压缩感知在医学超声成像中的仿真应用研究

为了解决医学超声成像系统中面临的采样率高,数据量大的问题,提出将压缩感知理论方法用于医学超声成像。首先建立了超声信号在时域的稀疏表达模型,然后利用模拟信息转换器对信号进行稀疏采样,最后使用最优化方法完成回波信号重建,利用合成发射孔径方式完成最终超声成像。为了验证算法的有效性,利用Field II对点目标以及复杂组织目标进行了仿真实验,在均方误差、分辨率、对比度以及成像质量上与常规成像结果对比分析。结果表明,采用1/2奈奎斯特采样频率,以30%原始数据所完成的成像仍然可保证良好的图像质量。采用压缩感知理论可以大幅度降低医学超声系统的采样率及总数据量。

压缩感知在超声成像中的研究

经典的奈奎斯特采样频率通常会造成采样信号数据量过大,不利于存储和传输,为了减少超声成像数据量,便于数据存储,采用压缩感知理论。压缩感知理论不仅降低射频信号的采样频率,而且获得少量的数据。本文研究了压缩感知的基本理论及其关键技术,最后总结了其在其他领域的应用。

基于光学波动和压缩感知的超分辨超声成像研究

目的:提出一种新型的超分辨超声(super-resolution ultrasound,SR-US)成像方法,以进一步提升SR-US成像的空间分辨力及计算效率。方法:将超分辨光学波动成像(super-resolution optical fluctuation imaging,SOFI)和压缩感知(compressed sensing,CS)相结合,提出一种基于SOFI-CS的SR-US成像方法。对原始超声图像序列进行SOFI处理,将SOFI处理之后的结果作为CS重建模型的输入,基于稀疏求解方法得到最终的SR-US图像,并通过数值仿真实验对该方法进行验证。结果:通过数值仿真实验,对比SOFI成像的结果,该方法能进一步提升SR-US成像的空间分辨力;对比CS成像的结果,该方法在保证成像质量的同时,显著提升了SR-US成像的计算效率。结论:该方法对于超声在临床医学上的应用具有重要意义,为SR-US成像的发展提供了有效的参考。

基于压缩感知理论的光声成像方法研究现状

光声成像是一种新兴的无损生物医学成像方法,因其兼具高灵敏的光学对比度和超声能够对深层组织进行高分辨成像的优点,已经成为当前生物医学成像领域发展最快的技术之一。光声成像的光吸收对比度能够反映生物组织微小的组织病变,与血氧饱和度等多种功能和生理信息紧密相关,目前已被证明在肿瘤血管新生研究、早期癌症检测和心血管疾病诊断等方面有很大的应用潜力。基于超声阵列探测的常规光声计算层析成像系统,数据采集量大,由此导致的较低数据采集和成像速度成为制约该技术临床应用和转化的重要因素。压缩感知理论可以在远低于Nyquist采样定理的欠采样方式下,高质量重建信号,已被广泛用于信号处理和传统的医学图像重建领域。自2009年压缩感知理论被应用于光声成像以来,已有的研究结果表明,该方法为解决目前大区域光声成像的数据采集和成像速度问题提供了一条有效的途径。本文将重点介绍压缩感知理论用于光声成像的基本原理、研究现状、面临的问题和应用前景。

SoS滤波器及其在工业超声波成像中的应用

为减少采样数据和采样频率,文中考虑将有限新息率(FRI)模型应用于工业超声波成像系统中,但现有的FRI模型并不能很好地应用于反射信号频率很高的工业超声波成像系统.为此,文中基于FRI滤波器组,提出了一种适用于工业超声信号处理的新型FRI采集方法——辛格函数之和(SoS滤波器)法,推导了该方法应具备的条件,并给出了SoS滤波器的构造方式.采用该方法对一维超声波成像原始数据进行处理,结果表明文中所提出的采集方法是有效、可行的.

