用于去除超声血流成像中噪声引起的偏差的系统和方法

本申请要求2018年7月19日提交的题为“用于去除超声血流成像中噪声引起的偏差的系统和方法(SYSTEMS AND METHODS FOR REMOVING NOISE-INDUCED BIAS INULTRASOUND BLOOD FLOW IMAGING)”的美国临时专利申请序列第62/700,424号的优先权，该专利申请通过引用以其整体结合于此。

本发明是在国立卫生研究院(National Institutes of Health)授予的CA214523下由政府支持完成的。政府具有本发明中的某些权利。

背景技术

超快速超声成像的出现大大促进了高帧率血流成像的发展。使用超快速超声成像可以在短时间段内采集大量的多普勒整体(Doppler ensemble)，从而极大地提高了小血管中血流的多普勒灵敏度。高帧率成像中提供的丰富的时空信息也可有益于血液信号和组织信号的分离，并且有益于稳健的组织杂波抑制，这对于高分辨率和高灵敏度的微血管成像尤其重要。但是，高帧率超声成像通常是通过传输未聚焦或弱聚焦的超声波(诸如平面波和发散波)来实现的，并且因此信噪比(SNR)和对比度噪声比(CNR)可能很快变差，尤其是在图像的中深度范围内。因此，在高帧率血流成像中抑制或拒绝此类噪声偏差对于改善小血管图像质量并促进微血管成像研究和临床应用至关重要。

发明内容

本公开通过提供一种用于从超声数据中去除噪声引起的偏差以便重建其中去除了噪声引起的偏差的描绘血流的图像的方法来解决上述缺点。方法包括利用计算机系统访问超声帧数据，该超声帧数据包含以不同的传输角度采集的超声数据的帧。然后，计算机系统通过为第一组选择第一数量的超声数据的帧来形成第一组超声帧数据，并通过为第二组选择第二数量的超声数据的帧来形成第二组超声帧数据。然后计算机系统通过合成第一组中的超声数据的帧复合来重建第一合成图像，并通过合成第二组中的超声数据的帧复合来重建第二合成图像。然后计算机系统通过对第一合成图像进行杂波滤波来产生第一血流信号数据，并通过对第二合成图像进行杂波滤波来产生第二血流信号数据。然后用计算机系统通过计算第一血流信号数据与第二血流信号数据之间的相关性来重建血流图像，该血流图像描绘了血流，在该血流图像中已经去除了噪声引起的偏差。

本公开的另一方面在于提供一种用于从超声数据中去除噪声引起的偏差以便重建其中去除了噪声引起的偏差的描绘血流的图像的方法。方法包括利用计算机系统访问利用超声系统采集的超声数据。然后，计算机系统通过为第一组选择第一数量的超声数据的帧来形成第一组超声帧数据，并通过为第二组选择第二数量的超声数据的帧来形成第二组超声帧数据，其中第一数量等于第二数量。然后，计算机系统根据第一组中的超声数据重建第一图像，并根据第二组中的超声数据重建第二图像。然后计算机系统通过对第一图像进行杂波滤波来产生第一血流信号数据，并通过对第二图像进行杂波滤波来产生第二血流信号数据。然后用计算机系统通过计算第一血流信号数据与第二血流信号数据之间的相关性来重建血流图像，该血流图像描绘血流，该血流图像中已经去除了噪声引起的偏差。

根据以下描述，本公开的上述和其他方面及优点将是显而易见的。在说明书中，参考了形成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例。然而，此实施例不一定代表本发明的全部范围，并且因此，参考权利要求和本文来解释本发明的范围。

附图说明

图1是阐述用于产生其中噪声引起的偏差已被去除或以其他方式减小的血流成像的一种示例方法的步骤的流程图。

图2是使用不同转向角进行图像合成的成像序列的示例。

图3是阐述用于产生其中噪声引起的偏差已被去除或以其他方式减小的血流成像的一种示例方法的步骤的流程图，其中实施了逐块处理。

图4是阐述用于产生其中噪声引起的偏差已被去除或以其他方式减小的血流成像的一种示例方法的步骤的流程图。

图5是其中以成对的超声数据帧来采集超声数据的成像序列的示例。

图6是其中以一系列连续的超声数据帧来采集超声数据的成像序列的示例。

图7是阐述用于产生其中噪声引起的偏差已被去除或以其他方式减小的血流成像的一种示例方法的步骤的流程图，其中实施了逐块处理。

图8是阐述用于基于相关性相位阈值化来减小残余噪声的示例方法的一般步骤的流程图。

图9A-9F示出了对功率多普勒图像进行相关性相位阈值化的示例。

图10是阐述用于基于对相关性的幅值或实部进行相关性相位阈值化来减小残余噪声的示例方法的一般步骤的流程图。

图11是阐述用于基于相关性相位阈值化和相关性幅值来减小残余噪声的示例方法的一般步骤的流程图。

图12是阐述用于基于对功率多普勒图像进行加权(例如，使用相关性相位阈值化、幅值阈值化或这两者)来减小残余噪声的示例方法的一般步骤的流程图。

图13示出了根据本公开中描述的一些实施例的使用不同的时间帧移位产生的血流图像的示例。

图14是阐述用于基于具有不同时间偏移的情况下的归一化相关性来增强慢流量信号的示例方法的一般步骤的流程图。

图15是可实现本公开中描述的方法的示例超声系统的框图。

图16是可实现本公开中描述的方法的示例计算机系统的框图。

具体实施方式

本文描述了用于从功率多普勒图像中去除由噪声引起的偏差以实现微血管图像对比度的改善的系统和方法。通常，本公开中描述的系统和方法可以显著且有效地抑制血流图像中的噪声，并因此改善血流成像技术的信噪比(“SNR”)和对比度噪声比(“CNR”)。出于减小噪声的目的，可以将本公开中描述的系统和方法有益地应用于超快超声成像技术(例如，基于平面波或基于发散波的超声成像技术)。

