一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法技术

本发明专利技术提出了一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法，该方法首先从肺超声回波信号射频数据，采集多帧二维数据生成二次谐波数据三维矩阵，然后利用滑动窗提取信号包络能量和信息熵进行去噪，然后从逐个波束提取对应射频数据的信息熵和排列熵作为特征参数，基于信息熵和排列熵建立训练样本集X，将训练样本集X输入至支持向量机非线性SVM中，得到分类模型。本发明专利技术提出利用超声原始射频信号对肺超声B线进行识别，不仅可以利用信号幅度和空间信息，而且可以利用信号频率和相位等信息，不仅提高了信息的利用率，增加了识别的可靠性，而且避免不同超声仪器图像参数设置的影响，能够得到普适性更高的检测算法。能够得到普适性更高的检测算法。能够得到普适性更高的检测算法。

【技术实现步骤摘要】
一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法


[0001]本专利技术属于超声检测及成像领域，具体涉及一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法。

技术介绍

[0002]随着现代超声医学的不断发展进步，曾经被视作超声盲区的肺脏超声检查也由于其无辐射、可床旁诊断等优点成为临床上检测肺脏疾病、监测重症病人生理指标的重要手段。B线是超声检测、诊断肺部疾病的一种重要超声伪影，在超声影像上表现为从胸膜线产生并延伸至屏幕底部的离散、激光样垂直高回声伪影，并与肺滑动同步移动。
[0003]肺超声影像中B线数量的增加与肺水肿、肺纤维化、肺炎等肺病变之间显著的相关性已经成为临床上对患者进行床旁无创、快速诊断的重要依据，医生可以按照肺超声检查国际推荐标准，快速评估患者的病情，并做出相应的诊断。
[0004]然而，在相同的评估标准之下，不同的医生对同一患者的评估、甚至同一医生在不同时间对同一患者的评估都可能会产生一定偏差，这与评估者的临床经验、评估时的生理状态等因素有关。因此，能够辅助医生对肺超声进行评估的算法可以大大提高医生诊断的稳定性和准确性。已经有一些研究人员提出的基于超声图像的深度学习算法在辅助评估中的到了较好的准确性和敏感性，但该方法计算复杂，并且是基于超声图像进行计算的，只利用了幅度和空间信息。

