一种多尺度的生物组织位移估计方法技术

本发明专利技术属于超声弹性成像技术领域，涉及一种多尺度的生物组织位移估计方法。该方法包括从组织压缩前的二维射频信号中的第一条扫描线的数据取一小段尺度为Ｔ↓［１］的数据ｄ↓［１］，在搜索范围内求该小段数据与组织后的扫描线数据ｓ↓［２］（ｎ）的互相关函数Ｒ↓［１，ｌ］（τ），将数据ｄ↓［１］平均细分成尺度都为Ｔ↓［２］的Ｎ段数据，分别求各数据的与扫描线数据ｓ↓［２］（ｎ）的互相关函数，再依次对每段数据继续平均细并求各数据的与扫描数据ｓ↓［２］（ｎ）的互相关函数并进行加权平均，得到其位移ｔ↓［１］，依次从扫描线数据ｓ↓［１］（ｎ）中取一小段尺度为Ｔ↓［１］即数据个数为Ｕ↓［１］的数据ｄ↓［２］、ｄ↓［３］、…、ｄ↓［Ｌ］，即得到第一条扫描线数据ｓ↓［１］（ｎ）对应的组织的位移估计；同样的依次得到各条扫描线数据对应的组织的位移估计。本发明专利技术可提高组织位移估计的精度。

