[发明专利]一种二维综合互相关的生物组织位移估计方法

摘要

本发明涉及一种二维综合互相关的生物组织位移估计方法，属于超声弹性成像技术领域，本方法包括从组织压缩前、后的二维射频信号中分别取出第m+1条扫描线的数据，m为二维综合互相关的综合系数，从压缩前的扫描线数据中取多个小段长度为T的数据，求各小段数据与压缩后扫描线数据互相关函数，对各相关函数进行加权平均，得到二维综合互相关函数，该各互相关函数的最大值对应的位置是各段数据对应的位移，同样得到各条扫描线数据对应的组织的位移估计；本发明通过综合考虑相邻的多条扫描线数据的信息，来减小组织横向位移引入的误差，较好地实现抑制由组织横向位移引入的组织纵向位移估计及应变估计误差，从而提高组织纵向位移估计的精度。

主权项

1、一种二维综合互相关的组织位移估计方法，包括以下步骤：1)从组织压缩前、后的二维射频信号中分别取出第m+1条扫描线的数据，设为s1，m+1(n)和s2，m+1(n)，n表示该两条扫描线上的数据序号，1≤n≤nmax，n的最大值nmax 由该B型超声仪器的探查深度、发射的超声波在组织中的传播速度以及射频信号的采样频率决定，m为二维综合互相关的综合系数，m为整数；2.)从该扫描线数据s1，m+1(n)中取一小段长度为T的数据d1，m+1，其数据个数为U，U＝round(T×U1)，其中，T的单位为mm，U1代表1mm的组织对应的数据个数，由发射的超声波在组织中的传播速度以及射频信号的采样频率决定，round(·)代表四舍五入的取整操作，该数据d1，m+1的序号从n1到n1+U-1，n1在1≤n1≤U的范围内选择；在τ1到τ2确定的搜索范围内求该小段数据与扫描线数据s2，m+1(n)的互相关函数Rm+1(τ)，计算公式如下$R_{m+1}\left(\tau \right)=\frac{\underset{i=n_1}{\overset{n_1+U-1}{\Sigma }}{s}_{1,m+1}\left(i\right)s_{2,m+1}(i-\tau )}{\sqrt{\underset{i=n_1}{\overset{n_1+U-1}{\Sigma }}{s}_{1,m+1}^2\left(i\right)·\underset{i=n_1}{\overset{n_1+U-1}{\Sigma }}{s}_{2,m+1}^2(i-\tau )}}({\tau }_1\le \tau \le {\tau }_2)$ 其中i为计算过程中表示数据序号的循环变量，τ1为0，τ2为对组织施加的的压缩量，以采样数据的个数表示；3)依次从组织压缩前、后的二维射频信号中取出第m+1条扫描线的前m条和后m条扫描线的数据，即第1到m条扫描线和第m+2到2m+1条扫描线的数据，压缩前、后的扫描线数据分别设为s1，1(n)、s1，2(n)、…s1，m(n)、s1，m+2(n)、s1，m+3(n)、…、s1，2m+1(n)和s2，1(n)、s2，2(n)、…、s2，m(n)、s2，m+2(n)、s2，m+3(n)、…、s2，2m+1(n)，依次取与d1，m+1 同样长度和同样序号的一小段数据d1，1(n)、d1，2(n)、…、d1，m(n)、d1，m+2(n)、d1，m+3(n)、…、d1，2m+1(b)，利用与步骤2相同的计算方法，在τ1到τ2确定的搜索范围内分别求小段数据d1，1(n)、d1，2(n)、…、d1，m(n)、d1，m+2(n)、d1，m+3(n)、…d1，2m+1(n)与对应的压缩后的扫描线数据的互相关函数，即求d1，1(n)与s2，1(n)的互相关函数R1(τ)，求d1，2(n)与s2，2(n)的互相关函数R2(τ)，…，求d1，m(n)与s2，m(n)的互相关函数Rm(τ)，求d1，m+2(n)与s2，m+2(n)的互相关函数Rm+2(τ)，求d1，m+3(n)与s2，m+3(n)的互相关函数Rm+3(τ)，…，求d1，2m+1(n)与s2，2m+1(n)的互相关函数R2m+1(τ)；4)对步骤2-3得到的互相关函数R1(τ)、R2(τ)、…、Rm(τ)、Rm+1(τ)、Rm+2(τ)、…、R2m+1(τ)进行加权平均，得到包含了射频信号二维信息的复合的互相关函数，即二维综合互相关函数Rm+1′(τ)，计算公式如下${R_{m+1}}^{\prime }\left(\tau \right)=\underset{k=-m}{\overset{m}{\Sigma }}{\alpha }_k{R}_{m+1+k}\left(\tau \right)$ 其中，αk代表各扫描线数据对应互相关函数的权重，αk＞0(-m≤k≤m)，并且所有扫描线数据对应互相关函数的权重之和为1，即$\underset{k=-m}{\overset{m}{\Sigma }}{\alpha }_k=1;$ 5)确定该互相关函数Rm+1′(τ)的最大值对应的位置t1，t1就是数据d1，m+1在组织压缩后的位移，即s1，m+1(n)中序号从n1到n1+U-1的小段数据d1，m+1在组织压缩后移动到s2，m+1(n)中的序号从n1-t1到n1+U-1-t1的位置；6)依次从该扫描线数据s1，m+1(n)中取一小段长度为T即数据个数为U的数据d2，m+1、d3，m+1、…、dN，m+1，每段数据的序号依次错开V个采样数据，直到再错开V个采样数据将超出s1，m+1(n)的范围，按步骤2-5相同的方法依次得到各段数据对应的位移t2、t3、…、tN，其中N为小段数据的总数；则位移序列t1、t2、…、tN为第m+1条扫描线数据s1，m+1(n)对应的组织的位移估计；7)利用与步骤1-4相同的方法，依次得到第m+2、m+3、…、M-m条扫描线数据对应的组织的位移估计，其中M为表示探头的扫描线总数，由探头决定。