技术实现思路

[0005]本专利技术的目的在于克服上述现有技术的缺点，提供一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法，以解决现有技术中通过超声图像对评估结果有偏差的问题。
[0006]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0007]一种基于超声回波射频号的肺超声特殊征象B线识别分类方法，包括以下步骤：
[0008]步骤1，从多帧超声图像提取出含有B线的肺超声回波信号的射频数据，通过脉冲逆转方法提取出每一个射频数据的二次谐波数据，将多帧二次谐波数据组成三维矩阵；三维矩阵中每一列的二次谐波数据为一个波束；
[0009]步骤2，通过滑动窗提取三维矩阵中每一个波束的信号包络能量和信息熵，分别设定信号包络能量的阈值一和信息熵的阈值二，将滑动窗提取出的信息熵高于阈值二且包络能量小于阈值一的射频信号视为噪声，去除视为噪声的射频信号，得到去除噪声后的三维矩阵；
[0010]步骤3，从去除噪声后的三维矩阵中，提取出每一个波束的信息熵和排列熵；
[0011]步骤4，标记出每帧超声图像的B线和非B线对应的波束，B线的波束标记值为1，非B线的波束标记值为0；
[0012]步骤5，随机选择若干个波束对应的信息熵、排列熵以及该波束的B线标记值；将选择出的信息熵、排列熵和B线标记组成训练样本集X；
[0013]步骤6，将训练样本集X输入至非线性SVM，通过训练样本集X训练非线性SVM，得到判断B线的分类模型；所述非线性SVM中通过核函数RBF得到分类模型；
[0014]步骤7，通过分类模型识别超声图像中的B线。
[0015]本专利技术的进一步改进在于：
[0016]优选的，步骤1的具体过程为：
[0017]1)从含有B线的肺超声回波信号射频数据中，提取并分离互为反向脉冲的两组回波信号；
[0018]2)将两组回波信号按对应位置相加得到脉冲逆转射频数据；
[0019]3)读取脉冲逆转射频数据头文件中的中心频率；
[0020]4)将脉冲逆转射频数据输入巴特沃斯带通滤波器，获得射频数据的二次谐波数据，将多帧的二次谐波数据形成三维矩阵。
[0021]优选的，所述巴特沃斯带通滤波器的频带宽度为步骤3)中心频率的40％～80％，通过频带宽度确定巴特沃斯带通滤波器的通带频率和阻带频率。
[0022]优选的，步骤2中，信号包络能量的计算公式为：
[0023][0024][0025][0026]X(t)＝A(t)cos(w0t+θ(t))(14)
[0027][0028][0029]式(1)中，X(t)为原始射频信号，为射频信号经希尔伯特变换后的信号；式(3)中为令原信号为实部，希尔伯特变换后的信号作为虚部构造的解析信号；将式(4)带入式(3)得到的解析信号的绝对值为信号包络；式(6)中E为包络能量。
[0030]优选的，步骤2中，信息熵的计算公式为：
[0031][0032]式(7)中，H表示单个波束射频信号的信息熵，n表示单波束的射频信号的点数，f表示射频信号的概率密度，X为单波束对应的射频信号数据。
[0033]优选的，步骤3中，提取每一个波束排列熵的过程为：
[0034]1)设定延迟时间为1，嵌入维度为4，逐个提取单波束的重构矩阵；
[0035]2)将重构矩阵每一行按照升序排列，得到新升序序列；
[0036]3)提取新升序序列对于原重构矩阵的位置索引所构成的符号序列及其出现的次
数；
[0037]4)每种符号序列出现次数除以序列总数作为该序列出现的概率；
[0038]5)计算排列熵。
[0039]优选的，所述排列熵的计算公式为：
[0040][0041]式(11)中H
pe
表示单波束射频信号的排列熵。
[0042]优选的，步骤5中，所述核函数RBF核函数为
[0043]k(x,y)＝exp(
‑
γ||x
‑
y||2)
ꢀꢀꢀ
(19)。
[0044]优选的，步骤5中，训练非线性SVM的过程为：
[0045]1)将训练样本集X作为原始空间；
[0046]2)在原始空间中引入影射函数，使得训练样本集X中的函数k(E
i
,P
i
)满足下式：
[0047]k(E
i
,P
j
)＝φ(E
i
)
·
φ(P
j
)
ꢀꢀꢀ
(20)
[0048]式(13)中，k表示核函数，φ表示核函数的映射函数。
[0049]3)在原始空间中输入式(13)，在特征空间中映射成新向量的内积；
[0050]4)计算非线性SVM在特征空间的最大分隔超平面，得到分类模型。
[0051]优选的，步骤7中，识别出超声图像中的B线后进行标记。
[0052]与现有技术相比，本专利技术具有以下有益效果：
[0053]本专利技术提出了一种基于超声回波射频信号的肺超声特殊征象B线识别方法，该方法具体包括以下步骤：步骤一，输入在B模式下含有B线的肺超声回波信号射频数据，利用脉冲逆转技术提取二次谐波，采集多帧二维数据生成二次谐波数据三维矩阵；步骤二，利用滑动窗提取信号包络能量和信息熵作为去噪参数，根据实际情况调整阈值，去除噪声；步骤三，逐个波束提取对应射频数据的信息熵和排列熵作为特征参数；步骤四，分别标记B线和非B线位置对应波束，B线标记为1，非B线标记为0；步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法，其特征在于，包括以下步骤：步骤1，从多帧超声图像提取出含有B线的肺超声回波信号的射频数据，通过脉冲逆转方法提取出每一个射频数据的二次谐波数据，将多帧二次谐波数据组成三维矩阵；三维矩阵中每一列的二次谐波数据为一个波束；步骤2，通过滑动窗提取三维矩阵中每一个波束的信号包络能量和信息熵，分别设定信号包络能量的阈值一和信息熵的阈值二，将滑动窗提取出的信息熵高于阈值二且包络能量小于阈值一的射频信号视为噪声，去除视为噪声的射频信号，得到去除噪声后的三维矩阵；步骤3，从去除噪声后的三维矩阵中，提取出每一个波束的信息熵和排列熵；步骤4，标记出每帧超声图像的B线和非B线对应的波束，B线的波束标记值为1，非B线的波束标记值为0；步骤5，随机选择若干个波束对应的信息熵、排列熵以及该波束的B线标记值；将选择出的信息熵、排列熵和B线标记组成训练样本集X；步骤6，将训练样本集X输入至非线性SVM，通过训练样本集X训练非线性SVM，得到判断B线的分类模型；所述非线性SVM中通过核函数RBF得到分类模型；步骤7，通过分类模型识别超声图像中的B线。2.根据权利要求1所述的一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法，其特征在于，步骤1的具体过程为：1)从含有B线的肺超声回波信号射频数据中，提取并分离互为反向脉冲的两组回波信号；2)将两组回波信号按对应位置相加得到脉冲逆转射频数据；3)读取脉冲逆转射频数据头文件中的中心频率；4)将脉冲逆转射频数据输入巴特沃斯带通滤波器，获得射频数据的二次谐波数据，将多帧的二次谐波数据形成三维矩阵。3.根据权利要求2所述的一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法，其特征在于，所述巴特沃斯带通滤波器的频带宽度为步骤3)中心频率的40％～80％，通过频带宽度确定巴特沃斯带通滤波器的通带频率和阻带频率。4.根据权利要求1所述的一种基于超声回波射频信号的肺超声特殊征象B线识别分类方法，其特征在于，步骤2中，信号包络能量的计算公式为：信号包络能量的计算公式为：信号包络能量的计算公式为：X(t)＝A(t)cos(w0t+θ(t))
ꢀꢀꢀꢀ
(4)(4)
式(1)中，X(t)为原始射频信号，为射频信号经希尔伯特变换后的信号；式(3)中为令原信号为实部，希尔伯特变换后的信号作为虚部构造的解析信号；将式...

【专利技术属性】
技术研发人员：钟徽，张皓宇，马泉龙，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：