用于超声衰减系数估计的系统和方法

相关申请的交叉引用

本申请要求于2019年1月4日提交的题为“用于超声衰减系数估计的系统和方法”的美国临时专利申请序列号62/788,430的权益，其整体通过引用并入本文中。

背景技术

超声衰减系数估计(“ACE”)对许多临床应用具有潜在价值，包括区分肿瘤和量化肝脏中的脂肪含量。例如，在脂肪含量检测的非限制性示例中，脂肪滴在肝脏中的积累会导致脂肪变性，并且在许多情况下，脂肪变性可能发展为纤维化、肝硬化、肝衰竭或肝细胞癌。在肝脏超声传播过程中脂肪含量会增加超声衰减；因此，超声衰减系数可以成为量化肝脏脂肪的有用参数。与黄金标准、肝脏活检相比，ACE提供了无创且可重复的测量，这对初始筛查和后续检查都很重要。因此，准确的ACE在脂肪肝检测和评估中具有临床实用性。

超声ACE方法的示例包括频谱移位法和参考体模法。频谱移位法估计中心频率沿深度下移。另一方面，参考体模法使用经过良好校准的体模来归一化所有系统依赖效应，诸如聚焦、时间增益补偿(“TGC”)和衍射，然后估计频率随深度的衰减率。

发明内容

本公开通过提供使用超声系统估计超声衰减系数数据的方法来克服上述缺点。将信号功率谱数据和噪音功率谱数据提供给计算机系统。使用信号功率谱数据和噪音功率谱数据来计算信噪比(SNR)数据。使用SNR数据来估计频率带宽，并且使用SNR数据来估计超声深度设置。然后使用频率带宽和超声深度设置采集超声数据，并从超声数据中估计出衰减系数数据。

本公开的另一个方面是提供一种使用超声系统生成仰角聚焦归一化数据的方法。利用超声系统获取第一数据。第一数据是利用第一仰角聚焦设置和第一侧向聚焦设置采集的。利用超声系统获取第二数据。第二数据是在第一仰角聚焦设置和第二侧向聚焦设置下采集的，该第二侧向聚焦设置与第一侧向聚焦设置不同。然后，通过使用第一数据对第二数据进行归一化来生成仰角聚焦的归一化数据。

本公开的上述和其他方面及优点将通过以下描述而显现。在描述中，参考构成本说明书的一部分的附图，其中通过图示的方式示出了优选实施方式。然而，此实施方式未必代表本发明的全部范围，因此，参考权利要求和本文来解释本发明的范围。

附图说明

图1是阐述计算SNR并将SNR作为质量度量用于自适应限制超声衰减系数估计中频率分量深度范围的示例方法步骤的流程图。

图2是背散射信号(红色虚线曲线)和噪音(蓝色虚线曲线)的功率谱(以10为底的对数域)的示例。

图3是在三个示例频率(即5MHz、6MHz和7MHz)下沿深度测量的频率功率衰变曲线(实心曲线)的示例。相应的噪音功率随深度的变化显示为虚线曲线。

图4是作为频率(y轴)和深度(x轴)函数的2D SNR图(对数域)的示例。白色虚线曲线表示SNR大于零的区域。

图5是阐述仰角聚焦归一化的示例方法的步骤的流程图。

图6是获取50帧B模式图像后的奇异值分布的示例。红点表示截止阶数选择的非限制性示例。

图7是没有(蓝色曲线)和有(红色曲线)SVD杂波滤波器的背散射信号的功率谱示例。

图8是可实现本公开中描述的方法的示例的超声系统的框图。

具体实施方式

本文描述的是用于改进超声衰减系数估计(“ACE”)技术的系统和方法。在一个方面，可以通过使用信噪比(“SNR”)作为限制ACE的深度范围的质量控制度量来抑制噪音。这样，每个频率分量的适当深度范围可以在足够的ACE的SNR的情况下自适应地改变。在另一方面，在估计衰减系数时，侧向聚焦减少和仰角聚焦归一化可用于减少与衍射效应相关的误差。在另一个方面，提供了用于抑制ACE技术中的噪音的方法。根据从没有超声发射的情况下获得的测量结果计算的噪音场，根据连续图像帧的唯一组合，根据奇异值分解(“SVD”)杂波滤波截止值，或它们的组合，可任意抑制噪音。

