回波构成的扫描线数据进行加权,得到优化后的扫描线信号;
S6:获得所有优化后的扫描线信号,进行最终成像。
进一步,步骤S1中,对超声阵元接收的回波信号进行处理,具体包括:放大、AD转换和延时聚焦处理;获取的处理后的超声波数据x(k)为:
x(k)=[x1(k),x2(k),…,xM(k)]
其中,M表示超声阵列的阵元个数,k表示对应采样深度的采样时刻。
进一步,所述步骤S2具体包括以下步骤:
S21:提取阵列接收的超声回波数据的符号值:
S22:将每个采样时刻的阵列回波数据依次划分为阵元数目为L的子阵回波数据组,则第k个采样时刻对应的回波数据组为:
SL(k)=[s1(k),s2(k),…,sl(k),…,sL(k)]
其中,SL(k)表示第k个采样周期对应的子阵向量,sl(k)表示第k个采样时刻的第l个回波数据组,/>表示第k个采样时刻第l个阵元数据的符号数值。
进一步,步骤S3中,计算的各个回波数据组对应的近似相干性匹配系数为:
其中,SA-MFl(k)表示第k个采样时刻,第l个回波数据组的近似相干性匹配系数;sign(·)表示符号值求取函数,xm(k)表示第k个采样时刻第m个阵元的回波数据。
进一步,步骤S4中,子阵空时域条件相干系数为:
其中,SA-STCCF(k)表示第k个采样周期对应的子阵空时域条件相干系数,M表示阵列长度,(M-L+1)表示子阵个数,(2N+1)表示计算子阵近似相干性匹配系数所用到的采样周期个数。
进一步,步骤S5中,利用最终求得的空时域条件相干系数对回波构成的扫描线信号进行加权,得到优化后的扫描线信号为:
其中,y(k)表示原始未优化的扫描线数据,ySA-STCCF(k)表示经过子阵空时域条件相干系数优化之后的回波扫描线数据。
本发明的有益效果在于:本发明相比于现有的相干系数类算法,能够更加充分地利用回波数据信息,得到更加准确的相干信息,具有更加灵活的可调节性能。本发明可以大幅度提高算法分辨率及对比度的同时避免黑区伪像的产生,并且由于其具有非常广的可调整性,因此可以很好的通过阈值参数达到理想的综合成像效果,能有效解决算法分辨率、对比度及强散斑背景质量无法兼顾等问题。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明所述超声成像方法的流程图;
图2为子阵回波数据组区分及基于子阵的空时域条件相干系数超声成像过程示意图;
图3为7种算法点目标成像结果;
图4为50mm焦点处7种算法横向分辨率曲线图;
图5为7种算法吸声斑目标成像结果;
图6为7种算法强散斑目标成像结果;
图7为7种算法geabr_0数据成像结果;
图8为geabr_0实验77.5mm处散射点横向截面图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1~图8,为图1为本发明方法流程图,如图1所示,本发明优选的一种基于子阵的空时域条件相干系数超声成像方法,包括以下步骤:
步骤S1:对超声阵元接收的回波信号进行放大、AD转换和延时聚焦处理,以获得超声回波数据;得到延时聚焦处理之后的信号x(k),x(k)表示为x(k)=[x1(k),x2(k),…,xM(k)],其中M表示超声阵列的阵元个数,k表示为对应采样深度的采样时刻。并将x(k)做求和得到为优化前的扫描线数据y(k);
步骤S2:提取回波信号x(k)的符号值计算相干系数,并将阵列接收的回波数据依次划分为多个具有重叠阵元的子阵回波数据组。图2为子阵回波数据组区分及基于子阵的空时域条件相干系数超声成像过程示意图;
S21:提取阵列接收回波数据的符号值:
S22:将每个采样时刻的阵列回波数据依次划分为阵元数目为L的子阵回波数据组,则第k个采样时刻对应的回波数据组为:
SL(k)=[s1(k),s2(k),…,sl(k),…,sL(k)]
其中,SL(k)表示第k个采样周期对应的子阵向量,sl(k)表示第k个采样时刻的第l个回波数据组,/>表示第k个采样时刻第l个阵元数据的符号数值。
步骤S3:设置相应的阈值函数,通过衡量回波数据组的符号值一致性进而计算各个回波数据组的近似相干性匹配系数:
其中,SA-MFl(k)表示第k个采样时刻,第l个回波数据组的近似相干性匹配系数;sign(g)表示符号值求取函数,xm(k)表示第k个采样时刻第m个阵元的回波数据;h表示近似相干判断阈值。
步骤S4:通过计算完整信号长度内满足近似相干性匹配条件的回波数据组个数与总的回波数据组个数的比值作为最终的子阵空时域条件相干系数:
其中,SA-STCCF(k)表示第k个采样周期对应的子阵空时域条件相干系数,M表示阵列长度,(M-L+1)代表子阵个数,(2N+1)代表计算子阵空时域条件相干系数所用到的采样周期个数。
步骤S5:利用最终的子阵空时域条件相干系数对回波构成的扫描线信号进行加权,得到优化后的扫描线信号ySTCCF(k):
其中,y(k)表示原始未优化的扫描线数据,ySA-STCCF(k)表示经过子阵空时域条件相干系数优化之后的回波扫描线数据。