【技术实现步骤摘要】

本专利技术属于超声弹性成像
，特别涉及生物组织位移估计方法。
技术介绍
生物组织弹性模量的变化通常与其病理现象有关。例如，恶性的病理损害，例如乳房硬癌、前列腺癌、甲状腺癌及肝转移等，通常表现为硬的小结。乳房硬癌是乳腺癌的最常见形式，大约占乳腺癌总数的四分之三，由于其基质密度增大而表现为致密的硬块。而其他类型的乳腺癌如导管内癌和乳头状瘤则表现为柔软的组织，良性的乳腺纤维囊性病也很少表现为硬块。生物组织的弹性模量信息对于疾病的诊断过程具有重要的参考价值。然而，包括X射线成像、超声成像、计算机断层成像(CT)和磁共振成像(MRI)等在内的传统医学成像模态都不能直接提供关于弹性模量这一组织的基本力学属性的信息。1991年，J.Ophir提出超声弹性成像(ultrasound elastography)的方法，对组织的弹性模量分布进行定量估计、成像。目前，超声弹性模量已经成为医学超声成像的一个研究热点，广泛应用于乳房、前列腺、动脉粥样斑块、心肌动力学以及高强度聚焦超声与射频消融引起的损害(lesion)的检测与评估。超声弹性成像的基本原理为将超声探头嵌于一块挤压平板中，沿着探头的纵向压缩组织，分别采集组织压缩前、后的射频信号；组织被压缩时，组织内将会产生一个沿压缩方向的应变，如果组织内部弹性模量分布不均匀，组织内的应变分布也会有所差异；弹性模量较大的区域，引起的应变比较小；反之，弹性模量较小的区域，相应的应变比较大。通过一些方法估计出组织内部不同位置的位移，从而计算出组织内部的应变分布情况，用来间接描述组织内部的弹性模量分布，从而描述组织的生理、病理状态。对于二维超声弹性成像，一般采用线阵的B型超声探头，采集组织压缩前、后的探头每一条扫描线的射频信号，分别进行上面描述的位移估计，从而计算出每一条扫描线对应组织的一维应变分布。最后把所有扫描线对应的一维应变分布按扫描线顺序组成一个二维应变分布，以灰度图或者伪彩图的形式表示，用来间接描述组织内部的弹性模量分布。一般的超声弹性成像方法包括以下步骤1、利用商用B型超声仪器(一般采用线阵探头)得到待测生物组织(一般为人体组织，也可以为动物组织，以下简称组织)压缩前的一幅数字化的二维射频信号(可以采用模拟射频信号输出端接信号放大器，再接高速数据采集卡，得到数字化的二维射频信号；也可以在数字化B型超声仪器上直接得到数字化的二维射频信号)；2.手持该B型超声仪器的探头或者利用步进电机或者螺旋装置驱动该探头，沿着探头的纵向对该组织施加一个微小的挤压(对组织施加的压缩量一般控制在为1％的数量级)，得到组织压缩后的一幅数字化的二维射频信号；3.从步骤1和2的得到的组织压缩前、后的二维射频信号中分别取出第一条扫描线的数据，设为s1(n)和s2(n)，n表示该两条扫描线上的数据序号，1≤n≤nmax，n的最大值nmax由该B型超声仪器的探查深度、发射的超声波在组织中的传播速度以及射频信号的采样频率决定；4.从该扫描线数据s1(n)中取一小段长度为T的数据d1，其数据个数为U，U＝round(T×U0)，其中，T的单位为mm，U0代表1mm的组织对应的数据个数，由发射的超声波在组织中的传播速度以及射频信号的采样频率决定，round(·)代表四舍五入的取整操作，该数据d1的序号从n1到n1+U-1，n1可在1≤n1≤U的范围内选择；在τ1到τ2确定的搜索范围内求该小段数据与扫描线数据s2(n)的互相关函数R(τ)，计算公式如下R(τ)=Σi=n1n1+U-1s1(i)s2(i-τ)Σi=n1n1+U-1s12(i)·Σi=n1n1+U-1s22(i-τ)(τ1≤τ≤τ2)]]>其中i为计算过程中表示数据序号的循环变量，τ1为0，τ2为对组织施加的压缩量，以采样数据的个数表示；为了提高位移估计的精度，一般还需要对计算得到互相关函数进行插值，如抛物线等常规插值方法；5.确定步骤4得到的互相关函数R(τ)的最大值对应的位置t1，t1就是数据d1在组织压缩后的位移(即s1(n)中的序号从n1到n1+U-1的小段数据d1的在组织压缩后移动到s2(n)中的序号从n1-t1到n1+U-1-t1的位置)；6.依次从扫描线数据s1(n)中取一小段长度为T即数据个数为U的数据d2、d3、…、dL，每段数据的序号依次错开V个采样数据，1≤V≤U，直到再错开V个采样数据将超出s1(n)的范围，按步骤4、5相同的方法依次得到各段数据对应的位移t2、t3、…、tL，其中L为小段数据的总数；则位移序列t1、t2、…、tL为第一条扫描线数据s1(n)对应的组织的位移估计；7.利用与步骤3-6相同的方法，依次得到第2、3、…、M条扫描线数据对应的组织的位移估计，其中M为表示探头的扫描线总数，由探头决定；8.对第一条扫描线数据s1(n)对应的组织的位移估计序列t1、t2、…、tL求差分，得到组织第一条扫描线s1(n)对应组织的应变分布，计算公式如下， ϵ1=t2-t1V,ϵ2=t3-t2V,···,ϵL-1=tL-tL-1V]]>其中，ε1、ε2、…、εL-1分别为d1、d2、…、dL-1对应的组织应变；9.利用与步骤8相同的方法，依次得到组织第2、3、…、M条扫描线数据对应的组织的应变分布；10.将步骤9得到的M条扫描线数据对应的应变分布，按照扫描线的顺序组合成一个二维数据，并以灰度图或者伪彩图的形式表示出来，就得到组织的二维应变分布图。在超声弹性成像中，关键的问题在于对组织的位移分布进行估计，也就是上面描述的方法的步骤3-7。互相关函数的值越大，说明压缩前、后的小段数据吻合得越好，互相关函数的最大值位置代表了压缩前的小段数据在压缩后对应的位置，从而可以求出该小段数据的位移，也就是该小段数据对应的组织的位移。在超声弹性成像中，选择的压缩前信号中的小段数据用来跟踪对应的小段组织的位移，称为跟踪波段。其长度称为跟踪波段长度，或者尺度。选取合适的尺度在超声弹性成像的位移估计中非常重要。当对组织施加的压缩量比较小(如小于1％)的时候，尺度越大，包含的信息越多，位移估计的精度越高，对随机噪声的干扰也越不敏感。当对组织施加的压缩量比较大(如1-5％)的时候，尺度越大，由于组织被压缩，组织压缩前、后信号重合的部分越小，利用互相关函数最大值位置进行位移估计的精度越低，同时，尺度越大，又越不容易受到随机噪声的干扰；而当尺度较小的时候，组织压缩前、后信号重合的部分较大，位移估计的精度较高，然而此时的位移估计又对随机噪声的干扰比较敏感。为了增加组织压缩前、后信号重合的程度，一般采用线性插值的方法，把被“压缩”的信号“拉伸”(stretching)成与原信号同长，从而增加压缩前后波形的重合度。在波形拉伸中，拉伸系数与对组织施加的压缩量或应变(以百分比表示)有关。本文档来自技高网...

