[发明专利]一种血管组织位移估算方法

说明书

技术领域

本发明涉及一种超声弹性成像技术领域，特别是关于一种血管组织位移估算方法。

背景技术

人体中大量生理和病理过程往往伴随着组织弹性的变化，因此，弹性是反应生物组织的一个重要特征。中风是一项高致死、致残性疾病，80%的中风是由血管阻塞和局部贫血造成，而超过60%的局部脑组织缺血是由动脉粥样硬化易损斑块的破裂所引起。斑块的稳定性决定于其化学成分，细胞材质和新生血管形成等因素。大量研究指出，具有特定形态的斑块，即有较大的脂质核，外面覆盖一层较薄纤维帽，且突入血管内部的斑块，更容易在搏动的血压作用下破裂进而导致血栓形成。斑块的不同成分在弹性特性上有明显差别。因此超声弹性成像为确定斑块的成分，并推断其易损性提供了一种可能的方法。弹性成像通常通过检测组织对于各种外源/内源性机械性激励的响应来确定组织的弹性特征。

压缩弹性成像由J.Ophir等人于1991年提出，具有分辨率高、成本低并易于和现有的超声设备结合等优点。如图1所示，其基本原理为：采集机械激励（静态或准静态）前后的两帧超声射频信号，利用时间延迟（time delay）估计子估计出组织压缩前后的位移，随后通过计算位移场的一阶差分得到组织的应变图（strain image），即弹性图（elastogram）。由于不同硬度的组织呈现不同应变，弹性图能够反映组织的硬度分布。这里的机械激励可以是外源的，比如由压缩板对组织施加的一定压缩量（如图1所示）；也可以是内源的，比如心肌的主动收缩，或搏动血压引起的血管形变。

自J.Ophir等提出基于射频信号相关分析的弹性成像算法以来，许多弹性成像算法不断发展起来。总体上讲，超声弹性成像算法可以分为两大类型：一类是基于梯度运算的应变估计算法，即先对组织的位移进行估计，然后对位移估计做差分处理，得到组织的应变分布，如时域互相关算法、相位检测法、过零点跟踪法等；另一类是直接的应变估计算法，不以组织位移为中间估计值，直接得到组织的应变分布，如自适应伸展算法、谱相关算法等。在这些方法中，时域互相关法由于其较强的抗噪能力成为一种最基本的方法，其基本出发点是互相关函数峰值的偏移量可用于跟踪组织的变形。基础的互相关方法是计算某数据窗长度内压缩前信号与压缩后回波信号互相关系数，然后计算出该互相关系数的峰值点相对于零点的偏移量，即为两段信号在时域上的相对位移，并以此作为它们所表达的组织单元的相对位移。当组织的局部位移完全确定后，对位移值进行差分运算即可得到组织的应变分布。

这种简单的互相关位移估计方法在一些体积较大，结构相对简单的组织弹性成像中达到了较好的效果。但是在血管和斑块弹性成像过程通常具有组织运动复杂，动态性强，易受各种伪影和噪声的干扰等实际问题。因此，传统的一维互相关算法在估计颈动脉血管和斑块的位移时效果不甚理想，并且受伪峰误差干扰较严重。

互相关算法所使用的数据窗长度是决定位移估计效果的重要参数。当组织仅存在刚体运动时，使用较长的射频信号将有利于改善估计的效果。但当存在变形时，由应变引起的信号去相关将降低时延估计子的性能，增大估计方差。所以，理论上讲，在应变存在的条件下，使用若干个波长左右的短数据窗有利于降低位移估计的方差，并有助于改善位移场的分辨率。但是在实际中，较短的数据窗容易受到伪峰误差的干扰，并引入大量椒盐状噪声。

发明内容

针对上述问题，本发明的目的是提供一种能提高分辨率、降低方差，并有效减少伪峰的血管组织位移估算方法。

为实现上述目的，本发明采取以下技术方案：一种血管组织位移估算方法，其包括以下步骤：1）由已有设备采集到对血管组织压缩前的射频信号和压缩后的射频信号，以压缩点为中心，对压缩前和压缩后的射频信号采用大数据窗进行互相关分析，得到压缩前的大数据窗与压缩后的大数据窗之间的互相关函数；2）对由步骤1）得到的相关函数进行相关滤波，得到综合相关函数，再利用综合相关函数计算大数据窗时射频信号的位移d1；3）利用信号再相关方法，根据步骤2）中位移d1对组织压缩后的射频信号进行拉伸补偿，用拉伸补偿后的射频信号替代原有的压缩后射频信号，重建组织压缩后的射频信号与压缩前信号的相关性；4）采用小数据窗对经步骤3）再相关后的射频信号与压缩前的射频信号进行互相关分析，得到压缩后小数据窗的残余位移d2；5）将由步骤2）大数据窗位移估计得到的位移d1与步骤4）小数据窗位移估计得到的位移d2叠加，得到最终的位移场。