验证实验:
Field II是丹麦理工大学基于声学原理开发的一款超声实验仿真平台,其在理论研究上获得了广泛的认可和使用。为验证本发明算法的有效性,利用Field II对超声成像中常用的点散射目标和吸声斑目标进行成像并利用实际实验数据进行成像对比实验。在点目标仿真实验中,设置一列横向位置位于中心0mm处的,纵向间隔为5mm的6个散射点目标,分布在40mm~65mm之间,并且在纵向50mm处,横向±1.5mm处另设置两个散射点目标,用于观察各个算法的横向分辨率,采用发射定点聚焦和接收动态聚焦方式,发射聚焦为50mm处,并设置图像的成像动态范围为60dB。同时,设一中心在40mm,半径为3mm的圆形区域吸声斑,外部随机分布着100000个散射点,采用7种算法分别进行成像,设定成像动态范围为60dB。实验所采用的阵元中心频率为3.33MHz,阵元数目为64个,间距为0.2413mm,采样频率为17.76MHz,声速为1500m/s,设成像动态范围为60dB。
对上述三个实验目标采用延时叠加算法(DAS),相干系数算法(CF),符号相干系数(SCF),空时平滑相干系数算法(StS-CF)、基于空时平滑的符号相干系数算法(StS-SCF)、空时域条件相干系数算法(STCCF)以及子阵空时域条件相干系数(SA-STCCF)算法进行对比成像实验。
图3给出了7种算法点目标成像结果,从图3中可以看出DAS算法成像质量最差,分辨率最低,相比于其他6种算法横向伪影最多,50mm处的三个散射点已经相互干扰难以区分。CF算法较DAS算法旁瓣伪像有所降低,在焦点处的三个散射点已基本能够区分,但是散射点只能仍然存在少量横向伪影,SCF相比于CF进一步的提高了横向分辨率,具有较好的点目标成像质量。StS-CF和StS-SCF算法在点目标成像实验中,成像效果并不理想,近似于DAS,分辨率明显低于CF和SCF算法,并且存在明显的横纵向伪影。而STCCF和SA-STCCF算法则进一步提高了成像分辨率,其对于点目标的成像分辨率远高于其他5种算法,并且在旁瓣伪像的抑制效果上也非常的完善,在相同动态范围的情况下,50mm处的三个散射点之间几乎不存在横向伪影。因而,STCCF与SA-STCCF算法的点目标主瓣宽度最小,分辨率最高,旁瓣伪像抑制效果最好。
图4为50mm处7种不同算法的横向分辨率曲线图,测量其半峰全宽(FWHM)值数据如表1所示。结合图4和表1可以看出,DAS在不同深度下横向分辨率均为7种算法最低,StS-CF算法分辨率与DAS相近,对旁瓣的抑制能力稍强于DAS。StS-CF与StS-SCF在主瓣宽度和旁瓣的抑制上皆弱于CF、SCF。简单的空域平滑与时域平滑的结合虽然能够解决CF、SCF对弱散射点过分抑制造成的黑区伪像问题,但却很大程度的削弱它们的抑制干扰噪声的能力。
表1不同深度下7种算法-6dB的FWHM对比
STCCF与SA-STCCF相较于前5种算法拥有更高的性能,体现在主瓣宽度变窄,旁瓣等级更低。其中STCCF拥有最窄的主瓣宽度以及最低的旁瓣等级,意味着它的横向分辨率最佳,而SA-STCCF的分辨率稍弱于STCCF,但其点目标成像质量仍优于先前的5种算法。综合以上分析,STCCF与结合子阵平滑的SA-STCCF算法在点目标成像的表现明显优于其他5种算法。
图5给出了7种算法吸声斑目标成像结果,从图5中可以看出,DAS算法相比于其他算法成像效果最差,斑内受到周围散射点干扰严重,产生大量伪影,圆斑的轮廓不清晰,尺寸不准确。CF算法和SCF算法对干扰形成的伪像抑制较DAS有所很大改善,但其背景也随之变暗。基于StS-CF和StS-SCF将CF及SCF算法经过平滑处理,圆斑的背景及轮廓也更加平滑,但StS-CF暗斑内出现了少量伪影,暗斑轮廓被伪影淹没,而StS-SCF则具有比StS-CF更加明显的伪像。STCCF及SA-STCCF几乎不存在暗斑伪像,其暗斑背景质量更佳,成像效果更好。表2为不同成像算法背景质量指标比较。
表2不同成像算法背景质量指标比较
从表2可以看出,DAS算法的中心平均功率和外部平均功率值最大,它的背景区域方差为7种算法最优,说明其稳健性最好,然而它的对比度最低,因而暗斑的检测能力不佳。CF、SCF算法相比于DAS算法在对比度上有了明显改善,然而较大的背景区域方差表明其检测斑状物效果仍不理想。而StS-CF与StS-SCF相比于CF、SCF又有了进一步的改善,但从图5可以看出StS-CF算法暗斑轮廓附近仍有明显的伪像。STCCF算法在保持相对较高的CR情况下,得到了较低的背景区域方差。而SA-STCCF算法对比度为7种算法对比度最高值,同时也保持着良好的背景区域方差,成像暗斑内部几乎没有伪影。综上,STCCF与SA-STCCF相对于其他算法可以得到更好的暗斑成像效果。
