传统的波束合成采用固定发射聚焦和动态接收聚焦，以延时叠加（delay-and-sum，DAS）方法逐列成像，只能获得有限的分辨率和对比度^[1]。随着高性能计算机和硬件的发展，许多学者尝试改进波束合成方法以提升图像分辨率和对比度，其中合成孔径（synthetic aperture，SA）^[2-5]成像通过多次发射、接收脉冲回波序列，实现全域发射、接收聚焦，改善了图像分辨率。然而，由于发射孔径较小、发射功率较低，SA在高噪声、高衰减区域的成像质量较差^[6-8]。近来，基于虚拟源（virtual-source-element，VSE）模型的合成孔径方法^[9]，将发射焦点视为虚拟阵元并结合SA成像方法，提高了超声成像的横向分辨率和信噪比（signal-to-noise ratio，SNR），从而实现成像深度的扩展。然而，VSE模型只在有限角度内来回传输球面波，因此，角度之外的成像点将被视为无效而丢弃^[10-11]。若将焦点放置在发射阵列之前，可以改善该问题^[12]，但又会导致发射波束增宽、空间分辨率降低^[11]。因此，亟需一种能够进一步整合这些缺失数据的方法。在最近的研究中，Nguyen等^[11]提出一种基于虚拟源的双脉冲模型，通过两个球面脉冲的叠加，更好地表征了场模式，实现了发射焦深处的平滑过渡。由此，他们开发了一系列基于像素的波束形成器^[10-11]，如基于像素的相干波束合成（coherent pixel-based beamforming，Coherent PB）^[11]，将基于虚拟源的双脉冲模型应用于像素级的合成孔径成像，提升了整个成像区域的成像质量。

然而，Coherent PB只改进了波束合成的延时计算方法，没有考虑发射波形及探头发射、接收脉冲响应带来的时空干扰，未对数据进行最佳聚焦，仅提升了超声图像的横向分辨率^[13]。为进一步提高成像的轴向分辨率和对比度，更好地抑制噪声和杂波，可以考虑使用前置或后置滤波方法。首先，接收阵元与发射孔径间空间位置的变化，使接收信号产生了相位畸变^[14]，若直接进行延时叠加，由于各通道的接收信号并未完全对齐^[13]，将导致较宽的主瓣和较高的旁瓣。为更好地估计各通道真实的回波信号，可以在各个换能器阵元上应用前置空间滤波器，对接收信号进行相位矫正^[13-16]。Jensen等^[13]将空间匹配滤波器（spatial matched filter，SMF）应用于SA成像，使用基于空间脉冲响应的模型来描述接收信号。SMF利用每个成像点的脉冲响应构建滤波器，对接收信号的峰值进行优化，可使各阵元信号的相位保持一致，并自适应调整各阵元权值，从而改善图像分辨率。此外，将空间匹配滤波器升级为空间维纳滤波器（spatial Wiener filter，SWF）^[16]，对各通道信号进行解卷积，可以进一步提高空间分辨率及算法敏感度。然而，为抑制由于空间变化产生的影响，SMF和SWF均需要在每个成像点构建相应的匹配滤波器或维纳滤波器，其计算量和内存负荷很大。而基于像素的维纳解卷积相干波束合成（coherent Wiener-filter pixel-based beamformer，CWF-PB）^[17]仅利用焦点处的脉冲响应函数，即可实现对整个阵列信号的解卷积，无需逐点构建滤波器，计算速度得到了很大的提升。

