CN116831626A - 超声波束合成方法及设备 - Google Patents

超声波束合成方法及设备 Download PDF

Info

Publication number
CN116831626A
CN116831626A CN202210306948.4A CN202210306948A CN116831626A CN 116831626 A CN116831626 A CN 116831626A CN 202210306948 A CN202210306948 A CN 202210306948A CN 116831626 A CN116831626 A CN 116831626A
Authority
CN
China
Prior art keywords
image
ultrasonic
images
sub
initial
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.)
Pending
Application number
CN202210306948.4A
Other languages
English (en)
Inventor
郭冲冲
刘敬
杨波
李雷
刘学东
林穆清
刘强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mindray Bio Medical Electronics Co Ltd
Original Assignee
Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Mindray Bio Medical Electronics Co Ltd filed Critical Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority to CN202210306948.4A priority Critical patent/CN116831626A/zh
Priority to US17/706,490 priority patent/US20230305126A1/en
Publication of CN116831626A publication Critical patent/CN116831626A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • 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
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52085—Details related to the ultrasound signal acquisition, e.g. scan sequences
    • G01S7/5209—Details related to the ultrasound signal acquisition, e.g. scan sequences using multibeam transmission
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13—Tomography
    • A61B8/14—Echo-tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/465—Displaying means of special interest adapted to display user selection data, e.g. icons or menus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A61B8/5253—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode combining overlapping images, e.g. spatial compounding
    • 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
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8909—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration
    • G01S15/8915—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array
    • 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
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8977—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using special techniques for image reconstruction, e.g. FFT, geometrical transformations, spatial deconvolution, time deconvolution
    • 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
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52046—Techniques for image enhancement involving transmitter or receiver
    • 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
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52079—Constructional features
    • G01S7/52084—Constructional features related to particular user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明实施例提供一种超声波束合成方法及设备，该方法包括：获取目标组织的通道回波数据；采用至少两种不同的超声波束合成方法对通道回波数据进行处理，得到与各个不同的超声波束合成方法相对应的目标组织的图像数据，至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同。本发明实施例的方法，通过对相同的通道回波数据分别采用不同的超声波束合成方法进行处理，可以充分挖掘通道回波数据中所包含的目标组织的信息，有助于提高超声成像的质量。

