一种用于可穿戴超声成像质量提升的反卷积重构方法技术

本发明专利技术公开了一种用于可穿戴超声成像质量提升的反卷积重构方法，所述方法包括如下步骤：步骤一：建立可穿戴超声成像的卷积和噪声的数学模型；步骤二：针对正向数学模型中的图像退化因素，提出用于可穿戴超声成像质量提升的基于连续性和相对稀疏联合约束的反卷积模型；步骤三：整合保真项

【技术实现步骤摘要】
一种用于可穿戴超声成像质量提升的反卷积重构方法


[0001]本专利技术涉及一种超声成像后处理方法，具体涉及一种基于维纳滤波结合稀疏性和连续性先验约束的反卷积重构方法，用于提高可穿戴超声在体积和性能受限下的成像质量
。

技术介绍

[0002]超声成像是最常用的医学成像形式之一，由于其非侵入性
、
低成本
、
便携性和实时成像等优点，已被广泛应用于医学诊断领域，但由于超声成像受到其低分辨率和多种噪声的影响，而严重限制了其在医学诊断中的应用
。
近年来，随着对硬件系统和后处理算法的研究，超声成像在提高成像质量方面取得了可喜的进展，然而，即使采用最先进的设备，也不能完全满足对更高分辨率和信噪比的需求，尤其在一些小型化的可穿戴便携式设备中，由于通道数以及探头的限制，导致其分辨率
、
信噪比以及对比度性能相比于传统超声设备更为糟糕，除此之外，贴片探头与人体之间的相对运动还会导致图像的运动伪影，从而可穿戴超声设备对高质量图像的需求更为迫切
。
[0003]维纳滤波器是一种经典
、
简单
、
快速的去卷积算法，并已被证明可以提高
X
射线照相和超声成像中的图像质量，然而，维纳滤波器往往会导致“吉布斯”伪影，并以不存在的回声信号呈现出来，尽管维纳滤波可以减少点扩散函数
(PSF)
的影响并提高图像分辨率，但由于噪声的影响，导致其信噪比的折中，阻止了其成像质量的进一步提升
。r/>[0004]可穿戴超声设备主要受到散斑噪声
、
杂波噪声
、
测量噪声以及运动伪影的影响，对于噪声的去除，研究人员在过去几十年中进行了大量的研究，但它们具有低分辨率和严重模糊细节的固有局限性，因此所获得的图像是实际解剖组织结构的失真版本，因此如何在提高可穿戴超声成像分辨率的同时抑制噪声的影响，从而提升超声图像成像的整体质量，对可穿戴超声应用于医疗领域，提升诊断的准确性具有重要意义
。
[0005]目前已有反卷积重构算法主要是针对传统超声设备，很少有针对可穿戴超声设备并且还从多个角度分析体积和性能受限下可穿戴超声成像设备受到的影响，除此之外，以往的方法，往往基于传统的正向成像模型，忽略多种噪声的影响，针对传统的超声设备建立图像信息求解的反卷积模型，即使最终图像在一定程度上分辨率得到了提升但信噪比却随之下降，最终阻碍了其成像质量的进一步提升；针对噪声问题，在以往的研究中，虽然提出了一系列抑制方法，并在一定程度上能实现对噪声进行简单有效的去除，但它们却以牺牲分辨率为代价，从而具有分辨率低和高频信息损失的固有局限性
。