在一个示例中，可以通过利用来自以不同传输角度采集或合成的数据的超声图像中不相关噪声的特性来抑制噪声。在另一个示例中，噪声由于在相邻超声图像之间缺乏相关性而可以被抑制，而血流信号在给定足够高的帧率的情况下是相关的，并且可以将其提取出来以用于高质量的血流成像。如将在下文描述的，示例性实施方式也可以被组合。

如所述，本公开中描述的系统和方法去除或以其他方式减小由于噪声引起的、污染功率多普勒微血管图像的偏差。即使与传统噪声不同，这种污染图像视觉外观的偏差在一些情况下仍可以视为噪声。由本公开中描述的系统和方法产生的图像在视觉质量上显示出显著的改善，并且由于去除了偏差，其具有已被去噪的视觉外观。信号与背景之间的对比度(“CR”)可被计算为，

在功率多普勒图像中。在一些情况下，CR可以被称为“SNR”。为了简单起见，并且为了与超声成像领域的实践一致，在本公开中可以使用类似的术语，使得术语“噪声抑制(noise suppression)”和“噪声排除(noise rejection)”可以用来表示对噪声偏差的抑制，除非另有说明。

高帧率血流超声成像方法通常以不同转向角顺序地传输多个非聚焦超声波(例如，平面波或发散波)，并且然后相干地相加以不同传输角度采集的帧数据来生成具有更高的SNR、对比度和分辨率的合成图像。

本公开中描述的系统和方法修改了合成策略并利用转向角不同的图像中的噪声的不相关特性来抑制血流成像中的噪声或噪声偏差。

现在参考图1，流程图被示出为阐述用于产生降噪血流图像的示例方法的步骤。如步骤102处所指示，该方法包括向计算机系统提供超声帧数据。可以通过访问来自存储器或其他数据存储的先前采集的超声帧数据来提供超声帧数据，或者可包括用超声系统采集超声帧数据和用计算机系统访问该数据，该计算机系统是超声系统的一部分。无论如何，以不同的传输角度采集超声数据。

此类超声帧数据的示例在图2中表示，图2显示了用于合成成像的N个不同转向角的超声帧数据，其中N既可以是偶数也可以是奇数。如步骤104和112所示，将在不同的转向角的情况下采集的超声帧数据分为两个不重叠的组。作为示例，假设N是偶数，并且第一组可包含以从1到N/2的角度编号采集的N/2个帧数据，而第二组包含从(N/2)+1到N的角度编号情况下的另外N/2个帧数据。将超声帧数据分为两组的方法可以是任意的。例如，超声帧数据不需要均匀地分布在两个组中；相反，一组可包含任意数量的帧数据，而另一组包含其余的帧数据。然而，在该示例中，形成了两组超声帧数据，使得在两组之间没有帧重叠。在其他实施方式中，两组超声帧数据可以部分重叠。例如，两组超声帧数据可以具有至少一个不重叠的帧。

如步骤106和114所示，在每个组中分别执行图像合成，这意味着对于每个组，不同角度的帧数据被相干地相加，以生成合成图像或合成图像集。例如，可以使用来自第一组的帧数据来生成第一合成图像或第一合成图像集，并且可以使用第二组中的帧数据来生成第二合成图像或第二合成图像集。以此方式，将原始采集的超声数据合成为两个数据集。

对于第一合成图像和第二合成图像或此类图像集，分别在步骤108和116执行血流处理，以便执行组织杂波滤波。如步骤110所示，血流处理从第一合成图像产生第一血流信号，并且如步骤118所示，从第二合成图像产生第二血流信号。组织杂波滤波可以通过任何类型的超声杂波滤波器(包括高通时间滤波器、基于回归的滤波器、基于本征的杂波滤波器、基于SVD的滤波器等)来实现。进行杂波滤波后获得的剩余数据矩阵包括每个组的血液信号和噪声，可以用以下等式表示：

S

S

其中S

其中，N是整体(ensemble)大小(即，超声数据帧的数量)。噪声与零均值无关并且在不同转向角的帧数据之间是不相关的，并因此在从两组帧数据合成的血流信号之间也是不相关的，而组织或血液信号在空间上是相关的。因此，噪声的相关性应具有零期望，

假设信号和噪声也是不相关的，则信号和噪声(即，

所采集的超声数据可以是任何合适的形式，包括超声射频(“RF”)数据或同相正交(“IQ”)数据。在IQ数据的情况下，两个血流信号的相关通常产生复数图像，该复数图像可以在步骤122中被进一步处理以获得最终血流功率多普勒图像。在一个示例中，可以获得该复数图像的绝对值作为最终的血流功率多普勒图像。在另一示例中，可以将负值被设置为零的复数图像的实部用作最终功率多普勒图像。通常，噪声抑制量将随着整体大小的增加而增加。

本公开中描述的方法利用了来自以不同转向角获得的帧数据的合成图像之间的不相关噪声。尽管将超声帧数据分成两组的方式可以是任意的，但是分组的细节可以确定合成图像的点扩散函数(“PSF”)的形状。因此，某些分组对于减少血流成像中的不相干的伪像可能特别有利。例如，使得一个组包含前N/2个传输角度(编号1到N/2)的帧数据而另一组包含其余传输角度(编号(N/2)+1到N)的帧数据的分组在合成图像之间具有最大的传输角度差，并因此可以使与角度相关的伪像(例如，混响、摩擦发声和旁瓣)的不相干性最大化。以此方式，当执行相关操作时，可以抑制这些类型的不相干的伪像。