Description

超声波束合成方法及设备
技术领域
本发明涉及医用超声成像技术领域，具体涉及一种超声波束合成方法及设备。
背景技术
超声诊断技术由于具有无创、成本低、实时性强等优点，已在临床中得到了广泛应用。超声诊断是基于组织的超声图像来进行临床诊断的，因此超声图像的质量将直接影响诊断的准确性。超声波束合成是超声成像***中最为关键的一个步骤，超声波束合成的质量将直接决定最终得到的超声图像的质量，超声波束合成方法的研究对于确保超声诊断的准确性具有重要意义。
目前业界常用的超声波束合成方法有延时叠加(Delay-and-Sum，DAS)波束合成方法、最小方差(Minimum Variance，MV)波束合成方法、相干因子(Coherence Factor，CF)波束合成方法等。其中，延时叠加波束合成方法得到的超声图像虽然能够很好地显示组织的整体结构，但是对组织边界及微小病灶的显示不够清晰；最小方差波束合成方法虽然能够提升超声图像的空间分辨力，但是会使均匀组织的超声图像不致密；相干因子波束合成方法虽然能够使强反射组织的结构变得更加清晰，但是也可能导致弱反射组织的超声图像显示不出来。
综上所述，现有超声波束合成方法具有一定局限性，有待于进一步改进。
发明内容
本发明实施例提供一种超声波束合成方法及设备，用于改进现有超声波束合成方法，以提高超声图像的质量。
一种实施例中，提供一种超声波束合成方法，包括：
获取目标组织的通道回波数据；
采用至少两种不同的超声波束合成方法对该通道回波数据进行至少两次波束合成处理，得到与该至少两种不同的超声波束合成方法相对应的该目标组织的至少两帧图像数据，其中，该至少两次波束合成处理在相同的该通道回波数据上进行，每种超声波束合成方法对应获得一帧图像数据，并且该至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同。。
一种实施例中，该方法还包括：
将该至少两帧图像数据进行融合，得到该目标组织的融合超声图像。
一种实施例中，该方法还包括：
根据该至少两帧图像数据，分别生成与该至少两种不同的超声波束合成方法相对应的该目标组织的超声图像；
将该与该至少两种不同的超声波束合成方法相对应的该目标组织的超声图像在显示界面上进行显示。
一种实施例中，采用至少两种不同的超声波束合成方法对通道回波数据进行处理之前，该方法还包括：
在显示界面上以文字或者图标的方式显示多种超声波束合成方法供用户进行选择，根据用户的选择操作确定至少两种不同的超声波束合成方法；
或者，
获得该目标组织的类型，根据目标组织的类型以及预先建立的组织的类型与超声波束合成方法之间的映射关系，确定至少两种不同的超声波束合成方法。
一种实施例中，将该至少两帧图像数据进行融合，包括：
根据应用场景确定该至少两种不同的超声波束合成方法对应的融合系数，其中该应用场景根据探头类型、扫查模式、扫查频点和扫查深度中的一种或者多种确定；
采用该融合系数将该至少两帧图像数据进行融合。
一种实施例中，将该至少两帧图像数据进行融合，得到该目标组织的融合超声图像，包括：
根据该至少两帧图像数据分别生成与该至少两种超声波束合成方法相对应的该目标组织的至少两个初始超声图像；
基于像素点的像素值或者基于图像结构信息对该至少两个初始超声图像进行融合，得到该目标组织的融合超声图像。
一种实施例中，基于像素点的像素值对该至少两个初始超声图像进行融合，得到该目标组织的融合超声图像，包括：
对于每个初始超声图像中的每个像素点，根据该像素点的对比度和像素质量确定该像素点的融合系数，得到与各该至少两个初始超声图像相对应的融合系数图，对比度与像素点相对于相邻像素点的像素值变化量正相关，像素质量负相关于像素点的像素值与像素中值的差值，融合系数分别与对比度和像素质量正相关；
根据得到的与该至少两个初始超声图像相对应的融合系数图对得到的目标组织的该至少两个初始超声图像进行融合，得到目标组织的融合超声图像。
一种实施例中，根据得到的与该至少两个初始超声图像相对应的融合系数图对得到的该目标组织的该至少两个初始超声图像进行融合，包括：
计算该至少两个初始超声图像中每个像素点位置处的像素值与对应的融合系数的乘积的和，获得该融合超声图像中该像素点的像素值。
一种实施例中，根据得到的与该至少两个初始超声图像相对应的融合系数图对得到的该目标组织的该至少两个初始超声图像进行融合，包括：
对该至少两个初始超声图像中每个初始超声图像及其对应的融合系数图进行多尺度分解，得到多个尺度下的超声子图像及其对应的融合系数子图，从而获得该至少两个初始超声图像对应的多个尺度下的多个超声子图像及其对应的融合系数子图；
将每个尺度下的多个该超声子图像根据与其对应的融合系数子图进行融合，得到该尺度下的融合超声子图像，从而获得多个尺度下的融合超声子图像；
对该多个尺度下的融合超声子图像进行重构，得到该融合超声图像。
一种实施例中，对该至少两个初始超声图像中每个初始超声图像及其对应的融合系数图进行多尺度分解，包括：
对每个初始超声图像进行拉普拉斯金字塔分解；
对每个初始超声图像所对应的融合系数图进行高斯金字塔分解。
一种实施例中，基于图像结构信息对该至少两个初始超声图像进行融合，得到目标组织的融合超声图像，包括：
采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的多个特征子图像；
对得到的该多个特征子图像进行融合，获得该目标组织的该融合超声图像。
一种实施例中，采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的特征子图像，包括：
分别对每个初始超声图像进行奇异值分解，得到各初始超声图像的左奇异矩阵、奇异值矩阵和右奇异矩阵，奇异值矩阵包括初始超声图像的奇异值，左奇异矩阵包括与奇异值矩阵中的奇异值对应的左奇异向量，右奇异矩阵包括与奇异值矩阵中的奇异值对应的右奇异向量；
根据奇异值及其对应的左奇异向量和右奇异向量确定与该奇异值对应的特征子图像，得到各初始超声图像的特征子图像，其中，奇异值的幅度或者能量大于预设阈值。
一种实施例中，对得到的多个特征子图像进行融合，获得目标组织的融合超声图像，包括：
根据奇异值的幅度或者能量确定与该奇异值对应的特征子图像的融合系数；
根据融合系数对得到的该多个特征子图像进行加权融合，获得目标组织的融合超声图像。
一种实施例中，采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的特征子图像，包括：
采用相同的小波基和分解层级分别对每个初始超声图像进行小波分解，确定各分解层级上用于表示整体结构特征的特征子图像、用于表示水平方向的局部细节特征的特征子图像、用于表示垂直方向的局部细节特征的特征子图像和用于表示对角方向的局部细节特征的特征子图像，得到各初始超声图像的特征子图像。
一种实施例中，对得到的多个特征子图像进行融合，获得目标组织的融合超声图像，包括：
根据融合系数对位于相同分解层级中用于表示相同类型特征的特征子图像进行融合，得到各分解层级上的融合特征子图像，其中，融合系数采用预设融合系数或者根据特征子图像的幅度确定；
对所有分解层级上的融合特征子图像进行小波逆变换，确定目标组织的融合超声图像。
一种实施例中，采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的特征子图像，包括：
采用相同的经验模式分解方法分别对每个初始超声图像进行分解，获得预设数量个用于表示不同尺度下的图像细节信息的细节特征子图像和一个包含图像亮度信息的结构特征子图像，从而得到各初始超声图像的特征子图像。其中，细节特征子图像根据本征模态函数分量确定，结构特征子图像根据分解余量确定。
一种实施例中，对得到的该多个特征子图像进行融合，获得目标组织的融合超声图像，包括：
分别对每个尺度下的各个细节特征子图像进行融合，获得各尺度下的融合细节特征子图像，从而得到预设数量个融合细节特征子图像；
对得到的各个结构特征子图像进行融合，得到一个融合结构特征子图像；
根据预设数量个融合细节特征子图像和一个融合结构特征子图像进行重构，确定目标组织的融合超声图像。
一个实施例中，提供了一种超声波束合成方法，该方法包括：
获取目标组织的通道回波数据；
采用至少两种不同的超声波束合成方法对该通道回波数据进行至少两次波束合成处理，得到与该至少两种不同的超声波束合成方法相对应的该目标组织的至少两组波束合成后数据，其中，该至少两次波束合成处理在相同的该通道回波数据上进行，每种超声波束合成方法对应获得一组波束合成后数据，并且该至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同；
将该至少两组波束合成后数据进行融合，得到该目标组织的融合后的波束合成数据；
根据该融合后的波束合成数据生成该目标组织的超声图像。
一个实施例中，该至少两种不同的超声波束合成方法包括延时变迹求和波束合成方法、最小方差自适应波束合成方法、相干因子波束合成方法、非相干波束合成方法和频域波束合成方法中的至少两种。
一种实施例中，提供一种超声成像设备，其特征在于，包括：
超声探头；
发射电路，用于按照设定模式将相应的发射序列输出至超声探头，以控制超声探头发射相应的超声波；
接收电路，用于接收超声探头输出的超声回波信号，输出超声回波数据；
显示器，用于输出可视化信息；
处理器，用于执行前述任一种超声波束合成方法。
一种实施例中，提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现前述任一种超声波束合成方法。
本发明实施例提供的超声波束合成方法及设备，通过获取目标组织的通道回波数据；采用至少两种不同的超声波束合成方法对通道回波数据进行处理，得到与各个不同的超声波束合成方法相对应的目标组织的图像数据，至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同。由于对相同的通道回波数据分别采用了不同的超声波束合成方法进行处理，因此可以充分挖掘通道回波数据中所包含的目标组织的信息，有助于提高超声成像的质量。
附图说明
图1为本发明一实施例提供的超声成像设备的结构框图；
图2为DAS波束合成方法的流程示意图；
图3为DAS波束合成方法中不同窗函数对应的图像示意图；
图4为MV波束合成方法的流程示意图；
图5为CF波束合成方法的流程示意图；
图6为本发明一实施例提供的超声波束合成方法的流程图；
图7为本发明又一实施例提供的超声波束合成方法的流程图；
图8为本发明另一实施例提供的超声波束合成方法的流程图；
图9为本发明一实施例提供的选择超声波束合成方法的界面示意图；
图10为本发明一实施例提供的基于像素点的像素值对初始超声图像进行融合的流程图；
图11为本发明一实施例提供的基于像素点的像素值对初始超声图像进行融合的过程示意图；
图12为本发明一实施例提供的多尺度融合的流程图；
图13为本发明一实施例提供的多尺度融合的过程示意图；
图14为本发明一实施例提供的基于图像结构信息对初始超声图像进行融合的流程图；
图15为本发明一实施例提供的基于图像结构信息对初始超声图像进行融合的过程示意图；
图16为本发明一实施例提供的小波分解的示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。
超声成像设备由于具有无创、成本低、实时性强等优点，得到了广泛应用。如图1所示，本发明一实施例提供的超声成像设备可以包括：超声探头20、发射/接收电路30(即发射电路310和接收电路320)、处理器40、存储器50和人机交互装置60。其中，处理器40可以包括发射/接收序列控制模块410、波束合成模块420和图像处理模块440。
超声探头20包括由阵列式排布的多个阵元组成的换能器(图中未示出)，多个阵元排列成一排构成线阵，或排布成二维矩阵构成面阵，多个阵元也可以构成凸阵列。阵元用于根据激励电信号发射超声波束，或将接收的超声波束变换为电信号。因此每个阵元可用于实现电脉冲信号和超声波束的相互转换，从而实现向检测对象(人或动物)的目标组织发射超声波、也可用于接收经目标组织反射回的超声波的回波。在进行超声检测时，可通过发射电路310和接收电路320控制哪些阵元用于发射超声波束，哪些阵元用于接收超声波束，或者控制阵元分时隙用于发射超声波束或接收超声波束的回波。参与超声波发射的阵元可以同时被电信号激励，从而同时发射超声波；或者参与超声波发射的阵元也可以被具有一定时间间隔的若干电信号激励，从而持续发射具有一定时间间隔的超声波。