一种基于模拟信息转换器的工业超声成像方法

有限新息率(FRI)模型是传统的采样理论与压缩感知相结合的信号采集新方案。FRI理论指出,具有FRI性质的信号,可由各个短脉冲信号的延迟时间和幅度进行完备的表示,而超声波的反射信号可以看成由一系列不同延迟时间和幅度的高斯脉冲信号的叠加,因此可以采用FRI模型有效减少采样数据和采样频率。在压缩感知理论的框架之下,以FRI理论为模型,并且结合相控阵超声波成像特点以及模拟信息转换器两种结构的特点,提出了一种适用于超声波成像的新型信号采样方法——基于滤波的模拟信息转换器的信息采样方法,并以Field II为仿真工具,对工业超声成像的实测数据采用该方法进行处理,取得了较好的效果,为FRI理论在超声波工业检测系统中的应用做了有益的理论探索和实测数据仿真。

基于Bandlet的压缩感知算法及其在智能乳腺全容积超声系统中的应用

目的在智能乳腺全容积超声系统中需扫描很多个切面同时进行成像和保存,数据量庞大。为此,本文提出基于Bandlet变换的压缩感知方法并应用于该系统,以降低存储和传输的数据量。方法首先利用超声图像的Bandlet变换域能够根据图像的"几何正则性"来自适应改变得到稀疏表示的特点,将所得图像进行Bandlet变换。然后选择与Bandlet基矩阵不相干的随机测量来降低图像压缩的数据量,之后利用匹配追踪算法由压缩数据重建超声图像。最后以智能乳腺全容积超声系统的图像数据为例进行压缩效率和重建有效性的验证。结果压缩后的数据大小为原数据的30%,降低了传输和存储的数据量,同时可得到高质量的重建图像。结论基于Bandlet的压缩感知算法可降低智能乳腺全容积超声系统图像的传输带宽和数据量,并保证了图像重建的质量,适用于智能乳腺全容积超声系统。

基于二维压缩感知的超声k空间重建

压缩感知理论已经应用于多个领域,如MRI,超声等。提出了一个新的超声重建方法,基于二维压缩感知和k空间。在时域采样特定信号,并在k空间中对其进行重建。当处理二维信号(图像)时,传统的方法是将其转换为一维向量,这种方法非常耗时,并且对于大的图像重建来说不切实际,通过二维压缩感知处理这个难题。

一种基于模拟信息转换器的工业超声信号采集方法

压缩感知理论指出以低于香农定理规定的最低频率(2倍频)对稀疏信号进行采样,同样可得到精确的信号重建结果.将压缩感知理论应用于超声波工业成像系统中,可有效减少需要的采样数据和采样频率.文章在压缩感知理论的框架之下,提出一种新型信号采样方法——基于滤波模拟信息转换器的信息采样方法.以MATLAB为仿真工具,采用该方法对工业超声成像的实测数据进行处理,取得了较为理想的效果,为压缩感知理论在超声波工业检测系统中的应用做了有益的探索.

基于多层声速模型的合成孔径超声皮质骨成像

由于皮质骨和软组织间较大的声速差异,采用固定声速的传统超声波束形成方法无法重建皮质骨图像,同时皮质骨中较大的衰减也限制了信号信噪比.为了实现皮质骨超声成像,本文提出一种采用合成孔径超声提高成像分辨率及信噪比,利用压缩感知计算延时参数并构建多层声速模型的成像方法.本文结合时域有限差分仿真方法分析了理想情况下皮质骨成像结果,并结合软组织覆盖下的离体皮质骨板样本实验,验证相关方法的可行性.仿真和实验结果均表明,本文方法可用于构建多层声速模型并正确重建皮质骨图像.本研究实现了具有三层声速模型的皮质骨超声成像,对皮质骨超声成像发展有一定的借鉴意义,未来将进一步探索在体实验,以推进骨超声成像的临床应用.