另一方面，Coherent PB仅将多个子孔径波束合成结果简单地平权相加，对噪声和杂波不能起到很好的抑制效果，旁瓣水平较高，所成图像中伪影较多。自适应加权方法则能根据各通道回波信号的特征，对于每个成像点动态地计算每次发射事件的加权值，并与各子孔径在该成像点的波束合成结果相乘，同时得到较窄的主瓣和较低的旁瓣，明显改善超声图像的空间分辨率和对比度。相干系数（coherence factor，CF）^[18]是自适应加权方法中的常用的一种，被定义为探头阵列信号中的相干信号功率与非相干信号功率之比，计算复杂度低，可以抑制离轴的非相干噪声、降低旁瓣。然而，CF对噪声存在过度抑制的问题^[18-20]，尤其当信噪比较低时，所成图像可能出现暗区伪影，同时将破坏背景散斑。基于CF发展了许多改进算法，如广义相干系数（general coherence factor，GCF）^[19]、相位相干系数（phase coherence factor，PCF）和符号相干系数（sign coherence factor，SCF）^[20]等。GCF是CF在频域的应用^[19]，能够较好地保留背景散斑，但其抑制噪声、旁瓣的效果也有所下降，对图像质量的提升较为有限。PCF和SCF分别从回波信号的相位和符号中提取特征信息^[20]，SCF是PCF的一种特殊形式。当回波数据没有得到最佳聚焦时，PCF和SCF将对波束合成的结果产生抑制，从而提高图像分辨率和对比度。然而PCF计算较为复杂，且对旁瓣和噪声的抑制效果也较弱；SCF尽管计算较为简单，但仍会引入暗区伪影。而后置维纳滤波器（Wiener post-filter，WPF）方法通过调整噪声功率所占比例，将噪声协方差矩阵乘以一个定义的比例因子，可以有效改善CF类方法中对噪声功率的过度估计^[21]，在不破坏背景散斑的前提下，提高成像的空间分辨率和对比度。

本文在Coherent PB的基础上，有机结合前置与后置维纳滤波器，以期提升超声成像质量，尤其是轴向分辨率和对比度。基于双脉冲模型的场模式分析^[10-11]表明，可以在波束形成之前，施加一种新的空间维纳滤波器，利用发射焦点处产生的脉冲响应对接收波形进行解卷积，估计出真实的回波信号。由于不必使用每个成像点产生的脉冲响应，该滤波策略可以显著加快计算速度。此外，在波束形成之后，施加后置比例维纳滤波器，最小化均方误差，抑制伪影和噪声。通过调节比例因子，可以在保留背景散斑特性的同时，降低旁瓣、缩窄主瓣，进一步提高图像质量。我们在一系列数据集上验证所提出的方法，包括使用Field Ⅱ^[22]进行仿真，并在由Verasonics系统采集的仿体及在体数据上进行实验。结果表明，本文提出的新方法显著提高轴向分辨率及对比度，抑制噪声和伪影，且不会引入暗区伪影，其他性能指标与Coherent PB保持一致水平。

1.   方法

1.1   基于像素的维纳解卷积相干波束合成

假设VSE在焦点 F 处，根据文献[10]中的压力场分析，由时空脉冲响应得到成像点 P 处的压力场$ {h}_{t}\left({\boldsymbol{x}}_{p},t\right) $^[23]：

其中$ {\boldsymbol{x}}_{p} $为 P 的位置矢量，$ \rho $为弱散射介质的平衡密度，$ v $为发射时的正弦和均匀激励，$ {*}_{t} $表示时间卷积。在1-D固体孔径下，$\partial {h}_{t}\left({{{\boldsymbol{x}}}}_{p},t\right)/\partial t$就可以近似表示为^[10]：

其中$ {R}_{\mathrm{m}\mathrm{i}\mathrm{n}} $和$ {R}_{\mathrm{m}\mathrm{a}\mathrm{x}} $分别是点P到孔径的最小和最大距离，$ {\beta }_{\mathrm{m}\mathrm{i}\mathrm{n}} $、$ {\beta }_{\mathrm{m}\mathrm{a}\mathrm{x}} $是与$ {R}_{\mathrm{m}\mathrm{i}\mathrm{n}} $和$ {R}_{\mathrm{m}\mathrm{a}\mathrm{x}} $相关的角度系数，c 是声速。因此，我们可以用两个球形脉冲的叠加来描述发射波形，分别对应点 P 到发射子孔径的最大和最小距离，将这种对发射波的描述称为双脉冲模型^[10]，如图1（a）。双脉冲模型是VSE技术的泛化。

图  1  双脉冲模型原理图

（a）根据Verasonics Vantage-256的参数，用Field Ⅱ模拟的发射场模式及施加变迹示意图。（b）在成像点P₁、P₂、P₃和焦点F处产生的发射波形。所有波形都被归一化为在P₂处模拟的振幅^[11]。