本实施例中，用户可以通过移动超声探头20选择合适的位置和角度向目标组织10发射超声波并接收由目标组织10返回的超声波的回波，获得并输出该回波的电信号，回波的电信号是按以接收阵元为通道所形成的通道模拟电信号，其携带有幅度信息、频率信息和时间信息。
发射电路310用于根据发射/接收序列控制模块410的控制产生发射序列，发射序列用于控制多个阵元中的部分或者全部向生物组织发射超声波，发射序列参数包括发射用的阵元位置、阵元数量和超声波束发射参数(例如幅度、频率、发射次数、发射间隔、发射角度、波型、聚焦位置等)。某些情况下，发射电路310还用于对发射的波束进行相位延迟，使不同的发射阵元按照不同的时间发射超声波，以便各发射超声波束能够在预定的感兴趣区域聚焦。不同的工作模式，例如B图像模式、C图像模式和D图像模式(多普勒模式)，发射序列参数可能不同，回波信号经接收电路320接收并经后续的模块和相应算法处理后，可生成反映目标组织解剖结构的B图像、反映目标组织解剖结构和血流信息的C图像以及反映多普勒频谱图像的D图像。
接收电路320用于从超声探头20接收超声回波的电信号，并对超声回波的电信号进行处理。接收电路320可以包括一个或多个放大器、模数转换器(ADC)等。放大器用于在适当增益补偿之后放大所接收到的超声回波的电信号，模数转换器用于对模拟回波信号按预定的时间间隔进行采样，从而转换成数字化的信号，数字化后的回波信号依然保留有幅度信息、频率信息和相位信息。接收电路320输出的数据可输出给波束合成模块420进行处理，或者，输出给存储器50进行存储。
处理器40用于配置成能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理器、图形控制器电路(GPU)或其他任何电子部件，其可以根据输入的指令或预定的指令对***电子部件执行控制，或对存储器50执行数据读取和/或保存，也可以通过执行存储器50中的程序对输入数据进行处理，例如根据一个或多个工作模式对采集的超声数据执行一个或多个处理操作，处理操作包括但不限于调整或限定超声探头20发出的超声波的形式，生成各种图像帧以供后续人机交互装置60的显示器进行显示，或者调整或限定在显示器上显示的内容和形式，或者调整在显示器上显示的一个或多个图像显示设置(例如超声图像、界面组件、定位感兴趣区域)。
其中，波束合成模块420可以和接收电路320信号相连，用于对接收电路320输出的目标组织的通道回波数据进行波束合成处理，得到波束合成后的超声图像数据，此时的通道回波数据为未经解调的射频信号，波束合成模块420输出的超声图像数据也为射频数据(RF数据)。波束合成模块420可以将射频数据输出至IQ解调模块(图中未示出)进行解调，得到基带数据。IQ解调模块可以将基带数据输出至处理器40的图像处理模块440进行图像处理，还可以将基带数据输出至存储器50进行缓存或保存，以便图像处理模块440从存储器50中读出数据进行后续的图像处理。波束合成模块420还可以将射频数据输出至存储器50进行缓存或保存，或将射频数据直接输出至处理器40的图像处理模块440进行图像处理。
在一种可选的实施方式中，IQ解调模块(图中未示出)还可以位于波束合成模块420与接收电路320之间，即IQ解调模块可以和接收电路320信号相连，通过IQ解调去除信号载波，提取信号中包含的组织结构信息，并进行滤波去除噪声，此时获取的信号称为基带信号；波束合成模块420可以和IQ解调模块信号相连，用于对IQ解调模块输出的目标组织的通道回波数据进行波束合成处理，得到波束合成后的超声图像数据，此时的通道回波数据为解调后的基带信号，波束合成模块420输出的超声图像数据也为基带数据。波束合成模块420还可以将基带数据输出至存储器50进行缓存或保存，或将基带数据直接输出至处理器40的图像处理模块440进行图像处理。
综上所述，波束合成模块420处理的通道回波数据既可以是射频信号，也可以是解调后的基带信号。
波束合成模块420可以采用硬件、固件或软件的方式执行上述功能，例如，波束合成模块420可以包括能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理芯片或其他任何电子部件，当波束合成模块420采用软件方式实现时，其可以执行存储在有形和非暂态计算机可读介质(例如，存储器50)上的指令，以使用任何适当波束合成方法进行波束合成计算。
图像处理模块440用于对波束合成模块420输出的数据或IQ解调模块(图中未示出)输出的数据进行处理，以生成目标组织的超声图像。图像处理模块440可以将得到的目标组织的超声图像输出至人机交互装置60的显示器进行显示。
存储器50可以是有形且非暂态的计算机可读介质，例如可为闪存卡、固态存储器、硬盘等，用于存储数据或者程序，例如，存储器50可以用于存储所采集的超声数据或处理器40所生成的暂不立即显示的图像帧，或者存储器50可以存储图形用户界面、一个或多个默认图像显示设置、用于处理器、波束合成模块420或IQ解码模块的编程指令。
人机交互装置60用于进行人机交互，即接收用户的输入和输出可视化信息；其接收用户的输入可采用键盘、操作按钮、鼠标、轨迹球等，也可以采用与显示器集成在一起的触控屏；其输出可视化信息采用显示器。
需要说明的是，图1所示的结构仅作为示意，实际使用中还可以包括比图1中所示更多或者更少的组件/模块，或者具有与图1所示不同的配置。图1中所示的各组件/模块可以采用硬件和/或软件实现。图1所示的超声成像设备可以用于执行本发明任一实施例所提供的超声波束合成方法。
由于目标组织中的超声波接收点到不同接收阵元的距离不同，因此不同接收阵元输出的同一接收点的通道回波数据将具有延时差异，需要通过波束合成来消除差异。波束合成环节至关重要，是影响超声成像质量的关键因素。
如图2所示延时叠加(Delay-and-Sum，DAS)波束合成方法包含延时、变迹及求和三个步骤。DAS波束合成方法因为具有实现原理简单、易于实现且图像鲁棒性高等优点，已广泛应用于超声成像设备。该方法通过对通道回波数据按相应的延时系数(τ1，τ2，τ3……)进行对齐，再按照相应的变迹系数(w1，w2，w3……)进行加权求和。延时系数和变迹系数是DAS波束合成方法的两个重要参数。其中，延时系数可以根据成像点在发射声场中的几何位置以及与阵元位置的几何距离来确定，变迹系数通常是一组固定的窗函数如矩形窗、汉宁窗、高斯窗、半圆窗等。
应用不同的窗函数可以得到不同的图像效果，如图3所示，左侧图像表示应用矩形窗得到的图像，右侧图像表示应用高斯窗得到的图像。矩形窗对应的靶点主瓣窄但旁瓣高，图像表现上空间分辨力比较高，但会带来杂波干扰；而高斯窗对应的靶点主瓣宽但旁瓣低，图像表现上空间分辨力差但杂波少，噪声水平低。实际应用中，超声研究工程师需要根据实际情况对延时系数和变迹系数进行调整，以便对图像进行取舍。
由此可见，DAS波束合成方法获得的超声图像虽然能够很好地显示组织的整体结构，但是对于组织边界、微小病灶的显示不够清晰。一方面是因为在延时系数的计算过程中应用的相关假设并不完全符合实际情况，另一方面是因为采用了固定的变迹系数而不能根据超声回波信号的特点自适应地变化。
为了改善超声图像的质量，业界已经提出了能够根据超声回波信号的特点自适应变化的波束合成方法，如最小方差(Minimum Variance，MV)波束合成方法、相干因子(Coherence Factor，CF)波束合成方法等。
如图4所示，MV波束合成方法先对通道回波数据进行延时，然后对延时后的通道回波数据计算协方差矩阵，以最小化噪声和干扰的输出作为优化目标，计算得到一组变迹系数，根据得到的变迹系数对延时后的通道回波数据进行加权求和，得到波束合成输出。MV波束合成方法由于是实时地根据接收到的通道回波数据自适应地计算变迹系数，变迹系数不是固定不变的。该方法可以提升超声图像的空间分辨力和对比分辨力，但是散斑噪声方差大，图像背景噪声比较大，会使均匀组织的超声图像不致密，存在一定缺陷。
如图5所示，CF波束合成方法先对通道回波数据进行延时，得到延时后的通道回波数据。根据一定的先验知识对延时后的通道回波数据赋予不同的权重，得到加权求和输出。假定通道回波数据的有效信号存在一定的相干性，而噪声信号是不相干的，根据延时后的通道回波数据中的相干信号与非相干信号进行相干系数计算，得到相干因子。再把得到的相干因子与加权求和输出的结果做处理得到波束合成输出。CF波束合成方法对于强反射信号作用比较明显，会使得强反射组织的结构变得更加清晰，图像的对比增强，但是对于弱信号，由于计算得到的相干因子系数比较小，会进一步压缩弱信号，造成部分图像显示不出来。
需要说明的是，适用于超声成像设备的超声波束合成方法还有很多，此处不再一一赘述。
综上所述，DAS波束合成方法得到的超声图像虽然能够很好地显示组织的整体结构，但是对组织边界及微小病灶的显示不够清晰；MV波束合成方法虽然能够提升超声图像的空间分辨力，但是会使均匀组织的超声图像不致密；CF波束合成方法虽然能够使强反射组织的结构变得更加清晰，但是也可能导致弱反射组织的超声图像显示不出来。
由此可见，不同的波束合成方法具有不同的特点，各自具有一定的优劣势，能够在某一方面突出目标组织的信息，并不能相互取代。为了充分挖掘通道回波数据中所包含的目标组织的信息，申请人提出了一种超声波束合成方法，通过对相同的通道回波数据分别采用不同的超声波束合成方法进行处理，可以从多个不同的角度获取目标组织的信息，从而有助于提高对目标组织进行超声成像的质量。下面通过具体的实施例来进行详细说明。
图6为本发明一实施例提供的超声波束合成方法的流程图。如图6所示，本实施例提供的超声波束合成方法可以包括：
S101、获取目标组织的通道回波数据。
本实施例中可以通过超声探头向目标组织发射超声波，并接收目标组织返回的超声回波，来实时获取目标组织的通道回波数据；还可以从存储设备中获取预先存储的目标组织的通道回波数据。
需要说明的是，本实施例中的通道回波数据可以是指与超声成像设备的通道(对应一个或多个阵元)对应的、进行波束合成处理之前的数据，例如，其既可以是解调之前的射频信号，也可以是解调之后的基带信号，等等。
S202、采用至少两种不同的超声波束合成方法对通道回波数据进行处理，得到与各个不同的超声波束合成方法相对应的目标组织的至少两帧图像数据，至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同。这里，所说的至少两种不同的超声波束合成方法可以包括延时变迹求和波束合成方法、最小方差自适应波束合成方法、相干因子波束合成方法、非相干波束合成方法和频域波束合成方法中的至少两种。
本实施例中在获取目标组织的通道回波数据之后，可以采用两种或者两种以上的不同超声波束合成方法对该相同的通道回波数据进行至少两次波束合成处理，即，相同的通道回波数据会用至少两种不同的超声波束合成方法进行至少两次波束合成处理，或者说至少两次波束合成处理将在相同的通道回波数据上进行。每种超声波束合成方法获得的波束合成后数据经过后续的处理，可以对应获得一帧图像数据(这里，一“帧”图像数据是指一次波束合成处理后获得的图像数据的集合，其可以是完整的图像帧，也可以是完整的图像帧的一部分)。由于是对相同的通道回波数据进行处理，也就是说只需要对目标组织进行一次数据采集即可，可以减少数据采集时间，同时可以降低对数据存储空间的需求。
本文中，当提到“不同的波束合成方法”或“多种波束合成方法”时，指波束合成方法在原理、步骤和参数中具有至少一项不同，其既包括波束合成算法(原理)不同的情形，也包括算法(原理)相同，但其中的步骤不同(比如，增加步骤或减少步骤或变换步骤顺序，等等)或者其中使用的参数不同等等的情形，这些情形下的波束合成方法均被认为是“不同的”或“不同种”的波束合成方法。