图6给出了不同算法对亮斑的成像结果。从图6可以看出,DAS亮斑成像效果较好,不存在明显的黑区伪像,但是亮斑轮廓存在较弱的横向伪影。CF,SCF在亮斑成像中,表现并不理想。这是由于亮斑周围的散射点回波信号掺杂了过多的亮斑干扰信号,导致CF、SCF算法将有效信号作为干扰噪声,从而过分抑制,因此在亮斑周围存在明显的黑区伪影。StS-CF与StS-SCF通过对相干系数进行空时平滑处理,削弱了相干系数对干扰的抑制能力,以此解决黑区伪像问题。StS-CF能将黑区伪像完全消除,其效果与DAS相近,而StS-SCF虽然亮斑内部成像效果更加平滑,但亮斑周围仍然存在明显的伪像。STCCF与SA-STCCF同样能够有效抑制黑区伪影。
图7给出了7种算法geabr_0数据成像结果。图8给出geabr_0实验77.5mm处散射点横向截面图。结合图7和图8可以看出,DAS算法具有较亮的背景,然而其点目标分辨率远不足其他算法,而对于暗斑的探测成像较清晰,但在暗斑内部存在明显噪点。CF、SCF类算法与DAS正好相反,其过高的对比度虽足以得到优秀的分辨率,然而它对于geabr_0中的暗斑成像信息几乎完全丢失,背景遭到过分抑制,虽然亮斑隐约可见,但是也出现了很大程度的失真。StS-CF、StS-SCF通过对CF与SCF进行空时平滑处理削弱了它们的抑制干扰能力,从而消除黑区伪像。从图中可以看出,其相对CF算法在背景质量上得到了有效改善。然而横向分辨率图表示其点目标分辨率已经远不如CF,并且在暗斑内部混杂着较明显的噪声,对旁瓣伪像的抑制能力减弱,这是因为StS-CF与StS-SCF牺牲了CF及SCF的分辨率及对比度换取了高成像背景质量。STCCF对点目标的分辨率明显优于StS-CF及StS-SCF,并且对亮暗斑的综合检测效果相较于前5种算法有明显的改善。尤其是暗斑周围背景与暗斑内部的对比度得到明显提高,可以清晰看到暗斑的位置及其轮廓。对亮斑信息的检测也更具优势。通过调节参数h,得到h=8时,算法效果最优。
在实际应用中,可以针对想要检测的某种目标,调节最优的h,如果成像中只关注于成像信息中的强散射点目标,则可以增大h值到最大,获得比CF还要高出许多的分辨率效果。若对于点目标分辨率没有过高的需求,而更关注于斑状物等复杂物体的成像,则可以适当减小h取值,从而获得优秀的背景质量。SA-STCCF具有与STCCF相同的性能,并且在背景成像质量上要比STCCF更加优秀,通过调节其灵敏系数,可以得到高质量的综合超声成像效果。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于子阵的空时域条件相干系数超声成像方法,其特征在于,该方法具体包括以下步骤:
S1:对超声阵元接收的回波信号进行处理,获得处理后的超声回波数据x(k);
S2:提取超声回波数据x(k)的符号值用于计算相干系数,并将阵列接收的回波数据依次划分为多个具有重叠阵元的子阵回波数据组;
S3:设置近似相干判断阈值h,通过衡量子阵回波数据组的符号值一致性,计算各个回波数据组对应的近似相干性匹配系数;
S4:通过计算完整信号长度内满足近似相干性匹配条件的回波数据组个数与总回波数据组个数的比值作为最终的子阵空时域条件相干系数;
S5:利用最终求得的子阵空时域条件相干系数对回波构成的扫描线数据进行加权,得到优化后的扫描线信号;
S6:采用优化后的扫描线信号进行最终成像。
2.根据权利要求1所述的空时域条件相干系数超声成像方法,其特征在于,步骤S1中,对超声阵元接收的回波信号进行处理,具体包括:放大、AD转换和延时聚焦处理;获取处理后的超声波数据x(k)为:
x(k)=[x1(k),x2(k),…,xM(k)]
其中,M表示超声阵列的阵元个数,k表示对应采样深度的采样时刻。
3.根据权利要求2所述的空时域条件相干系数超声成像方法,其特征在于,所述步骤S2具体包括以下步骤:
S21:提取阵列接收的超声回波数据的符号值:
S22:将每个采样时刻的阵列回波数据依次划分为阵元数目为L的子阵回波数据组,则第k个采样时刻对应的回波数据组SL(k)为:
SL(k)=[s1(k),s2(k),…,sl(k),…,sL(k)]
其中,SL(k)表示第k个采样周期对应的子阵向量,sl(k)表示第k个采样时刻的第l个回波数据组,/>表示第k个采样时刻第l个阵元数据的符号数值。
4.根据权利要求3所述的空时域条件相干系数超声成像方法,其特征在于,步骤S3中,计算的各个回波数据组对应的近似相干性匹配系数为:
其中,SA-MFl(k)表示第k个采样时刻,第l个回波数据组的近似相干性匹配系数;sign(·)表示符号值求取函数,xm(k)表示第k个采样时刻第m个阵元的回波数据。
5.根据权利要求4所述的空时域条件相干系数超声成像方法,其特征在于,步骤S4中,子阵空时域条件相干系数为:
其中,SA-STCCF(k)表示第k个采样周期对应的子阵空时域条件相干系数,M表示阵列长度,(M-L+1)表示子阵个数,(2N+1)表示计算子阵近似相干性匹配系数所用到的采样周期个数。