Figure  1.  Schematic diagram of two-pulse characterization model

下载: 全尺寸图片 幻灯片

使用Field Ⅱ 模拟基于Verasonics系统的参数的相应的发射场情况（图1）。在图1（a）中，以焦点为中心用有限角度 α 将成像平面分为 4个区域，按逆时针方向为（Ⅰ）区到（Ⅳ）区。在（Ⅱ）区或（Ⅳ）区中，点 P 到发射孔径的距离从孔径的一端到另一端单调地增加。该距离在（Ⅰ）区和（Ⅲ）区内分别达到最小和最大。因此，这两个脉冲的相对幅值随点 P 在区域的位置而变化。如图1（b）所示，在（Ⅱ）区和（Ⅳ）区中两个脉冲的幅度均不可忽略，而在区域（Ⅰ）和（Ⅲ）中以一个脉冲为主导。

基于双脉冲模型，Coherent PB将两个脉冲相关的高能信号结合起来，生成的图像具有高分辨率，并在焦深处平滑过渡。Coherent PB算法的成像方程是利用相应脉冲对应的时间延迟来确定的，其在成像点 P 处的波束合成输出可表示为：

其中$ {N}_{t} $为发射数，$ {N}_{r} $为接收阵元数，$ {x}_{i,j}\left(t\right) $为阵元 j 上接收到的与发射$ i $有关的回波信号，$ {w}_{ij} $为变迹系数，$ {\tau }_{p,\mathrm{m}\mathrm{i}\mathrm{n}} $和$ {\tau }_{p,\mathrm{m}\mathrm{a}\mathrm{x}} $为与发射波形中两个脉冲有关的时间延迟，$ {c}_{1} $和$ {c}_{2} $由分区及像素点位置计算得到。变迹系数$ {w}_{ij} $主要作用于区域（Ⅱ）和（Ⅳ）（在区域（Ⅰ）和（Ⅲ）中，$ {w}_{ij} $=1）。在区域（Ⅱ）和（Ⅳ）中，对于那些远离波束中心线的像素点，脉冲较弱，回波信号大多为噪声和离轴干扰，因此需要通过施加一定的变迹加以抑制^[11]。以与中心线的距离为参数，选取$ {W}_{1}\approx 4\lambda {f}_{0}/D $，$ {W}_{2}\approx 8\lambda {f}_{0}/D $（其中$ \lambda $为波长，$ {f}_{0} $为聚焦深度，D为发射孔径宽度），进一步划分区域（Ⅱ）和（Ⅳ），如图1（a）所示。当像素点与中心线距离小于$ {W}_{1} $时，$ {w}_{ij} $取1；大于$ {W}_{2} $时，$ {w}_{ij} $取0；在$ {W}_{1} $与$ {W}_{2} $之间时，$ {w}_{ij} $从1到0线性减少。

CWF-PB先利用焦点处的脉冲响应函数对整个阵列信号进行维纳解卷积，再通过Coherent PB提取和组合与$ \partial {h}_{t}\left({\boldsymbol{x}}_{f},t\right)/\partial t $中两个脉冲相关的信号，极大提高了算法效率。

首先，阵元 j 上接收到的射频回波信号和成像点$ P $的反向散射信号表示为：

其中$ {E}_{m}\left(t\right) $为接收过程中换能器力与电压的机电脉冲响应，$ {f}_{m}\left({\boldsymbol{x}}_{p}\right) $表征软组织中的不均匀性，$ {\boldsymbol{x}}_{j} $为接收阵元$ j $的位置矢量，$ {h}_{pe}\left({\boldsymbol{x}}_{p},{\boldsymbol{x}}_{j},t\right) $为空间脉冲响应，$ {*}_{x} $表示空间卷积。

$ {h}_{pe}\left({\boldsymbol{x}}_{p},{\boldsymbol{x}}_{j},t\right) $可以由发射和接收空间脉冲响应之间的时间卷积表示，即：