在超声成像中，ACE的背散射超声信号的频谱可以被建模为纯信号和噪音的频谱之和：

Y(f)＝S(f)+N(f) (1)；

其中，Y(f)是测量频谱，S(f)是纯信号频谱，N(f)是噪音频谱。然后，背散射信号的频率功率谱可以计算为：

|Y(f)|

其中*表示复共轭。因为噪音和纯信号是不相关的，所以S(f)N(f)

|Y(f)|

如果可以测量噪音功率谱|N(f)|

|S(f)|

如前所述，在本公开的一些方面，提供了一种用于ACE的方法，其中SNR作为质量度量用于自适应限制ACE中频率分量的深度范围。现在参考图1，流程图示出了计算SNR并将SNR作为质量度量用于自适应限制超声衰减系数估计中频率分量的深度范围的示例方法的步骤。

该方法包括向计算机系统提供信号功率谱数据，如步骤102所示。信号功率谱数据可包括测量的信号功率谱，|Y(f)|

该方法还包括向计算机系统提供噪音功率谱数据，|N(f)|

通过使用信号功率谱数据和噪音功率谱数据，计算出一个或多个SNR值，如步骤106所示。一个或多个SNR值表明噪音功率谱中所包含的噪音量。一个或多个SNR值用频率函数计算。作为示例，SNR值可以计算为：

作为另一个示例，SNR值可以被计算为SNR(对数域)。

SNR

SNR

通过使用一个或多个SNR值，确定后续ACE技术的频率带宽，如步骤108所示。作为示例，确定频率带宽可以包括计算或以其他方式确定频率带宽的上界和下界。例如，可以应用阈值来限定频率带宽的最小和最大边界。作为示例，可以使用以下SNR阈值：

SNR(f)≥1或SNR

使用确定的频率带宽，可以为ACE确定深度设置，如步骤110所示。例如，深度设置可以通过分析频率衰变曲线与相应的噪音曲线来确定。作为另一个示例，频率带宽和深度设置可以通过分析SNR图来确定。在这些示例中，从SNR值可以生成SNR图(例如，二维SNR图)。此SNR图表明SNR值是频率和深度的函数。

然后可以通过使用确定的频率带宽和深度设置操作超声系统来采集超声数据，如步骤112所示。如决策块114所示，这个过程可以反复进行，因此根据上述方法处理采集的超声数据，以自适应性地更新频率带宽、深度设置或两者。例如，通过计算、估计、提取或以其他方式从采集的超声数据中确定这些数据提供信号功率谱数据和噪音功率谱数据，并且这些信号功率谱数据和噪音功率谱数据按如上所述方式进行处理，以估计新的频率带宽和深度设置参数。然后可以从采集的超声数据中估计超声衰减系数，如步骤116所示。使用估计衰减系数，可以生成一个或多个衰减系数图，以显示给用户、储存起来供以后使用或处理，或两者。

图2示出了信号功率谱数据和噪音功率谱数据的示例。具体来说，图2显示在6cm深度背散射信号(红色虚线曲线)和噪音(蓝色虚线曲线)的功率谱(以10为底的对数域)的示例。红色实心曲线示出了纯信号功率谱(以10为底的对数域)。在图2所示的示例中，等式(7)中的SNR阈值可以用来限定测量的信号功率谱|Y(f)|

在实践中，测量的超声信号功率谱通常沿深度变化。图3示出了在三个示例的频率(5MHz、6MHz和7MHz)下沿深度测量的频率功率衰变曲线的示例。此外，相应的噪音功率随深度的变化显示为虚线曲线。由于时间增益补偿的原因，噪音功率随深度增加。从图3中，通过比较频率衰变曲线和它们相应的噪音曲线，可以计算出在每个频率和每个深度下频率-深度依赖的SNR。因此，SNR也可用于自适应地限制每个频率分量的适当深度范围，并为ACE提供足够的SNR。

在图3的示例中，使用等式(7)中的SNR阈值，ACE可以依赖以下深度范围。对于5MHz，图中的整个深度区域都可以用于ACE。对于6MHz，ACE的深度范围可以大致选自0.5cm至7cm。并且对于7MHz，ACE的深度范围可以大致选自0.5cm至6cm。

图4示出了频率-深度依赖的SNR(在对数域中)的二维图的示例。在此示例中，Y轴是频率，f，X轴是深度，z。如上所述，SNR可用于确定每个频率下的有效深度范围，或确定某些深度下的有效频率带宽，或同时确定用于ACE的两者。在非限制性的示例中，SNR大于零的区域被选择作为更可靠的ACE的频率带宽和深度区域，如图4中的白色虚线曲线所标示。