6.根据权利要求5所述的空时域条件相干系数超声成像方法,其特征在于,步骤S5中,利用最终求得的空时域条件相干系数对回波构成的扫描线信号进行加权,得到优化后的扫描线信号为:
其中,y(k)表示原始未优化的扫描线数据,ySA-STCCF(k)表示经过子阵空时域条件相干系数优化之后的回波扫描线数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750706.5A CN111856474B (zh) | 2020-07-30 | 2020-07-30 | 一种基于子阵的空时域条件相干系数超声成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750706.5A CN111856474B (zh) | 2020-07-30 | 2020-07-30 | 一种基于子阵的空时域条件相干系数超声成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111856474A CN111856474A (zh) | 2020-10-30 |
CN111856474B true CN111856474B (zh) | 2023-07-25 |
Family
ID=72945039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010750706.5A Active CN111856474B (zh) | 2020-07-30 | 2020-07-30 | 一种基于子阵的空时域条件相干系数超声成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111856474B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625286B (zh) * | 2021-08-03 | 2023-11-14 | 重庆大学 | 基于相干特征的强稳健性截断相干系数超声波束形成方法 |
CN113647978B (zh) * | 2021-08-18 | 2023-11-21 | 重庆大学 | 一种带有截断因子的高鲁棒性符号相干系数超声成像方法 |
CN114010228B (zh) * | 2021-12-07 | 2024-03-22 | 深圳北芯生命科技股份有限公司 | 血管内成像*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU7307498A (en) * | 1997-06-19 | 1999-01-14 | Medinol Ltd | Intravascular ultrasound enhanced image and signal processing |
EP1281982A2 (de) * | 2001-07-25 | 2003-02-05 | STN ATLAS Elektronik GmbH | Verfahren zur Bewertung der Kohärenz von Schallwellen |
CN102435992A (zh) * | 2011-09-26 | 2012-05-02 | 重庆博恩富克医疗设备有限公司 | 基于广义相干系数的合成聚焦成像方法 |
CN103969651A (zh) * | 2014-04-24 | 2014-08-06 | 中国科学院声学研究所 | 自适应声学成像方法 |
CN106019290A (zh) * | 2016-05-26 | 2016-10-12 | 浙江工业大学 | 加权宽带时反算子分解多目标声成像方法 |
CN106510761A (zh) * | 2016-12-12 | 2017-03-22 | 重庆大学 | 一种信噪比后滤波与特征空间融合的最小方差超声成像方法 |
-
2020
- 2020-07-30 CN CN202010750706.5A patent/CN111856474B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU7307498A (en) * | 1997-06-19 | 1999-01-14 | Medinol Ltd | Intravascular ultrasound enhanced image and signal processing |
EP1281982A2 (de) * | 2001-07-25 | 2003-02-05 | STN ATLAS Elektronik GmbH | Verfahren zur Bewertung der Kohärenz von Schallwellen |
CN102435992A (zh) * | 2011-09-26 | 2012-05-02 | 重庆博恩富克医疗设备有限公司 | 基于广义相干系数的合成聚焦成像方法 |
