專利名稱：用于超聲波信號的局部頻譜分析的改進方法和設備的制作方法
技術領域：
本發(fā)明涉及一種用于處理超聲波信號的方法，尤其涉及基于超聲波方法來進行無侵害臨床測試的領域。此外，本發(fā)明還涉及一種用于實施超聲波信號處理方法的超聲設備。
背景技術：
超聲掃描是一種用于對人類和動物身體的內部器官進行檢查的方法，此外，它還是一種用于對包括非生物和無機物結構在內的其他類型的結構進行無侵害檢查的方法。眾所周知，該掃描是以產生一系列超聲波信號(形成一個聲束)為基礎的，這些超聲波信號將被引導到病人體內，并且將會激勵一個超聲波響應信號，該響應信號由存在于所觀察的器官內部的散射體和/或反射體通過反射和/或散射聲波而產生。發(fā)射和接收超聲波信號的探測器將這個響應信號發(fā)送到接收和處理系統(tǒng)，此后，該信號將會變換成一個二維超聲圖像。
商用的超聲掃描器提供的是與超聲波信號幅度相關的圖像，其中該超聲波信號是由受到聲束撞擊的不同組織或界面反向傳播的。
受到碰撞的不同組織或不同接觸面是基于其回聲特性而被檢測到的，所述回聲特性則由其聲阻抗決定的，而所述聲阻抗則又是密度與聲速的乘積。
常規(guī)超聲掃描器的目的是借助于時域中檢測的幅度來重構和保持被檢查組織的空間順序，而這可以提供深度上的空間位置。針對信號所執(zhí)行的調節(jié)處理旨在將信噪比增至最大，并在深度發(fā)生變化的時候使調查靈敏度保持恒定。
當在介質中傳播聲波并且聲波遭遇到不均勻區(qū)域的時候，其中某些能量會朝著傳感器反向傳播，某些能量則會傳播到組織內。
反向傳播的聲學信號包括各個反射體和/或散射體提供的時間重疊成分，由于分布的隨機特性以及散射體和反射體的不同形狀和機械特性，因此，結果得到的是一個形狀極為復雜的信號。而傳感器則會將所檢查的介質反向傳播的聲學信號變換成被稱為射頻信號的電信號。
圖1顯示的是形成與生物組織有關的超聲描跡的射頻信號的部分。特別地，圖1顯示的是受到超聲檢查的器官的一部分返回的超聲信號描跡的一部分。在這里，橫坐標顯示的是響應時間，也就是產生傳感器得到的返回信號的散射體或反射體的深度位置。而在縱坐標上顯示的則是信號幅度。對所檢查的器官而言，其超聲圖像是從這種軌跡或描跡集合中重構的，其中所述軌跡或描跡集合將會形成信號幀。有時，這些描跡或軌跡也被稱為掃描線。
第一種針對所述射頻信號所執(zhí)行的簡單處理操作是借助于包絡提取操作來提取信號幅度。在圖2中，字母I表示的是對圖1所示的射頻信號執(zhí)行包絡操作所得到的結果。應該指出的是，包絡信號跟隨的是射頻信號的正值波峰，由此提供了信號幅度的估計。
當前，在所有的超聲成像技術中都使用了包絡操作，該操作構成了單獨描跡的A模式顯示(其中A代表幅度)以及合成圖像的B模式顯示(其中B代表亮度)的基礎，其中每一個單獨的A模式描跡的幅度都是依照灰度或色標來進行編碼的。
在現代的超聲掃描器中，其中使用了超聲波信號的包絡，也就是說，檢測到的信號是在A模式、B模式以及M模式描跡中描繪的。
對這種解決方案而言，包含在射頻信號中的信息是有損耗的，也就是說，在接收傳感器產生的形式中包含載波頻率與所述接收傳感器頻帶的中心頻率近似相等的信號，其中該信號經過了具有相位階躍(頻率峰值)的調頻(非對稱頻譜)，并且在介質呈現出非線性效應(諧波頻譜的產物)的情況下具有因為非線性失真所導致的形態(tài)。
圖3顯示的是圖1的射頻描跡在常規(guī)A模式顯示中所具有的包絡信號。應該指出的是，這其中不可挽回地損耗了關于原始信號頻率和相位的信息。
特別地，如果通過包絡提取操作而消除了射頻那么下列信息將會丟失●從超聲和生物組織(局部聲阻抗，該阻抗依取決于介質密度，所述密度又取決于入射超聲波強度、對比劑中存在的氣泡在諧波和次諧波上的次級輻射等等)之間的非線性交互中獲取的信息；●從線性交互中獲取的信息，也就是因為選擇性吸收、尤其是依賴于深度的選擇性吸收以及軸向變化(scalloping)效應(在由于不連續(xù)性而被反向散射的信號中呈現的幅度頻譜形狀的缺口(indentation)，其中所述不連續(xù)性包括空間中周期性分布的點類型的不連續(xù)性)所導致的信號頻譜的修正。
因此，用于醫(yī)療診斷的常規(guī)超聲掃描系統(tǒng)是以觀察A模式描跡或B模式圖像為基礎的，但是該圖像只顯示了與所遭遇的不同組織結構相關聯的回聲信號的幅度。
由此存在這樣一種情況，其中發(fā)現常規(guī)方法因為靈敏度低或是特異性差而無法獲取可靠的病狀診斷，由此將會受到限制。但是，射頻信號不僅包含了與幅度有關的信息，而且還包含了頻率和相位信息(該信息與回聲因為散射體個體差異而延遲到達傳感器的時延相關聯)。
最新的信號處理方法傾向于提取用于表征信號的所有參數，尤其是通常所說的頻譜內容。在從傳感器返回回聲信號的時候，直接施加于射頻信號的頻譜分析可以從回聲信號的所有特征中提取信息。
