使用超声阵列换能器对障碍物后的组织和器官进行成像

本申请要求2021年6月7日提交的美国临时专利申请第63/197,932号的优先权，该申请出于所有目的通过引用结合于此，如同在此完整阐述一样。

技术领域

本发明涉及一种使用超声阵列换能器对障碍物后的组织和器官进行成像的方法。

背景技术

超声成像是一种安全、无创的医学测试，有助于医生诊断和治疗疾病。超声难以穿透骨骼和其他硬物，因此只能看到骨骼结构的外表面，而不能看到内部和后面的结构(婴儿除外，他们骨骼中的软骨比大孩子或成人更多)[3]。据报道，在脊柱融合手术和椎弓根螺钉植入过程中，用一种特殊的超声阵列进行骨超声检查，其中低频环形阵列装置用于图像引导[4]。

超声也难以对包含矿化组织(如肾结石)的感兴趣区域进行成像。例如，在出版物[5]中，定义了基于图像分割的边界和阴影，并计算了肾结石的大小。交互式视觉引导工具(呈“V”形)用于检测和空间上定义超声成像采集和显示系统视野中的肋骨阻挡[6，8]。其他阴影抑制技术也用于减少叉形图像伪影，例如，通过降低超声波束的一些转向方向的权重[7]。所有这些方法都用于识别由浅高阻抗障碍物引起的阴影或阻挡，而没有提供对胸腔和其他硬物体后面的图像的解决方案。

商用线性相控阵列换能器(或简称相控阵列)可用于对胸腔后的组织和器官进行成像[1，3]。这种换能器长度较短，因此可以沿特定方向放置在肋骨之间。所有元件都用于在每条扫描线上获得图像。因为声束以不同的角度从换能器的一侧转向另一侧，所以产生了扇形图像输出。扫描线呈扇形，导致线密度随深度而降低，从而导致分辨率和信噪比的损失。相控阵列换能器在图像外围的聚焦能力也非常有限。

本发明涉及在存在浅肋骨或其他高阻抗障碍物(例如，金属植入物)的情况下的超声成像。特别地，本发明解决了对这些障碍后面的组织和器官进行医学诊断成像中的两个迫切需要：(1)更好的分辨率和信噪比，以及(2)将超声扫描仪放置在任何位置和方向而不用担心在输出图像中产生阴影区的能力。

为了进一步提高心血管应用的图像分辨率，需要更长的超声声阵列，因为心脏器官在胸腔后的深处，而传统的相控阵列与检查深度相比长度较短。在一些其他场景中，医生有时希望从某些位置和某些方向观察特定特征，但是肋骨的存在会造成困难，因为当前的超声扫描仪不能在这些位置和方向产生可接受的图像。使用更长的超声阵列的能力和在胸腔上的任何位置和任何方向放置阵列的能力使得我们的发明对于心血管应用是有用的和理想的。

发明内容

在一个实施例中，本申请公开了一种用于对障碍物后的组织进行成像的方法，包括以下步骤：(1)提供包括至少四个有源元件的超声阵列换能器；(2)将超声波束的数据样本沿着脉冲响应曲线喷入输出图像域；(3)由唯一属性的值对脉冲响应曲线上的每个点进行合并(binning)；(4)将脉冲响应曲线上每个点处的图像值相加到与唯一属性相关联的相应部分图像体积(volume)中；(5)对所有超声波束的所有数据样本重复步骤(2)-(4)以获得多个部分图像体积；(6)按唯一属性对部分图像体积进行分类以生成公共图像点集合；以及(7)通过在所有输出位置堆叠公共图像点集合来获得组织的图像。

在另一实施例中，超声阵列换能器是线性阵列换能器、弯曲阵列换能器或相控阵列换能器。

在另一实施例中，超声阵列换能器包括不止一行有源元件。

在另一实施例中，唯一属性是超声阵列换能器上的发射器-接收器距离或图像点处的反射角。

在另一实施例中，唯一属性是超声阵列换能器上的元件位置和/或图像点处的散射方向的函数。

在另一实施例中，所述方法还包括在生成公共图像点集合之后，对每个公共图像点集合执行幅度变化扫描，并确定每个公共图像点集合上的暗区域；以及在堆叠公共图像点集合时排除所述暗区域或降低所述暗区域的权重。

在另一实施例中，当超声波束被障碍物阻挡时，因为发射能量的损失引起每个公共图像点集合上的暗区域。

在另一实施例中，通过测量包络幅度、声能级或信号相干性来确定每个公共图像点集合上的暗区域。

在另一实施例中，所述方法还包括在生成部分图像体积之后，对每个部分图像体积执行幅度变化扫描，并确定部分图像体积上的暗区域；并且在部分图像体积的后续相干合成中排除暗区域或降低暗区域的权重。