CN103969651A (zh) * | 2014-04-24 | 2014-08-06 | 中国科学院声学研究所 | 自适应声学成像方法 |
CN106019290A (zh) * | 2016-05-26 | 2016-10-12 | 浙江工业大学 | 加权宽带时反算子分解多目标声成像方法 |
CN106510761A (zh) * | 2016-12-12 | 2017-03-22 | 重庆大学 | 一种信噪比后滤波与特征空间融合的最小方差超声成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111856474A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111856474B (zh) | 一种基于子阵的空时域条件相干系数超声成像方法 | |
CN102895000B (zh) | 一种基于自适应加权的双聚焦波束合成方法 | |
CN106510761B (zh) | 一种信噪比后滤波与特征空间融合的最小方差超声成像方法 | |
CN103536316B (zh) | 一种空时平滑相干因子类自适应超声成像方法 | |
CN108836389B (zh) | 平面波相关点相干自适应波束合成成像方法 | |
CN110501423B (zh) | 一种基于频域分段的高分辨率最小方差超声成像方法 | |
CN102499712A (zh) | 一种基于特征空间的前后向自适应波束形成方法 | |
CN108354627B (zh) | 一种提高帧频的超声波束形成方法 | |
CN109164453A (zh) | 一种融合高度相干滤波器的最小方差超声成像方法 | |
CN102764139A (zh) | 基于特征空间分析和区域判别的医学超声波束形成方法 | |
CN108309352A (zh) | 一种余弦变换域超声成像方法 | |
CN110501711A (zh) | 一种基于乘幂法的低复杂度最小方差超声成像方法 | |
US20110245676A1 (en) | Method and apparatus for ultrasound signal acquisition and processing | |
CN113625286B (zh) | 基于相干特征的强稳健性截断相干系数超声波束形成方法 | |
CN112120730A (zh) | 一种基于混合子空间投影的广义旁瓣相消超声成像方法 | |
Kozai et al. | Optimization of frequency and plane-wave compounding by minimum variance beamforming | |
CN114415187A (zh) | 基于子空间斜投影的强稳健性最小方差超声波束形成方法 | |
Ylitalo | A fast ultrasonic synthetic aperture imaging method: application to NDT | |
CN113647978B (zh) | 一种带有截断因子的高鲁棒性符号相干系数超声成像方法 | |
CN109187771B (zh) | 一种融合特征值分解的低复杂度最小方差超声成像方法 | |
Hansen et al. | Performance of synthetic aperture compounding for in-invo imaging | |
CN112890855A (zh) | 多波束p次根压缩相干滤波波束合成方法及装置 | |
CN110490869B (zh) | 一种超声图像对比度和横向分辨率优化方法 | |
CN113679418B (zh) | 一种基于压缩信噪比系数加权的超声成像方法 | |
CN115227288B (zh) | 一种基于滞后的延时乘累加超声虚源波束形成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210706 Address after: 400044 No. 174 Shapingba street, Shapingba District, Chongqing Applicant after: Chongqing University Applicant after: Chongqing mostag Energy Management Co.,Ltd. Address before: 400044 No. 174 Shapingba street, Shapingba District, Chongqing Applicant before: Chongqing University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |