基于经验模态分解的超声背散射零差K成像方法技术

本发明专利技术公开了一种基于经验模态分解即EMD的超声背散射零差K成像方法，属于信号处理领域。将超声仪器中采集得到的原始射频信号利进行EMD信号分解，获得本征模态函数即IMF信号，其初步解决了非目标组织的背散射信号对参数估算的影响，再将获得的IMF信号通过零差K模型进行生物组织的超声组织定征，提供生物组织微结构信息，其中零差K模型参数估算采用两种算法，一种是基于信噪比、偏度、峰度的RSK算法，另一种是基于X统计和U统计的XU算法。两种参数估算是基于滑动窗口技术进行，最终可以得到参数估算的估计值矩阵，并且可以生成可视化的参数图像。该方法可用于肝脏、乳腺等生物组织的超声组织定征，以参数及可视化方式提供相关微结构信息。

【技术实现步骤摘要】
基于经验模态分解的超声背散射零差K成像方法
本专利技术属于医学信号处理领域，特别涉及一种经验模态分解的超声背散射零差K成像方法，建立基于经验模态分解即EMD的信号分解技术，并发展以零差K模型为基础的有效散射子个数以及相干散射参数成像，用于生物组织的超声组织定征，提供相关微结构信息，以此提供具体散射结构物理意义及参数数值，并提供可视化的参数成像。
技术介绍
超声成像具有实时性好、无电离辐射、价格低廉等优点，已经成为成像检测技术中主流的检测技术手段。在现如今的超声检测技术中，由超声探头发射的超声波如果遇到直径小于入射波长的界面会产生散射，其能量向各个方向辐射。其中背离探头的散射波即背向散射波。由此，我们可以将生物组织(如肝脏、乳腺等)结构视为许多微小散射子所构成的声学结构模型，散射子的相关信息直接反映了生物组织微结构的相关信息，所以生物组织的超声组织定征可以通过测量散射子相关信息所完成。当超声波入射至生物组织中，入射波与散射子交互作用下，探头所接受到的信号，是个别散射子所贡献背散射信号于空间上的叠加。生物组织在发生病变的情况下，其组织本身的微结构将会发生变化，由此会影响到所接收背散射信号的波形特征，基于背散射信号的随即性质，通过分析其概率分布模式，可以归纳出背散射信号统计分布与微小散射子的关联性。因生物体组织散射模式的多样化，后来衍生出许多利用数学上的统计分布，来描述和模式化散射统计，以此来进行生物组织微结构的研究，进行超声组织的定征。近年来，随着超声检测技术的不断发展，以及相关统计模型应用的不断完善，国内外学者提出了许多基于统计模型的超声组织定征的方法，其主要包括瑞利模型、声学结构定量ASQ、Nakagami模型、复合Nakagami、零差K模型等。然而在现有超声组织定征方法中，不论ASQ技术还是Nakagami统计参数成像技术，两者对于散射结构的物理意义都无法提供太多具体信息，由于Nakagami参数m在组织定征中极容易出现参数饱和的情况，导致其估算的微观散射子结构不够准确，存在局限性，并且在生物组织的背散射信号中，不光存在目标生物组织的背散射信号，还包含其他噪声信号，这对后续的超声生物组织的定征以及微结构的测量产生很大影响。本专利技术提出一种基于经验模态分解的超声背散射零差K成像生物组织定征新方法，通过定量有效散射子个数以及相干散射参数，可用于生物组织的超声组织定征，提供微结构信息，并提供可视化的参数成像。由此满足在研究领域对生物组织微结构上的定量研究，具有重要的研究价值和应用前景。
技术实现思路
本专利技术旨在提出一种基于经验模态分解的超声背散射零差K成像生物组织定征新方法。本专利技术由两个部分组成，第一部分是将超声仪器采集到的原始射频信号进行经验模态分解，由此来获取第一个和第二个本征模态函数IMF1和IMF2，其主要目的是来应对非目标组织所产生的噪声背散射信号对生物体组织微结构定征准确性的影响，提升参数估算的准确性。第二部分是本专利技术的核心部分，即基于零差K模型的参数估算以及参数可视化成像，首先在参数估算之前会生成B模式超声图像，再通过超声图像来勾画我们要进行参数估算的感兴趣区域，在感兴趣区域内应用滑动窗口技术来进行参数估算，参数估算主要涉及两个估算方法：(1)基于信噪比、偏度、峰度的RSK参数估算方法；(2)另一个是基于X统计和U统计的XU参数估算方法，通过估算得到有效散射子个数μ以及相干散射信号与弥漫散射信号的比值k，其参数可以生成参数图像，以上参数可以进行生物组织结构信息的定征，提供微结构数据，参数成像可以提供可视化信息。具体
技术实现思路
包括以下步骤：一种基于经验模态分解的超声背散射零差K成像方法，包括以下步骤：步骤1.B模式超声成像及感兴趣区域获取，具体包括：步骤1.1.对于原始超声射频数据I，获取其数据的列数为L，其数据的行数为D；步骤1.2.利用希尔伯特变换解调原始超声射频数据I以构建包络图像，并且使用动态范围为40dB进行对数压缩获得包络数据IS来构建B模式超声图像B；步骤1.3.对图像B进行多边形选取，对选取的多边形转换成二值化矩阵的掩模，其中区域内为1，区域外为0，由此便得到了感兴趣区域R；步骤2.利用经验模态分解对原始射频数据进行信号分解，获取本征模态函数即IMF，具体包括：步骤2.1.进行初始化，令r0＝I,i＝1，其中r0表示还未分解的残余分量，此时即为原始超声射频数据I，其中i为经验模态分解次数的计数；步骤2.2.令hj-1＝ri-1,j＝1其中hj-1为每一步分解后减去本证模态函数的新序列，此时即为上一步的残余分量ri-1，其中j为判定是否为本征模态函数次数的计数；步骤2.3.找出hj-1的局部极值点，对其极大值点和极小值点进行三次样条函数插值，形成上下包络线，计算上下包络线的平均值mj-1，hj＝hj-1-mj-1；步骤2.4.hj若不存在负的局部极大值和正的局部极小值，hj是IMF函数，则第i个本证模态函数imfi＝hj，否则，j加一，从步骤2.3重新开始；步骤2.5.分解后残余分量ri＝ri-1-imfi，如果ri极值点个数仍多于2个，则i加一，从步骤2.2重新开始，否则，分解结束，由此得到本征模态函数imfi。步骤3.对分解后的数据进行零差K模型参数估算和参数成像，具体包括：步骤3.1.采用滑动窗口技术作为构造超声参数图像的方法，使用imfi包络信号，利用窗边长度WSL为脉冲长度1～9倍的正方形窗口获取信号数据，在此窗口内进行零差K模型参数估算，窗口以距离增量在图像数据的整个范围内移动，分别以横向和纵向移动，窗口每个增量包含对应于窗口重叠率WOR的像素数，窗口移动增量由单个窗口轴向像素数和横向像素数决定，首先确定窗口的相关参数，其中窗口轴向像素数inte＝WSL*p/t，窗口横向像素数inte1＝WSL*p/scan_step，窗口横向移动距离lateral＝L-inte1，窗口横向移动步长L1＝intel1/WOR，窗口轴向移动距离axial＝D-inte，窗口轴向移动步长A1＝intel/WOR，其中p为脉冲长度、t为轴向点距离、scan_step为扫描步长；步骤3.2.计算窗口横向移动格数x＝lateral/L1，计算窗口轴向移动格数y＝axial/A1；步骤3.3.此时信号数据被窗口划分成m*n的矩阵，其中m＝1、2、3…x，n＝1、2、3…y，窗口先在第1行横向移动，在每个窗口内利用RSK法和XU法分别计算得到其对应的参数μ11、μ12、μ13…μ1n，依次类推，直到窗口在第m行完成移动为止，由此获得参数矩阵μmn和kmn，即为有效散射子个数参数矩阵μ和相干散射信号与弥漫散射信号的比值参数矩阵k；步骤3.4.将参数μ和k利用颜色映射形成参数图像RSK-k、RSK-μ、XU-k和XU-μ,其中RSK-k为利用RSK法所得到的k参数图像，RSK-μ为利用RSK法所得到的μ参数图像，XU-k为利用XU法所得到的k参数图像，XU-μ为利用XU法所得到的μ参数图像；<本文档来自技高网...