在另一实施例中，当超声波束被障碍物阻挡时，因为传输能量的损失引起每个部分图像体积上的暗区域。

在另一实施例中，通过测量包络幅度来确定部分图像体积上的暗区域。

在另一实施例中，通过测量声能级或信号相干性来确定每个部分图像体积上的暗区域。

应当理解，前面的一般描述和下面的具体实施方式都是示例性和说明性的，并且旨在提供对所要求保护的本发明的进一步解释。

附图简要说明

附图被包括进来以提供对本发明的进一步理解，并且被并入并构成本说明书的一部分，附图示出了本发明的实施例，并且与说明书一起用于解释本发明的原理。

在附图中：

图1示出了具有有源发射器的T

图2示出了公共图像点集合的形成：对于每个固定的横向位置，我们从每个部分图像体积中提取一个垂直轨迹，并将它们并排放置。波束形成的部分图像的这种组织被称为公共图像点集合。竖轴是图像深度(Z)或垂直时间。横轴是在部分图像的合并中使用的属性(H)。该属性可以是偏移或反射角度，或者任何其他有效的参数。在该图中，我们使用每个部分图像体积的索引号。在实践中，我们使用合并属性的物理值来标记横轴(例如，这幅草图中的偏移量H)。

图3示出了公共图像点集合上的暗区域的原因。骨骼位于图像域中的浅深度。顶部(近偏移)：在公共图像点集合内，实心圆是由从发射器T1到散射点并回到接收器R1的射线路径对贡献的图像。中间(中间偏移)：实心圆是由从发射器T2到散射点并回到接收器R2的射线路径对贡献的相同图像。底部(远偏移)：实心圆是由从发射器T3到散射点并回到接收器R3的射线路径对贡献的相同图像。中间偏移的射线路径对T2/R2被浅深度的骨骼阻挡，导致图像质量劣化。

图4示出了公共图像点集合的最佳堆叠。我们首先扫描公共图像集合中的暗区域(左图)。然后，我们将暗区域内的权重设置为0，外部的权重设置为1(中间)。最后，我们对公共图像点集合进行加权堆叠，以在这个位置产生一条单轨迹(右图)。

图5示出了公共图像点集合上的暗区域和在各种发射器-接收器偏移处的超声(in-sonification)差异的物理解释。(A)是输出位置在骨头正下方的情况，(B)是输出位置在骨头侧面的情况，(C)是输出位置远离骨头的情况，以及(D)是输出位置远离骨头的情况。实心点表示输出点的位置。在公共图像点集合上，虚线表示弱信号，粗实线表示强信号。S

图6是骨头和/或硬物体后面的超声成像的工作流程图。

图7示出了用于模拟的体模：白点是点散射，白线是连续反射体。

图8示出了Xc＝-9mm处一个波束的原始合成数据的显示。

图9示出了使用具有192个元件的线性阵列的两个聚焦波束图像的比较：左图(A)是来自没有任何特殊处理的基于像素的波束形成器。右图(B)是使用本公开案中公开的最佳堆叠方法的相同图像。所有显示均以60dB为单位，经过单独归一化。

具体实施方式

现在将详细参考本发明的实施例，其示例在附图中示出。

第一部分：超声波束数据的脉冲响应

超声数据的传统波束形成利用在FPGA硬件上实施的动态聚焦方法[1-2]。现代超声成像应用使用基于像素的波束形成方法[9-14]，大多在GPU硬件上实施。通过检查应用于单个数据样本的波束形成算子的空间脉冲响应，可以容易地理解所有这些方法。根据我们的定义，波束形成算子的脉冲响应是图像域中的具有有限支撑的曲线。它包含一个输入超声波束数据中的一个样本所贡献的所有可能的图像点。通过对所有输入数据样本和所有波束的所有脉冲响应求和，形成最终图像。图1示出了聚焦波束的一个脉冲响应(从X

图1中的阴影框给出了计算脉冲响应曲线及其空间支撑的公式。X

在我们的美国专利申请第63/184,174号[15]中可以找到用于任意类型的超声波束数据的脉冲响应计算的一般公式，并且其公开内容通过引用整体并入。

第二部分：障碍物后面的超声成像

2.1公共图像点集合

如图2所示，通过将固定输出位置的所有部分图像体积分类成一个集合，形成一个公共图像点集合。在波束形成期间，通过根据唯一属性的值对脉冲响应曲线(图1)上的每个点进行合并和分类，生成部分图像体积。属性可以是偏移、反射角、散射角或一些其他量(例如，数据采集设置，如序列(波束)号、平面波角度、接收器位置等)。通过堆叠所有公共图像点集合形成最终图像。