尽管上述方法是在空间合成成像的情境内描述的，但是它们也可以应用于其中两组数据集之间噪声不相关的其他成像策略。此类成像策略的示例包括但不限于聚焦束成像、宽束成像、区域成像、平面波成像、发散波成像、合成孔径成像或这些不同成像方法的组合。

对于不相干的伪像(例如，混响、摩擦发声和旁瓣)的抑制，考虑到两组数据集之间的PSF不同，超声成像方法可以是任意的，包括但不限于空间合成成像、聚焦束成像、宽束成像、区域成像、平面波成像、发散波成像、合成孔径成像或这些不同成像方法的组合。作为一个示例，可以使用超快速合成传输孔径(“USTA”)成像技术，其中可以将来自不同子孔径的超声信号分为不同的组，并且可以使用组之间的相关来生成微血管血流图像，其中抑制背景噪声和不相干的伪像。USTA成像技术的示例在共同未决的专利申请第16/333,861号中进行了描述，该专利申请通过引用以其整体并入本文。对于每种成像策略，可以调整成像设置(例如，转向角、焦深、F数、发射和接收光圈、接收滤波器)来修改两组数据集的PSF，以更好地抑制伪像，并因此在执行相关操作的同时提高成像分辨率。

本公开中描述的噪声抑制方法可以应用于使用任何种类的杂波滤波器而获得的血流信号，该杂波滤波器包括但不限于基于SVD的杂波滤波器。对于基于SVD的杂波滤波，本公开中描述的方法可以应用于逐块局部SVD滤波技术。

现在参考图3，图3为流程图，该流程图被示出为阐述用于在用于高分辨率血流成像的逐块局部SVD滤波中执行噪声抑制的示例方法的步骤。在步骤304和314中将步骤302中以不同转向角采集的帧数据分为两个不重叠的组。在步骤306和316中分别对两个组执行相干图像合成，以便分别生成第一合成图像超声数据集合和第二合成超声数据集合。然后，分别在步骤308和318将这些第一合成超声数据集合和第二合成超声数据集合划分为重叠的空间块。如步骤310和320处所示，在每个块中执行SVD。作为一个示例，可以利用针对组织排除性的低截止奇异值阈值的适应性确定来执行SVD。由于将通过针对每个块对血流信号进行相关来抵消噪声，因此高截止奇异值阈值的确定可能不是必需的。

如步骤324处所示，计算第一组和第二组中相对应块的相关性。然后，在步骤326中冗余地组合每个块的处理结果，以重建高质量的降噪血流图像，如步骤328处指示。

与对不具有时间延迟的两个组中的相对应帧进行相关(由等式(6)表示)相似，该方法的扩展在于，还可以在具有小时间延迟的两组信号之间计算相关性，在这种情况下等式(4)可以重写为，

其中，t是指示延迟帧的数量的整数。在这些实施方式中，帧率应该优选地被选择为足够高以确保血流信号在相关帧之间不会显著地去相关。相关结果同样是功率多普勒图像的估计。还可以将不同时间延迟(例如，t＝0,±1,±2,…)情况下的相关结果相加在一起，以进一步增强成像分辨率、SNR和CNR，为，

在一个特定示例中，t可以是0和1，功率多普勒图像可以如下获得，

与如等式(6)所指示的相比，改公式可以改善噪声抑制并增强功率多普勒图像的分辨率。

本公开中描述的噪声抑制方法也可以被并入到加速的SVD滤波技术中，诸如在共同未决的美国专利申请第US 2018/0220997号中描述的那些加速的SVD滤波技术，该专利申请通过引用以其整体并入本文。此类加速的SVD滤波技术可包括随机化SVD(“rSVD”)滤波和随机化空间下采样SVD滤波、或其组合。通过将原始超声数据分成两个集合并将使用这些加速的SVD方法中的任一者或这两者获得的血流信号相关，可以实时地实现高质量的降噪的血流成像。

本公开中描述的噪声抑制方法将具有不同传输角度的帧数据划分为两个不重叠的组。然而，将理解，超声帧数据也可以被分成大于两个的多个组。每个组优选地应包含来自特定传输角度的至少一个帧数据，并且每组中的帧数量不必相同。当每个组中仅包括一个帧数据时，像合成步骤不是必要的。在每个组中执行血流处理以排除组织杂波。然后，可以成对地执行血流信号的相关，并且可以对结果求平均以生成最终血流图像。例如，可以将N个传输角度的原始超声帧数据分为N组，其中每一组包含一个帧数据。在该示例中，在每两个组之间执行相关(总共有

尽管本公开中描述的噪声抑制方法是在二维成像的情境内描述的，但是这些方法也可以扩展到三维或甚至更高维的成像。在这些情况下，可以将三维或更高维的超声数据分成小型的组，并以与上文介绍的用于二维血流成像的相同方式进行相关，以抑制噪声以及不相干的伪像。同样，尽管在上述噪声抑制方法是在非对比血流成像的情境内描述的，但是这些方法也可以应用于对比度增强的超声成像来抑制噪声并改善图像质量。

在本公开中描述的系统和方法还提供了噪声抑制方法，该方法基于相邻超声图像帧之间的血流信号的时间相干性和噪声信号的缺乏相关性，以用于高帧率超声成像。

现在参考图4，流程图被示出为阐述用于产生降噪的血流图像的示例方法的步骤。如步骤402所指示，该方法包括向计算机系统提供超声数据。可以通过访问来自存储器或其他数据存储的先前采集的超声数据来提供超声数据，或者可包括用超声系统采集超声数据和用计算机系统访问该数据，该计算机系统是超声系统的一部分。无论如何，可以利用使用任何合适类型的成像策略的超声系统采集超声数据，这些成像策略包括但不限于：具有或不具有空间合成的平面波成像；具有或不具有空间合成的发散波成像；聚焦束超声成像；合成孔径成像；或不同成像方法的组合。