用于“讀取”頻域中的信號的頻譜分析方法可以提供特征值，以便對不同類型的信號加以區(qū)分，進而對與之交互的生物結構加以區(qū)分。
圖4中的圖示(A)再次顯示了圖1中的頻譜，而圖示(B)和(C)顯示的則是與圖4A中的描跡的兩個部分有關的信號的頻譜內容，由此顯示了組織中的結構差異如何導致產生不同類型的超聲波脈沖，進而產生相應頻譜中的不同頻率變化。圖4B和4C所顯示的信號的這兩個部分的頻譜內容是從0Hz延伸到12MHz的。應該指出的是，這兩個頻譜具有鄰近4MHz(該信號涉及的是用標稱頻率為5MHz的超聲波探測器實施的掃描操作)的大致相同的中心頻率(可以發(fā)現峰值的頻率)，但卻具有不同的頻率變化，這是因為第一個圖形具有成分(大于5MHz)，這些成分在信號的其他部分中較少出現。
在實踐中，由于傳播路徑存在差異，因此，從微觀結構反向散射的超聲波信號會在接收傳感器表面以一種破壞性或建設性方式產生干涉，由此導致圖像中出現“斑點”效應。對取決于干涉類型的回聲信號幅度差異、即回聲特性(echogenicity)同樣會受到組織反射率的影響，而所述反射率是由微觀結構成分的機械特性、密度以及彈性確定的；其中舉例來說，含量很高的膠原質將會增大局部機械阻抗，由此將會提升回聲特性。因此，以下特性有助于展現典型的超聲波圖像確定斑點特性的微觀結構的空間結塊，以及用于確定回聲特性的微觀結構的機械特性。這樣一來，受隨機構成的各種形態(tài)因素的影響，空間上的平均幅度變化似乎并沒有提供組織的單義特征。
如果可以在斑點上提取有關空間周期性(空間頻率)的信息，那么可以獲取與被檢查結塊的任何空間周期性有關的信息。
射頻超聲波信號在超聲波信號的特定幅度和相位調制方面將會受到圖像斑點所產生的信息的影響。
在時域中存在的信息在頻域中被保留，并且斑點的影響將會轉變成軸向變化效應，這種效應包含了依照圖4D所示圖示的幅度變化。實際上，以超聲波束碰撞N個散射體或反射體(它們是結合超聲波信號波長來區(qū)分的，但是這種區(qū)別并不是非常明確的)為例，對依照傅立葉變換所計算的接收回聲信號而言，其功率譜密度|X(ω)|2可以表示如下|X(ω)|2=|S(ω)|2[Σi=1Nri2+2Σi=1N-1Σj=i+1Nrirjcosω(2(li-lj)/c)]]]>其中S(ω)|2所傳送的信號的功率譜密度ri第i個反射體的反射系數li第一個與第i個反射體之間的距離c超聲速度如果只有兩個反射體并且這兩個反射體之間的距離等于1，那么該表達式可以采用一種更簡單的形式|X(ω)|2=|S(ω)|2[r12+r22+2r1r2cos(2ωl/c)]]]>T=2πΔω=2lc]]>是由兩個反射體反向傳播的信號的峰值之間的時間距離。
從這個示意性公式中可以看出，頻譜是用周期與反射體的距離成比例的余弦函數來加權的；這樣則可以確定頻譜功率密度的最大和最小值。這種效應被稱為軸向變化，在圖4D中為兩個在超聲波束傳播方向上相互距離(用S0、S1、S2表示)可變的反射體示意性顯示了這種效應。
為了區(qū)別兩個無法以其他方式加以區(qū)分的反射體，也就是說，這兩個反射體的距離小于所傳送的脈沖的持續(xù)時間，我們可以在頻譜域中評估最小值之間的距離。對多個反射體而言，初始信號頻譜被周期不同的重疊振蕩加權。此外，上述公式還包括確定反向散射信號幅度的反射體的反射系數。
從上述公式中可以看出，時域中存在的信息影響頻譜形狀，因此應該將關于時域幅度分布變化的精確描述提供給那些用于區(qū)分生物結構的部件。
如這些示范性考慮因素所示，射頻信號的頻譜分析是一種借助相關超聲波信號來表征組織的強有力手段。
近年來，隨著新型信號處理算法的開發(fā)，有可能依照反射信號中感應的頻譜變化來調查組織與超聲波束之間的交互，由此獲取更多的組織信息。實際上，目前已經發(fā)現，病癥結構可以依照其選擇性頻率過濾作用的差別來識別。
然而，迄今為止，已開發(fā)的方法尚未被證實有效，這其中的原因要么是因為這些方法不適合可靠地表征組織，要么是因為所用算法需要過多的計算能力，這樣則無法以一種能夠實時顯示的方式來執(zhí)行所述算法，由此不允許那些將數據輸出速率作為基本需要的臨床應用。
EP-A-1,341,003描述了一種用于對超聲波信號進行頻譜分析的全新方法，該方法克服了現有技術中的限制和缺陷，并且允許提取產生圖像斑點的信息。在本說明書中，這個在先公開出版物的內容將被全部引入并構成說明書的一個構成部分。

發(fā)明內容
由EP-A-1,341,003描述的方法開始，本發(fā)明的目的是改進和擴展這類頻譜分析所提供的可能性，從而獲取與被檢查結構有關的更重要和更精確的信息。
實質上，對于這里描述的發(fā)明而言，該發(fā)明的前提即為EP-A-1,341,003中描述的方法的基礎。這里描述的發(fā)明允許借助以下處理來改進頻譜描述恰當選擇母小波(wavelet)和/或選擇將信號的整個譜帶分解為數量可變并具有任意寬度和位置的子帶，由此從被調查的采樣中提取盡可能多的信息和/或更加有效使用局部頻譜描述中的系數特性。
