子阵列差分系数加权的超声成像算法

传统的自适应加权系数可以有效改善超声图像的分辨率和对比度,但会影响背景图像的散斑特性,因此提出子阵列差分加权系数(SDF)以提升图像质量。该系数适用于传统线扫描超声成像,首先对阵列接收到的回波信号采用子阵列平滑的方式计算均值,得到信号中高相干性成份的强度,再用差分的方式反映相邻阵元回波信号之间的差异性,最后对延时叠加(DAS)成像结果进行加权成像。仿真和实验结果表明SDF (L=8)加权算法相对于传统的DAS成像算法,可以有效改善分辨率和对比度,其中仿真数据的对比度提高了62.9%,体模实验数据的对比度提高了74.7%。相对于相干系数(CF)、广义相干系数(GCF)和信号均值标准差系数(SMSF),SDF可以改善背景组织的成像质量,其中仿真图像的散斑信噪比(SSNR)分别提高了36.8%,5.7%和26.2%,体模实验图像的SSNR分别提高了48.6%,17.0%和20.9%。可见SDF系数可以有效改善超声成像的质量。      

特征空间最小方差波束形成与相关系数特征值加权相融合的超声成像算法

为了进一步提高超声成像的质量,提出一种信号特征空间的最小方差波束形成与相关系数特征值加权相融合的超声成像算法。利用超声回波信号具有一定的相关性,而相关系数空间最大特征值可以反映回波信号相关性较强的性质,将该特征值作为自适应加权系数对信号特征空间最小方差波束形成(EIBMV)的结果进行加权成像,得到高质量的成像结果。通过对散射点目标和斑目标的Field II仿真,结果表明该算法相对于EIBMV算法,亮斑对比度提高了4.22 dB,暗斑对比度提高了1.88 dB,并且进一步提高了横向分辨率。      

次方样本熵自适应加权的超声合成孔径成像算法

利用相位相干系数(PCF)和广义相干系数(GCF)对波束形成后的结果进行加权,能有效提高超声成像的质量,但存在背景组织亮度降低,对比度不高,以及远处目标成像强度降低等问题。本文提出一种基于次方样本熵的合成孔径成像算法,将单个孔径发射时的低质量成像结果作为元素,根据孔径位置排列,构成空间向量。根据不同成像点对应的空间向量的随机性不同,计算每个点的空间向量的次方样本熵,并将该熵值作为权系数进行加权成像。采用FieldⅡ仿真数据成像结果表明,相比于传统的DAS算法,次方样本熵方法能够提高成像的分辨率和对比度;相比于PCF和GCF算法,次方样本熵方法能够在不损失组织背景强度的情况下,进一步改善了成像质量。      

互相关自适应加权的医学超声成像算法研究

根据超声成像系统的超声回波信号互相关性,提出互相关自适应加权超声成像算法.该算法根据散射点回波信号之间的空间相关性设置加权系数,对不同位置的散射点进行自适应加权成像,从而降低了成像系统的旁瓣,抑制了相关性较差的噪声.通过Field II仿真的点目标和吸声斑目标处理结果表明该方法成像的横向和纵向分辨率高,成像速度快.相对于延时叠加(DAS)算法,该算法对散射点成像可提高对比度16 dB,对于吸声斑成像可提高对比度0.85 dB.最后采用完备数据集进行实验,结果表明该算法成像分辨率优于DAS算法,对比度提高了17 dB.     

基于空间广义相干系数加权的医学合成孔径超声成像

为解决广义相干系数用于合成孔径成像中所存在的运算量大,图像对比度改善有限等问题,提出空间广义相干系数加权成像方法。该算法根据单个孔径成像结果之间的相干性来计算相干系数,通过加权空间合成进行成像。采用对FieldⅡ仿真点目标和吸声斑目标的数据进行成像表明,算法不仅使运算量减少N(N为阵元数)倍,而且相对于传统的广义相干系数算法,算法对散射点成像可提高信噪比7 dB,对于吸声斑成像可提高对比度3.2 dB。可见算法可以有效地提高成像速度和成像质量。