【技术保护点】
1.一种基于经验模态分解的超声背散射零差K成像方法，其特征在于，包括以下步骤：/n步骤1.B模式超声成像及感兴趣区域获取，具体包括：/n步骤1.1.对于原始超声射频数据I，获取其数据的列数为L，其数据的行数为D；/n步骤1.2.利用希尔伯特变换解调原始超声射频数据I以构建包络图像，并且使用动态范围为40dB进行对数压缩获得包络数据I

【技术特征摘要】
1.一种基于经验模态分解的超声背散射零差K成像方法，其特征在于，包括以下步骤：
步骤1.B模式超声成像及感兴趣区域获取，具体包括：
步骤1.1.对于原始超声射频数据I，获取其数据的列数为L，其数据的行数为D；
步骤1.2.利用希尔伯特变换解调原始超声射频数据I以构建包络图像，并且使用动态范围为40dB进行对数压缩获得包络数据IS来构建B模式超声图像B；
步骤1.3.对图像B进行多边形选取，对选取的多边形转换成二值化矩阵的掩模，其中区域内为1，区域外为0，由此便得到了感兴趣区域R；
步骤2.利用经验模态分解对原始射频数据进行信号分解，获取本征模态函数即IMF，具体包括：
步骤2.1.进行初始化，令r0＝I,i＝1，其中r0表示还未分解的残余分量，此时即为原始超声射频数据I，其中i为经验模态分解次数的计数；
步骤2.2.令hj-1＝ri-1,j＝1其中hj-1为每一步分解后减去本证模态函数的新序列，此时即为上一步的残余分量ri-1，其中j为判定是否为本征模态函数次数的计数；
步骤2.3.找出hj-1的局部极值点，对其极大值点和极小值点进行三次样条函数插值，形成上下包络线，计算上下包络线的平均值mj-1，hj＝hj-1-mj-1；
步骤2.4.hj若不存在负的局部极大值和正的局部极小值，hj是IMF函数，则第i个本证模态函数imfi＝hj，否则，j加一，从步骤2.3重新开始；
步骤2.5.分解后残余分量ri＝ri-1-imfi，如果ri极值点个数仍多于2个，则i加一，从步骤2.2重新开始，否则，分解结束，由此得到本征模态函数imfi；
步骤3.对分解后的数据进行零差K模型参数估算和参数成像，具体包括：
步骤3.1.采用滑动窗口技术作为构造超声参数图像的方法，使用imfi包络信号，利用窗边长...

【专利技术属性】
技术研发人员：吴水才，张奇宇，周著黄，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11