在實踐中，依照第一個方面，本發(fā)明是以一種組合局部估計量的思想為基礎的，在下文中也將這些局部估計量稱為局部頻譜參數，并且所述局部估計量可以借助于一種與EP-A-1,341,003中的描述相類似的過程，使用與所述局部估計量的各數值類別中的分布直方圖形狀相關的信息來獲取。在實踐中，根據從被檢查的結構收集的射頻信號幀，獲取局部頻譜參數或局部估計量的一個或多個幀或矩陣。隨后，通過沿局部估計量的矩陣來移動具有預先確定的尺寸的窗口，可以對這些估計量進行統(tǒng)計處理，以便確定局部估計量在不同數值類別中的分布直方圖。與它們的形狀有關的參數則是從這些直方圖中獲取的，其中舉例來說，該參數可以是標準偏差。然后，局部估計量連同分布直方圖的形狀參數將會組合在一起，其中所述組合可以是相乘、相除或是其他方式的處理。這樣則可以獲取一個新的局部加權估計量矩陣，以便允許將估計量的數值區(qū)間與所調查的采樣的均勻區(qū)域相關聯。然后，這些區(qū)域將會通過組織學分析來標識。原始超聲幀的這些區(qū)域的顯示是借助于重疊在常規(guī)B模式圖像上的色碼來進行的。
本發(fā)明的方法可以縮寫成RULES方法(射頻超聲波局部估計量)，因為該方法是以使用局部估計量為基礎的，其中所述局部估計量包含了與被檢查的結構所返回的超聲波射頻信號相關的頻譜信息。
從下文中可以清楚了解，局部估計量是用恰當次數例如四次或五次內插多項式的系數來表示的，估計為先前細分數字化采樣射頻信號的不同頻帶所獲取的系數。作為選擇，局部估計量也可以包括內插多項式中不同次數的系數的組合。所述不同次數的系數的組合可以在用分布直方圖的形狀因數加權每一個系數之前執(zhí)行，也可以在其后執(zhí)行。
依照本發(fā)明的一個不同方面，本發(fā)明包括對內插多項式的系數進行處理，以便在沒有使用分布直方圖的形狀參數來對系數進行加權的情況下，從所述多項式的不同次數的兩個或多個系數的組合中獲取局部估計量。此外，與現有技術中的方法相比，由于在這種情況下使用了內插多項式的若干個組合系數而不是單個系數，因此可以獲取更多的信息。
對細分到頻帶、也就是分解到頻帶或子頻帶中的處理而言，該處理可以結合不同的準則來實現。此外，對局部估計量的分布直方圖而言，其形狀參數可以用多種方式進行選擇。特別地，其中可以1.使用不同的母小波來適配所調查的組織的典型斑點；2.使用不同的分解等級來獲取不同的空間分辨率以及使用可以組合獲取的整個頻譜的不同細分；3.借助于通過特定參數來對直方圖進行針對性調查，使用內插多項式的系數組合，其中所述系數由涉及它們的統(tǒng)計分布特性的“參數”加權，并且舉例來說，所述特定參數可以是-總體最多的類別-標準偏差-峰態(tài)(kurtosis)-較高次數時刻-對稱索引恰當加權的系數的組合為已處理的超聲圖像的每個窗口(可以設置該窗口的大小)創(chuàng)建一個新的矩陣，并且該矩陣將會包含這些組合。新的統(tǒng)計是在該矩陣上執(zhí)行的，并且在這里將會選擇與所要表征的各種結構相關聯的類別。為了提升區(qū)別組織的能力，也就是識別“典型”類別的能力，在這里將會再次使用類別的組合分析。
特別地，在附圖中顯示了依照本發(fā)明的方法的有利實施例，并且在下文中將會參考某些實施例例示以及所執(zhí)行的實驗測試來對其進行更詳細的描述。
依照一個不同方面，不同于執(zhí)行局部估計量與所述估計量的分布直方圖的形狀參數的組合或加權操作，依照本發(fā)明，兩個或多個局部估計量可以組合在一起，這種組合可以被用作組合局部估計量。例如可以產生若干個局部估計量矩陣，在每一個矩陣中，各系數由內插多項式中的不同次數的系數構成。然后，這些矩陣的相應位置中的系數可以被組合在一起，例如將所有矩陣或某些矩陣的系數相加或相乘。最后，借助這種方式，可以獲取一個系數矩陣，其中每一個由先前獲取的矩陣中所包含的局部估計量的函數組成。


現在，我們將會從描述和附圖中更清楚地理解本發(fā)明，其中所述描述和附圖顯示的是本發(fā)明的非限制性實際實施例。更具體的說圖1至4A-4D顯示的是超聲描跡以及該描跡的兩個部分中的頻譜內容表示；圖5顯示的是超聲掃描設備的簡化框圖；圖6A顯示的是由傳感器發(fā)送到所檢查的器官內部的超聲波激勵信號；圖6B至6D分別顯示的是RF響應信號、用于過濾數字化RF信號的Daubechies 16小波以及通過分解成八個頻帶而獲取的DWPT的系數；圖7A～7I示意性顯示了依照本發(fā)明的方法而對超聲波信號執(zhí)行的處理序列；
圖7J、7K示意性顯示了依照本發(fā)明的處理過程的修改實施例；圖8A和8B分別顯示的是頸動脈和前列腺的B模式超聲波圖像，其中圖9A～17B中顯示的結果是在該圖像上獲取的；圖9A～9C顯示的是特別用于頸動脈檢查的三個四次內插多項式變化，其中這三個多項式變化涉及的是脂質斑、血液以及鈣化；圖10顯示的是與頸動脈的脂質斑部位相關的四次內插多項式的各階系數的分布直方圖；圖11顯示的是血液中內插多項式系數的分布直方圖；圖12顯示的是鈣化區(qū)域中內插多項式系數的分布直方圖；圖13A～13C顯示的是通過與圖9A～9C中的應用相同的應用而獲取的五階內插多項式變化；圖14、15和16與圖10、11和12相似，顯示的是脂質班、血液以及鈣化的不同區(qū)域的五次內插多項式的不同系數的分布直方圖；圖17A和17B顯示的是用于前列腺分析的四階內插多項式系數的直方圖；圖18A顯示的是在具有可變幅度以及低頻區(qū)域細分增多的頻帶中，借助離散小波將經過數字化和采樣的射頻信號分解到六個頻帶或子頻帶中的級聯濾波器的框圖；圖18B示意性顯示了六個分解頻帶；圖18C顯示的是通過將圖18A、18B中的分解處理應用于頸動脈的超聲波響應信號而獲取的四階內插多項式變化；圖19、20和21顯示的是受脂質斑和鈣化現象影響的頸動脈的一部分的B模式超聲圖像，此外還分別顯示了受到脂質斑、血液(游離血管)和鈣化影響的三個部位中內插多項式變化以及內插多項式中不同次數的系數的分布直方圖；圖22顯示的是借助DWPT變換獲取的分解樹的結構；以及圖23A和23B顯示的是局部估計量的分類過程的說明性圖示。
具體實施例方式
圖5顯示的是超聲掃描設備的高度示意性框圖。數字1表示的是用2概括性指示的掃描頭所具有的傳感器，其中該傳感器發(fā)出超聲波激勵信號并且接收超聲波響應信號。掃描頭的模擬輸出端3與采集卡5相連。后者將會產生經過采樣和數字化的射頻信號，該信號則構成了用7概括性表示的集成FIR濾波器組的輸入。濾波器組7可以包括任何商用集成濾波器，例如Harris生產的43168電路、Gennum生產的GF191電路、Plessey生產的GEC16256電路或是Graychip生產的GC2011電路。FIR濾波器7與用9表示的數字信號處理器(DSP)相關聯，該處理器充當整個處理單元的控制器。其中舉例來說，所述微控制器9可以是Texas生產的TMS32031 DSP，也可以是其他等價產品。
數字11表示的是與濾波器7以及控制器9相關聯的存儲器。存儲器11與模數轉換器13以及掃描頭2的數字級相連。
這里描述的電路是已知的，并且在這里不必對其進行更詳細的描述。實質上，該設備是以如下方式工作的。傳感器1向包含所檢查器官的身體的內部發(fā)出一系列具有如圖6A所示形式的超聲波激勵信號，其中所述器官可以是前列腺、肝或其他部位。受到傳感器1所發(fā)射的信號超聲波撞擊的組織將會返回一個散射或反射信號，并且該信號具有圖1的信號格式(射頻信號)。
所述射頻信號由緊隨在時間增益補償(TGC)單元之后的超聲波掃描器的接收電路獲取，然后由采集卡5在例如40MHz的恰當采樣頻率上以12比特的分辨率(或是其他恰當的分辨率)進行數字化處理。在實踐中，其中將會為單獨的描跡執(zhí)行采集處理，直至完成一個幀或是幀的一部分。為每一個單獨描跡所獲取的信號采樣將被保存在采集卡的存儲體中，直至采集到一個完整的幀或是幀的一部分為止；只有在這個時候，所保存的數據才會發(fā)送到包含了DSP 9以及FIR濾波器7的處理機卡，其中所述處理機卡將會依照本發(fā)明的方法來執(zhí)行下文中詳細描述的操作。在將數據傳送到處理機卡的同時，采集卡將會開始獲取下一個幀的描跡信號采樣。而處理機卡12的處理時間則足夠短，以便允許在下一個幀的采樣信號采集時間以內結束處理。由此可以實現實時操作。
處理機卡12執(zhí)行信號處理，尤其是使用集成濾波器7的時間-頻率變換以及下文中更詳細描述的其他操作，來獲取信號頻譜的表示特征。
圖7A～7E以圖表方式概述了針對輸入信號所執(zhí)行的操作，其中該操作被用于獲取矩陣表示，所述矩陣包含與使用依照本發(fā)明的方法所確定的局部估計量的恰當組合相關的信息。為了對在具體實例中的不同處理階段所執(zhí)行的操作進行詳細描述，現在將會參考EP-A-1,341,003中的描述，但是在這里不會對其進行詳細描述。
對采集卡5所獲取的經過采樣和數字化的信號而言，針對該信號所進行的處理是從應用時間-頻率變換以便將信號編碼到子頻帶中開始的。本質上，對經過采集、采樣和數字化的幀的各個軌跡而言，通過使用時間-頻率變換、特別是借助離散小波分組分解而將信號分解到一系列的頻帶或子頻帶中，其中所述時間-頻率變換諸如小波變換。濾波處理由濾波器組7執(zhí)行。用以分解數字化信號的頻帶或子頻帶數量取決于所使用的連續(xù)濾波操作的數量。在下文的說明中，其中將會參考一種分解到八個頻帶或子頻帶的解碼過程，并且在下文中，這些頻帶或子頻帶是用頻帶0、頻帶1、......、頻帶7表示的。然而，在下文中應該清楚了解，該值并不是約束；與之相反，對本發(fā)明的方法而言，其創(chuàng)新方面在于能夠通過解碼到具有不同寬度(也就是說，幅度是隨頻帶而改變的)的大量頻帶或子頻帶而從射頻超聲波信號中提取更多用于表征組織的信息。
濾波系數可以通過使用Daubechies 16小波來定義。舉例來說，圖6C顯示了Daubechies 16小波的變化，并且圖6D顯示了通過對圖6B中的經過數字化和采樣的RF信號進行濾波而獲取的DWPT系數的變化。然而，所使用的時間-頻率變換的類型有可能作為所分析的結構或組織類型的函數而改變。例如，在這里可以對Daubechies 16使用不同的小波。一般來說，如果要對頸動脈進行檢查，那么可以使用雙正交的3.7小波來表征脂質斑，在下文中將會參考某些實驗數據來對此進行說明。
濾波器系數的數量一般很少，例如對Daubechies 16濾波器而言，其系數是32個，因此，這些系數很容易在商用電路中實現，所述電路通常提供系數數量有限的濾波器，如果該濾波器不是線性相位類型的濾波器，同時可以借助級聯的兩個部分來獲取最多128個系數，那么每一個部分的系數不會超過64個，并且該濾波器是按4抽選的。對提供小波變換的濾波器而言，其系數以遞歸方式定義并且是已知的。例如，在這里可以使用US-A-6066098中定義的系數，其中該文獻的內容將被引入到本說明書中。
圖7A示意性顯示了由超聲掃描器的掃描頭采集的幀。在下文中，這個幀稱為“輸入幀”，它包含了數量為n的多個軌跡。每一個軌跡都包括由傳播超聲激勵信號的組織反射或反向傳播的波前表示的模擬信號。在執(zhí)行采樣和數字化處理之后，這時將會得到包含了n個軌跡的幀(圖7B)，其中每一個軌跡都包括一系列數字化信號采樣。這個幀則被稱為“數字化幀”。
通過將時間-頻率變換應用于數字化幀，也就是說，通過對包含形成數字化幀(在圖7B中示意性顯示)的系數集合的采樣數字化信號進行過濾，獲取頻帶或子頻帶中的分布在實踐中，對從1到n的各個軌跡而言，在每一個時刻，也就是對時間方向(也就是信號傳播方向)上的每一個采樣而言，在由圖7C示意性顯示并用頻帶0、頻帶1、......、頻帶7表示的每個頻帶中都有系數。
在所示實例中，其中有八個頻帶并且所有這些頻帶都具有相同的寬度。然而如上所述，有必要理解的是(在下文中將會參考某些實驗數據來進行說明)，用以分解信號的頻帶的數量也可以更多。在具有數量更多的解碼子頻帶的情況下，可以從射頻信號中獲取與其頻譜特性相關的更多信息，并且由此獲取更多關于被調查結構的信息。此外，細分到子頻帶中也可以借助不恒定的頻率間隔來實現，也就是在幅度可變以及具有任何形式的濾波器的頻帶或子頻帶中實現。分解類型是遵循實驗標準選擇的，其中所述實驗標準作為受到超聲調查的組織或其他結構的類型的函數。
在下文中，包含時間-頻率變換系數的矩陣是作為“變換矩陣”表示的；所述矩陣的系數則被表示為“頻譜系數”。這是三維矩陣，該矩陣的維度由軌跡數量、每個軌跡的采樣數量、用以細分射頻信號的頻帶或子頻帶數量給出的。
后續(xù)操作包括為頻譜系數矩陣的每一個點(由此為輸入幀的各點，其中頻譜系數矩陣是借助上文中說明的操作而從所述輸入幀獲取的)提取信號的局部估計量。
為此目的，對于每一個時刻、也就是沿著時間維度(也就是深度)的每一個點，沿著每一個單獨的軌跡來獲取不同頻帶0～7的系數，并且確定近似這些系數的變化的內插多項式。在圖7D、7E中示意性顯示了這個操作。更為特別的是，圖7D以常規(guī)時刻pk為例顯示了與軌跡1到軌跡n相關的不同子頻帶中的頻譜系數。在圖7E的第一和第二個圖示中，不同頻帶0～7的所有系數在位置I，k和n，k都被顯示成是相互對準的，其中PI1表示內插多項式，也就是對在軌跡l上在深度k處對準的頻譜系數進行最優(yōu)近似的多項式，而PIn表示與軌跡n上在深度k處對準的頻譜系數相關的內插多項式。
這個多項式的一個或多個系數構成局部估計量，其中如下所述，所述局部估計量允許提取與射頻信號頻譜相關的必要信息。實際上，這個參數表示的是信號頻譜特性的變化。這是因為依照定義，該參數涉及的是為頻譜系數矩陣中的每個點近似每個頻帶中的頻譜系數變化的多項式的屬性，由此間接涉及輸入幀的屬性。另一方面，從內插多項式PI提取的局部頻譜估計量提供了在輸入幀的指定點的RF信號頻譜特性變化的定性表示。
由于內插多項式是在輸入超聲幀的每一個點計算的，因此這個操作的結果——對內插多項式的每一個系數而言——將會是包含頻譜估計量集合的矩陣。在下文中，該矩陣被稱為“局部估計量矩陣”或“局部估計量幀”，并且在圖7F中顯示了用于內插多項式的單個系數的矩陣。在這里，局部估計量的各值是用aij表示的，其中i從1變化到n，n是矩陣中的軌跡數量；j則從1變化到m，m是每一個軌跡的系數數量。有必要了解的是，根據內插多項式的不同階的各系數的意義，有可能為多項式中的每個系數創(chuàng)建局部估計量的矩陣。因此，對四階內插多項式而言，其中有可能構造五個之多的局部估計量矩陣，并且每一個矩陣用于多項式的五個系數中的一個?？梢允褂酶叽螖档亩囗検絹順嬙鞌盗扛嗟木仃嚒Ｈ欢趩蝹€超聲波信號的頻譜表征過程中，并非所有的多項式系數都是必須使用的。對這些系數而言，其意義重要與否是依照所調查的組織或結構類型而以實驗方式確定的。在下文中將會對某些非限制性實例進行描述。