在步骤404中，应用血流处理以从原始超声数据中排除组织杂波，以便使用406处生成血流信号。作为一个示例，杂波滤波器(诸如时间高通滤波器、基于时空的杂波滤波器、基于回归的滤波器、基于本征的杂波滤波器、基于SVD的滤波器等)可以在血流处理步骤中实现。利用杂波滤波获得的血流信号通常受噪声污染，其可以表示为，

S(x，y，i)＝S

其中S

然后，如步骤408和410处所示，将血流信号S(x,y,i)的帧分为两组，其中每一组中的帧数相等。在步骤412执行两组血流信号的慢时间维度中的相关(即，在帧上的信号的共轭乘法的求和)，以便在414处产生噪声被抑制的功率多普勒图像。

在一个示例中，可以利用图5所示的成像序列连续地采集超声帧，其中以一定的重复率成对地收集超声图像，该一定的重复率可被称为整体脉冲重复频率(“ePRF”)。每对中的两个帧用于计算相关性，并具有特别小的脉冲重复间隔，以确保在两个帧之间血液信号不会很大程度地去相关。因此，每对中的帧的PRF可被称为相关PRF(“cPRF”)，其可以是每秒几百到几千帧。在该情况下，经杂波滤波的血流信号可以分为以下两组：

组1：S

组2：S

这意味着第一组包含编号为1、3、5、……、N-1的帧，而第二组包含编号为2、4、6、……、N的帧。请注意，在该情况下，原始超声数据在通过血流处理单元之前也可以先分为两组以分别地进行杂波滤波。慢时间维度上两个组(即，等式(11)和(12))之间的信号相关性可以表示为，

其中，S

如上所述，在一些情况下，随着整体大小的增加，甚至可以更好地抑制噪声。

在另一个示例中，如图6中所示，可以使用具有恒定高帧率或具有恒定PRF(例如，可以是每秒几百到数千帧)的成像序列连续地采集超声帧。在该情况下，血流信号在每两个相邻帧之间可以充分相关，而噪声总是不相关的。因此，在进行杂波滤波的情况下获得的血流信号可以按照与上述(即，等式(11)和(12))相同的方式分为两组，或者可以分为以下两组，

组1：S

组2：S

在该示例中，第一组包含编号为1、2、3、……、N-1的帧，而第二组包含编号为2、3、4、……、N的帧。如上所述，噪声由于缺乏相关性而可以被抑制，而血流信号的功率可以通过计算相关性而被保留，以获得高SNR和CNR的血流功率多普勒图像。

两组血流信号之间的时间延迟的顺序不限于一个帧，而可以是任何正数的帧(例如，2、3、4)，只要相关帧中的血流信号保持相关。还可以将不同时间延迟情况下的相关性结果相加在一起，以进一步提高成像分辨率、SNR、CNR或其组合，如，

如上所述，所采集的超声数据可以是任何合适的形式，诸如超声RF数据或IQ数据。在IQ数据的情况下，血流信号的相关通常生成复数图像，该复数图像可以如上所述被进一步处理以获得最终血流功率多普勒图像。

如上所述，本公开中描述的系统和方法可以应用于使用任何种类的组织杂波滤波器(诸如高通滤波器和基于SVD的杂波滤波器)获得的血流信号。针对基于SVD的杂波滤波，本公开中描述的系统和方法也可以有益地应用于逐块局部SVD滤波技术，以实现高分辨率和高SNR/CNR微血管成像，

现在参考图7，图7为流程图，被示出为阐述用于在用于高分辨率血流成像的逐块局部SVD滤波中执行噪声抑制的示例方法的步骤。如步骤702处所指示，该方法包括向计算机系统提供超声数据。可以通过访问来自存储器或其他数据存储的先前采集的超声数据来提供超声数据，或者可包括用超声系统采集超声数据和用计算机系统访问该数据，该计算机系统是超声系统的一部分。无论如何，可以利用超声系统使用任何合适类型的成像策略来采集超声数据，这些成像策略包括但不限于：具有或不具有空间合成的平面波成像；具有或不具有空间合成的发散波成像；聚焦束超声成像；合成孔径成像；或不同成像方法的组合。

如步骤704处所指示，将超声数据划分为在空间上重叠的空间块。如步骤706处所指示，针对每个数据块，使用SVD滤波执行血流处理。作为一个示例，可以利用对用于排除组织杂波的低截止奇异值阈值的自适应确定来实现SVD滤波。无论如何，如步骤708处所指示，血流处理使得针对每个块生成血流信号数据。然后，如步骤710和712处所指示，每个块内的血流信号在时间上被分成两个数据组。可以如上所述地将数据分为两组。

然后，如步骤714处所指示，针对每个块计算两个组之间的相关性。由于可以通过该相关操作来抑制噪声，因此高截止奇异值阈值的确定可以不是必需的。然后，在步骤716处，冗余地组合每个块的处理结果，以在718处重建全视场噪声抑制的血流功率多普勒图像。

如上所述，在本节中提出的噪声抑制方法不需要在SVD过程中确定高截止奇异值阈值。因此，该方法可以轻松地并入上述加速SVD滤波技术(包括rSVD滤波和随机化空间下采样SVD滤波，或者rSVD和随机化空间下采样滤波方法的组合)中，可以促进实时地实现高质量降噪血流成像。

与本公开中描述的其他方法类似，基于相关的噪声抑制方法也可以扩展到三维或甚至更高维的成像。这些更高维的数据可以分为两组，并以与上文介绍的用于二维血流成像的方式相同的方式进行处理来抑制噪声。同样，尽管已在非对比血流成像的情境下描述了本公开中描述的方法，但是这些方法也可以应用于对比度增强的超声成像，以用于抑制噪声并改善图像质量。

本公开中描述的系统和方法可以组合在一起来抑制血流成像中的噪声引起的偏差。在一个示例中，可以首先将基于图像合成的方法应用于原始超声数据，并且然后，在将相关帧相加以生成功率多普勒图像之前，可以执行基于相邻帧的方法。在另一个示例中，可以基于上述子组合成方法将超声数据分为两组，并且可以首先将基于相邻帧的方法应用于每组数据以用于抑制每组的噪声偏差，并且然后可以在此之后应用基于图像合成的方法以生成最终的功率多普勒图像。

上述用于去除噪声偏差的基于相关性的方法可以显著降低噪声引起的背景偏差。在信噪比非常低的一些情况下，残余噪声可能仍使小血管信号的检测变差。在这些情况下，抑制和/或排除这些残余噪声将是进一步有利的。此外，由于慢流信号有时可能微弱并且在常规血流图像中缺乏对比度，因此增强这些慢流信号对于微血管的可视化和定量也将是有利的。

因此，本公开的一方面在于提供一种用于排除血流图像中残余噪声的方法。例如，可以分析相关信号的相位和幅度(例如，绝对值)表现，并用于基于噪声和血液信号的相位和幅度的差来从微血管图像中去除残余噪声。本公开的另一方面在于提供一种用于增强微弱的慢流信号以实现微血管图像对比度的进一步改善的方法。例如，可以使用经组织杂波滤波的血流信号的归一化相关性来产生血流图像。使用该方法，背景噪声得到抑制并且有利地，可以大大增强小血管中缓慢而微弱的血流。

此处提出的方法基于我们最近的公开(梅约(Mayo)2018-048)中的先前提出的基于相关性的微血管图像去噪方法。这里的方法利用相关信号的相位和幅度来进一步抑制噪声。用新方法获得的微血管图像的示例如图1c所示，展示了通过仅使用相关性稳健的噪声抑制性能。在组织杂波滤波之后，具有相同帧数的两组血流信号被提供用于相关性计算。对于每个组，血流信号都被噪声污染，并且可以表示为：

S

其中B

原始超声数据可以在组织杂波滤波之前或之后分为多个组。如上所述，存在多种方法将超声数据分成两组。通常，应将信号分成使得两组中的血流信号充分相干，而噪声则不相关。在一个示例中，可以通过从不同的传输角度组(例如，角度-10度至-1度作为组1，并且角度1度至10度作为组2)分别合成超声帧数据来获得两组信号。在另一示例中，可以将顺序地采集的超声帧分为包含所有奇数编号的帧的一组和包含所有偶数编号的帧的另一组。在又另一个示例中，两组超声信号可以具有重叠的编号，诸如

组1：S

组2：S

这里组1包括编号为1、2、3、……、N-τ的帧，而组2包括编号为1+τ、2+τ、3+τ、……、N的帧。当τ＝1时，一个组实际上可以通过在时间方向上将另一组移位一帧来获得。使用一帧移位有利于保持血流信号的相干性，而理论上两组之间的时间移位可以是任何其他整数帧(诸如0、±1、±2、±3、……)，只要血流信号充分相关。当τ＝0时，两组信号在慢时间维度上的相关得到功率多普勒(“PD”)图像。在本公开中描述的方法中，代替于计算PD图像，执行给定的两组超声信号在慢时间维度上的相关(即，帧上的信号的共轭乘法的总和)来生成改善的微血管图像，其可以表示为：

这里N表示每个组的整体大小(例如，超声帧的总数)。在一些情况下，可以假定噪声与零均值无关并且与血流信号不相关。因此，噪声和交叉项的相关性应具有零期望。因此，等式(21)的期望给出了噪声被抑制的微血管图像的估计，

其中UMI指示超声微血管图像。对相关性(即，等式(22))的一次性估计(即，实例)可能仍然经受随机噪声，这导致当SNR低时在血流图像中观察到残余噪声。本公开的一方面在于抑制和/或排除该残余噪声以进一步改善微血管血流图像质量。

所采集的、用于相关性计算的超声数据可以是任何合适的形式，诸如超声射频(“RF”)数据或同相正交(“IQ”)数据。在一个示例中，超声数据可以是IQ数据，其中超声信号是复数值信号。在该示例中，等式(22)中的相关性可被写为：

其中Δθ(x,y,i)＝θ

这表明相关性的幅值等于IQ数据(即，复数IQ数据或RF数据的包络)的幅值的相关性。否则，|Corr(x，y)|＜Corr

其中C(x,y)是相关性的幅值，其指示两个信号之间的相似性，而ρ(x,y)是相关性的瞬时相位，其指示两个信号之间的总体相位差。瞬时相位表示将使两个信号最佳对准的相位旋转量。相关性的幅值通常用于产生血流图像。对于血流信号，当成像帧率很高时，相位去相关最小，在这种情况下，C(x,y)可以很好地表示原始信号的幅值/包络的相关性。在另一示例中，如果血流速度恒定，则可以将慢时间血流信号看作是单频调制的，其可以表示为：S(x，y，i)＝A(x，y，i)e

其中，Δt是两个时间样本的时间跨度，其等于帧率的倒数Δt＝1/fr。等式(26)类似于时间移位为τ个帧情况下血流信号的自相关。相关性的幅值Corr

对于慢流(即，ω的低值)和高帧率的情况，相关性的相位ωτΔt将很小(主要位于零附近)。但是，对于随机和独立的噪声数据，复数相关性的相位和幅值特性是不同的。假设噪声为：

