基于局部聲速優化和信號修正的超聲成像算法

楊策

（四川大學計算機學院，成都　610065）

基于局部聲速優化和信號修正的超聲成像算法

楊策

（四川大學計算機學院，成都610065）

0　引言

人體構成復雜，各種組織不盡相同，這就導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。而現有的超聲系統上常采用1540m/s作為系統聲速，聲速的不匹配，會造成成像質量不佳，如形變、相位不準確、對比度下降等問題。

針對這一問題，現今已經提出了很多種聲速優化的算法，如在文獻[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域圖像進行圖像配準以此得到該區域的最佳聲速；Larry Mo,David Napolitano在文獻[2]中將包絡信號作為橫向傅里葉算法的輸入，通過統計頻譜隨聲速改變產生較大變化部分的能量來作為衡量最優聲速的標準；文獻[3]對超聲聚焦點附近的原始射頻數據做橫向傅里葉變換，對結果進行分析，得到目標范圍內的最佳成像效果；文獻[4]通過觀察超聲圖像性質以側向對比度作為切入點，來作為判斷最優聲速的依據。此類算法的目標區域通常為聚焦區域，優化后將目標區域的最優聲速作為全局的聲速用于成像，然而非聚焦區域的聲速可能并不匹配于優化后的全局聲速，從而導致圖像質量在非聚焦區域成像效果不佳。

為了解決以上問題，本文對超聲圖像進行整體劃分，除了最為重要的主目標區域外，將其余部分分層為其他目標區域。采用一種可行的聲速優化算法，得到每個區域的最佳聲速，以主目標區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區域的原始射頻數據進行處理，使得在整體采用一個系統聲速時，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成，在發射超聲波時，每個小陣元向目標介質發射同心圓波束，當多個陣元同時發射同心圓波束時，由于波之間的互相干擾，波束可能加強，可能被削弱。在超聲成像中我們希望同心圓波束會在目標點聚集以獲得最強的疊加能量。

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f距離不同，因此需要對每個陣元設定發射延遲時間t，使得所有的同心圓波束能聚集于目標點f。因此若系統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為當前陣元延遲的時間，c為設定的用于計算延遲的超聲系統聲速。

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，將聚焦點定于點f，忽略折射。當在f點處得到最佳成像效果時最優聲速應為C3（C1＜C3＜C2），而上層組織其最優聲速為C1，若只對聚焦區域進行優化，采用優化結果C3作為系統聲速，則上層組織成像效果不佳。

2　算法介紹

2.1基于FFT的聲速優化算法

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

在文獻[3]中，采用RF數據作為FFT的輸入源，沒有考慮直流分量帶來的影響，文獻[4]中FFT的輸入為包絡信號，但包絡信號進行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成像圖，可以看到隨著聲速的變化成像效果也發生改變，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為圖中亮點處，組織聲速為1540m/s。可發現成像效果在1540m/s的聲速下達到最佳效果。

圖3　超聲單點成像圖

圖4中上層三幅圖從左至右分別為采用1440m/s, 1540m/s,1640m/s的聲速進行聚焦時，聚焦點處包絡線圖譜，下層三幅圖為采用上述聲速聚焦時，聚焦點處IQ信號進行FFT轉換后的結果。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。

將圖4下層三幅圖譜放到同一坐標軸中顯示，如圖5，可以看到在某個范圍內頻譜隨著聲速的改變有著較為明顯的變化，根據文獻[2]中提到的方法，我們可以通過預設標量來標記變化明顯的范圍，統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量因子。

