| 主权项 |
基于特征空间分析和区域判别的医学超声波束形成方法，其特征在于具体步骤为：(1) 对超声回波数据协方差矩阵进行特征分解，根据特征矢量与导向矢量的投影关系，预估计期望信号子空间以及期望信号强度；(2) 利用延时叠加法获得的预扫描超声图像，根据图像峰值和有效动态范围计算出一个信号强度阈值；(3) 将期望信号强度估计值与该阈值比较，对超声低回声区与一般散射区进行判别，两类区域采用不同的波束形成方法：低回声区采用主分量最小方差算法，一般散射区采用传统最小方差算法；在步骤(1)中，所述对超声回波数据协方差矩阵进行特征分解，根据特征矢量与导向矢量的投影关系，选取投影值较大的若干特征矢量构成期望信号子空间，对应的特征值均值作为期望信号强度估计值，具体步骤为：数据协方差矩阵<i>R</i>按下式特征分解：<img file="dest_path_image001.GIF" wi="261" he="53" />(1)其中<i>U</i>和<i>Λ</i>分别是<i>L</i><i>×L</i>维的复数矩阵，<i>λ</i><i><sub>i</sub></i>为矩阵<i>R</i>的降序排列的第<i>i</i>个特征值，<i>u<sub>i</sub></i>为其对应的<i>L</i><i>×</i>1维的复数特征矢量，H为共轭转置；考虑<i>u<sub>i</sub></i>与<i>L</i><i>×</i>1维的复数导向矢量<i>a</i>的归一化投影值<i>p<sub>i</sub></i>：<img file="dest_path_image002.GIF" wi="167" he="75" />(2)在医学超声成像中，经过延时聚焦后，<i>a</i>的元素将全为1；选取最大的若干<i>p<sub>j</sub></i>，使得：<img file="dest_path_image003.GIF" wi="160" he="41" />(3)其中<i>T</i>_<i>project</i>为阈值， (3)式表示导向矢量与取到的特征矢量方向性足够接近，这些<i>u<sub>j</sub></i>构成的子空间近似为期望信号子空间，对应的特征值均值作为期望信号强度的估计值：<img file="dest_path_image004.GIF" wi="119" he="31" />(4)；在步骤(2)中，所述利用延时叠加法获得的预扫描超声图像，根据图像峰值和有效动态范围计算出一个信号强度阈值，具体步骤为：首先，根据预扫描超声图像峰值推算整个成像区域的全局最大特征值，波束形成器的输出能量表示为：<img file="dest_path_image005.GIF" wi="549" he="56" />(5)其中<i>w</i>是<i>L</i><i>×</i>1维的复数波束形成加权矢量，cos<<b>·</b>>表示两矢量夹角的余弦值；对该点成像时，近似认为最大特征值对应的特征矢量<i>u</i><sup>max</sup>与导向矢量方向一致，即也与<i>w</i>一致，从而cos<<i>u</i><sup>max</sup>, <i>w</i>> ≈ 1，且其他特征矢量满足cos<<i>u<sub>i</sub></i>, <i>w</i>> ≈ 0，因此有：<img file="dest_path_image006.GIF" wi="408" he="61" />(6)其中<i>λ</i><sup>max</sup>即得到的全局最大特征值，<i>y</i><sub>max</sub>为预扫描超声图像峰值；接着，估计预扫描超声图像相对于峰值的有效动态范围，利用图像直方图，寻找到一个灰度值，使得像素值在此之上的像素总能量与图像总能量的比值足够大，设该比值大于阈值<i>T</i>_<i>intensity</i> ，0 < <i>T</i>_<i>intensity</i>< 1；寻找到的灰度值对应一个相对于峰值的动态范围，该范围内包含了图像的大部分能量；最后，将全局最大特征值与有效动态范围相除，即得到所需的强度阈值，在此阈值之下的期望信号被认为来自超声低回声区，反之为一般散射区。 |