两个独立噪声数据(零均值、等方差)的相关性可表示为：

噪声相关性Corr

如上所述，相干的血流信号具有小的相关性相位，而不相干的噪声具有在[-π,π]内平均分布的随机相关性相位。因此，基于噪声与血流信号之间的相关性相位差，可以设置阈值化以基于相位的差将血流信号与噪声分开。例如，血流信号的相关性相位范围可被定义为[-ρ,ρ]，其中ρ与流速相关联并且对于相干血流信号被认为很小。相关性的幅值可用于生成微血管图像。然后可以通过排除相关性相位在[ρ,π]或[-π,-ρ]范围内的图像像素来执行相位阈值化。在图8中示出了阐述用于基于相关性相位阈值化来减小残余噪声的示例方法的一般步骤的流程图。

如上所述，用于减小残余噪声的方法可被应用于通过任何组织杂波滤波器获得的超声血流信号，组织杂波滤波器包括但不限于时间高通滤波器、基于时空的滤波器、基于回归的滤波器、基于本征的杂波滤波器、基于SVD的滤波器等。本公开的一方面在于这些方法提供了与基于SVD的杂波滤波器结合使用的特定优点。

基于SVD的杂波滤波器基于信号的时空相干性来去除组织杂波：组织信号相干性最高的并且驻留在低阶大奇异值中。噪声相关性具有在[-π,π]的范围上分布的随机相位角，并且在进行基于SVD的杂波滤波之后，预期残余噪声更可能具有较大的相关性相位。在图9A-图9F中详细阐述这一点的示例。

图9A中示出了通过基于SVD的杂波滤波获得的原始功率多普勒图像，其中示出了噪声偏置使微血管结构的可视化变差。图9B示出了通过使用信号相关性的幅值而获得的血流图像，其中噪声偏差被抑制，但是残余噪声仍然可以使图像质量变差。相关性的实部和虚部的直方图分别在图9C和图9D中示出。尽管噪声的虚部对称地分布，但噪声的实部并非对称地分布。大多数实部值是负的，这意味着大部分噪声的相关性相位都位于[-π,-π/2]或[π/2,π]的范围内，如相关性相位图(图9E)和相位直方图(图9F)中所描绘。图9E和9F还揭示了血流信号具有相对较低的相关性相位，这表明与噪声相比血流信号的相干性。通过使用基于适当相位范围的阈值化(如上所述)，可以去除大多数背景噪声。可以调整截止阈值，以更好地使最终血流图像中的残余噪声和血流信号分开。低阈值角度将排除更多的噪声像素，而高阈值角度将保留更多的血流信号。

通常，所提出的相位阈值化方法可以表示为对相关性的幅值应用加权，因此最终的血流图像可以表示为：

UMI(x，y)＝w(x，y)·|Corr(x，y)|

＝w(x，y)·|C(x，y)e

＝w(x，y)·C(x，y) (29)；

其中，C(x，y)是相关性的幅值，ρ(x，y)是相关性的相位，而w(x，y)是施加到血流图像的权重，w(x，y)通常是相关性相位ρ(x，y)的函数并且可被表示为：

w(x，y)＝f{ρ(x，y)} (30)。

此种相位阈值化可以等效地表示为：当图像像素具有在阈值范围内的相关性相位时将权重w(x，y)设置为1，而当相关性相位在阈值范围外时将权重w(x，y)设置为0，为：

其中ρ

相关性的幅值通常用作血流图像。在其他情况下，当血流信号高度相干(例如，低相关性相位)时，也可以将实部用作血流图像并且具有相似的图像性能。当使用相关性的实部时，最终的血流图像可被表示为，

UMI(x，y)＝w(x，y)·Re{Corr(x，y)}

＝w(x，y)·C(x，y)cos(ρ(x，y)) (32)。

在一个示例中，当ρ

当血液流速太高或超声帧率不够高时，可能出现混叠效应。如上所述，血流信号的相关性相位随着流速而增加。通过仅基于相关性相位进行阈值化，那些快流信号可能与噪声一起被排除，这将导致在血流图像中丢失血流信号。信息的损失可能呈现为较大血管内部的“洞”。

为了减轻这种效应，在一个示例中，可以增加帧率以便增加血流信号的时间相干性，从而更好地在相位域中区分噪声和血流信号。在另一个示例中，考虑到相较于噪声的相关性幅度大血管内的快速血液信号通常具有更高的相关性幅度，该相关性幅度可用于补偿阈值化或加权过程。例如，相关性的相位和幅值两者都可用于生成权重w(x,y)，以在保留高幅值快流信号的同时去除血流图像中的噪声。在这种情况下，权重w(x,y)可被表示为相关性的相位和幅值两者的函数，

w(x，y)＝f{ρ(x，y)，C(x，y)} (33)。

在图11中示出了阐述用于基于相关性相位阈值化和相关性幅值来减小残余噪声的示例方法的一般步骤的流程图。

在一个简单示例中，权重可被设计为，

其中，C

由于时间增益补偿(“TGC”)和波束成形设置，噪声水平通常在空间上有所不同。因此，在一个示例中，幅值阈值C

w(x，y)＝J{ρ(x，y)，C(x，y)，N(x，y)} (35)；

其中N(x,y)是超声图像的噪声分布，其可以通过各种方法获得。例如，可以使用共同未决的美国专利申请公开第US 2019/0053780号中描述的方法来获得噪声分布，该申请的全部内容通过引用并入本文。作为简单示例，在生成权重w(x,y)之前应用噪声均衡，诸如在共同未决的美国专利申请公开第US 2019/0053780号中描述的那样，将等式(35)简化为，

w(x，y)＝f{ρ(x，y)，C(x，y)/N(x，y)} (36)。

此外，除了利用相关性的幅值，原始功率多普勒图像也可以用来产生等式(35)中的权重w(x,y)，为，

w(x，y)＝f{ρ(x，y)，PD(x，y)，N(x，y)} (37)