这是一种在超声波束形成中生成部分图像体积和公共图像点集合的新颖方法，所述图像点集合通过发射器到接收器偏移(在换能器级)或反射角(在图像点)进行合并和分类。通过努力，可以修改其他成像方法，以产生类似的部分图像体积和公共图像点集合。例如，可以修改地球物理学中通常使用的基尔霍夫(Kirchhoff)积分方法，以产生超声波束数据的部分图像体积和公共图像点集合。所需的修改是将每个数据样本喷到物理上可能的基尔霍夫脉冲响应曲线系列上，而不是像文献[19]中描述的喷到由固定源位置和固定接收器位置定义的单个脉冲响应曲线上。值得注意的是，如果在波束形成中使用正确的声速，则图2中的公共图像点集合应该是平坦的。在这种情况下，部分图像将相干地合成在一起，以产生具有增强的分辨率和信噪比的最终图像。

2.2共成像点集合上的暗区域

如图3所示，在公共图像点集合上看到的暗区域是由浅骨骼或其他高阻抗物体造成的，这些物体阻挡了声波从发射器到散射点或从散射点回到接收器或这两种方式的传播。在该图中，图像域是(X，Z)平面。我们看到的是一个图像点(黑色圆圈)。骨骼位于图像域中图像点上方的浅深度处。公共图像点集合(偏移地)显示在图像点(见插页)处。公共图像点集合显示了由不同的源和接收器偏移生成的相同位置的多个部分图像。首先，让我们看近偏移图像(顶部，第一插页内的黑色圆圈)。它处于对应于从发射器T1到散射点并回到接收器R1的射线路径对的偏移。这对射线路径没有被骨骼阻挡，结果，图像信号表现良好。其次，让我们看中间偏移图像(中间，第二插页内的黑色圆圈)。该圆的偏移对应于从发射器T2到散射点并回到接收器R2的射线路径对。这对射线路径被骨骼阻挡，导致图像微弱且位置错误。最后，让我们看远偏移图像(底部，第三插页内的黑色圆圈)。它处于对应于从发射器T3到散射点并回到接收器R3的射线路径对的另一偏移处。这对射线路径不会被骨骼阻挡。可以看出，图像信号很强，并且表现良好。因此，在该位置对最终图像的有用贡献来自近偏移部分图像和远偏移部分图像两者。在最终图像的形成中包括中间偏移部分图像(通过堆叠或相干合成)会降低图像质量并产生伪影。

挑战在于，随着从一个位置移动到另一位置，起作用的偏移也会改变。例如，在骨头正下方的位置，近偏移图像很差并且容易出错。在远离骨骼的另一位置，远偏移图像很差并且容易出错。这使得波束形成器很难自动避免有问题的偏移。当它们被放置在人类胸腔之上时，在商业超声扫描仪产生的图像上经常可以看到退化和伪影[3]。

2.3最佳堆叠

最终的图像是通过堆叠公共图像点集合产生的，在贡献偏移上具有最佳权重。我们使用包络幅度作为公共图像点集合上每个轨迹的能量水平的度量。我们将给定轨迹的幅度与数据体中所有轨迹的平均幅度进行比较。如果轨迹的包络幅度低于给定深度水平的平均包络幅度的某个百分比，我们在最终堆叠或相干合成中排除图像样本或降低图像样本的权重。这样做，我们排除了公共图像点集合上的暗区域，如图4所示。在该图中，左侧示出了在浅骨骼附近位置的公共图像点集合。我们将暗区域中的权重设置为0，暗区域外的权重设置为1(中间)。该位置的最终图像值是由权重之和(右图，现在是单个输出轨迹)归一化的公共图像点集合的加权和。以这种方式，被浅肋骨影响的所有射线路径要么被排除，要么被降低权重，就好像骨头首先不存在一样。然后，我们对所有公共图像点集合重复这一过程，以获得最终的图像体积。