以采用第一超声波束合成方法、第二超声波束合成方法和第三超声波束合成方法分别对目标组织的通道回波数据进行处理为例进行说明。一种可选的实施方式中，第一超声波束合成方法可以是DAS波束合成方法，第二超声波束合成方法可以是MV波束合成方法，第三超声波束合成方法可以是CF波束合成方法，即采用原理不同的超声波束合成方法。又一种可选的实施方式中，第一超声波束合成方法可以是矩形窗的DAS波束合成方法，第二超声波束合成方法可以是高斯窗的DAS波束合成方法，第三超声波束合成方法可以是半圆窗的DAS波束合成方法，即采用原理相同、参数不同的超声波束合成方法。另一种可选的实施方式中，第一超声波束合成方法可以是DAS波束合成方法，第二超声波束合成方法可以是先计算相干因子，再进行加权求和，最后叠加相干因子的CF波束合成方法，第三超声波束合成方法可以是先进行加权求和，再计算相干因子，最后叠加相干因子的CF波束合成方法，即存在原理和步骤不同的超声波束合成方法。需要说明的是，以上组合仅作示例，并不以此为限，在实际使用中可以结合具体情况来选择至少两种不同的超声波束合成方法。而且，本文中的超声波束合成方法不限于前文中提到的方法，也可以是业内现存的或未来将发展出的其他适合的波束合成方法。
可以理解的是，不同的超声波束合成方法可以从不同的角度突出展示目标组织的信息，如DAS波束合成方法可以突出展示目标组织的整体结构，MV波束合成方法通过提升空间分辨力，可以突出展示目标组织中的微小病灶，CF波束合成方法能够使目标组织中具有强反射的部分显示得更加清晰。因此，采用至少两种不同的超声波束合成方法分别对相同的通道回波数据进行处理，便可以从多个不同的角度获取目标组织的信息，可以充分挖掘通道回波数据中所包含的信息，有助于提高超声成像的质量。
另一方面，随着计算机科学技术的不断发展，超声成像***的算力也在不断提升，采用至少两种不同的超声波束合成方法对相同的通道回波数据进行处理，还可以充分利用超声成像***的算力，避免造成算力资源的浪费。
在实时成像应用场景下，可以采用至少两种不同的超声波束合成方法并行地对相同的通道回波数据进行处理，以提高处理速度，满足实时成像的需求。
需要说明的是，本实施例中用于对通道回波数据进行处理的超声波束合成方法，既包括本领域现有的超声波束合成方法，也包括本领域未来可能出现的超声波束合成方法。
本实施例提供的超声波束合成方法，首先获取目标组织的通道回波数据，然后采用至少两种不同的超声波束合成方法对通道回波数据进行处理，得到与各个不同的超声波束合成方法相对应的目标组织的图像数据。通过采用不同的超声波束合成方法对相同的通道回波数据分别进行处理，可以从不同的角度获取目标组织的信息，能够充分挖掘通道回波数据中所包含的信息，有助于提高超声成像的质量。
如图7所示，为便于用户从不同角度对目标组织进行观察，本实施例提供的超声波束合成方法在图6所示实施例的基础上，还可以包括：
S103、根据与各个不同的超声波束合成方法相对应的目标组织的图像数据，生成与各个不同的超声波束合成方法相对应的目标组织的超声图像。
以采用DAS波束合成方法、MV波束合成方法和CF波束合成方法分别对目标组织相同的通道回波数据进行处理为例进行说明，采用DAS波束合成方法处理后可以得到目标组织的第一图像数据，采用MV波束合成方法处理后可以得到目标组织的第二图像数据，采用CF波束合成方法处理后可以得到目标组织的第三图像数据。
可以通过超声成像设备处理器中的图像处理模块对得到的图像数据进行处理，以生成相应的超声图像。如根据第一图像数据可以生成目标组织的第一超声图像，采用DAS波束合成方法得到的第一超声图像可以很好的展示目标组织的整体结构；根据第二图像数据可以生成目标组织的第二超声图像，采用MV波束合成方法得到的第二超声图像具有较高的空间分辨力，可以突出展示目标组织中的微小病灶；根据第三图像数据可以生成目标组织的第三超声图像，采用CF波束合成方法得到的第三超声图像可以将目标组织中具有强反射的部分显示得更加清晰。
S104、将与各个不同的超声波束合成方法相对应的目标组织的超声图像在显示界面上进行显示。
因为与各个不同的超声波束合成方法相对应的目标组织的超声图像是根据相同的通道回波数据生成的，因此无需再对得到的超声图像进行配准，可以将得到的超声图像在显示界面上直接进行显示，便能够以可对比的方式来展示目标组织。如可以将得到的第一超声图像、第二超声图像和第三超声图像以平铺的形式在显示界面上进行显示，此时用户可以通过第一超声图像来掌握目标组织的整体结构，通过第二超声图像来查看目标组织中的微小病灶，通过第三超声图像来观察目标组织中的强反射部分。通过将采用不同波束合成方法得到的超声图像在显示界面上进行显示，使得用户可以从不同的角度对目标组织进行观察，能够掌握更多关于目标组织的信息，有助于更加全面更加准确地掌握目标组织的情况。
需要说明的是，在实际使用过程中，可以根据需要选用更多或者更少的超声波束合成方法，生成并显示更多或者更少的超声图像，本实施例对于所采用的超声波束合成方法的类型及数量和生成的超声图像的数量及显示方式不做限制。
本实施例提供的超声波束合成方法，在采用至少两种不同的超声波束合成方法分别对相同的通道回波数据进行处理，得到与各个不同的超声波束合成方法相对应的目标组织的图像数据之后，根据与各个不同的超声波束合成方法相对应的目标组织的图像数据，生成与各个不同的超声波束合成方法相对应的目标组织的超声图像并将其在显示界面上进行显示。通过将采用不同波束合成方法得到的超声图像在显示界面上进行显示，使得用户可以从不同的角度对目标组织进行观察，能够掌握更多关于目标组织的信息，有助于更加全面更加准确地掌握目标组织的情况。
如图8所示，为便于对目标组织进行观察，本实施例提供的超声波束合成方法在图6所示实施例的基础上，还可以包括：
S105、将与各个不同的超声波束合成方法相对应的目标组织的至少两帧图像数据进行融合，得到目标组织的融合超声图像。
本实施例中在得到与各个不同的超声波束合成方法相对应的目标组织的图像数据之后，还可以对得到的图像数据进行融合。融合既可以基于图像数据直接进行，也可以基于根据图像数据生成的超声图像来进行。在融合的过程中，可以按照预先设置的规则，或者通过自适应地计算，来保留各波束合成方法的优势，使得到的融合超声图像能够综合各波束合成方法的优势。可以理解的是，融合超声图像中的每一个像素点都体现了所采用的不同的超声波束合成方法共同作用的结果，通过这样的融合所得到的目标组织的融合超声图像将会优于采用单一超声波束合成方法所得到的目标组织的超声图像。
按照预先设置的规则进行融合时，融合系数通常是预先确定的。可以根据临床经验预先设定各个波束合成方法所对应的融合系数，以采用DAS波束合成方法、MV波束合成方法和CF波束合成方法三种不同的波束合成方法为例，例如根据临床经验预先设定DAS波束合成方法对应的融合系数为ω1，MV波束合成方法对应的融合系数为ω2，CF波束合成方法对应的融合系数为ω3；还可以根据采集到的图像数据通过机器学习的方式来确定各个波束合成方法所对应的融合系数，仍以采用DAS波束合成方法、MV波束合成方法和CF波束合成方法三种不同的波束合成方法为例，具体的，可以构建融合系数模型，该模型以DAS波束合成方法得到的图像数据，MV波束合成方法得到的图像数据和CF波束合成方法得到的图像数据作为输入，输出融合超声图像，以融合超声图像的质量最优作为训练目标在训练集上进行迭代训练以不断地调整各波束合成方法所对应的融合系数，直至收敛，并将此时的融合系数确定为各个波束合成方法所对应的融合系数。
可以理解的是，在不同应用场景下相同超声波束合成方法的表现可能会存在差异，如在第一应用场景下超声波束合成方法A优于超声波束合成方法B，而在第二应用场景下超声波束合成方法B优于超声波束合成方法A，因此结合应用场景来确定各超声波束合成方法对应的融合系数，有助于进一步提高目标组织的融合超声图像的质量。
一种可选的实施方式中，可以根据应用场景来确定各个不同的超声波束合成方法对应的融合系数，其中应用场景可以根据探头类型、扫查模式、扫查频点和扫查深度中的一种或者多种确定；然后采用融合系数将与各个不同的超声波束合成方法相对应的目标组织的图像数据进行融合。具体的，可以根据临床经验来预先设定各个应用场景下各个波束合成方法所对应的融合系数，还可以采用机器学习的方式通过训练得到各个应用场景下各个波束合成方法所对应的融合系数。
通过自适应地计算来进行融合时，融合系数将会根据所获得的图像数据自适应地变化，以最大限度地保留各波束合成方法的优势，获得高质量的融合超声图像。一种可选的实施方式中，可以基于根据图像数据生成的超声图像来进行融合，即首先根据得到的至少两帧图像数据生成与各超声波束合成方法相对应的目标组织的至少两个初始超声图像。在获得不同超声波束合成方法对应的初始超声图像之后，既可以以像素为单位，基于像素点的像素值来对该至少两个初始超声图像进行融合；也可以以图像为单位，基于图像结构信息来对该至少两个初始超声图像进行融合。例如在以像素为单位，基于像素点的像素值进行融合时，对于位于组织边界处的像素点，可以增大MV波束合成方法的权重而减小DAS波束合成方法的权重，对于处于图像背景处的像素点，则可以减小MV波束合成方法的权重而增大DAS波束合成方法的权重；在基于图像结构信息进行融合时，可以增加用于表征图像细节特征的高频信息和用于表征图像整体结构特征的低频信息的权重，减少用于表征图像噪声信息的权重。
本实施例提供的超声波束合成方法，在上述实施例的基础上，进一步地将与各个不同的超声波束合成方法相对应的目标组织的图像数据进行融合，在融合的过程中，保留各波束合成方法的优势，得到能够综合各波束合成方法优势的融合超声图像，提高了超声成像的质量。
需要说明的是，图7和图8所示的实施例可以相互结合。也就是说，在得到与各个不同的超声波束合成方法相对应的目标组织的图像数据之后，可以既生成与各个不同的超声波束合成方法相对应的目标组织的初始超声图像，又生成目标组织的融合超声图像。进一步的还可以将目标组织的融合超声图像和各个初始超声图像同时或者依次在显示界面上进行显示，便于用户按需进行选择性查看或者进行对比。
超声成像设备可以支持许多种超声波束合成方法，若采用所有的超声波束合成方法对通道回波数据进行处理，那无疑会对超声成像设备的算力带来巨大的挑战，那么如何确定用于对相同的通道回波数据进行处理的超声波束合成方法呢？一种可选的实施方式中，在采用至少两种不同的超声波束合成方法对通道回波数据进行处理之前，在显示界面上以文字或者图标的方式显示多种超声波束合成方法供用户进行选择，根据用户的选择操作确定至少两种不同的超声波束合成方法。请参考图9，可以显示超声成像设备所支持的所有超声波束合成方法供用户进行选择。基于此使得用户可以根据临床经验自主选择超声波束合成方法。
不同组织往往具有不同的成像特点，例如有些组织能够形成强反射超声信号，而有些组织能够形成弱反射超声信号；对不同组织进行超声检查的检查需求往往也是不同的，例如对于有些组织仅需要查看其整体结构即可，而对于有些组织则需要查看其局部细节。结合组织的成像特点和检查需求来确定所采用的超声波束合成方法，将会使得超声波束合成方法与组织更加匹配，有助于进一步提高超声成像的质量。例如对于能够形成强反射超声信号且需要查看其局部细节的组织可以采用CF波束合成方法和MV波束合成方法。
可以根据组织的成像特点和检查需求预先建立组织的类型与超声波束合成方法之间的映射关系，将组织的类型与所采用的超声波束合成方法关联起来，其中，组织的类型可以用***位来表示，如心脏、肝脏、子宫等，也可以采用其他方式来表示，如可以采用超声检查项目来表示。表1为一种映射关系的示意，如表1所示，当目标组织的类型为心脏时，将会采用A、B和C三种超声波束合成方法来对目标组织的通道回波数据分别进行处理；当目标组织的类型为肝脏时，将会采用A、C、D和F四种超声波束合成方法来对目标组织的通道回波数据分别进行处理。
表1
组织的类型 超声波束合成方法
心脏 A、B、C
肝脏 A、C、D、F
子宫 E、F
一种可选的实施方式中，为了提高超声成像的质量，在采用至少两种不同的超声波束合成方法对通道回波数据进行处理之前，可以获取目标组织的类型，并根据目标组织的类型以及预先建立的组织的类型与超声波束合成方法之间的映射关系，确定至少两种不同的超声波束合成方法。其中，目标组织的类型可以是超声成像设备根据回波数据、当前扫描获得的图像或其他信息自动确定，也可以是根据用户的输入确定。例如，可以根据获取到的目标组织的通道回波数据来确定，也可以根据进行超声检查时用户的输入来确定，如用户输入了进行乳腺超声检查的指令，则目标组织的类型为乳腺。可选的，在根据映射关系确定了至少两种不同的超声波束合成方法之后，还可以将所确定的超声波束合成方法以文字或者图标的方式在显示界面上进行显示，供用户进行查看。