圖4　聚焦點處包絡信號及IQ信號FFT結果

圖5　FFT結果圖

通過以上分析可得到本文改進后的聲速優化算法，算法流程如下：

●采用原始未經過任何處理的RF數據，對其進行正交解調，得到對應的IQ數據。

●選擇包含聚焦點的區域為目標區域，在目標區域深度內橫向選擇多行IQ數據，進行橫向傅里葉變換。

●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。

●將設定范圍內的頻譜能量求和，找出頻譜能量最大時對應的聲速，作為最優聲速，用于最終成像。

2.2相位修正算法

通過對目標組織進行多區域劃分，對每個區域設置聚焦點，進行聲速優化，可得到該區域的最佳成像聲速，但在超聲系統成像中，只能設定一個聲速作為系統聲速，故除主要目標區域外的其他區域得不到最佳成像效果，這就需要以該區域的最優聲速對其進行相位修正。以使得同一位置的數據具有相同的相位，不正確的聲速則會在此步驟時產生偏差。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Z軸坐標，Xf為聚焦點X坐標，Xi為接收點X坐標，C0為系統聲速，CK為優化后的最佳聲速，dshift為在經過系統聲速進行接收聚焦相位平移后，目標區域需要進行的相位修正的量。

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　實驗結果

為驗證本文提出的算法，目標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據進行相位修正，而現有超聲系統數據都已封裝，故采用計算機仿真的方式來進行實驗。在仿真中我們用到的模擬組織的數據結構是一個20mm× 60mm的區域，這個區域被分成1200個小格子（格子大小為1mm×1mm），每個小格隨機分布49個散射點，共59800個散射點。

3.1均勻組織聲速優化

圖7　均勻組織斑點成像

此處為斑點圖像的仿真，設定真實聲速為1540m/ s。圖7從左至右是系統聲速分別為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區域進行聲速優化，采用本文提及的算法，優化結果圖8，可以看出，本文提出的算法能夠準確地計算出最優聲速。

圖8　斑點成像聲速優化結果

3.2分層組織聲速優化

此實驗為分層聲速仿真（忽略折射），將目標組織分為三層，三層組織真實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處設定一亮靶點。圖9為聚焦點在4.5cm處的不同系統聲速下的成像。由圖像可以看出三個亮點分別在聲速為1430m/s,1460m/s,1480m/s時達到最佳成像效果。圖10由上到下分別為對包含1.3cm，3.3cm，4.5cm處亮點的區域進行聲速優化的結果，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點處作為主目標區域，傳統優化算法使用其最優聲速1480m/s進行成像得到圖（a），而通過本文算法對其余區域進行相位修正后，采用1480m/s作為系統聲速時成像如圖（b），可以看到第一個亮靶點與第二個亮靶點在橫向上的擴散程度較修正之前有了一定提高。

圖10　分層組織聲速優化結果

表1　側向對比度比較表

在目標點周圍選取相同大小的區域做側向對比度的計算，計算方法來自文獻[4]。結果如表1，可以看出修正后的側向對比度高于修正前。而由于本來修正前后聲速差距不大，且主要對亮靶點進行分析，故也并不會有大范圍的提升。

圖11　結果比較圖

4　結語

通過計算機仿真的實驗結果可以看出，本文提出的算法相較于傳統聲速優化算法來說，在成像效果上有了提高。但本文目標區域選取范圍較小，在優化中對多個劃分的局部區域需選取多個聚焦點，過程略為繁瑣，后期可結合圖像處理的方法對圖像進行預處理劃分組織類似區域，框定優化范圍，減少算法運算量，提高優化準確性，將此方法運用于實際中。

[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．基于圖像對比度分析的自適應超聲聲速優化[J]．生物醫學工程學雜志,2011.

[5]杜恒．超聲系統聲速優化模擬與算法[J].中國生物醫學工程進展，2007.

[6]夏春蘭，石丹，劉東權.基于CUDA的超聲B模式成像[J].計算機應用研究，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聲速優化相關算法

2015-12-01

2015-12-30

在超聲成像中與組織聲速匹配的系統聲速會帶來最佳的成像效果，因此，多種超聲聲速優化算法已經提出。傳統優化方法選定包含聚焦點的區域作為感興趣區域，優化后將得到的最佳聲速作為系統聲速用于成像，這會導致非聚焦區域組織聲速不匹配，導致局部成像效果不佳。對現有聲速優化算法進行改進，再結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量。通過計算機仿真的方式進行實驗，結果表明經該算法修正后的超聲圖像，圖像質量有所提高。

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.