也可以使用量化暗区域的其他度量，例如绝对幅度、能量、相干性及其任何组合。也可以使用其他加权方案，例如在暗区域内使用较小的权重，在暗区域外使用较大的权重。

重要的是要指出，在公共图像点集合上的暗区域在某个偏移或反射角范围内不是固定的。它们因位置而异。例如，在图5(A)中，在硬物体中心的正下方，在近偏移轨迹上可以看到暗区域，而远偏移轨迹通过下冲(undershooting)而得到了充分的超声(in-sonification)。在硬物体边缘之外的短距离处(图5，B)，暗区域出现在中间偏移范围，因为近偏移不受硬物体的影响，而远偏移能够对硬物体进行下冲。远离硬物体(图5，C)，暗区域处于远偏移范围，因为远偏移射线路径对的一条边可能被硬物体阻挡。如果移动到离硬物体更远的地方(图5，D)，在公共图像点集合上就不会有暗区域，因为所有的偏移都得到了充分的超声(in-sonification)，没有任何硬物体的阻挡。所有已知的相干合成方法都不能进行这种重要的区分[16-18]。

本公开中推荐的实施工作流程包括以下步骤(图6)：

1.决定生成部分图像和公共图像点集合的策略(即偏移地合并和分类反射角或某个其他属性)。

2.将输入超声波束的数据样本喷射到其图像域中的脉冲响应曲线上。喷射多个输入超声波束，并且每个输入超声波束包括多个数据样本。对于脉冲响应曲线上的每个点，确定唯一属性的值。对于该数据样本对按照唯一属性被合并和分类的所有可能的部分图像体积的贡献进行求和。

3.对所有数据样本和所有超声波束重复步骤2。

4.将部分图像体积分类成公共图像点集合。

5.扫描所有公共图像点集合以寻找暗区域。将暗区域内的权重设置为0，将暗区域外的权重设置为1(或者根据加权策略的一些其他值)。

6.对公共图像点集合执行加权堆叠，以产生最终图像。

该工作流程适用于所有超声数据采集配置：聚焦波束、发散波束、平面波、合成孔径雷达和其他波束类型[15]。它也适用于所有的波束形成方法，可能有显著的修改，只要它们能够生成期望的公共图像点集合。例如，我们在本公开案中公开了对基尔霍夫积分方法的修改，用于为超声波束数据生成公共图像点集合。

我们通常使用发射器和接收器之间的距离(即偏移)作为分类属性。我们有时也使用图像点的反射角作为另一分类属性。如果用偏移作为分类属性，则公共图像点集合称为“偏移集合”。如果用反射角作为分类属性，则公共图像点集合称为“角度集合”。我们还在本公开案中公开了生成其他类型的公共图像点集合(“其他集合”)的方法。

第三部分：图像示例

3.1回波数据模拟

我们使用来自超声工具箱(USTB,https://www.ustb.co)的修改版本的菲涅尔模拟器来生成数字超声波束数据。该模拟器的使用受引用规则的约束。我们真诚地感谢作者将其公之于众[20]。该模拟器基于线性时不变(LTI)系统中矩形换能器的声波衍射的菲涅尔近似。模拟器的输入包括体模规格、换能器规格和波形规格。该模拟中使用的体模包含(图7)：

·两个矩形框，深度范围在7-9mm之间，

·20mm、40mm、60mm和80mm深度的4个平面连续反射器，

·半径为8mm、深度为70mm的高回声目标和半径为6mm、深度为50mm的第二高回声目标，

·深度为30mm的一行散射点和模型中心的一列散射点。

在该模拟中使用的换能器是具有192个元件(0.3mm间距)的线性阵列，并且每个元件具有0.27mm的宽度和5mm的高度。模拟回波数据的中心频率为3MHz，有用带宽为80％，采样频率为24MHz。体模中浅深度处的两个矩形框用于通过完全衰减穿过它们的来自深层组织的任何和所有反射来模拟骨骼的存在(模拟代码中的终止操作(kill operation))。

根据本申请，可以使用其他换能器，例如具有4个元件、8个元件、16个元件、32个元件、64个元件、128个元件和256个元件的换能器。用于对肋骨后面的组织和器官进行成像的现有商用线性相控阵换能器长度较短，因此它只能沿某些方向放置在肋骨之间。相反，在本申请中，可以使用不同长度的换能器，并将其放置在任何位置和方向，而不用担心在输出图像中产生阴影区。优选地，使用更长的换能器(例如，具有128、256或更多个元件)来实现更好的分辨率和信噪比。

我们用这个体模模拟了384个聚焦波束。图8示出了Xc＝-9mm处的原始波束数据。由于在该模拟中使用了长线性阵列，接收器孔径足以覆盖两块骨头(图7中的矩形框)。对于在两个骨骼上方行进的早期到达，波束数据是连续的并且表现良好。对于在两个骨骼下面行进的到达，原始波束数据上骨骼的存在是清楚可见的(输入原始数据上的两个暗区域)：左边的暗区域是由左边的浅骨骼引起的；右边的暗区域是由右边的浅骨骼引起的。在真实数据中，在暗区域内，有一些来自骨骼边缘的衍射，在此模拟中被忽略。