其中PD(x,y)表示血流图像的原始功率多普勒。原始功率多普勒图像也可以通过对其应用加权来使用。在该情况下，最终的血流图像可以表示为，

YMI(x，y)＝)w(x，y)·PD(x，y) (38)。

在图12中示出了阐述用于基于对功率多普勒图像进行加权(例如，使用相关性相位阈值化、幅值阈值化或这两者)来减小残余噪声的示例方法的一般步骤的流程图。

还可以应用图像滤波器(诸如中值滤波器、均值滤波器或任何其他平滑或低通滤波器)来去除通过上述任何方法获得的最终血流图像中的残余噪声，以进一步改善图像质量。

具有不同时间移位τ的相关性图像可以被组合在一起以生成最终的微血管图像。在一个示例中，可以如上所述地导出两个相关的信号，并且最终的微血管图像可以被表示为：

对于τ为任何整数,诸如0、±1、±2、……,

在执行求和之前，每个时间移位τ的微血管图像可以是复数相关图、归一化相关图的幅值、归一化相关性的实部、利用上述方法获得的噪声被抑制的图像等等。

已经参照二维成像情境描述了上述方法，但是也可以将其应用于三维甚至更高维的超声血流成像。类似地，尽管已经参照非对比血流成像描述了这些方法，但是这些方法也可以在具有微气泡的对比度增强超声成像中实现，以更好地抑制噪声。

作为减小血流图像中的残余噪声的补充或替代，本公开的一个方面在于增强血流图像中的慢流信号。如上所述，可以至少部分地基于在进行组织杂波滤波之后的血流信号组的归一化相关性来增强慢流信号。如上所述，可以选择或以其他方式形成血流信号组(例如，两个血流信号组)。使用归一化相关性来产生血流图像的优点是双重的：抑制背景噪声，并且可以显著增强小血管中的缓慢和微弱血流。对于两组经滤波的血流信号(诸如以上所述的那些)，归一化相关性可以表示为：

其可用作微血管图像。使用该技术，由于随机噪声的不相关性质，因此可以显著抑制背景噪声。由于快流运动得更快并且由此来自快流的超声回波去相关得更快，因此在时间方向上小血管中的慢流比快流固有地相干性更高。因此，由于慢流量信号更“相似”，慢流量的归一化相关系数通常将更大，这使得血流图像中小血管增强。

归一化相关性计算可应用于任何合适的数据形式，诸如RF数据和IQ数据。对于IQ数据，归一化相关性通常是复数，因此，在一个示例中，归一化相关性的幅值可用作最终的血流图像。在另一个示例中，可以通过去除所有负值来使用归一化相关性的实部。在又另一个示例中，可以应用上述去除残余噪声的方法，并因此可以获得最终的超声微血管图像,为：

UMI(x，y)＝w(x，y)·|N_Corr(x，y)| (41)；

其中，w(x,y)是应用到血流图像的权重，如上所述，它通常可以是相关相位或相关相位和幅值两者的函数。

与用于去除残余噪声的方法相似，用于增强慢流信号的方法也可以扩展为计算具有一定时间移位的信号之间的归一化相关性，

其中，τ是整数，其指示两组信号之间的帧移位数。考虑帧数的限制，等式(42)可以进一步修改为

其中包括N/N-τ的比例因子，并且τ可以是任何整数。在一个示例中，S

在图13中示出具有不同时间移位的血流图像的示例，其中归一化相关性的幅值被用作最终图像。快流随着时间移位的增加而进一步去相关，而慢流则去相关得更慢。然而，快流可以与噪声一样快速地去相关，并且在该情况下，较高的帧率将有利于更好地将背景噪声和快流信号分开。

具有不同时间移位的情况下的归一化相关性可以组合在一起以生成累积的归一化相关性图像，表示为，

对于τ为任何整数，诸如0、±1、±2、……，

这样可以进一步改善噪声抑制并增强小血管的可视化。在求和之前，在一个示例中，对于每个时间移位τ的血流图像可以是复数归一化相关性；在另一个示例中，对于每个时间偏移τ的血流图像可以是归一化相关性的幅值或归一化相关性的实部。在又另一示例中，在求和之前，对于每个时间移位τ的血流图像可以是通过上述用于去除残余噪声的方法获得的噪声被抑制的图像。在图14中示出了阐述用于此类实施方式的一般步骤的流程图的示例。

归一化相关性独立于TGC设置和波束成形处理设置，因为它指示信号的去相关速率(即，信号的时间相干性)。由于快流量信号去相关比慢流量信号去相关更快，因此可以提供归一化相关性图像，甚至可以间接地提供小血管的微血管速度信息，这可有益于定量的血液灌注估计。注意，尽管快流与相关图中的较低值相对应，但是相关值可以通过计算1-Corr(x，y)或1-N_Corr(x,y)(即，1-相关图)来反转以显示血流速度分布，其中慢流具有较小的值而快流具有较大的值。除了显示定性速度信息之外，与常规功率多普勒图像相比，基于归一化相关性的微血管成像在血管密度定量方面也可能更好，是因为归一化相关性对于TGC和波束形成设置是深度无关的。还可以在局部窗口上执行归一化相关性的加权平均，以改善SNR。

同样，已经参照二维成像情境描述了上述方法，但是也可以将其应用于三维甚至更高维的超声血流成像。类似地，尽管已经参照非对比血流成像描述了这些方法，但是这些方法也可以在具有微气泡的对比度增强超声成像中实现，以更好地抑制噪声。本公开中描述的方法可以应用于使用任何种类的杂波滤波器而获得的血流信号，该杂波滤波器包括但不限于基于SVD的杂波滤波器。针对基于SVD的杂波滤波，本公开中描述的方法可以应用于逐块局部SVD滤波技术，其中所提出的噪声抑制方法可以针对数据的每个子集单独地执行。

