一种变尺度的生物组织位移估计方法

摘要

本发明涉及一种变尺度的生物组织位移估计方法，属于超声弹性成像技术领域。本发明的方法为：第k条扫描线数据采用的尺度为T(k)；且如果M为奇数，T(k)满足T(1)＝T(M)＝Tmax，，当1≤k≤(M+1)/2时，T(k)随着k的增大而减小，当(M+1)/2≤k≤M时，T(k)随着k的增大而增大；如果M为偶数，T(k)满足T(1)＝T(M)＝Tmax，T(M/2)＝T(M/2+1)＝Tmin，当1≤k≤M/2时，T(k)随着k的增大而减小，M/2+1≤k≤M时，T(k)随着k的增大而增大；其中，T_max和T_min分别为变尺度方法的最大尺度和最小尺度。本发明可在保证了足够的组织位移估计精度的前提下，提高了纵向分辨率；同时减小组织横向位移对组织纵向位移估计的影响。

主权项

1、一种变尺度的组织位移估计方法，包括以下步骤：1)从组织压缩前、后的二维射频信号中分别取出第一条扫描线的数据，设为s1(n)和s2(n)，n表示该两条扫描线上的数据序号，1≤n≤nmax；2)从该扫描描线数据s1(n)中取一小段尺度为T(1)的数据d1，其数据个数为U，U＝round(T(1)×U1)，其中，T的单位为mm，U1代表1mm的组织对应的数据个数，round(·)代表四舍五入的取整操作，T(1)为尺度随扫描线序号k变化的函数T(k)在k＝1时的取值，该数据d1的序号n1在1≤n1≤U的范围内选择；在τ1到τ2确定的搜索范围内计算该小段数据与扫描线数据s2(n)的互相关函数R(τ)如下$R\left(\tau \right)=\frac{\underset{m=n_1}{\overset{n_1+U-1}{\Sigma }}{s}_1\left(m\right)s_2(m-\tau )}{\sqrt{\underset{m=n_1}{\overset{n_1+U-1}{\Sigma }}{s}_1^2\left(m\right)·\underset{m=n_1}{\overset{n_1+U-1}{\Sigma }}{s}_2^2(m-\tau )}}({\tau }_1\le \tau \le {\tau }_2)$ 其中m为计算过程中表示数据序号的循环变量，τ1为0，τ2为对组织施加的压缩量，以采样数据的个数表示；3)确定该互相关函数R(τ)的最大值对应的位置t1，t1就是数据d1在组织压缩后的位移；4)依次从该扫描线数据s1(n)中取一小段尺度为T(1)即数据个数为U的数据d2、d3、…、dN，每段数据的序号依次错开V个采样数据，直到再错开V个采样数据将超出s1(n)的范围，按步骤2、3相同的方法依次得到各段数据对应的位移t2、t3、…、tN，其中N为小段数据的总数；则位移序列t1、t2、…、tN为第一条扫描线数据s1(n)对应的组织的位移估计；5)利用与步骤1-4相同的方法，依次得到第2、3、…、M条扫描线数据对应的组织的位移估计，其中M为表示探头的扫描线总数；其特征在于，所述的第k条扫描线数据采用的尺度为T(k)，且如果M为奇数，T(k)满足T(1)＝T(M)＝Tmax，$T\left(\frac{M+1}{2}\right)=T\min ,$ 当1≤k≤(M+1)/2时，T(k)随着k的增大而减小，当(M+1)/2≤k≤M时，T(k)随着k的增大而增大；如果M为偶数，T(k)满足T(1)＝T(M)＝Tmax，T(M/2)＝T(M/2+1)＝Tmin，当1≤k≤M/2时，T(k)随着k的增大而减小，M/2+1≤k≤M时，T(k)随着k的增大而增大；其中，Tmax和Tmin分别为变尺度方法的最大尺度和最小尺度。