最小二乘法近似可以用于計算多項式的系數值。在給出了數量為n并且對應于橫坐標x0、x1......、xn-1的縱坐標y0、y1，......、yn-1的情況下，這種方法可以用于確定次數m＜n-1的多項式P(x)＝a0+a1x+......+amxm該多項式給出了被檢測數據的最佳近似值。
考慮近似值與觀測值之間差值的平方和SS=Σj=0n-1(a0+a1xj+.....+amxjm-yj)2]]>這些系數必須以使S最小的方式來進行選擇，以使多項式能夠盡可能精密地估計數據。通過相對于系數導出S以及將結果均衡為零，在給出了Sk=Σj=0n-1xjk]]>以及vk=Σj=0n-1xjkyj]]>的情況下，這時將會得到一個等式系統(tǒng)，其可以采用矩陣形成而被寫為a＝Q-1v其中a是多項式P(x)的系數矢量。
對不同類型的組織以及不同類型的病癥狀態(tài)來說，可以觀察到的是，內插多項式的系數值采取以統(tǒng)計方式確定的值。通過定義數值類別，可以進一步觀察到統(tǒng)計分布具有依賴于組織類型及其可能具有的任何病癥狀態(tài)的可變形狀，其中所述統(tǒng)計分布即為內插多項式的每一個系數的分布直方圖。依照本發(fā)明的一個方面，該方法是以這個發(fā)現為基礎的，并且該方法使用了直方圖的形狀參數來從超聲波信號中提取數量更多的頻譜信息。
為了理解在不同狀態(tài)以及對于不同組織直方圖形狀的變化的重要性和程度，有必要對圖8A至17B加以參考。
舉例來說，在對頸動脈進行分析以便檢查頸動脈斑是否存在或是檢查其稠度的過程中發(fā)現通過使用一種借助雙正交的3.7小波而解碼到十六個頻帶的處理以及通過使用四階內插多項式，不但多項式的三階系數具有用于表征被調查組織的有效分布，而且多項式的其他系數同樣具有用于表征被調查組織的有效分布。此外還可以發(fā)現，通過分析分布直方圖可以顯示分布直方圖的不同形態(tài)取決于接受檢查的不同類型的組織。
圖8A顯示的是用于獲取下述實驗結果的頸動脈的B模式超聲圖像。此外，在該圖像上還標識了三個窗口，這三個窗口則是以脂質斑、游離的血管部位以及鈣化為中心的，其中所述游離血管部位即為血液。局部估計量矩陣的系數是在這些組織結構互不相同的部位中計算的，由此顯示這些估計量具有依照所調查的組織類型而改變的統(tǒng)計分布。
圖9A、9B和9C描繪的是三個四階內插多項式的變化，這些變化分別涉及的是斑塊、血液和鈣化。也就是說，在遵循上文所述的數字化射頻信號的解碼和處理方法的情況下，對涉及脂質斑的圖像部分而言，對頻譜系數(也就是變換矩陣的系數)進行最優(yōu)近似的四階多項式具有圖9A中的變化，對游離血管部位而言，該多項式具有圖9B中的變化，對存在鈣化現象的部位而言，該多項式具有圖9C中的變化。
圖10、11和12分別顯示的圖9A、9B和9C中的內插多項式的五個系數在不同的參考類別中所具有的統(tǒng)計分布直方圖，其中所述內插多項式是通過分析頸動脈斑的一部分的不同部位獲得的。參考類別是在橫坐標上表示的，總體頻率則是在縱坐標上表示的。
對所考慮的五個系數(在這里用A0、A1、A2、A3、A4表示)中的每一個系數而言，其中構造了與三個不同的窗口相對應的三個直方圖，這三個窗口分別位于脂質斑部位(圖10)、游離血管部位(圖11)以及遭受鈣化的部位(圖12)，其中所述游離血管部位即為充滿血液的部位。從圖11中的直方圖可以看出，在游離血管部位中，所有次數的系數分布都是非常窄的。與之相關的分布直方圖則具有極其有限的分散。相反，與健康組織(血液，圖11)中的相同系數相比，在受脂質斑和鈣化影響的部位(圖10和12)中，二階系數(A2)特別具有完全不同的統(tǒng)計分布，此外，對脂質斑以及鈣化而言，所述二階系數是完全不同的。換句話說，通過對用于表示二階系數統(tǒng)計分布的直方圖的變化加以分析，可以區(qū)分所檢查的部位包含的是游離血管(血液，圖11)、脂質斑(圖10)還是鈣化(圖12)。
這意味著脂質斑和鈣化會在反向傳播的信號中引入不同的頻譜變動，這種變動可以使用內插多項式的二階系數的分布直方圖的定性評估來加以檢測，其中所述內插多項式近似頻譜系數的變化。
相似考慮可以應用于與三階系數相關的直方圖的變化，其中所述三階系數在所考慮的三個窗口中具有不同的分布，其中這三個窗口分別是以脂質斑、血液以及鈣化為中心的。涉及一階系數分布的直方圖僅僅存在程度較小的差別，但是這種差別仍舊是非常明顯的。
通過使用一種解碼到數量眾多的頻帶的處理，可以使用次數大于四的內插多項式，例如五階內插多項式，而在上述附圖所指示的數據實例中，所述頻帶的數量則是十六個。這樣一來，甚至那些與不同系數的統(tǒng)計分析相關聯的更重要的實驗結果也是可以獲取的。圖13A、13B和13C顯示了五階內插多項式的變化，該多項式近似頸動脈的頻譜系數變化，其中所述變化是借助使用雙正交3.7小波解碼到16個子頻帶來獲取的。