如前所述，在本公开的一些方面，提供了一种用于ACE的方法，其中仰角聚焦归一化用于减少衍射效应，否则会降低ACE的准确性。在一些超声ACE方法中，可以通过取这两个频率之间的功率比来归一化来自两个接近的频率的数据。这种归一化可以在假设这两个接近的频率的衍射效应相等的情况下进行。然而，这个假设并不是在所有情况下都准确。例如，这个假设对于具有强聚焦和大f数的应用是不准确的。

更为普遍的是，光束衍射图案会在不同频率下沿着深度迅速变化，并且不能完全消除。在这些情况下，残留的衍射效应会影响ACE的准确性。作为一个示例，此问题可以通过将聚焦位置放在深度范围之外来解决。一般来说，也可以调整侧向聚焦来实现此解决方案。作为另一个示例，可以在设置不同深度位置的侧向聚焦下获取多个超声图像帧。然后，可以对多个超声帧进行平均，或对从这些帧中获取的功率谱进行平均，以减少侧向聚焦效应。然而，对于许多临床换能器来说，仰角聚焦通常是固定的，这使得这些系统中的深度范围选择并不灵活。因此，本公开的系统和方法可以提供一种有效的方法，使不可调整的仰角聚焦效应归一化，以便更灵活地选择ACE的深度范围。

现在参考图5，流程图示出了仰角聚焦归一化的示例方法的步骤。该方法包括获取第一超声数据，如步骤502所示。例如，第一超声数据可以是第一帧B模式数据。特别是，与仰角聚焦相吻合的侧向聚焦获取第一超声数据。此外，应使用相同的侧向f数和仰角f数来获取第一超声数据。以侧向聚焦和仰角聚焦设置为6cm为例，可以假设

D

其中，D

此方法包括获取第二超声数据，如步骤504所示。例如，第二超声数据可以是第二帧B模式数据。特别是，除了为第二超声数据设置不同的侧向聚焦位置外，使用与第一超声数据相同的换能器和采集参数设置来获取第二超声数据。通常，第二帧的侧向聚焦可以设置在ACE深度范围之外，以减少衍射影响。例如，对于5-8cm深度的ACE深度范围，可以使用4cm深度的侧向聚焦。因此，在某些情况下，可以使用上述方法选择ACE深度范围，然后在此选择用于第二超声数据的采集参数。第二超声数据的总衍射为：

D

在实践中，第一超声数据和第二超声数据可以以任何顺序获得(即不需要在第二超声数据之前获得第一超声数据)。然后，如步骤506所示，可以对仰角聚焦效应进行归一化处理。例如，仰角聚焦效应可以被归一化为：

通过使用这种归一化，衍射图案在深度范围之外的深度(如本示例中的4cm)有平方侧向聚焦效应，并且取消仰角聚焦效应。因为侧向聚焦是在ACE深度范围之外，它对ACE准确性的影响是最小的。本领域的技术人员会认识到，仰角聚焦归一化可以适用于ACE以外的应用，诸如其他组织特性估计，包括背散射系数、有效散射直径和有效声浓度。

除上述方法外，还可以减少由于污染ACE信号的噪音造成的偏差。这样的方法可以被称为“抑制噪音”或“降噪”。本文描述的是一些示例方法是有效测量和抑制背散射信号功率谱数据中的噪音以获得更准确的ACE。

作为一个示例，噪音场可以通过关闭换能器的发射和接收来与ACE信号采集相同的超声系统配置进行实验测量。该方法直接测量超声系统的本底噪音，作为对噪音偏差的一种估计。然后从背散射信号功率谱可以减去噪音功率谱，用等式得到纯信号功率谱：(4)。图2示出了测量的信号和噪音功率谱(在对数域中)的示例(红色虚线曲线：测量的信号；蓝色虚线曲线：测量的噪音)。然后，可以从频谱中每个频率的背散射信号功率中减去噪音功率得到纯信号功率谱，|S(f)|

作为另一个示例，可以通过连续获取两帧超声B模式数据来测量噪音偏差，如：

Y

Y

如果两个超声帧之间的交错时间间隔最小，且成像对象相对静止，那么可以推定S

Y

等式(12)和(13)相减得到：

Y

等式(14)和(15)的功率谱可以计算为：

|Y

并且

|Y

等式(16)和(17)含有相同的噪音功率量，因此纯信号功率谱可以估计为：

作为又另一个示例，杂波滤波器(诸如那些用于超声多普勒成像(例如，奇异值分解(“SVD”)杂波滤波器))可用于抑制ACE中的噪音。例如，可以连续获得多个B模式图像进行SVD处理。图6示出了获取50帧B模式图像后的奇异值分布的示例。通常，高阶奇异值主要对应于噪音。