3.2图像比较

图9示出了相同聚焦波束数据的两幅图像的比较。成像方法和参数设置是相同的。唯一的区别在于公共图像点集合的最终堆叠。左图(A)没有对公共图像点集合上的暗区域进行特殊处理。右图(B)是排除暗区域或降低暗区域的权重的建议最佳堆叠方法。图像(B)比图像(A)在浅肋骨下面更好：(1)目标反射体更连续，目标散射更强，以及(2)水平反射体上的孔很大程度上被填充。

参考文献

[1]Richard S.C.Cobbold(2007),Foundations of Biomedical Ultrasound,Oxford University Press,pages 431-437.

[2]O.H.Schuck(1957),Variable Focus Transducer,US Patent 3,090,030,May14,1963.

[3]B.S.Hertzberg and W.D.Middleton(2016),Ultrasound:The Requisites,The Third Edition,Elsevier.Chapter 1,pages 3-31.Also at expertconsult.com.

[4]A.Manbachi and R.S.C.Cobbold(2016),Ultrasound Array for BoneSonography,US.Patent Appl No.14/893642,Filed May 23,2014.

[5]B.C.Byram,R.S.Hsi,and J.E.Tierney(2019),Advanced UltrasoundImaging Techniques for Kidney Stone Detection and Characterization,US.PatentAppl No.16/432731,Filed June 5,2019.

[6]S-W Huang,E.G.Radulescu,R.Q.Erkamp,S.Wang,K.E.Thiele,and D.Prater(2020),Rib Blockage Delineation in Anatomically Intelligent Echocardiography,US.PatentAppl No.16/836985,filed April 1,2020.

[7]D.P.Duncan and M.G.Menon(2016),Shadow Suppression in UltrasoundImaging,US.Patent Appl No.14/501482,Filed September 30,2014.

[8]J.Hansegard and E.N.Steen(2014),Ultrasound Imaging System andMethod for Identifying Data from a Shadow Region,US Patent Appl No.13/731531,Filed December 31,2012.

[9]R.E.Daigle(2009),Ultrasound Imaging System with Pixel OrientedProcessing,U.S.Patent Application No.2009/0112095 A1,April 30,2009.

[10]R.Zemp and M.F.Insana(2007),Imaging with Unfocused Regions ofFocused Ultrasound Beams,J.Acoust.So.Amer.Vol.121,pages 1491-1498.

[11]N.Q.Nguyen and Richard Q.Prager(2016),High-resolution UltrasoundImaging with Unified Pixel-Based Beamforming,IEEE Transactions on MedicalImaging,Vol.35,pages 98-108.

[12]O.M.H.Rindal(2019),Software Beamforming in Medical UltrasoundImaging-a Blessing and a Curse,Ph.D.Thesis,University of Oslo.

[13]O.M.H.Rindal,A.Rodriguez-Molares,and A.Austeng(2018),A Simple,Artifact-free,Virtual Source Model,IEEE International Ultrasonics Symposium,IUS 1-4.https:://doi.org/10.1109/ultsym.2018.8579944.

[14]D.J.Napolitano,B.D.DeBusschere,G.W.McLaughlin,L.Y.Mo,C.H.Chou,T.L.Ji,R.W.Steins(2011),Continuous Transmit Focusing Method and Apparatus forUltrasound Imaging Systems,US Patent 8,002,705,Issued Aug,2011.

[15]C.Peng,and J.Tang(2021),Acquisition and Processing of V-WaveUltrasound Data Using a Linear or Curved Array Transducer,US.Patent ApplNo.63/184174,Filed May 4,2021.

[16]C.Y.Ahn(2011),Ultrasound System and Method for Providing anUltrasound Spatial Compound Image Considering Steering Angle,US Patent ApplNo.12/874125,Filed September 1,2010.

[17]R.C.Loftman,K.F.Ustuner and C.E.Bradley(2009),Coherent ImageFormation for Dynamic Transmit Bemformation,US Patent Appl No.12/477783,FiledJune 3,2009.

[18]V.Grau and J.A.Noble(2009),Method and Computer Program forSpatial Compounding of Images,US Patent Appl No.11/988657,Filed July 14,2006.

[19]O.Yilmaz(2011),Seismic Data Analysis:Processing,Inversion andInterpretation of Seismic Data,Society of Exploration Geophysicists.

[20]A.Rodriguez-Molares,Fresnel simulator,http://www.ustb.no/examples/fresnel/.