圖14、15和16中顯示的直方圖描繪的是用于圖8A中所示窗口的內插多項式的不同次數的系數(A0～A5)的統(tǒng)計分布，其中所述窗口分別是以脂質斑、血液以及受鈣化影響的部位為中心的。
特別地，通過將圖9A、9B、9C與13A、13B、13C相比較，可以在脂質斑和鈣化部位觀察到內插多項式的不同變化。內插多項式系數的直方圖在不同部位中的不同變化與此是對應的，其中與涉及四階多項式的直方圖中發(fā)現的差別相比，不同類型的組織之間的統(tǒng)計分布差別甚至更大。
同樣，所關注的結果是在關于前列腺的超聲檢查中獲取的。在圖8B中顯示了下文所要闡明和論述的用于獲取實驗結果的B模式超聲圖像。此外，該圖像還顯示了以所檢查的腫瘤組織部位為中心的窗口。
同樣，對前列腺而言，使用四階內插多項式以及將數字化射頻信號解碼到16個頻帶或子頻帶，記錄內插多項式的一階、二階、三階以及四階系數的統(tǒng)計分布，其中這些分布在健康組織與腫瘤組織之間是存在差別的，對分布直方圖的形狀而言也是如此。圖17A和17B分別為腫瘤組織和健康組織顯示了用于一階、二階、三階以及四階階數的系數a1和a2(圖17A)以及系數a3和a4(圖17B)的不同參考類別的總體頻率直方圖，此外，還包括不存在組織的情況(在水采樣中測得的噪聲)。通過比較這些直方圖可以看出，由于對所有的四個系數而言，不同系數的直方圖形式會在健康組織與瘤組織之間發(fā)生變化，因此所有系數都提供了可以用于識別腫瘤組織的信息。
一方面，這些實驗結果顯示了內插多項式的不同系數的相關性(用于頻譜分析)，另一方面則顯示了局部估計量的不同數值類別中分布直方圖的形狀因數在用于識別腫瘤組織或被檢查器官中的特定特征中的重要性。
因此，依照第一個方面，根據本發(fā)明的方法，內插多項式的一個或多個系數的分布直方圖的形狀因數被用于獲取可以在超聲掃描器的正常B模式圖像上重疊顯示的信息。
依照一個不同的方面，本發(fā)明的方法其特征在于使用若干局部估計量，也就是使用同一內插多項式的不同次數的若干系數。
在下文中將參考圖7G～7I來描述一種可能的處理方法。該實例考慮單個局部估計量矩陣，也就是內插多項式的單個系數的值。所考慮的局部估計量矩陣可以是與內插多項式的任何系數有關的矩陣，而所述內插多項式在調查被檢查的組織類型的過程中是非常重要的。對所關注的每一個局部估計量矩陣而言，下文描述的程序是可以重復執(zhí)行的，其中每一個矩陣都是通過收集那些在超聲圖像中通過內插多項式的特定系數而取的數值來獲得的。此外，還可以以一個局部估計量矩陣開始，其中該矩陣包含了與同一多項式的不同次數的系數相關聯的矩陣的組合。舉例來說，在這里可以產生一個收集二階系數的局部估計量矩陣，以及一個收集三階系數的不同的局部估計量矩陣，然后則從這兩個矩陣產生一個局部估計量矩陣，在該矩陣中，每一個系數都是所述前兩個矩陣的相應系數之和。在一個不同的實施例中，其中也可以使用在兩個或多個局部估計量矩陣中收集的局部估計量的乘積作為局部估計量。此外，使用內插多項式的所有系數同樣是可行的。對四階多項式而言，其中可以將五個系數組合在一起(將其相加或相乘，或是對其施加其他類型的處理)，以便從五個矩陣中獲取單個矩陣。
返回到所描述的實例，該實例使用了內插多項式的單個系數，并且由此使用單個矩陣，其中該實例是從圖7F中的局部估計量矩陣開始的，而局部估計量的數值的分布直方圖則是在不同的參考類別中確定的。
使一個具有恰當定義的大小I×J的窗口從所考慮的局部估計量矩陣上移過。該窗口位于第一位置(圖7G)，而落入該窗口內的局部估計量矩陣系數aij的分布直方圖則是在這個位置中計算的。
如參考圖10以及下文所述，相對于實驗結果而言，對給定多項式的不同階數而言，其系數的分布直方圖將會根據窗口所包圍的被檢查圖像的特定部分中發(fā)現的組織類型而發(fā)生變化，從而采用不同的形狀。一旦將大小為I×J的調查窗口定位在局部估計量矩陣上的給定位置，那么將會完成分布直方圖，并且計算所述直方圖的一個形狀因數，例如標準偏差σ。通過將所述窗口沿著局部估計量矩陣的行與列一次移動一步，來獲取一系列與局部估計量矩陣的系數數量相等的標準偏差值。通過用σij來表示與使用位置ij的窗口計算的局部估計量矩陣系數的分布直方圖有關的標準偏差值，可以構造出一個系數數量與局部估計量矩陣系數aij的數量相等的矩陣，但是該矩陣的值在考慮分布直方圖的形狀參數(在這個具體實例中則是“標準偏差σij”)的情況下進行了修改和處理。這個矩陣將會包括m×n個值bijbij＝f(aij，σij)其中f是aij和σij的類函數。舉例來說，局部估計量矩陣的每一個系數aij都可以與相應值σij相除，由此可以得到bij＝aij/σij然而有必要理解的是，將系數bij關聯于系數aij以及相應分布直方圖的形狀因數σij的函數也可以不同于上述函數。例如，在這里可以執(zhí)行乘法而不是除法，此外還可以執(zhí)行這些數值的不同組合。