图15示出了可以实现本公开中所描述的方法的超声系统1500的示例。超声系统1500包括换能器阵列1502，换能器阵列1502包括多个分别驱动的换能器元件1504。换能器阵列1502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1502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1506激励时，给定的换能器元件1504产生一阵超声能量。从被研究的对象或受试者反射回到换能器阵列1502的超声能量(例如，回波)由各个换能器元件1504转换成电信号(例如，回波信号)，并且可以通过一组开关1510分别施加到接收器1508。发射器1506、接收器1508和开关1510在控制器1512的控制下操作，控制器1512可包括一个或多个处理器。作为一个示例，控制器1512可包括计算机系统。

发射器1506可被编程为用于发射非聚焦或聚焦的超声波。在一些配置中，发射器1506也可以被编程为用于发射发散波、球面波、圆柱波、平面波、或其组合。此外，发射器1506可被编程为用于发射空间地或时间地编码的脉冲。

接收器1508可被编程为用于对手头的成像任务实现合适的检测序列。在一些实施例中，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波束成像中的一个或多个。

在一些配置中，发射器1506和接收器1508可被编程为用于实现高帧率。例如，可实现与至少100Hz的采集脉冲重复频率(“PRF”)相关联的帧率。在一些配置中，超声系统1500可在时间方向上采样和存储至少一百个回波信号整体。

控制器1512可以被编程为用于实现本公开中描述的或本领域中以其他方式已知的成像序列。在一些实施例中，控制器1512接收用户输入，该用户输入定义在成像序列的设计中使用的各种因素。

可以通过将开关1510设置到它们的发射位置来执行扫描，从而指示发射器1506瞬间地接通以根据选择的成像序列在单个发射事件期间激励换能器元件1504。然后可将开关1510设置到它们的接收位置，并且由换能器元件1504响应于一个或多个检测到的回波而产生的后续回波信号被测量并且被施加到接收器1508。来自换能器元件1504的分别的回波信号可在接收器1508中被组合以产生单个回波信号。

回波信号被传送到处理单元1514，以处理回波信号或从回波信号生成的图像，处理单元1514可由硬件处理器和存储器实现。作为示例，处理单元1514可以使用本公开中描述的方法来重建具有去除的或以其他方式减小的噪声引起的偏差的血流图像。由处理单元1514从回波信号产生的图像可被显示在显示系统1516上。

现在参考图16，示出了可执行本公开中所描述的方法的计算机系统1600的示例的框图。计算机系统1600通常包括输入1602、至少一个硬件处理器1604、存储器1606和输出1608。因此，计算机系统1600通常用硬件处理器1604和存储器1606实现。

在一些实施例中，计算机系统1600可以是超声系统(诸如上述超声系统)的一部分。在一些示例中，计算机系统1600还可通过工作站、笔记本计算机、平板设备、移动设备、多媒体设备、网络服务器、大型机、一个或多个控制器、一个或多个微控制器、或任何其他通用或专用计算设备来实现。

计算机系统1600可自主地或半自主地操作，或者可从存储器1606或计算机可读介质(例如，硬盘驱动器、CD-ROM、闪存)读取可执行软件指令，或者可以经由输入1602从用户或逻辑上连接到计算机或设备的任何其他源(诸如另一个联网的计算机或服务器)接收指令。因此，在一些实施例中，计算机系统1600还可包括用于读取计算机可读存储介质的任何合适的设备。

通常，计算机系统1600被编程或以其他方式被配置成用于实现本公开中描述的方法和算法。例如，计算机系统1600可以被编程为重建其中已去除或以其他方式减小噪声引起的偏差的血流图像。

输入1602可根据需要采取任何合适的形状或形式，以用于计算机系统1600的操作，包括用于选择、输入、或以其他方式指定与执行任务、处理数据或操作计算机系统1600一致的参数的能力。在一些方面，输入1602可以被配置成用于接收数据，诸如利用超声系统采集的数据。可以如上所述处理此类数据以重建其中已去除或以其他方式减小噪声引起的偏差的血流图像。另外，输入1602还可以被配置成用于接收被认为对使用上述方法重建已去除或以其他方式减小噪声引起的偏差的血流图像有用的任何其他数据或信息。

在用于操作计算机系统1600的处理任务中，一个或多个硬件处理器1604还可被配置成用于对通过输入1602接收的数据执行任何数量的后处理步骤。

存储器1606可包含软件1610和数据1612，诸如利用超声系统采集的数据，并且可被配置成用于存储和检索经处理的信息、指令和有待一个或多个硬件处理器1604处理的数据。在一些方面，软件1610可包含用于重建其中已去除或以其他方式减小噪声引起的偏差的血流图像的指令。

另外，输出1608可以根据需要采取任何形状或形式，并且可以被配置成用于除了其他所需信息之外还显示血流图像。

在一些实施例中，可以使用任何合适的计算机可读介质来存储用于执行本文所述的功能和/或过程的指令。例如，在一些实施例中，计算机可读介质可以是瞬态的或非瞬态的。例如，非瞬态计算机可读介质可包括诸如以下各项的介质：磁介质(例如，硬盘、软盘)、光介质(例如，紧凑盘、数字视频盘、蓝光盘)、半导体介质(例如，随机存取存储器(“RAM”)、闪存、电可编程只读存储器(“EPROM”)、电可擦除可编程只读存储器(“EEPROM”))、在传输期间不是短暂的或不是没有任何持久外观的任何合适的介质、和/或任何合适的有形介质。作为另一示例，瞬态计算机可读介质可包括网络上的信号、电线中的信号、导体中的信号、光纤中的信号、电路中的信号、或在传输期间是短暂的且没有任何持久外观的任何合适介质、和/或任何合适的无形介质。

本公开已经描述了一个或多个优选实施例，并且应当理解，除了明确说明的那些之外的许多等效方案、替代方案、变型和修改是可能的并且在本发明的范围内。