基于回波频谱特征提取和彩色编码的医学超声成像方法研究

Ultrasonic imaging has been widely used in medical diagnosis due to its portability and noninvasive characteristics. However, traditional B-mode imaging takes advantage of the amplitude of the echoes while neglecting the spectral information. Spectra of ultrasound echoes depend on both biology tissue properties and excitation waves. Therefore, tissue properties are associated with the spectral patter if the excitation is given. .In this research, we propose to analyze the spectral patterns of ultrasonic echoes, and color-code the patterns for high contrast medical ultrasound imaging. First, we will make theoretical and numerical analysis on the potential causes of spectral variation, and find out the major contribution to the spectra. Second, spectral patters of echoes from biology tissues will be measured at calibrated acoustic fields. Spectral patterns will be associated to biology tissues specific from specific organs, and the medical ultrasound images will be color-coded according to the patterns. Finally, the imaging effect will be verified by imaging multiple positions of mice..The proposed method potentially leads to high contrast ultrasound imaging with respect to spectral patterns. The imaging method may make the ultrasound images easier to interpret than traditional images and promote the efficiency for diagnosis.

超声成像因便携、无害等优势在医学诊断中广泛应用。然而现有超声成像方法通常只利用超声回波的幅值信息，未利用其频谱信息。因超声回波频谱同时取决于生物组织的性质和激励模式，所以在已知激励模式下超声回波频谱反映了生物组织的性质。.本项目拟获取生物组织的超声回波频谱并提取其有效特征，借助彩色编码实现高对比度的彩色超声成像。首先，对生物组织超声回波频谱进行数学建模和数值仿真，结合仿体实验确立不同生物组织超声回波产生频谱差异的关键因素。其次，在已知声场参数的多种激励模式下，采集不同组织的超声回波频谱，提取有效的频谱特征，建立特定激励模式下生物组织性质与回波频谱特征之间的关系模型，并通过彩色编码实现高对比度的彩色超声成像。最后，通过小鼠不同部位生物组织的成像进行验证。.本研究提出基于超声回波频谱特征与彩色编码的高对比度医学超声成像新方法，将有效提升超声图像的易读性和诊断效率。

传统B型超声检查主要受组织间对比度和超声医师诊断主观性的限制，导致往往需要穿刺造影成像进一步确认，增大医疗成本。B超成像质量受限的一个重要原因是该成像方法只提取超声回波振幅作为亮度，而忽略了信号其他丰富信息，因此依赖超声医师自身经验进行判断。本项目基于国内外超声成像领域的研究现状和申请人在超声频谱分析方面的研究基础，针对超声回波频谱与组织散射结构关系建模的难题，深入开展“超声激励模式下不同组织的频谱特征提取”以及“基于频谱特征彩色编码的超声成像方法”的研究，旨在提高不同结构的生物组织在超声成像中的对比度。项目首先通过声场仿真，提出利用回波信号频谱区分不同散射结构组织的创新方法；然后实验采集大鼠腹部多个组织的回波信号，通过小波变换、主成分分析和主成分空间特征提取方法，验证了频谱识别的可行性；再结合机器学习算法，建立频谱特征与组织类别的关联模型，模型平均AUC指标达到0.957；最后，我们提出一种基于组织特异性的彩色编码超声成像方法，根据机器学习模型预测的图像中各位置像素点所属组织类别和概率，结合超声灰度图像像素值，重新编码生成彩色图像，从而实现通过彩色超声图像来识别图像中存在的器官组织和位置，相比传统B超，这一方法在组织间色差对比度上提高了183%，具有显著提升。本项目提出的基于回波频谱特征的高对比度彩色超声成像方法可以提高超声图像检查过程的客观性和可视化，利用组织自身的回波特性替代部分造影剂超声成像的需求，从而减少患者检查痛苦。更进一步的，利用正常组织和病变组织的散射结构变化，开展对病变组织的超声回波信号频谱分析，将有助于超声智能诊断疾病，该项目具有重要的科学意义和广阔的应用前景。