實時超聲彈性成像方法和系統(tǒng)的制作方法
【技術(shù)領域】
[0001] 本發(fā)明涉及超聲波回波成像領域，尤其是一種實時超聲彈性成像方法和系統(tǒng)。
【背景技術(shù)】
[0002] 超聲波回波成像技術(shù)目前已經(jīng)被廣泛應用于軍事、醫(yī)療等領域。超聲波回波成像 中關(guān)于彈性成像的概念最早由Ophir等人于1991年首次提出。之后，彈性成像技術(shù)在近 二十年里得到了迅猛發(fā)展，它被稱為繼A型、B型、D型、M型超聲之后的E型模式。超聲彈性 成像是通過超聲成像系統(tǒng)進行生物組織彈性參數(shù)成像，超聲彈性圖能夠提供傳統(tǒng)B超圖像 所無法反映的生物組織彈性特征，對于腫瘤檢測等臨床應用有非常大的幫助。由于具有易 于實現(xiàn)、適用于實時診斷和對組織無侵害性等優(yōu)點，超聲彈性成像技術(shù)受到了廣泛的關(guān)注。
[0003] 現(xiàn)有的彈性成像方法中，計算位移場的方法大多基于互相關(guān)算法和改進的互相關(guān) 算法，其使用的數(shù)據(jù)為RF射頻數(shù)據(jù)，而不能直接使用B模式圖像，由于處理RF射頻數(shù)據(jù)需 要很大的運算，因此造成了現(xiàn)有的方法計算效率低下的問題；光流法是指空間運動物體在 觀察成像平面上的像素運動的瞬時速度，利用圖像序列中像素在時間域上的變化以及相鄰 幀之間的相關(guān)性來找到上一幀跟當前幀之間存在的對應關(guān)系，從而計算出相鄰幀之間物體 的運動信息的一種方法。計算應變的方法大多基于最小二乘擬合算法和梯度法，使用這些 方法計算出的應變，在精度方面還有提高的空間。
[0004] 1998年，Negahdaripour將光流（Optical Flow)定義為動態(tài)圖像的幾何變化和 輻射度變化的全面表示。光流法利用圖像序列中的像素強度數(shù)據(jù)的時域變化和相關(guān)性來確 定各自像素位置的運動，表達了圖像灰度在時間上的變化與景象中物體結(jié)構(gòu)及其運動的關(guān) 系。用于評價光流法精度的一個經(jīng)典標準來自于Mi ddl ebury，其用于光流法評價的數(shù)據(jù)集 有12張圖像，除此之外還有Sintel和KITTI。
[0005] 光流法的基本原理如下：
[0006] 令I (X，y，t)表示在t時刻圖像上像素（X，y)處的亮度（或顏色），那么光流法的 目的就是求出在t+Ι時刻的圖像上，該像素相對于原來（x，y)的位移量（u，v)，用方程表示 即：
[0007] I (x+u, y+v, t+1) = I (x, y, t) (I)
[0008] 其中u和v是待求解的位移量。該方程被稱為Brightness Constancy Model (亮 度恒定模型）。
[0009] 在經(jīng)典的光流法中，一般利用一階泰勒展開作為工具來建立圖像梯度和位移之間 的關(guān)系，這一步驟通常被稱為線性化。具體原理如下：
[0010] 假設圖像的亮度是連續(xù)的，如圖2的一維示例，曲線1表示framel (幀1)中的圖 像，曲線2表示frame2(幀2)中的圖像，待求的位移是向右的箭4
對曲線進行一階泰 勒展開，其實就是假設曲線的局部是線性的，這樣可以考察如圖2的向右箭頭、向上箭頭、 粗線段組成的三角形。
并非是粗線段的長度，而是其斜率。這樣可以得到圖中所示的關(guān) 系，注意負號是因為斜率其實表示的是鈍角的tan值。這樣一來就建立了圖像的導數(shù)和位 移之間的關(guān)系，注意
是圖像在空間上的導數(shù)，
是圖像在時間上的導數(shù)。
[0011] 將圖2中的方程
用在二維的圖像上，對于每個像素，可以寫出以下方 程：
[0012] Ixu+Iyv+It = 0 (2)
[0013] 其中，Ix和Iy是圖像沿空間的X和y兩個方向的導數(shù)，即圖像梯度的兩個分量；I t 是圖像沿時間變化的導數(shù)，可以用兩幀圖像的差異來近似；u和V是該像素沿X和y方向的 位移，也就是待求的光流未知量。該方程是Brightness Constancy Model (亮度恒定模型） 線性化的結(jié)果，被稱為Gradient Constraint Equation (梯度約束方程）。