另一种可选的实施方式中，在采用至少两种不同的超声波束合成方法对通道回波数据进行处理之前，可以先根据目标组织的类型以及预先建立的组织的类型与超声波束合成方法之间的映射关系，确定至少两种不同的超声波束合成方法，然后将所确定的至少两种不同的超声波束合成方法以文字或者图标的方式在显示界面上进行显示，供用户进行选择，根据用户的选择操作来确定最终用于处理通道回波数据的超声波束合成方法。以表1所示的映射关系为例，当目标组织的类型为肝脏时，将显示A、C、D和F四种超声波束合成方法供用户进行选择，若用户选择了A和F，则最终将会采用A和F两种超声波束合成方法分别处理目标组织的通道回波数据。以表1所示的映射关系为例，当目标组织的类型为肝脏时，还可以如图9所示，在显示界面上显示超声成像设备所支持的所有超声波束合成方法，而将A、C、D和F四种超声波束合成方法作为默认选项进行显示。
在图8所示实施例的基础上，下面将分别从基于像素点的像素值和基于图像结构信息两个方面进一步详细阐述如何根据图像数据生成的初始超声图像进行融合，以获取高质量的融合超声图像。
请参考图10，在根据图像数据生成与各超声波束合成方法相对应的目标组织的初始超声图像之后，基于像素点的像素值对初始超声图像进行融合，得到目标组织的融合超声图像具体可以包括：
S201、对于每张初始超声图像中的每个像素点，根据该像素点的对比度和像素质量确定该像素点的融合系数，从而得到与各初始超声图像相对应的融合系数图。这里，对比度可以与像素点相对于相邻像素点的像素值变化量正相关，像素质量可以负相关于像素点的像素值与像素中值的差值，融合系数可以分别与对比度和像素质量正相关。
应当注意，这里所说的“融合系数图”，是指与初始超声图像中的各像素点分别对应的各融合系数的集合，其并不意味着该融合系数图必然是融合系数形成的“图像”。
当采用N(N≥2)种不同的超声波束合成方法对从目标组织获取到的相同的通道回波数据进行处理时，将会得到N张大小相同的初始超声图像。初始超声图像既可以是灰度图像，也可以是彩色图像；可以是二维图像，也可以是三维图像。
本实施例中以像素为单位，对于每张初始超声图像中的每个像素点，根据该像素点的对比度和像素质量确定该像素点的融合系数。其中，对比度可以根据像素点与相邻像素点的像素值变化量来确定，例如在二维图像中，可以根据像素点与其上下左右4个相邻像素点的像素差值来确定；而在三维图像中，可以根据像素点与其上下左右前后6个相邻像素点的像素差值来确定。相邻像素点还可以是以像素点为中心的9宫格中的其他像素点。在确定对比度时所采用的相邻像素点的数量可以根据需要进行选择，此处不作限制。对比度与像素值变化量正相关，也就是说像素点与相邻像素点的像素差值越大，则对比度越大。而融合系数正相关于对比度，也就是说对比度越大，则融合系数越大。以DAS波束合成方法和MV波束合成方法为例，对于处于组织边界处的像素点，通过MV波束合成方法得到的初始超声图像中的对比度将会大于通过DAS波束合成方法得到的初始超声图像中的对比度，因此通过设置正相关于对比度的融合系数，将会更好的展现目标组织的细节信息。
以灰度图像为例，人眼对中间灰度值的感觉最舒服，太亮或者太暗都会影响人眼对组织的分辨。越是接近中间灰度值的像素，像素质量越高；越是远离中间灰度值的像素，像素质量越低。即像素质量负相关于像素点的像素值与像素中值的差值，其中像素中值可以预先设置，例如对于灰度图像，像素中值可以设为中间灰度值128，对于归一化灰度图像，像素中值可以设为0.5；也可以根据初始超声图像计算，将初始超声图像中所有像素值的中值确定为像素中值。仍以DAS波束合成方法和MV波束合成方法为例，对于处于图像背景处的像素点，通过DAS波束合成方法得到的初始超声图像中的像素质量将会高于通过MV波束合成方法得到的初始超声图像中的像素质量，因此通过设置正相关于像素质量的融合系数，将会更好的展现目标组织的整体结构信息。
融合系数与像素点一一对应，在确定了每个像素点的融合系数之后，按照像素点的位置关系进行排列，将会得到与N张初始超声图像大小相同且一一对应的N张融合系数图。若初始超声图像是三维图像，则得到的融合系数图也是三维图像。
S202、根据得到的与各初始超声图像相对应的融合系数图对得到的目标组织的所有初始超声图像进行融合，得到目标组织的融合超声图像。
一种可选的实施方式中，可以将融合系数图中的融合系数作为权重对初始超声图像进行加权融合。可以将N张初始超声图像中相同位置处的像素值按照相对应的融合系数进行加权求和，也就是说融合超声图像中每个像素点的像素值为所有初始超声图像中该像素点位置处的像素值与对应的融合系数乘积的和。
本实施例提供的超声波束合成方法，在得到初始超声图像之后，进一步的以像素为单位，确定各像素的对比度和像素质量，并通过正相关于对比度和像素质量的融合系数对初始超声图像进行融合，使得融合超声图像能够更好的展示目标组织的整体结构信息和细节信息。
下面以生成的初始超声图像是N(N≥2)张二维灰度图像为例，来具体说明如何基于像素点的像素值对初始超声图像进行融合，以得到目标组织的融合超声图像。
假设第i幅初始超声图像中像素点(x,y)的归一化灰度值为gi(x,y)，像素点(x,y)的对比度ci(x,y)可以根据下式确定：
ci(x,y)＝|gi(x,y-1)+gi(x-1,y)+gi(x+1,y)+gi(x,y+1)-4gi(x,y)|/4 (1)
也就是说，像素点(x,y)的对比度ci(x,y)是该像素点与其上下左右4个相邻像素点归一化灰度值的差。当像素点的归一化灰度值变化较大时，如像素点位于目标组织的边界时，ci(x,y)的值较大。
像素点(x,y)的像素质量qi(x,y)可以根据下式确定：
其中，μ表示像素中值，取值范围为0～1。像素的归一化灰度值越接近μ，像素质量qi(x,y)越高越接近1，像素的归一化灰度值远离μ时，像素质量qi(x,y)越低越接近0。由于人眼对中间灰度值的像素感觉最舒服，太亮或太暗都会影响人眼对组织的分辨，因此对于归一化灰度值来说可以将μ设置为0.5。σ表示方差，取值范围为0～1。σ越小，随着像素的归一化灰度值gi(x,y)远离μ，像素质量qi(x,y)下降的越快，σ越大，随着像素的归一化灰度值gi(x,y)远离μ，像素质量qi(x,y)下降的越慢。优选的，σ可以在0.1～0.2之间取值。
在确定了像素点(x,y)的对比度ci(x,y)和像素质量qi(x,y)之后，可以根据下式确定像素点(x,y)的质量系数cqi(x,y)，质量系数cqi(x,y)用于反映像素点(x,y)的质量。
其中，wc表示对比度的权重，取值范围为0～1；wq表示像素质量的权重，取值范围为0～1。可以根据融合需求来确定wc和wq的取值。例如当需要更多的关注目标组织的细节信息时，可以减小wc，增大wq；当需要更多的关注目标组织的整体结构信息时，可以增大wc，减小wq。
然后再按照如下表达式，根据各初始超声图像的质量系数计算融合系数wi(x,y)：
当像素点(x,y)的质量系数wi(x,y)(i＝1，2，……，N)都很差时，如均小于阈值ε时，按式(4)计算的融合系数将没有意义。此时可以进行平均融合，即一方面可以节省计算融合系数的计算量，另一方面有助于提高融合质量。
最后可以根据如下表达式，根据融合系数对N幅初始超声图像中的每个像素点进行融合，得到目标组织的融合超声图像中像素点(x,y)的归一化灰度值g(x,y)：
上述基于像素点的像素值对初始超声图像进行融合的过程可以参考图11。对初始超声图像中的每个像素点，首先计算对比度和像素质量，然后根据对比度和像素质量计算质量系数，得到质量系数图，再根据质量系数图计算融合系数，得到融合系数图，最后根据融合系数图对初始超声图像进行融合，得到目标组织的融合超声图像。
为了消除在基于像素点的像素值对初始超声图像进行融合的过程中可能产生的接缝，可以采用多尺度融合的方式进行融合。请参考图12，在图10所示实施例的基础上，本实施例提供的超声波束合成方法中，根据得到的与各初始超声图像相对应的融合系数图对得到的目标组织的所有初始超声图像进行融合，具体可以包括：
S2021、对每张初始超声图像及其对应的融合系数图进行多尺度分解，得到多个尺度下的超声子图像及其对应的融合系数子图。
本实施例中对初始超声图像及其对应的融合系数图进行相同尺度的分解，也就是说超声子图像与融合系数子图的数量相等，大小相同，一一对应。如可以将第i(i＝1,2，……，N)个初始超声图像gi分解成L个尺度，第l个尺度的超声子图像为则将第i个初始超声图像gi对应的融合系数图wi也分解成L个尺度，第l个尺度的融合系数子图为/>则在每个尺度下将会有N个超声子图像及对应的N个融合系数子图。本实施例中对于进行多尺度分解的具体方法不作限制，例如可以是拉普拉斯金字塔分解、高斯金字塔分解、小波变换分解、经验模式分解等。
S2022、将相同尺度下的所有超声子图像根据与其对应的融合系数子图进行融合，得到该尺度下的融合超声子图像。
本实施例中可以按照下式对第l个尺度下的N个超声子图像根据与其对应的N个融合系数子图进行融合，得到第l个尺度下的融合超声子图像gl：
最终将得到L个融合超声子图像gl(l＝1,2，……，L)。
S2023、对多个尺度下的融合超声子图像进行重构，得到融合超声图像。
在得到L个尺度下的融合超声子图像gl之后，可以按照从低尺度图像金字塔逐级上采样与高尺度图像金字塔求和的方式进行重构，最终得到目标组织的融合超声图像。
本实施例提供的超声波束合成方法，进一步地通过对初始超声图像及其对应的融合系数图进行多尺度分解，并在相同尺度下对超声子图像及其对应的融合系数子图进行融合，最后基于各个尺度下的融合超声子图像进行重构，最终确定目标组织的融合超声图像，可以消除以像素为单位基于像素点的像素值确定融合系数进行融合的过程中可能产生的接缝。
为了在消除接缝的过程中，尽可能地保留图像的细节信息，一种可选的实施方式中，对每张初始超声图像进行拉普拉斯金字塔分解，通过不同尺度下的超声子图像表示不同尺度下的图像细节，以便尽可能地保留图像的细节信息；对每张初始超声图像所对应的融合系数图进行高斯金字塔分解，通过不同尺度下的融合系数子图表示不同尺度下的低通图像，以便对图像进行平滑，消除接缝。具体实施过程如图13所示，对初始超声图像进行拉普拉斯金字塔分解，得到拉普拉斯超声子图像金字塔；根据初始超声图像得到融合系数图，对融合系数图进行高斯金字塔分解，得到高斯融合系数子图金字塔；将拉普拉斯超声子图像金字塔与高斯融合系数子图金字塔进行融合，得到融合超声子图像金字塔；根据融合超声子图像金字塔进行重构，得到融合超声图像。
请参考图14，在根据图像数据生成与各超声波束合成方法相对应的目标组织的初始超声图像之后，基于图像结构信息对各初始超声图像进行融合，得到目标组织的融合超声图像具体可以包括：
S301、采用相同的图像分解方法分别对每张初始超声图像进行分解，得到各初始超声图像的特征子图像。
本实施例中用于对初始超声图像进行分解的图像分解方法包括但不限于奇异值分解、小波变换分解、金字塔分解和经验模式分解等。每个特征子图像中都包括了初始超声图像的特征信息，如高频信息、低频信息、噪声信息等。初始超声图像的所有特征子图像包括了初始超声图像的全部特征信息，根据初始超声图像的所有特征子图像可以重构初始超声图像。
S302、对得到的特征子图像进行融合，确定目标组织的融合超声图像。
在得到各初始超声图像的特征子图像之后，可以根据各个特征子图像中所包含的特征信息的大小或者重要程度来确定融合系数，再根据融合系数对特征子图像进行融合，最终确定目标组织的融合超声图像。
具体实施过程可以参考图15，对m张初始超声图像采用了相同的图像分解方法进行分解，将每张初始超声图像分解为n张特征子图像，得到m*n张特征子图像。根据各特征子图像所包含的有用特征信息(例如高频信息和低频信息)的多少，确定各个特征子图像的融合系数，得到m*n个融合系数。根据m*n个融合系数对m*n张特征子图像进行加权融合，得到目标组织的融合超声图像。
本实施例提供的超声波束合成方法，在得到初始超声图像之后，进一步的通过将初始超声图像分解为包含特征信息的特征子图像，并根据各特征子图像中所包含的有用特征信息的多少进行融合，使得融合超声图像能够更好的展示目标组织中的有用特征信息。
