专利名称：基于特征空间分析和区域判别的医学超声波束形成方法
技术领域：
本发明属于医学超声工程技术领域，具体为基于特征空间分析与区域判别的医学超声波束形成方法。
背景技术：
超声成像具有无创、实时、可重复性强、成本低廉等优点，在医学临床诊断中得到了广泛的应用。波束形成器是整个系统中影响成像质量的关键部分，传统的延时叠加(delay-and-sum, DAS)法[I]虽然快速简便,但获得的图像质量十分不理想,主要体现在横向分辨率和对比度差，这也是目前医学超声诊断面临的主要难题。 为改善图像质量，近来基于最小方差(minimum variance, MV) [2]的自适应波束形成方法被引入超声成像领域。其中空间平滑最小方差[3]、前后向平均最小方差[4]虽然显著改善了分辨率，但是对比度性能的提升并不明显；主分量最小方差[5]和相干系数处理[6]虽然能够有效提高超声低回声区与散斑背景的对比度，但是高强度目标周围易产生人工干扰和失真，原因来自于方法内在的缺陷。针对上述问题，本发明通过进一步的特征空间分析，对成像目标的低回声区和散斑背景以及高回声区加以判别，并对不同区域采用不同的处理方法，以结合传统最小方差算法和主分量最小方差算法的优势。本发明为医学超声波束形成提供了一种的新的处理框架，能够有效地实现高分辨率和高对比度，同时保持良好的散斑特性，降低人工干扰和失真。
发明内容
本发明的目的是提出一种可以有效改善超声成像对比度并保持散斑特性和降低失真的医学超声波束形成方法。本发明提出的医学超声波束形成方法，其具体步骤为
1、对超声回波数据协方差矩阵进行特征分解，根据特征矢量与导向矢量的投影关系，预估计期望信号子空间以及期望信号强度；
2、利用延时叠加法获得的预扫描超声图像，根据图像峰值和有效动态范围计算出一个信号强度阈值；
3、将期望信号强度估计值与该阈值比较，对超声低回声区与一般散射区进行判别，两类区域采用不同的波束形成方法低回声区采用主分量最小方差算法，一般散射区采用传统最小方差算法。医学超声波束形成器的工作原理如图I所示，首先对探头的不同阵元施加适当的延时，实现对成像点的聚焦，再对聚焦后的阵列信号以适当的权重进行加权平均，输出信号即聚焦点散射信号的估计，取其幅值作为该点的成像值，反映的是该点的散射强度。波束形成器的输出可表示为
权利要求
1.基于特征空间分析和区域判别的医学超声波束形成方法，其特征在于具体步骤为 (1)对超声回波数据协方差矩阵进行特征分解，根据特征矢量与导向矢量的投影关系，预估计期望信号子空间以及期望信号强度； (2)利用延时叠加法获得的预扫描超声图像，根据图像峰值和有效动态范围计算出一个信号强度阈值； (3)将期望信号强度估计值与该阈值比较，对超声低回声区与一般散射区进行判别，两类区域采用不同的波束形成方法低回声区采用主分量最小方差算法，一般散射区采用传统最小方差算法。
2.根据权利要求I所述的基于特征空间分析和区域判别的医学超声波束形成方法，其特征在于步骤(I)中，所述对超声回波数据协方差矩阵进行特征分解，根据特征矢量与导向矢量的投影关系，选取投影值较大的若干特征矢量构成期望信号子空间，对应的特征值均值作为期望信号强度估计值，具体步骤为 数据协方差矩阵W按下式特征分解
3.根据权利要求I所述的基于特征空间分析和区域判别的医学超声波束形成方法，其特征在于步骤(2)中，所述利用延时叠加法获得的预扫描超声图像，根据图像峰值和有效动态范围计算出一个信号强度阈值，具体步骤为 首先，根据预扫描超声图像峰值推算整个成像区域的全局最大特征值，波束形成器的输出能量表示为
4.根据权利要求I所述的基于特征空间分析和区域判别的医学超声波束形成方法，其特征在于步骤(3)中，所述将步骤(I)得到的期望信号强度估计值与步骤(2)得到的强度阈值比较若估计值小于阈值，则认为当前成像点为超声低回声区；若估计值大于阈值，则认为当前成像点位于一般散射区； 对于一般散射区，采用传统最小方差算法，即求解下面的最优化问题
全文摘要
本发明属于医学超声工程技术领域，具体为基于特征空间分析与区域判别的医学超声波束形成。本发明一方面根据超声回波数据特征矢量与导向矢量的投影关系，预估计期望信号子空间以及期望信号强度；另一方面利用延时叠加法获得一幅预扫描超声图像，根据其峰值和有效动态范围，计算出一个信号强度阈值；最后将期望信号强度估计值与该阈值比较，对超声低回声区与一般散射区进行判别，低回声区采用主分量最小方差算法，一般散射区采用传统最小方差算法。本发明适用于高帧率的平面波和合成孔径超声成像方式，能够显著改善成像对比度，同时较好地保持图像的散斑特性，降低人工干扰和失真。
文档编号A61B8/00GK102764139SQ201210240918
公开日2012年11月7日 申请日期2012年7月12日 优先权日2012年7月12日
发明者余锦华, 曾星, 汪源源, 陈呈 申请人:复旦大学