[0014] 需要注意的是，上面這個模型是建立在兩個假設基礎上：第一，圖像變化是連續(xù) 的；第二，位移不是很大。如果這兩點假設不成立，即圖像不連續(xù)且位移很大，則無法將位 移和圖像梯度聯(lián)系起來，泰勒展開得到的近似結(jié)果將很差。在實際操作中，可以很容易使上 述兩個假設其成立。關(guān)于第一點假設，一般可以預先對圖像進行高斯平滑，使其變化較為平 緩；關(guān)于第二點假設，一般對圖像降分辨率建立金字塔，通過Coarse-To-Fine (由粗到精） 的方式去求解。
[0015] 基于上面的方程，產(chǎn)生了最經(jīng)典的兩個光流法：Lucas-Kanade方法和 Horn-Schunck方法，他們分別從不同的角度增加了求解該方程的穩(wěn)定性。Lucas-Kanade方 法是將每個像素周圍的一些像素考慮進來，每個像素的未知量單獨求解，是一種局部光流 方法；而Horn-Schunck方法是將上面的方程納入到一個規(guī)則化的框架中，將局部平滑的優(yōu) 先級加入光流計算，所有像素的未知位移量之間相互依賴，需要用全局優(yōu)化的方法求解。
[0016] 當前如何優(yōu)化現(xiàn)有彈性成像系統(tǒng)，是技術(shù)人員需要考慮的研發(fā)方向，現(xiàn)有超聲系 統(tǒng)大都使用CPU進行全局的運算，本發(fā)明運用GPU進行彈性成像系統(tǒng)中圖像處理運算，能夠 提1?現(xiàn)有超聲彈性成像系統(tǒng)的運算速度，減少CPU的負載從而提1? 了原有系統(tǒng)的穩(wěn)定性。 同時，隨著日益增長的診斷需求，如何快速準確進行輔助醫(yī)生進行疾病的診斷，也是醫(yī)療領 域的發(fā)展方向。

【發(fā)明內(nèi)容】

[0017] 本發(fā)明的第一目的在于提供一種實時超聲彈性成像方法，運算速度快，精度較高， 同時具備較強的魯棒性。本發(fā)明還同時提出了一種實時超聲彈性成像系統(tǒng)。本發(fā)明采用的 技術(shù)方案是：
[0018] -種實時超聲彈性成像方法，包括下述步驟：
[0019] S10.對生物組織進行緩速擠壓時對生物組織目標區(qū)域進行超聲波掃查并接收回 波信號；
[0020] S20.對步驟SlO中接收的回波信號進行處理，形成線數(shù)據(jù)；
[0021] S30.對步驟S20得到的線數(shù)據(jù)進行處理，形成生物組織受外力緩速擠壓后產(chǎn)生形 變的不同狀態(tài)下的B模式圖像；
[0022] S40.對生物組織受外力緩速擠壓后產(chǎn)生形變的不同狀態(tài)下的兩幀B模式圖像選 定兩個在不同幀圖像的同一位置區(qū)域，即選定兩幀圖像的ROI區(qū)域；
[0023] S50.通過第一 CPU數(shù)據(jù)處理模塊對該兩幀圖像的ROI區(qū)域使用光流法求取位移 場；并在計算過程中將含重復計算的子步驟的參數(shù)信息傳輸至第一 GPU數(shù)據(jù)緩存模塊，進 行緩存；
[0024] S60.第一GPU數(shù)據(jù)緩存模塊將接收到的子步驟的參數(shù)信息傳輸給各自的GPU數(shù)據(jù) 處理模塊進行數(shù)據(jù)處理，S50中的含重復計算的各子步驟的運算分配給至少一個GPU核工 作單元，由至少一個GPU核工作單元組成GPU工作組；
[0025] S70.將每個GPU工作組計算需要的參數(shù)信息映射到每個GPU工作組的顯存中，等 待所有GPU工作組的參數(shù)信息映射完成，然后各GPU工作組進行步驟S50中的各子步驟的 運算處理；
[0026] S80.將GPU工作組的運算結(jié)果信息傳輸至第二GPU數(shù)據(jù)緩存模塊；
[0027] S90.第二GPU數(shù)據(jù)緩存模塊將運算結(jié)果信息傳輸至第二CPU數(shù)據(jù)處理模塊，第二 CHJ數(shù)據(jù)處理模塊讀出運算結(jié)果信息并帶入光流法運算過程，最終求出ROI區(qū)域的位移場 即光流場；
[0028] S100.使用低通濾波器對軸向光流場求取應變，得到圖像ROI區(qū)域的軸向應變場；
[0029] S105.對經(jīng)過濾波得到的圖像ROI區(qū)域的軸向應變場信息進行降噪聲處理；
[0030] S110.對降噪后的ROI區(qū)域軸向應變場信息進行可視化、彩色處理得到生物組織 彩色彈性圖像。
[0031 ] 所述步驟S20中，通過波束合成模塊對回波信號具體進行A/D轉(zhuǎn)