一种可选的实施方式中，采用相同的图像分解方法分别对每张初始超声图像进行分解，得到各初始超声图像的特征子图像具体可以包括：分别对每张初始超声图像进行奇异值分解，得到各初始超声图像的左奇异矩阵、奇异值矩阵和右奇异矩阵，奇异值矩阵包括初始超声图像的奇异值，左奇异矩阵包括与奇异值矩阵中的奇异值对应的左奇异向量，右奇异矩阵包括与奇异值矩阵中的奇异值对应的右奇异向量；根据奇异值及其对应的左奇异向量和右奇异向量确定与该奇异值对应的特征子图像，得到各初始超声图像的特征子图像，奇异值的幅度或者能量大于预设阈值。
假设通过m种超声波束合成方法得到了m幅初始超声图像{X1,X2,…,Xi,…,Xm}，所有初始超声图像的维度相同，且维度为M*N。对m幅初始超声图像中的每幅图像按下式进行奇异值分解：
Xi＝UiSiV′i (7)
其中，Ui表示Xi的左奇异矩阵，是维度为M*M的正交矩阵；Vi表示Xi的右奇异矩阵，是维度为N*N的正交矩阵；Si表示Xi的奇异值矩阵，为维度为M*N的矩阵。奇异值矩阵Si对角线上的值即为初始超声图像Xi的奇异值，其他位置的值为0。设奇异值矩阵Si中包括k个奇异值{si1,si2,…,sij,…,sik}，其中，k＝min{M，N}。根据每个奇异值及其对应的左奇异向量和右奇异向量即可重构该奇异值对应的特征子图像。以奇异值sij为例，该奇异值对应的特征子图像Xij即为：
Xij＝sijuijv′ij (8)
其中，uij是左奇异矩阵Ui的第j列向量，vij是右奇异矩阵Vi的第j列向量。
可以理解的是，奇异值越大，所对应的特征子图像将包含更多的有用特征信息；奇异值越小，所对应的特征子图像将包含更多的噪声信息。因此，一方面为了降低计算量，另一方面也为了避免引入过多的噪声信息，可以仅针对幅度或者能量大于预设阈值的奇异值进行重构。其中，奇异值的能量可以根据奇异值幅度的平方来确定。对m幅初始超声图像进行奇异值分解，可以得到m*n幅特征子图像，其中，n<＝k。
在对奇异值进行重构，得到各初始超声图像的特征子图像之后，可以根据奇异值的幅度或者能量确定与该奇异值对应的特征子图像的融合系数；根据融合系数对得到的特征子图像进行加权融合，确定目标组织的融合超声图像。
可以理解的是，包含更多有用特征信息的特征子图像应当被赋予较大的融合系数，以增强有用特征；而包含更多噪声信息的特征子图像应当被赋予较小的融合系数，以减少噪声干扰。因此，特征子图像的融合系数可以正相关于奇异值的幅度或者能量。
一种可选的实施方式中，可以按下式确定奇异值sij对应的特征子图像Xij的融合系数cij：
式(9)是根据奇异值的幅度来确定融合系数，还可以根据奇异值的能量大小来确定融合系数。
在得到特征子图像及其对应的融合系数之后，便可以根据下式进行图像融合，确定目标组织的融合超声图像X：
另一种可选的实施方式中，采用相同的图像分解方法分别对每张初始超声图像进行分解，得到各初始超声图像的特征子图像，具体可以包括：采用相同的小波基和分解层级分别对每张初始超声图像进行小波分解，确定各分解层级上用于表示整体结构特征的特征子图像、用于表示水平方向的局部细节特征的特征子图像、用于表示垂直方向的局部细节特征的特征子图像和用于表示对角方向的局部细节特征的特征子图像，得到各初始超声图像的特征子图像。
对初始超声图像进行小波分解，能够提取其中所包含的有用特征信息，如可以提取到初始超声图像的整体结构特征(低频信息)和局部细节特征(高频信息)。请参考图16，图16中(a)表示初始超声图像，对(a)实施第一层小波变换分解可以得到如(b)所示的4个特征子图像：A1是用于表示(a)的整体结构特征的特征子图像，H1是用于表示(a)的水平方向的局部细节特征的特征子图像，V1是用于表示(a)的垂直方向的局部细节特征的特征子图像，D1是用于表示(a)的对角方向的局部细节特征的特征子图像。若继续实施第二层小波变换分解即对A1继续实施小波变换分解，可以进一步得到如(c)所示的4个特征子图像：A2是用于表示A1的整体结构特征的特征子图像，H2是用于表示A1的水平方向的局部细节特征的特征子图像，V2是用于表示A1的垂直方向的局部细节特征的特征子图像，D2是用于表示A1的对角方向的局部细节特征的特征子图像。若继续实施第三层小波变换分解即对A2继续实施小波变换分解，可以依次类推，此处不再赘述。以对(a)进行两层小波变换分解为例，则(a)的特征子图像将包括：A2、H2、H1、V2、V1、D2和D1。
需要说明的是，本实施例中并不限制用于进行小波分解的小波基的类型和分解层级数，但是对各初始超声图像进行小波分解所采用的小波基和分解层级必须相同。对图像每实施一次小波变换分解，图像的维度将减半。从第二层小波变换分解开始，实施小波变换分解即为对上一层所得到的用于表示整体结构特征的特征子图像进行小波变换分解。因此，当分解层级大于1时，初始超声图像的特征子图像的维度将不完全相同。
对m幅初始超声图像{X1,X2,…,Xi,…,Xm}中的每一幅进行n级的小波分解，即可得到每幅初始超声图像不同的特征子图像，n为分解层级数。第i幅初始超声图像的所有特征子图像即由{Ani,H1i,…,Hni,V1i,…,Vni,D1i,…,Dni}组成。
在对初始超声图像进行小波分解，得到各初始超声图像的特征子图像之后，可以根据融合系数对位于相同分解层级中用于表示相同类型特征的特征子图像进行融合，得到各分解层级上的融合特征子图像，融合系数采用预设融合系数或者根据特征子图像的幅度确定；对所有分解层级上的融合特征子图像进行小波逆变换，确定目标组织的融合超声图像。
可以根据经验预设融合系数，也可以根据特征子图像的幅度大小计算融合系数。特征子图像的幅度越大，其对应的融合系数也越大。需要说明的是，仅可以对位于相同分解层级中用于表示相同类型特征的特征子图像进行融合，如对第n分解层级中m幅用于表示整体结构特征的特征子图像Ani(i＝1～m)进行融合，对第1分解层级中m幅用于表示水平方向的局部细节特征的特征子图像H1i(i＝1～m)进行融合，对第2分解层级中m幅用于表示垂直方向的局部细节特征的特征子图像V2i(i＝1～m)进行融合……，以此类推，此处不再一一赘述。
以对第n分解层级中m幅用于表示整体结构特征的特征子图像Ani(i＝1～m)进行融合为例，特征子图像Ani对应的融合系数cni可按下式计算：
其中，sum(Ani)表示特征子图像Ani中所有像素点的和。可以按照式(11)的方式，计算每一个特征子图像对应的融合系数，然后对位于相同分解层级中用于表示相同类型特征的特征子图像进行融合，便可以得到各分解层级上的融合特征子图像。将m幅初始超声图像的各特征子图像融合后将会得到融合特征子图像{An,H1,…,Hn,V1,…,Vn,D1,…,Dn}。以An为例，融合过程如下：
其他融合特征子图像的融合过程可以参考式(12)，此处不再赘述。
最后对得到的融合特征子图像{An,H1,…,Hn,V1,…,Vn,D1,…,Dn}实施小波逆变换，便可以得到目标组织的融合超声图像。
又一种可选的实施方式中，采用相同的图像分解方法分别对每张初始超声图像进行分解，得到各初始超声图像的特征子图像，具体可以包括：采用相同的经验模式分解方法分别对每张初始超声图像进行分解，确定预设数量个用于表示不同尺度下的图像细节信息的细节特征子图像和一个包含图像亮度信息的结构特征子图像，细节特征子图像根据本征模态函数分量确定，结构特征子图像根据分解余量确定，得到各初始超声图像的特征子图像。
对m幅初始超声图像{X1,X2,…,Xi,…,Xm}中的每一幅进行相同的经验模式分解，便可以得到一系列的特征子图像。以分解层数是n为例，将会得到n个用于表示不同尺度下的图像细节信息的细节特征子图像和1个包含图像亮度信息的结构特征子图像，细节特征子图像根据本征模态函数分量确定，结构特征子图像根据分解余量确定。第i幅初始超声图像Xi的所有特征子图像即由{IMFi1,IMFi2,…,IMFin,Resi}组成，其中IMF在经验模式分解领域称为本征模态函数，Res为分解余量。为方便数学表述，可以将Resi写成IMFi(n+1)，则：
IMFij(1≤j≤n)是根据本征模态函数分量确定的包含了图像在不同尺度下的细节信息的细节特征子图像，IMFij(j＝n+1)是根据分解余量确定的包含了图像的结构信息的结构特征子图像，IMFij的维度与初始超声图像维度相同。
在对初始超声图像进行经验模式分解，得到各初始超声图像的特征子图像之后，可以分别对相同尺度下的各个细节特征子图像进行融合，确定各尺度下的融合细节特征子图像，得到预设数量个融合细节特征子图像；对得到的各个结构特征子图像进行融合，得到一个融合结构特征子图像；根据预设数量个融合细节特征子图像和一个融合结构特征子图像进行重构，确定目标组织的融合超声图像。
可以根据经验预设融合系数，也可以根据特征子图像的幅度大小计算融合系数。特征子图像的幅度越大，其对应的融合系数也越大。特征子图像IMFij对应的融合系数cij可按下式计算：
其中，sum(IMFij)表示特征子图像IMFij中所有像素点的和。可以按照式(14)的方式，计算每一个细节特征子图像和结构特征子图像对应的融合系数。然后根据融合系数进行融合，确定目标组织的融合超声图像X，融合过程如下：
一个实施例中，也可以获得图像数据之前，直接对不同波束合成方法所获得的波束合成后数据进行融合，即，获取目标组织的通道回波数据之后，可以采用至少两种不同的超声波束合成方法对相同的通道回波数据进行至少两次波束合成处理，得到与该至少两种不同的超声波束合成方法相对应的该目标组织的至少两组波束合成后数据。即，该至少两次波束合成处理在相同的通道回波数据上进行，每种超声波束合成方法对应获得一组波束合成后数据。这里，该至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同。
然后，将与该至少两种不同的超声波束合成方法相对应的目标组织的波束合成后数据进行融合，得到该目标组织的融合后的波束合成数据，并根据该融合后的波束合成数据生成该目标组织的超声图像。这里，所说的波束合成后数据可以是波束合成之后且形成超声图像数据之前的任何环节的数据。
本实施例中，通道回波数据的获取、具体的波束合成方法、各波束合成方法的确定、融合系数的确定以及融合的具体方法，可以使用如前文所述的适用的方法，这里不再详述。
本文参照了各种示范实施例进行说明。然而，本领域的技术人员将认识到，在不脱离本文范围的情况下，可以对示范性实施例做出改变和修正。例如，各种操作步骤以及用于执行操作步骤的组件，可以根据特定的应用或考虑与***的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
另外，如本领域技术人员所理解的，本文的原理可以反映在计算机可读存储介质上的计算机程序产品中，该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用，包括磁存储设备(硬盘、软盘等)、光学存储设备(CD-ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器，使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行，这样存储在计算机可读存储器中的指令就可以形成一件制造品，包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上，从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程，使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理，但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而，本领域技术人员将认识到，可以在不脱离本披露的范围的情况下进行各种修正和改变。因此，对于本披露的考虑将是说明性的而非限制性的意义上的，并且所有这些修改都将被包含在其范围内。同样，有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而，益处、优点、问题的解决方案以及任何能产生这些的要素，或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体，皆属于非排他性包含，这样包括要素列表的过程、方法、文章或设备不仅包括这些要素，还包括未明确列出的或不属于该过程、方法、***、文章或设备的其他要素。此外，本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (21)