其中$ {h}_{t}\left({\boldsymbol{x}}_{p},t\right) $为发射时空脉冲响应，$ {h}_{r}\left({\boldsymbol{x}}_{p},{\boldsymbol{x}}_{j},t\right) $为波从成像点$ P $传播到接收阵元 j 的空间脉冲响应。忽略阵元的指向性，我们可以认为$ {h}_{r}\left({\boldsymbol{x}}_{p},{\boldsymbol{x}}_{j},t\right) $的形状对点P是位置不变的，如图1（b）最后一张图所示，发射波形中的两个脉冲在焦点 F 处合并为一个，由式（2）可推导出：

其中$ {\boldsymbol{x}}_{f} $是焦点 F 的位置，$ {R}_{0} $是发射子孔径的半径，$ {\beta }_{0} $是与脉冲相关的角度系数。因此，阵元$ j $上接收到的焦点 F 处的反向散射信号可由以下公式给出：

其中$ {v}_{pe}\left(t\right)\cong {E}_{m}\left(t\right){*}_{t}{\partial }^{2}v\left(t\right)/\partial {t}^{2} $。

假设$ {h}_{r}\left({\boldsymbol{x}}_{f},{\boldsymbol{x}}_{j},t\right) $和$ {h}_{r}\left({\boldsymbol{x}}_{p},{\boldsymbol{x}}_{j},t\right) $具有相同的形状，则可用$ {x}_{j,{F}}\left(t\right) $代替维纳滤波器的脉冲响应函数来解卷积$ {x}_{j,P}\left(t\right) $。该理论对成像区域内的每个成像点都有效，大大提高了计算效率。通过前置维纳滤波器解卷积后的回波信号，仍可由两个球型脉冲的和来建模，作为Coherent PB的输入。

1.2   结合后置比例维纳滤波的基于像素的维纳相干波束合成

尽管CF能够提供较高的分辨率和对比度，却也导致了有效信号的丢失。而后置比例维纳滤波器（scaled Wiener post-filter，ScW）^[20,24]是WPF的改进方法，可以通过比例因子调节噪声功率所占权重，在提供较高成像质量的同时，显示了出色的噪声容限^[19,25]。事实上，CF可以表示为ScW的一种特殊情况，其中噪声项被过度估计^[21]。本文在CWF-PB的基础上，首次应用了ScW方法，在保持与CWF-PB相同水平的空间分辨率的同时，进一步抑制了噪声和杂波，得到了更低的旁瓣和更窄的主瓣，在保留背景散斑特性的前提下，改善了图像对比度，且不会引入CF类方法的暗区伪影。

WPF方法本质上是一个权值一定的最小均方误差（minimum mean-square error，MMSE）问题^[21]，各通道间权重相等：

其中 s 为波束合成器的输出信号，$\vec{{\boldsymbol{x}}}$为阵列信号向量，$\vec{{\boldsymbol{w}}}$为波束合成器的权重。由于波束已经对齐，故$\vec{{\boldsymbol{w}}}=\displaystyle\dfrac{1}{{{M}}}\vec{{\boldsymbol{1}}}$，其中$ M $为通道数。

该MMSE问题的解为：

其中$ {\left|s\right|}^{2} $为信号功率，${{\boldsymbol{R}}}_{n}$为噪声功率。

通过比例因子调节后置维纳滤波器中的噪声功率项，即构成ScW^[20,24]：

其中$ u $为ScW的比例因子。以噪声协方差矩阵${\widehat{{\boldsymbol{R}}}}_{n}$估计噪声功率${{\boldsymbol{R}}}_{n}$，若采用白噪声场假设，即各通道间的噪声信号互不相关，则噪声功率可被估计为各通道噪声信号的自相关的平均值。假设最佳可用估计为波束合成器的输出，噪声协方差矩阵${\widehat{{\boldsymbol{R}}}}_{n}$可由下式得到：

其中${x}_{m}\left(n\right)$为延时对齐后的第 m 个通道的回波信号，I 为单位矩阵。

为增加鲁棒性，可在计算中使用空间子阵列平滑技术^[20]：

其中${\vec{{\boldsymbol{x}}}}_{k}\left(n\right)={\Big({x}_{k}\left(n\right),\cdots ,{x}_{k+L-1}\left(n\right)\Big)}^{\mathrm{T}}$，L 为子阵列长度，K 为接收孔径的阵元数目。当 L = 1 时，即在估计中仅使用单一时间样本，后置维纳滤波器退化为相干系数。本研究将CWF-PB的输出作为ScW的输入，用式（12）估计${{\boldsymbol{R}}}_{n}$，逐像素自适应地计算波束合成的权值，将所构成的波束合成器称为结合后置比例维纳滤波的基于像素的维纳相干波束合成器（coherent Wiener filter pixel-based beamforming combined with scaled Wiener post-filter，CWF-ScW）。

2.   结果

2.1   实验参数与评价指标

我们将所提出的方法CWF-ScW与其他波束合成器进行比较，包括动态聚焦（dynamic focusing，Dyn.foc.）、Coherent PB和CWF-PB。通过Field Ⅱ模拟数据^[22]和Verasonics Vantage-256系统（Verasonics，Kirkland，WA，USA）采集的仿体、在体数据来验证性能。我们使用一个128阵元的线性阵列传感器（L11-5v，Philips），中心频率为7.6 MHz，固定焦深为18 mm。施加激励电压产生一个中心频率与探头相同的、脉冲回波带宽为67％ 的超声脉冲。发射和接收子孔径均为64通道。仿真、仿体和在体实验的采样频率均为31.25 MHz。扫描波束移动的步长为1个阵元长度，像素的横向间距为1/5个阵元长度。本文所显示的超声图像均经对数压缩处理，动态范围为70 dB。

为了评估所提出的波束合成器的性能，我们使用MATLAB（Mathworks，Natick，MA，USA）离线处理所有的回波数据。通过半峰全宽（full width at half maximum，FWHM）、对比度（contrast ratio，CR）和对比噪声比（contrast to noise ratio，CNR）定量评估图像质量。其中，FWHM主要用于反映图像的分辨率，通过测量从各个点目标获得的-6 dB的平均波束宽度，定量评估每个深度的横向和轴向分辨率。CR及CNR主要用于评价图像的对比度，其计算公式如下：

其中，$ {\mu }_{\mathrm{c}\mathrm{y}\mathrm{s}\mathrm{t}} $，$ {\sigma }_{\mathrm{c}\mathrm{y}\mathrm{s}\mathrm{t}} $分别为囊肿内的均值、标准差，$ {\mu }_{\mathrm{b}\mathrm{a}\mathrm{c}\mathrm{k}} $，$ {\sigma }_{\mathrm{b}\mathrm{a}\mathrm{c}\mathrm{k}} $分别为背景散斑的均值、标准差。仿真和仿体实验中的对比度测量方法如图2所示。图2中黄色圆圈标示出囊肿所在位置，为减小测量误差，分别将区域半径向内、向外推进相等距离，形成用于计算CR和CNR的囊肿内区域（图2中红色圆圈内的区域）和背景散斑区域（图2中两个绿色圆圈之间的区域）。

图  2  对比度测量示意图

Figure  2.  Schematic diagram of contrast measurement

下载: 全尺寸图片 幻灯片

2.2   仿真成像

基于上述Verasonics系统的参数，使用Field Ⅱ^[22]得到超声仿真数据。模型中含有一个半径为2.5 mm的圆形低回声病灶，中心为(z, x)=(25, 3) mm。成像场中还有6个点目标，呈深度为22、25和28 mm的“八”字形分布，横向距离分别为1，2和3 mm。

基于相同参数使用Field Ⅱ构建维纳滤波器的脉冲$ {x}_{j,F}\left(t\right) $。根据经验，假定噪声与信号的平方谱之比为回波信号峰值的0.5％。图3为动态范围为70 dB的仿真图像。与动态聚焦（图3（a））相比，使用Coherent PB所成图像（图3（b））的横向分辨率有明显改善。在通过Coherent PB进行波束合成之前，使用前置维纳滤波器，得到CWF-PB（图3（c）），其所成图像的轴向分辨率有明显提高，同时保持了与Coherent PB相当的横向分辨率，然而损失了一定的对比度。在通过Coherent PB完成波束合成之后，使用后置比例维纳滤波器，使用子阵列平均估计噪声协方差矩阵，取u值为 16，得到CWF-ScW（图3（d）），在保持CWF-PB的较高的轴向分辨率的基础上，提高了对比度。

图  3  仿真实验结果图

其中包含6个散射点目标和1个在随机背景中的低回声囊肿。散射点呈八字状分布在深度22 mm、25 mm和28 mm处。囊肿的直径为5 mm，中心在(z, x)=(25, 3) mm。图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的，采用对数压缩，动态显示范围为70 dB。

Figure  3.  Results of simulation experiments

下载: 全尺寸图片 幻灯片

为了进行更详细的比较，我们计算了低回声病灶区域的对比度，并在图4和图5中分别绘制了近场、中场、远场的点目标的横向和轴向波束剖面图。上述结果表明，本方法可以实现空间分辨率、图像对比度的显著改善，点目标主瓣较窄，且旁瓣水平较低。表1总结了各深度的横向与轴向的FWHM和CR、CNR。

图  4  仿真实验中3个深度处的点目标的波束横向剖面图

图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的。

Figure  4.  Transverse cross-sections of beams at 3 depths in simulation experiments

下载: 全尺寸图片 幻灯片

图  5  仿真实验中3个深度处的点目标的波束轴向剖面图

图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的。

Figure  5.  Transverse axial-sections of beams at 3 depths in simulation experiments

下载: 全尺寸图片 幻灯片

表  1  仿真实验的分辨率及对比度

Table  1.  Resolution and contrast of simulation experiments

波束合成器	横向FWHM位于/mm				轴向FWHM位于/mm			CR	CNR
	22	25	28		22	25	28
Dyn. foc.	0.228	0.443	0.533		0.307	0.292	0.307	0.208	1.306
Coherent PB	0.234	0.264	0.276		0.239	0.249	0.263	0.333	1.799
CWF-PB	0.198	0.258	0.258		0.183	0.173	0.175	0.189	1.067
CWF-ScW	0.198	0.258	0.258		0.168	0.173	0.185	0.298	1.385

下载: 导出CSV 

| 显示表格

2.3   仿体成像

我们使用Verasonics Vantage 256系统和L11-5v换能器在多功能多组织超声模型（Model 040 GSE，CIRS Inc.，Norfolk，VA，USA）上评估波束合成器。体模内衰减系数斜率为0.5 dB/cm·MHz，声速（1540±10）m/s。扫描病灶为直径为8 mm的高回声圆形目标，其中左侧高回声目标的对比度为+6 dB，右侧高回声目标的对比度大于+15 dB。

图6为在相同的仿体数据上分别应用Dyn.foc.、Coherent PB、CWF-PB和CWF-ScW的实验结果。其中CWF-PB及CWF-ScW的$ {x}_{j,F}\left(t\right) $仍使用Field Ⅱ生成，并假定噪声与信号的平方谱之比为回波信号峰值的0.5％。CWF-ScW的u值取24。结果表明，Coherent PB（图6（b））仍表现出优于Dyn.foc.（图6（a））的横向分辨率。CWF-PB（图6（c））的横向分辨率水平与Coherent PB基本保持一致，而显著提高了成像的轴向分辨率。施加后置维纳滤波器后，CWF-ScW（图6（d））可在保持CWF-PB分辨率的基础上，进一步改善图像对比度。若使用白噪声假设的场模型，则仍可能在高亮点目标附近出现与CF方法类似的暗区伪影，而本文使用空间平滑近似估计噪声协方差矩阵，其所成图像中没有暗区伪影。

图  6  仿体实验结果图

其中包含2个高回声圆形目标及若干点目标。图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的，采用对数压缩，动态显示范围为70 dB。

Figure  6.  Results of phantom experiments

下载: 全尺寸图片 幻灯片

我们计算了图6中右侧高回声囊肿（中心$ (z,x)=\left(\mathrm{32,3}\right) $mm）区域的对比度，并在图7和图8中分别绘制了近场（图6（a）中A点处）、中场（图6（a）中B点处）、远场（图6（a）中C点处）的点目标的横向和轴向波束剖面图。上述结果表明，本方法可以实现空间分辨率（尤其是轴向分辨率）及图像对比度的显著改善，点目标主瓣较窄，且旁瓣水平较低。表2总结了各波束合成器在不同深度的横向与轴向的FWHM，以及高回声目标区域的CR和CNR。

图  7  仿体实验中3个深度处的点目标的波束横向剖面图

图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的。

Figure  7.  Transverse cross-sections of beams at 3 depths in phantom experiments

下载: 全尺寸图片 幻灯片

图  8  仿体实验中3个深度处的点目标的波束轴向剖面图

图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的。

Figure  8.  Transverse axial-sections of beams at 3 depths in phantom experiments

下载: 全尺寸图片 幻灯片

表  2  仿体实验的分辨率及对比度

Table  2.  Resolution and contrast of phantom experiments

波束合成器	横向FWHM位于				轴向FWHM位于			CR	CNR
	A点	B点	C点		A点	B点	C点
Dyn. foc.	0.276	0.413	0.629		0.347	0.410	0.484	0.141	0.871
Coherent PB	0.234	0.306	0.401		0.401	0.437	0.447	0.147	1.015
CWF-PB	0.228	0.306	0.420		0.288	0.286	0.337	0.148	1.005
CWF-ScW	0.240	0.300	0.407		0.296	0.278	0.330	0.187	1.147

下载: 导出CSV 

| 显示表格

2.4   人体颈动脉成像

我们使用Verasonics Vantage 256系统和L11-5v换能器扫描了人体颈动脉结构，通过在体数据比较各波束合成器的成像质量。

图9为在相同的在体颈动脉数据上分别应用上述4种波束合成器的实验结果，其余设置与仿体相同。CWF-ScW的u值取 24。结果表明，本文所提出的改进方法在仍表现出较大的性能优势。与Dyn.foc.（图9（a））相比，Coherent PB（图9（b））在很大程度上改善了图像的分辨率。在Coherent PB的基础上，CWF-PB（图9（c））的图像显示出更好的轴向分辨率（图中橙色箭头处，筋膜变薄）。此外，CWF-PB更好地保留了在体结构信息及背景散斑纹理（图中绿色箭头处，血管壁连接更完整），并去除了图像的部分噪声和伪影（图中红色箭头处，颈动脉管内噪声减少）。而CWF-ScW（图9（d））则进一步改善了图像质量，所成图像中的噪声、伪影明显减少，对比度提升明显（图中红色箭头处），且关键信息保留完整（图中绿色箭头处）。随着超声成像质量的提高，其应用于临床诊断的可靠性及有效性也得到了更好的保证。基于高质量的超声图像，包括颈动脉内径长度，颈动脉内膜厚度，颈动脉粥样斑块的位置、大小及性质等^[26]在内的指标能够得到更准确、更方便的测量，从而辅助相关疾病的诊断与治疗。

图  9  在体实验结果图

扫描部位为人体颈动脉。图像是使用Dynamic focusing、Coherent PB、CWF-PB、CWF-ScW 4个波束合成器生成的，采用对数压缩，采用对数压缩，动态显示范围为70 dB。

Figure  9.  Results of in vivo experiment

下载: 全尺寸图片 幻灯片

3.   结论

本文在Coherent PB的基础上，通过前置维纳滤波器对整个阵列信号进行解卷积，在不损失Coherent PB的较高的横向分辨率和计算效率的前提下，提高了轴向分辨率；并通过后置比例维纳滤波器为阵列施加自适应权值，在保持相同水平分辨率的同时，提高了图像对比度，并进一步抑制了噪声和伪影。实验结果表明，本文方法在很大程度地改善了基于像素的相干波束合成器的成像质量，其在仿真、仿体和在体实验中的良好性能，显示了它在临床应用中的潜力。

本文利用前置维纳滤波器，对阵列信号进行了相位矫正，在未来的研究中，可以考虑继续优化前置滤波策略，从相位或幅度的角度进行更准确的矫正，使其更接近真实的回波信号；另一方面，本文所用的后置维纳滤波器主要改善了图像对比度，可以考虑改进后置滤波器，提高其抑制旁瓣、缩窄主瓣的能力，得到更好的空间分辨率；此外，可以考虑使用GPU并行运算，提高成像帧率。