技术实现思路

[0006]为了解决可穿戴超声设备在体积和性能受限下分辨率
、
信噪比以及对比度低的问题，本专利技术针对可穿戴超声设备体积与性能受限情况，建立了其卷积和噪声的数学模型，随后针对针对数学模型中的图像退化因素，提出了一种用于可穿戴超声成像质量提升的反卷积重构方法
。
该方法能够大幅度提升可穿戴超声图像的分辨率
、
对比度以及信噪比，使其在
实际医疗应用中成为可能，在医疗超声检测领域具有很高的社会意义和经济价值
。
[0007]本专利技术的目的是通过以下技术方案实现的：
[0008]一种用于可穿戴超声成像质量提升的反卷积重构方法，包括如下步骤：
[0009]步骤一：针对点扩散函数
(PSF)、
散斑噪声
、
杂波噪声
、
测量噪声以及运动伪影对可穿戴超声成像过程的影响，建立可穿戴超声成像的卷积和噪声的数学模型；
[0010]步骤二：基于可穿戴超声成像的卷积和噪声的数学模型，结合维纳滤波以及连续性和相对稀疏性先验，针对正向数学模型中的图像退化因素，提出用于可穿戴超声成像质量提升的基于连续性和相对稀疏联合约束的反卷积模型，以去除噪声以及
PSF
的影响，解析组织反射函数；
[0011]步骤三：针对反卷积模型中约束项的为一次约束而非二次函数问题，整合保真项
、
嗨森约束以及稀疏约束项，并结合
Split
‑
Bregman
算法，建立优化求解模型，并且引入中间变量，进行迭代求解，以最终获得分辨率
、
信噪比以及对比度提升的可穿戴超声图像
。
[0012]相比于现有技术，本专利技术具有如下优点：
[0013]首先，本专利技术基于新兴的可穿戴超声技术，针对其体积和性能受限下的
PSF、
散斑噪声
、
杂波噪声
、
测量噪声以及运动伪影对成像过程的影响，建立了卷积和噪声的数学模型；同时，不同于传统的先验约束，需要很强的先验信息，本专利技术针对可穿戴超声成像的一般特性，结合维纳滤波，并基于连续性和相对稀疏性的普适性先验，提出了一种针对图像退化因素的反卷积求解模型，具有更好的普适性和鲁棒性；并且针对反卷积模型中约束项的非二次函数问题，本专利技术整合保真项以及约束项，并结合
Split
‑
Bregman
算法，建立优化求解模型，来优化求解最小化问题，具有快速性和稳定性；最后，本专利技术属于超声成像的后处理方法，不需要改变超声设备的硬件结构，更具有经济效益和普适性；总之，本专利技术基于可穿戴超声设备，建立了其成像的卷积和噪声的数学模型，并提出了一种结合维纳滤波并基于稀疏性和连续性先验约束的反卷积重构方法来提高其体积和性能受限下的成像质量，实现了对可穿戴超声设备在分辨率
、
对比度和信噪比等性能方面的全面的提升
。
附图说明
[0014]图1为本专利技术用于可穿戴超声成像质量提升的反卷积重构方法的流程图
。
[0015]图2为奈奎斯特采样定理下相邻像素连续性的说明图
。
[0016]图3为相对稀疏和绝对稀疏的说明图
。
[0017]图4为稀疏度得分对比图
[0018]图5为结果对比分析图
。
具体实施方式
[0019]下面结合附图对本专利技术的技术方案作进一步的说明，但并不局限于此，凡是对本专利技术技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的精神和范围，均应涵盖在本专利技术的保护范围中
。
[0020]本专利技术提供了一种用于可穿戴超声成像质量提升的反卷积重构方法，如图1所示，所述方法具体步骤如下：
[0021]步骤一：针对穿戴超声设备体积与性能受限下的
PSF、
散斑噪声
、
杂波噪声
、
测量噪
声以及运动伪影对成像结果的影响，建立相应的卷积和噪声的数学模型，具体表现形式为：
[0022][0023]s(x
，
y)
＝
β
f(x本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于可穿戴超声成像质量提升的反卷积重构方法，其特征在于所述方法包括如下步骤：步骤一：针对点扩散函数
、
散斑噪声
、
杂波噪声
、
测量噪声以及运动伪影对可穿戴超声成像过程的影响，建立可穿戴超声成像的卷积和噪声的数学模型，具体表现形式为：
s(x
，
y)
＝
β
f(x,y)+d(x,y)
其中，
x
和
y
分别表示横向和纵向的采样方向，
g(x
，
y)
代表观测到
RF
图像，
h(x
，
y)
表示点扩散函数，
n(x
，
y)
表示测量噪声以及杂波噪声，
f(x
，
y)
表示待求的组织反射函数，
β
表示运动参数，
d(x
，
y)
表示组织反射函数中散射体的随机效应，表示卷积运算；步骤二：基于可穿戴超声成像的卷积和噪声的数学模型，结合维纳滤波以及连续性和相对稀疏性先验，针对正向数学模型中的图像退化因素，提出用于可穿戴超声成像质量提升的基于连续性和相对稀疏联合约束的反卷积模型，以去除噪声以及
PSF
的影响，解析组织反射函数；步骤三：针对反卷积模型中约束项的为一次约束而非二次函数问题，整合保真项
、
嗨森约束以及稀疏约束项，并结合
Split
‑
Bregman
算法，建立优化求解模型，并且引入中间变量，进行迭代求解，以最终获得分辨率
、
信噪比以及对比度提升的可穿戴超声图像
。2.
根据权利要求1所述的用于可穿戴超声成像质量提升的反卷积重构方法，其特征在于所述步骤二的具体步骤如下：步骤二一：对获得的
RF
图像
g(x
，
y)
做初步的纳滤波预处理，以去除
h(x
，
y)
的影响，从而获得分辨率初步提升的图像
s(x
，
y)
，具体公式如下：其中，
S(u,v)、G(u,v)、H(u
，
v)、N(u
，
v)
分别为
s(x
，
y)、g(x,y)、h(x
，
y)、n(x
，
y)
的傅里叶变换，
u,v
分别表示
x
，
y
的频率形式，
H
*
(u,v)
与
H(u,v)
共轭，
||
表示绝对值，上标2表示求平方运算，
η
为正则化因子；步骤二二：在满足奈奎斯特采样定理下，根据任何相邻像素点之间具有连续性的特性，采用嗨森结构矩阵作为连续性约束，去除一些具有随机性和不连续的噪声的影响，采用稀疏约束项获得更多高频信息，以对抗嗨森结构矩阵带来的分辨率降低的负面影响，最后以
s(x
，
y)
与
f(x
，
y)
差的范数作为保真项，连续性和稀疏性先验作为联合约束项，建立基于连续性和相对稀疏联合约束的反卷积模型，具体公式为：其中，
s
和
f
分别代表
s(x
，
y)
和
f(x
，
y)
的缩写，
R
Hes...

【专利技术属性】
技术研发人员：章欣，李翔宇，沈毅，王艳，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：