1.一种超声波束合成方法，其特征在于，包括：
获取目标组织的通道回波数据；
采用至少两种不同的超声波束合成方法对所述通道回波数据进行至少两次波束合成处理，得到与所述至少两种不同的超声波束合成方法相对应的所述目标组织的至少两帧图像数据，其中，所述至少两次波束合成处理在相同的通道回波数据上进行，每种超声波束合成方法对应获得一帧图像数据，并且所述至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
将所述至少两帧图像数据进行融合，得到所述目标组织的融合超声图像。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述至少两帧图像数据，分别生成与所述至少两种不同的超声波束合成方法相对应的所述目标组织的超声图像；
将所述与所述至少两种不同的超声波束合成方法相对应的所述目标组织的超声图像在显示界面上进行显示。
4.如权利要求1所述的方法，其特征在于，所述采用至少两种不同的超声波束合成方法对所述通道回波数据进行处理之前，所述方法还包括：
在显示界面上以文字或者图标的方式显示多种超声波束合成方法供用户进行选择，根据用户的选择操作确定所述至少两种不同的超声波束合成方法；
或者，
获得所述目标组织的类型，并根据所述目标组织的类型以及预先建立的组织的类型与超声波束合成方法之间的映射关系，确定所述至少两种不同的超声波束合成方法。
5.如权利要求2所述的方法，其特征在于，所述将所述至少两帧图像数据进行融合，包括：
根据应用场景确定所述至少两种不同的超声波束合成方法对应的融合系数，其中所述应用场景根据探头类型、扫查模式、扫查频点和扫查深度中的一种或者多种确定；
采用所述融合系数将所述至少两帧图像数据进行融合。
6.如权利要求2所述的方法，其特征在于，所述将所述至少两帧图像数据进行融合，得到所述目标组织的融合超声图像，包括：
根据所述至少两帧图像数据分别生成与所述至少两种超声波束合成方法相对应的所述目标组织的至少两个初始超声图像；
基于像素点的像素值或者基于图像结构信息对所述至少两个初始超声图像进行融合，得到所述目标组织的融合超声图像。
7.如权利要求6所述的方法，其特征在于，基于像素点的像素值对所述至少两个初始超声图像进行融合，得到所述目标组织的融合超声图像，包括：
对于每个初始超声图像中的每个像素点，根据该像素点的对比度和像素质量确定该像素点的融合系数，得到与所述至少两个初始超声图像相对应的融合系数图，所述对比度与像素点相对于相邻像素点的像素值变化量正相关，所述像素质量负相关于像素点的像素值与像素中值的差值，所述融合系数分别与所述对比度和所述像素质量正相关；
根据得到的与所述至少两个初始超声图像相对应的融合系数图对得到的所述目标组织的所述至少两个初始超声图像进行融合，得到所述目标组织的融合超声图像。
8.如权利要求7所述的方法，其特征在于，所述根据得到的与所述至少两个初始超声图像相对应的融合系数图对得到的所述目标组织的所述至少两个初始超声图像进行融合，包括：
计算所述至少两个初始超声图像中每个像素点位置处的像素值与对应的融合系数的乘积的和，获得所述融合超声图像中该像素点处的像素值。
9.如权利要求7所述的方法，其特征在于，所述根据得到的与所述至少两个初始超声图像相对应的融合系数图对得到的所述目标组织的所述至少两个初始超声图像进行融合，包括：
对所述至少两个初始超声图像中每个初始超声图像及其对应的融合系数图进行多尺度分解，得到多个尺度下的超声子图像及其对应的融合系数子图，从而获得所述至少两个初始超声图像对应的多个尺度下的多个超声子图像及其对应的融合系数子图；
将每个尺度下的多个所述超声子图像根据与其对应的融合系数子图进行融合，得到该尺度下的融合超声子图像，从而获得多个尺度下的融合超声子图像；
对所述多个尺度下的融合超声子图像进行重构，得到所述融合超声图像。
10.如权利要求9所述的方法，其特征在于，所述对所述至少两个初始超声图像中每个初始超声图像及其对应的融合系数图进行多尺度分解，包括：
对每个初始超声图像进行拉普拉斯金字塔分解；
对每个初始超声图像所对应的融合系数图进行高斯金字塔分解。
11.如权利要求6所述的方法，其特征在于，所述基于图像结构信息对所述至少两个初始超声图像进行融合，得到所述目标组织的融合超声图像，包括：
采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的多个特征子图像；
对得到的所述多个特征子图像进行融合，获得所述目标组织的融合超声图像。
12.如权利要求11所述的方法，其特征在于，所述采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的特征子图像，包括：
分别对每个初始超声图像进行奇异值分解，得到各初始超声图像的左奇异矩阵、奇异值矩阵和右奇异矩阵，所述奇异值矩阵包括初始超声图像的奇异值，所述左奇异矩阵包括与所述奇异值矩阵中的奇异值对应的左奇异向量，所述右奇异矩阵包括与所述奇异值矩阵中的奇异值对应的右奇异向量；
根据奇异值及其对应的左奇异向量和右奇异向量确定与该奇异值对应的特征子图像，得到各初始超声图像的特征子图像，其中所述奇异值的幅度或者能量大于预设阈值。
13.如权利要求12所述的方法，其特征在于，所述对得到的所述多个特征子图像进行融合，获得所述目标组织的融合超声图像，包括：
根据所述奇异值的幅度或者能量确定与该奇异值对应的特征子图像的融合系数；
根据所述融合系数对得到的所述多个特征子图像进行加权融合，获得所述目标组织的融合超声图像。
14.如权利要求11所述的方法，其特征在于，所述采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的特征子图像，包括：
采用相同的小波基和分解层级分别对每个初始超声图像进行小波分解，确定各分解层级上用于表示整体结构特征的特征子图像、用于表示水平方向的局部细节特征的特征子图像、用于表示垂直方向的局部细节特征的特征子图像和用于表示对角方向的局部细节特征的特征子图像，得到各初始超声图像的特征子图像。
15.如权利要求14所述的方法，其特征在于，所述对得到的所述多个特征子图像进行融合，获得所述目标组织的融合超声图像，包括：
根据融合系数对位于相同分解层级中用于表示相同类型特征的特征子图像进行融合，得到各分解层级上的融合特征子图像，其中，所述融合系数采用预设融合系数或者根据特征子图像的幅度确定；
对所有分解层级上的融合特征子图像进行小波逆变换，获得所述目标组织的融合超声图像。
16.如权利要求11所述的方法，其特征在于，所述采用相同的图像分解方法分别对每个初始超声图像进行分解，得到各初始超声图像的特征子图像，包括：
采用相同的经验模式分解方法分别对每个初始超声图像进行分解，获得预设数量个用于表示不同尺度下的图像细节信息的细节特征子图像和一个包含图像亮度信息的结构特征子图像，从而得到各初始超声图像的特征子图像，其中，所述细节特征子图像根据本征模态函数分量确定，所述结构特征子图像根据分解余量确定。
17.如权利要求16所述的方法，其特征在于，所述对得到的所述多个特征子图像进行融合，获得所述目标组织的融合超声图像，包括：
分别对每个尺度下的各个细节特征子图像进行融合，获得各尺度下的融合细节特征子图像，从而得到预设数量个融合细节特征子图像；
对得到的各个结构特征子图像进行融合，得到一个融合结构特征子图像；
根据所述预设数量个融合细节特征子图像和所述一个融合结构特征子图像进行重构，获得所述目标组织的融合超声图像。
18.一种超声波束合成方法，其特征在于，包括：
获取目标组织的通道回波数据；
采用至少两种不同的超声波束合成方法对所述通道回波数据进行至少两次波束合成处理，得到与所述至少两种不同的超声波束合成方法相对应的所述目标组织的至少两组波束合成后数据，其中，所述至少两次波束合成处理在相同的通道回波数据上进行，每种超声波束合成方法对应获得一组波束合成后数据，并且所述至少两种不同的超声波束合成方法在原理、步骤和参数中具有至少一项不同；
将所述至少两组波束合成后数据进行融合，得到所述目标组织的融合后的波束合成数据；
根据所述融合后的波束合成数据生成所述目标组织的超声图像。
19.如权利要求1-18中任意一项所述的方法，其特征在于，所述至少两种不同的超声波束合成方法包括延时变迹求和波束合成方法、最小方差自适应波束合成方法、相干因子波束合成方法、非相干波束合成方法和频域波束合成方法中的至少两种。
20.一种超声成像设备，其特征在于，包括：
超声探头；
发射电路，用于按照设定模式将相应的发射序列输出至所述超声探头，以控制所述超声探头发射相应的超声波；
接收电路，用于接收所述超声探头输出的超声回波信号，输出超声回波数据；
显示器，用于输出可视化信息；
处理器，用于执行如权利要求1-19任一项所述的超声波束合成方法。
21.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-19任一项所述的超声波束合成方法。
CN202210306948.4A 2022-03-25 2022-03-25 超声波束合成方法及设备 Pending CN116831626A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210306948.4A CN116831626A (zh) 2022-03-25 2022-03-25 超声波束合成方法及设备
US17/706,490 US20230305126A1 (en) 2022-03-25 2022-03-28 Ultrasound beamforming method and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210306948.4A CN116831626A (zh) 2022-03-25 2022-03-25 超声波束合成方法及设备