次奈奎斯特采样在超声波成像中的应用

近年来提出的压缩感知(CS)理论指出,以低于香农定理规定的最低频率(2倍频)对稀疏信号进行采样,一样能够得到精确的信号重建结果,这种采样方法,称为次奈奎斯特采样(Sub-Nyquist Sampling)。将该采样方式应用于超声波成像之中,可以有效的减少数据点和采样频率,这意味着更小的机器尺寸以及更少的电能损耗。该文以现有的FRI)Finite Rate of Innovation)模型为基础,提出了一种新型的次奈奎斯特采样方案-多通道载波傅里叶系数混合采样方案,在每个通道,我们将原始信号与方波进行相乘,产生新的模拟信号,然后对其进行积分采样,就能得到一组原始信号傅里叶系数的线性变换,再从线性组合中得到原始信号的傅里叶系数,最后利用光谱法进行信号重建。实验表明,这种方案能够极大地减少采样频率和采样点数目,并且比以前的类似方案具有更好的抗噪能力。

压缩感知在合成发射孔径医学超声成像中的应用

为了解决合成发射孔径技术在医学超声成像实现中面临的数据量大及接收通道多的问题,提出一种超声成像系统频率域稀疏性模型的压缩感知成像算法。首先对超声系统频率域稀疏性模型进行了验证;然后根据稀疏性模型利用压缩感知理论对回波信号进行压缩采样,并使用最优化方法完成回波信号重建;最终通过合成发射孔径技术完成超声成像。针对医学成像中常用的点目标及模拟胎儿目标进行成像仿真实验,对重建图像在均方误差、分辨率及成像质量等方面与常规成像结果对比分析。实验结果表明在保证成像质量的同时,仅使用30%原始数据量及50%总接收通道数目可完成成像;频率域稀疏性模型的压缩感知成像算法可以大幅度减少合成发射孔径成像所需数据量及接收通道数,极大地降低了系统复杂度。

测量矩阵及其在超声检测系统中的应用研究

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。在压缩感知的过程中,测量矩阵在数据采样和信号重建环节中发挥着至关重要的作用,本文详细介绍了现在几种常用的随机测量矩阵和两种实时性比较强的测量矩阵,并且提出了随机测量矩阵在工超声波工业检测系统中应用必须克服的技术难题,为压缩感知理论在超声波工业检测系统中的应用指明了一个可能的方向,在技术难题的解决方案上,最后用实验说明了从探头的发射的超声波信号进行改变的可行性。

压缩感知及其在超声成像中的应用

如何实时、高效地存储超声成像射频回波线数据是实现超声成像后期调节、参数优化和会诊的关键。本文利用目前信号采样和压缩领域全新的压缩感知理论,结合超声射频回波线数据的相关性和稀疏性,提出基于压缩感知的超声射频回波线数据压缩算法。该算法能大大降低数据的大小,相比于其他算法,不需要通过计算所有分量后再对计算出来的信号进行排序和编码,提高了压缩效率。

基于压缩感知的超声衍射层析成像研究

超声衍射层析成像(UDT)具有分辨率高、对致密组织敏感等特点,具有很高的临床应用价值。为了抑制伪影,提高图像重建质量,传统的插值算法需要大量的投影次数和采集通道数量,导致成像耗时,系统复杂。本文提出一种基于压缩感知(CS)的重建算法,在有限次投影条件下,实现图像的高质量重建。首先用平面波从随机选取的角度以有限次数照射目标,依据傅里叶衍射投影定理,获得目标空间频率采样值。然后,通过研究目标在变换域的稀疏性,根据压缩感知原理,构建目标重建的逆问题。最后,通过共轭梯度算法解逆问题,重建目标。实验结果表明,通过压缩感知,在有限次投影情形和较少采集通道情况下,提出的方法能够准确重建目标。这不仅能够节省成像扫描时间,避免组织运动带来影像失真,还能够减少系统复杂度,降低设备成本。与传统的插值算法相比,本文的方法能够有效地降低重建误差,提高结构相似度。

专题征稿 计算成像《激光与光电子学进展》

光是人类感知世界的重要信息载体,随着光学探测技术、信息处理技术以及加工工艺的不断革新,光电成像技术迎来了疾速发展。其中,计算成像的诞生和发展更是为光电成像注入了全新的活力与可能。计算成像是集光学、数学和信息技术于一体的交叉学科,在传统成像中引入信息处理方法,改变了传统光学成像单一依靠有序信息传递方式,更充分地利用信息通道,获取更多的信息量。有别于目前计算成像基于工业化时代单一计算、独立优化的思想,新体制计算成像打破传统分立式的表征方法,以信息传递为驱动,设计高维度信息压缩方法,旨在实现全局优化的一体化设计,突破传统成像的极限。