[发明专利]基于经验模态分解的超声背散射零差K成像方法

说明书

本发明公开了一种基于经验模态分解即EMD的超声背散射零差K成像方法，属于信号处理领域。将超声仪器中采集得到的原始射频信号利进行EMD信号分解，获得本征模态函数即IMF信号，其初步解决了非目标组织的背散射信号对参数估算的影响，再将获得的IMF信号通过零差K模型进行生物组织的超声组织定征，提供生物组织微结构信息，其中零差K模型参数估算采用两种算法，一种是基于信噪比、偏度、峰度的RSK算法，另一种是基于X统计和U统计的XU算法。两种参数估算是基于滑动窗口技术进行，最终可以得到参数估算的估计值矩阵，并且可以生成可视化的参数图像。该方法可用于肝脏、乳腺等生物组织的超声组织定征，以参数及可视化方式提供相关微结构信息。

技术领域

本发明属于医学信号处理领域，特别涉及一种经验模态分解的超声背散射零差K成像方法，建立基于经验模态分解即EMD的信号分解技术，并发展以零差K模型为基础的有效散射子个数以及相干散射参数成像，用于生物组织的超声组织定征，提供相关微结构信息，以此提供具体散射结构物理意义及参数数值，并提供可视化的参数成像。

背景技术

超声成像具有实时性好、无电离辐射、价格低廉等优点，已经成为成像检测技术中主流的检测技术手段。在现如今的超声检测技术中，由超声探头发射的超声波如果遇到直径小于入射波长的界面会产生散射，其能量向各个方向辐射。其中背离探头的散射波即背向散射波。由此，我们可以将生物组织(如肝脏、乳腺等)结构视为许多微小散射子所构成的声学结构模型，散射子的相关信息直接反映了生物组织微结构的相关信息，所以生物组织的超声组织定征可以通过测量散射子相关信息所完成。当超声波入射至生物组织中，入射波与散射子交互作用下，探头所接受到的信号，是个别散射子所贡献背散射信号于空间上的叠加。生物组织在发生病变的情况下，其组织本身的微结构将会发生变化，由此会影响到所接收背散射信号的波形特征，基于背散射信号的随即性质，通过分析其概率分布模式，可以归纳出背散射信号统计分布与微小散射子的关联性。因生物体组织散射模式的多样化，后来衍生出许多利用数学上的统计分布，来描述和模式化散射统计，以此来进行生物组织微结构的研究，进行超声组织的定征。

近年来，随着超声检测技术的不断发展，以及相关统计模型应用的不断完善，国内外学者提出了许多基于统计模型的超声组织定征的方法，其主要包括瑞利模型、声学结构定量ASQ、Nakagami模型、复合Nakagami、零差K模型等。然而在现有超声组织定征方法中，不论ASQ技术还是Nakagami统计参数成像技术，两者对于散射结构的物理意义都无法提供太多具体信息，由于Nakagami参数m在组织定征中极容易出现参数饱和的情况，导致其估算的微观散射子结构不够准确，存在局限性，并且在生物组织的背散射信号中，不光存在目标生物组织的背散射信号，还包含其他噪声信号，这对后续的超声生物组织的定征以及微结构的测量产生很大影响。本发明提出一种基于经验模态分解的超声背散射零差K成像生物组织定征新方法，通过定量有效散射子个数以及相干散射参数，可用于生物组织的超声组织定征，提供微结构信息，并提供可视化的参数成像。由此满足在研究领域对生物组织微结构上的定量研究，具有重要的研究价值和应用前景。

发明内容

本发明旨在提出一种基于经验模态分解的超声背散射零差K成像生物组织定征新方法。本发明由两个部分组成，第一部分是将超声仪器采集到的原始射频信号进行经验模态分解，由此来获取第一个和第二个本征模态函数IMF₁和IMF₂，其主要目的是来应对非目标组织所产生的噪声背散射信号对生物体组织微结构定征准确性的影响，提升参数估算的准确性。第二部分是本发明的核心部分，即基于零差K模型的参数估算以及参数可视化成像，首先在参数估算之前会生成B模式超声图像，再通过超声图像来勾画我们要进行参数估算的感兴趣区域，在感兴趣区域内应用滑动窗口技术来进行参数估算，参数估算主要涉及两个估算方法：(1)基于信噪比、偏度、峰度的RSK参数估算方法；(2)另一个是基于X统计和U统计的XU参数估算方法，通过估算得到有效散射子个数μ以及相干散射信号与弥漫散射信号的比值k，其参数可以生成参数图像，以上参数可以进行生物组织结构信息的定征，提供微结构数据，参数成像可以提供可视化信息。

具体技术内容包括以下步骤：