Publications (1)

Publication Number Publication Date
CN116831626A true CN116831626A (zh) 2023-10-03

Family

ID=88095599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210306948.4A Pending CN116831626A (zh) 2022-03-25 2022-03-25 超声波束合成方法及设备

Country Status (2)

Country Link
US (1) US20230305126A1 (zh)
CN (1) CN116831626A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117589889B (zh) * 2024-01-19 2024-04-02 江苏省特种设备安全监督检验研究院 一种基于有限元模型的超声相控阵微裂纹检测方法及***

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6643406B1 (en) * 1999-07-28 2003-11-04 Polaroid Corporation Method and apparatus for performing linear filtering in wavelet based domain
GB0227887D0 (en) * 2002-11-29 2003-01-08 Mirada Solutions Ltd Improvements in or relating to image registration
TWI446897B (zh) * 2011-08-19 2014-08-01 Ind Tech Res Inst 超音波影像對齊裝置及其方法
US9314225B2 (en) * 2012-02-27 2016-04-19 General Electric Company Method and apparatus for performing ultrasound imaging
WO2018214063A1 (zh) * 2017-05-24 2018-11-29 深圳迈瑞生物医疗电子股份有限公司 超声设备及其三维超声图像显示方法
EP3581961A1 (en) * 2018-06-13 2019-12-18 Technische Universität München Method and apparatus for ultrasound imaging with improved beamforming
US11426142B2 (en) * 2018-08-13 2022-08-30 Rutgers, The State University Of New Jersey Computer vision systems and methods for real-time localization of needles in ultrasound images
JP7496243B2 (ja) * 2020-06-03 2024-06-06 富士フイルムヘルスケア株式会社 画像処理装置及び画像処理方法。
CN113077394B (zh) * 2021-03-25 2022-09-27 青岛海信医疗设备股份有限公司 图像处理方法、电子设备和存储介质

Also Published As

Publication number Publication date
US20230305126A1 (en) 2023-09-28

Similar Documents

Publication Publication Date Title
JP6367261B2 (ja) 知識ベース超音波画像強調
US20190336107A1 (en) Ultrasound imaging system with a neural network for image formation and tissue characterization
JP7252206B2 (ja) 画像アーチファクト特定及び除去のための深層学習ネットワークを有する超音波システム
JP2019535448A (ja) 超音波画像クラッタをフィルタリングする方法及びシステム
CN106600550B (zh) 超声图像处理方法及***
CN112773393B (zh) 用于提供超声图像增强的方法和***
US11432806B2 (en) Information processing apparatus, information processing method, and storage medium
US20220361848A1 (en) Method and system for generating a synthetic elastrography image
JP7346586B2 (ja) 合成３ｄ超音波画像を取得するための方法及びシステム
JP7061232B2 (ja) 超音波画像の取得をガイドするためのシステム及び方法
KR20150112057A (ko) 공간 일관성 기초 초음파 신호 처리 모듈 및 그에 의한 초음파 신호 처리 방법
US11272906B2 (en) Ultrasonic imaging device and method for controlling same
EP3813673B1 (en) Methods and systems for performing transvalvular pressure quantification
CN116831626A (zh) 超声波束合成方法及设备
JP6879041B2 (ja) 超音波診断装置及び超音波画像生成方法
CN116831625A (zh) 超声成像方法及设备
CN112545550A (zh) 用于运动校正的宽带脉冲反演超声成像的方法和***
CN116831616A (zh) 超声成像方法及设备
US20230360225A1 (en) Systems and methods for medical imaging
JP7345678B2 (ja) ３ｄベクトルフロー場を取得するための方法及びシステム
CN118266997A (zh) 电子4d（e4d）心血管超声（cvus）探头的超分辨率
JP2022041386A (ja) 多元数演算装置及び医用画像診断装置
CN117814832A (zh) 超声成像方法、装置和图像数据处理装置
CN113939236A (zh) 一种超声成像设备及其超声回波信号的处理方法
Walker et al. Constrained Adaptive Beamforming for Improved Contrast in Breast Ultrasound

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication