子阵列差分系数加权的超声成像算法

传统的自适应加权系数可以有效改善超声图像的分辨率和对比度,但会影响背景图像的散斑特性,因此提出子阵列差分加权系数(SDF)以提升图像质量。该系数适用于传统线扫描超声成像,首先对阵列接收到的回波信号采用子阵列平滑的方式计算均值,得到信号中高相干性成份的强度,再用差分的方式反映相邻阵元回波信号之间的差异性,最后对延时叠加(DAS)成像结果进行加权成像。仿真和实验结果表明SDF (L=8)加权算法相对于传统的DAS成像算法,可以有效改善分辨率和对比度,其中仿真数据的对比度提高了62.9%,体模实验数据的对比度提高了74.7%。相对于相干系数(CF)、广义相干系数(GCF)和信号均值标准差系数(SMSF),SDF可以改善背景组织的成像质量,其中仿真图像的散斑信噪比(SSNR)分别提高了36.8%,5.7%和26.2%,体模实验图像的SSNR分别提高了48.6%,17.0%和20.9%。可见SDF系数可以有效改善超声成像的质量。

基于自适应加权算法的远聚焦超声成像

远聚焦像素(far-focused pixel-based,FPB)成像算法是对成像区域外进行聚焦,对成像区域内的每个像素点进行成像,因此在整个成像区域内均能保持较高的成像分辨率。然而,FPB一般采用直接叠加的方式进行成像,成像质量有待进一步提高。广义相干系数(generalized coherence factor,GCF)加权算法可以有效地改善成像的对比度和分辨率。本研究根据FPB在不同深度时像素点复合次数的不同,提出了基于深度可调节的广义相干系数(adjustable generalized coherence factor,aGCF),该系数可根据成像深度自主调节GCF的计算参数,从而提高该系数的远场性能。再将aGCF和归一化自相关系数(normalized autocorrelation factor,NAF)融合后,进行加权成像。仿真和实验结果表明,新加权算法相比于FPB算法可明显改善成像的分辨率和对比度,相对于传统的GCF算法可在成像区域的近场内提高横向分辨率,远场内改善对比度和背景成像质量。

广义相干系数加权的超声虚拟源成像算法研究

超声虚拟源成像相对于传统的聚焦成像和合成孔径成像,使阵列孔径在虚拟意义上得到了扩大,增加了探测深度,提高图像对比度。自适应加权成像技术能够根据回波信号本身的特征进行动态加权,提升成像质量。本研究将广义相干系数(general coherence factor,GCF)与虚拟源成像(virtual source imaging,VS)相结合,提出GCF加权的VS成像算法(GCF-VS),进一步提高虚拟源成像效果。Field II仿真和实验结果证明该算法相对于传统的VS成像和相干系数(coherence factor,CF)加权的VS成像,具有更高的成像质量。