【技术保护点】
一种多尺度的组织位移估计方法，包括以下步骤：１）从组织压缩前、后的二维射频信号中分别取出第一条扫描线的数据，设为ｓ↓［１］（ｎ）和ｓ↓［２］（ｎ），ｎ表示该两条扫描线上的数据序号，１≤ｎ≤ｎ↓［ｍａｘ］，ｎ↓［ｍａｘ］为ｎ的最大值； ２）从该扫描线数据ｓ↓［１］（ｎ）中取一小段尺度为Ｔ↓［１］的数据ｄ↓［１］，其数据个数为Ｕ↓［１］，Ｕ↓［１］＝ｒｏｕｎｄ（Ｔ↓［１］×Ｕ↓［０］），其中，Ｔ↓［１］的单位为ｍｍ，Ｕ↓［０］代表１ｍｍ的组织对应的数据个数，ｒｏｕｎ ｄ（.）代表四舍五入的取整操作，该数据ｄ↓［１］的序号从ｎ↓［１］到ｎ↓［１］＋Ｕ↓［１］－１，１≤ｎ↓［１］≤Ｕ↓［１］；在τ↓［１］到τ↓［２］的搜索范围内求该小段数据与扫描线数据ｓ↓［２］（ｎ）的互相关函数Ｒ↓［１，ｌ］（τ），计算公式如下：＊＊＊（τ↓［１］≤τ≤τ↓［２］）其中ｉ为计算过程中表示数据序号的循环变量，τ↓［１］为０，τ↓［２］为对组织施加的压缩量，以采样数据的个数表示；３）将数据ｄ↓［１］平均细分成尺度都为Ｔ↓［２］的Ｎ段数 据ｄ↓［２，１］，ｄ↓［２，２］，…，ｄ↓［２，Ｎ］，Ｔ↓［２］＝Ｔ↓［１］／Ｎ，Ｎ≥２；每段数据个数为Ｕ↓［２］，Ｕ↓［２］＝ｒｏｕｎｄ（Ｔ↓［２］×Ｕ↓［０］），第ｊ（１≤ｊ≤Ｎ）小段数据ｄ↓［２，ｊ］的序号从ｎ↓［２，ｊ］到ｎ↓［２，ｊ］＋Ｕ↓［２］－１，ｎ↓［２，ｊ］＝ｎ↓［１］＋ｒｏｕｎｄ（（ｊ－１）×Ｔ↓［２］×Ｕ↓［０］），在τ↓［１］到τ↓［２］的搜索范围内分别求数据ｄ↓［２，１］，ｄ↓［２，２］，…，ｄ↓［２，Ｎ］与扫描线数据ｓ↓［２］（ｎ）的互相关函数Ｒ↓［２，ｊ］（τ）（１≤ｊ≤Ｎ），计算公式如下：＊＊＊（τ↓［１］≤τ≤τ↓［２］）得到Ｎ个Ｔ↓［２］尺度下的互相关函数Ｒ↓［２，ｊ］（τ）（１≤ｊ≤Ｎ）；４．）利用与步骤３）相同的方法，分别将步骤３）得到的Ｎ段数 据ｄ↓［２，１］，ｄ↓［２，２］，…，ｄ↓［２，Ｎ］中的每段数据继续平均细分成Ｎ段数据，共有Ｎ↑［２］段数据，其尺度为Ｔ↓［３］，Ｔ↓［３］＝Ｔ↓［２］／Ｎ；在τ↓［１］到τ↓［２］的搜索范围内分别求这Ｎ↑［２］段数据与扫描线数据ｓ↓［２］（ｎ）的互相关函数Ｒ↓［３，ｊ］（τ）（１≤ｊ≤Ｎ↑［２］），得到Ｎ↑［２］个Ｔ↓［３］尺度下的互相关函数Ｒ↓［３，ｊ］（τ）（...

【技术特征摘要】

【专利技术属性】
技术研发人员：白净，罗建文，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]