可以选择截止阶数(图6中的红点)，以便在ACE分析之前过滤掉对应于超过给定截止阶数的奇异值阶数的信号。图7示出了没有(蓝色曲线)和有(红色曲线)SVD杂波滤波器的背散射信号的功率谱示例。测量的ACE功率谱中的噪音已经被杂波滤波器所抑制。SVD杂波滤波器的示例在共同待审的国际专利申请申请号PCT/US2017/016190中有所描述，其整体通过引用并入本文。

另一“噪音”的示例是由于背散射信号的建设性和破坏性干扰而产生的斑点噪音。斑点噪音导致归一化频谱上的振荡，从而破坏了ACE的准确性。为了提高ACE的估计准确性，可以通过对多条A线的功率谱进行平均来减少斑点噪音的效应。作为一个示例，可以在一个相对均匀的区域内从一个超声帧中侧向选择A线。在另一个示例中，当病人自由呼吸目标解剖结构(如肝脏)移动时，可以获得对应于不同区域(因此是不同散射)的多个超声帧。然后，可以使用来自同一帧内不同侧向位置的A线，或来自不同超声帧的A线，或两者都使用，进行A线平均化。

图8示出了可以实现本公开中所描述的方法的超声系统800的示例。超声系统800包括换能器阵列802，换能器阵列802包括多个分别驱动的换能器元件804。换能器阵列802可包括任何合适的超声换能器阵列，包括线性阵列、曲线阵列、相控阵列等等。类似地，换能器阵列802可包括1D换能器、1.5D换能器、1.75D换能器、2D换能器、3D换能器等。

当被发射器806激励时，给定的换能器元件804产生一阵超声能量。从被研究的对象或受试者反射回换能器阵列802的超声能量(例如，回波)由各个换能器元件804转换成电信号(例如，回波信号)，并且可以通过一组开关810分别施加到接收器808。发射器806、接收器808和开关810在控制器412的控制下操作，控制器812可包括一个或多个处理器。作为一个示例，控制器812可包括计算机系统。

发射器806可被编程以发射非聚焦或聚焦的超声波。在一些配置中，发射器806也可以被编程以发射发散波、球面波、圆柱波、平面波、或其组合。此外，发射器806可被编程以发射空间或时间编码的脉冲。

接收器808可被编程以对手头的成像任务执行合适的检测序列。在一些实施方式中，检测序列可包括逐行扫描、复合平面波成像、合成孔径成像和复合发散光束成像中的一个或多个。

在一些配置中，发射器806和接收器808可被编程以实现高帧频(high framerate)。例如，可实现与至少100Hz的采集脉冲重复频率(“PRF”)相关联的帧频。在一些配置中，超声系统800可在时间方向上采样和存储至少一百组回波信号。

可以对控制器812进行编程，以使用本公开内容中描述的技术或本领域中已知的其他方法设计采集序列。在一些实施方式中，控制器812接收用户输入，用户输入定义在采集序列的设计中使用的各种因素。在一些示例中，可以使用平面波超声采集来采集超声数据。在其他示例中，可以使用实施一个或多个聚焦超声光束的采集方案来采集超声数据。根据本领域技术人员的知识，还可以使用其他采集超声数据的示例。

可通过将开关810设置到它们的发射位置来执行扫描，从而根据采集序列在单个发射事件期间指示发射器806暂时被导通以激励换能器元件804。然后可将开关810设置到它们的接收位置并且测量由换能器元件804响应于一个或多个检测到的回波而产生的后续回波信号并且将后续回波信号施加到接收器808。来自换能器元件804的各个回波信号可在接收器808中进行组合以产生单个回波信号。

回波信号被传送到处理单元814，以处理回波信号或从回波信号生成的图像，处理单元814可由硬件处理器和存储器实现。作为示例，处理单元814可以使用采集参数(例如，频率带宽和深度)采集超声数据，这些参数是是本公开所描述的方法确定的。作为另一个示例，处理单元814可以估计衰减系数值，并从使用本公开所描述的方法采集的数据中生成衰减系数图。作为另一个示例，处理单元814可以使用本公开所描述的方法生成仰角聚焦归一化数据。处理单元814还可以使用本公开所描述的方法生成降噪或抑制噪音的数据。由处理单元814的回波信号产生的图像可以显示在显示系统816上。

本公开已经描述了一个或多个优选实施方式，并且应当理解，除了明确说明的那些之外的许多等效例、替代例、变化例和修改例是可能的并且在本发明的范围内。