[发明专利]实时超声弹性成像方法和系统

说明书

技术领域

本发明涉及超声波回波成像领域，尤其是一种实时超声弹性成像方法和系统。

背景技术

超声波回波成像技术目前已经被广泛应用于军事、医疗等领域。超声波回波成像中关于弹性成像的概念最早由Ophir等人于1991年首次提出。之后，弹性成像技术在近二十年里得到了迅猛发展，它被称为继A型、B型、D型、M型超声之后的E型模式。超声弹性成像是通过超声成像系统进行生物组织弹性参数成像，超声弹性图能够提供传统B超图像所无法反映的生物组织弹性特征，对于肿瘤检测等临床应用有非常大的帮助。由于具有易于实现、适用于实时诊断和对组织无侵害性等优点，超声弹性成像技术受到了广泛的关注。

现有的弹性成像方法中，计算位移场的方法大多基于互相关算法和改进的互相关算法，其使用的数据为RF射频数据，而不能直接使用B模式图像，由于处理RF射频数据需要很大的运算，因此造成了现有的方法计算效率低下的问题；光流法是指空间运动物体在观察成像平面上的像素运动的瞬时速度，利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。计算应变的方法大多基于最小二乘拟合算法和梯度法，使用这些方法计算出的应变，在精度方面还有提高的空间。

1998年，Negahdaripour将光流(OpticalFlow)定义为动态图像的几何变化和辐射度变化的全面表示。光流法利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的运动，表达了图像灰度在时间上的变化与景象中物体结构及其运动的关系。用于评价光流法精度的一个经典标准来自于Middlebury，其用于光流法评价的数据集有12张图像，除此之外还有Sintel和KITTI。

光流法的基本原理如下：

令I(x,y,t)表示在t时刻图像上像素(x,y)处的亮度(或颜色)，那么光流法的目的就是求出在t+1时刻的图像上，该像素相对于原来(x,y)的位移量(u,v)，用方程表示即：

I(x+u,y+v,t+1)＝I(x,y,t)(1)

其中u和v是待求解的位移量。该方程被称为BrightnessConstancyModel(亮度恒定模型)。

在经典的光流法中，一般利用一阶泰勒展开作为工具来建立图像梯度和位移之间的关系，这一步骤通常被称为线性化。具体原理如下：

假设图像的亮度是连续的，如图2的一维示例，曲线1表示frame1(帧1)中的图像，曲线2表示frame2(帧2)中的图像，待求的位移是向右的箭头对曲线进行一阶泰勒展开，其实就是假设曲线的局部是线性的，这样可以考察如图2的向右箭头、向上箭头、粗线段组成的三角形。并非是粗线段的长度，而是其斜率。这样可以得到图中所示的关系，注意负号是因为斜率其实表示的是钝角的tan值。这样一来就建立了图像的导数和位移之间的关系，注意是图像在空间上的导数，是图像在时间上的导数。

将图2中的方程用在二维的图像上，对于每个像素，可以写出以下方程：

I_xu+I_yv+I_t＝0(2)

其中，I_x和I_y是图像沿空间的x和y两个方向的导数，即图像梯度的两个分量；I_t是图像沿时间变化的导数，可以用两帧图像的差异来近似；u和v是该像素沿x和y方向的位移，也就是待求的光流未知量。该方程是BrightnessConstancyModel(亮度恒定模型)线性化的结果，被称为GradientConstraintEquation(梯度约束方程)。

需要注意的是，上面这个模型是建立在两个假设基础上：第一，图像变化是连续的；第二，位移不是很大。如果这两点假设不成立，即图像不连续且位移很大，则无法将位移和图像梯度联系起来，泰勒展开得到的近似结果将很差。在实际操作中，可以很容易使上述两个假设其成立。关于第一点假设，一般可以预先对图像进行高斯平滑，使其变化较为平缓；关于第二点假设，一般对图像降分辨率建立金字塔，通过Coarse-To-Fine(由粗到精)的方式去求解。