此外，在這里還可以為內插多項式中的不同次數的多個系數考慮相應的多個局部估計量矩陣，并且將這些矩陣組合在一起，使用相關分布直方圖的形狀參數來對其進行加權。
所用直方圖的形狀因數或形狀參數也可以不同于標準偏差。舉例來說，在這里可以使用峰態(tài)、對稱索引、較高次數時刻或是用于表示對象數量最多的類別的參數。通常，局部估計量矩陣的系數可以通過任何在特定窗口中表征所述矩陣系數的分布直方圖的形狀因數來處理，其中舉例來說，該窗口以局部估計量矩陣的每一個單獨系數的位置為中心。
在下文中將大小為m×n、收集系數bij的矩陣稱為加權局部估計量矩陣。這意味著所述矩陣的每個系數被相應窗口的分布直方圖的形狀因數加權，其中“加權”意味著以某種方式將該系數與形狀參數相組合，所述形狀參數可以是標準偏差或另一恰當參數。
有必要理解的是，對可用于超聲波信號的頻譜表征的內插多項式的不同次數而言，在這里可以為這些次數的某些或所有系數單獨執(zhí)行所描述的操作。對收集內插多項式的一般次數的系數的單個局部估計量矩陣來說，針對該矩陣所執(zhí)行的操作對所有那些被考慮的次數而言可以是相同的，盡管也可以用不同的方式來對內插多項式的不同次數的系數進行處理。例如，通過將三階系數與標準偏差參數相除，可以對三階系數進行加權，而二階系數既可以進行加權，也可以執(zhí)行另一種與峰態(tài)之類的不同參數相結合的操作，此外還可以執(zhí)行一種不同于與局部估計量以及形狀參數相除的操作。
無論如何，一般概念是組合表示局部估計量的系數值和考慮特定窗口中所述系數的直方圖的形狀的系數。
圖7J示意性指示了在使用所述內插多項式的所有系數而不是單個系數來獲取更復雜和更精細的加權局部估計量集合時所執(zhí)行的過程。由此，局部估計量矩陣是一個大小為m*n*k的三維矩陣，其中m是每一個軌跡上的采樣數量，n是經過數字化和采樣的超聲幀中的軌跡數量，k則是內插多項式(次數為k-1的多項式)系數的數量。該矩陣的系數是用aij(1)、......、aij(k)表示的。
系數aij(1)、aij(2)、......、aij(k)將會相互組合，以便獲得組合局部估計量矩陣的系數cij。這個矩陣是一個大小為n*m的二維矩陣。它的每一個系數都是如下給出的cij＝f(aij(1)，aij(2)，......，aij(k))其中f是類函數。舉例來說，該函數可以是三維矩陣的位置ij的所有k個系數的總和或乘積。
在這個矩陣cij中，分布直方圖的形狀系數σij可以是標準偏差，并且該系數是借助上文中參考圖7G、7H所描述的過程獲取的。加權局部估計量矩陣同樣是用bij表示的，由此，總體矩陣fij是從形狀系數cij以及形狀參數σij中獲取的。
在概念方面，該過程與參考圖7D～7H所描述的過程相似，但不用之處在于包含源自內插多項式的所有系數而不是其中一個系數的信息的系數(加權局部估計量)包含在最終矩陣中。
僅僅使用內插多項式中的某些系數的中間解決方案同樣是可以實現的。
在一個實施例變化中，其中首先可以通過形狀系數σij來執(zhí)行單個系數aij的加權，隨后則可以僅僅將經過加權的局部估計量相互組合。實質上，在這種情況下，當確定了頻譜系數矩陣之后，確定內插多項式，此外還會從這些多項式的系數中確定估計量aij(k)的矩陣。對每一個k值來說，確定作為直方圖形狀的統(tǒng)計分布，并且計算一個形狀因數，例如標準偏差σij(k)。然后計算加權的局部估計量bij(k)＝f(aij(k)，σij(k))最后，組合加權的局部估計量而得到cij＝f’(bij(1)，bij(2)，......，bij(k))其中f和f’是類函數。
依照本發(fā)明的一個不同方面，該過程并沒有對系數或局部估計量進行加權。所述過程的這個不同實施例不允許使用分布直方圖的形狀中所包含的信息，但是仍舊允許使用內插多項式的若干個系數的信息內容。圖7K示意性描繪了這種情況下的處理過程。其中相同的符號表示與圖7J中的部件相同或等價的部件。在這里不再通過處理矩陣cij來獲取形狀因數σij，但是其系數(未經加權的局部估計量)會經過統(tǒng)計分析，以便直接獲取在這里用fij’表示的總體矩陣。
在獲取了加權局部估計量矩陣的情況下，這個矩陣的系數值將會依照數值類別來進行分類，其中所述數值類別是通過實驗發(fā)現的與特定組織結構具有雙單義關聯的數值類別。換句話說，通過實驗可以證實，某一種類型的組織(例如前列腺的瘤組織)將會改變超聲波激勵信號，由此某一個經過加權的局部估計量將會采取落入某個數值類別的值。然后，通過對超聲掃描器進行編程，可以對輸入幀執(zhí)行上文描述的操作，從而獲取加權局部估計量矩陣。之后，以這種方式獲取的矩陣系數將會與瘤組織的數值類別特性進行比較，其中對那些數值落入瘤組織的特性類別內的加權局部估計量而言，由這些加權局部估計量矩陣的點形成的彩色圖像將會重疊在黑白的B模式圖像上。這個彩色指示為超聲操作者提供了必要信息，由此顯示了瘤組織的存在與否及其位置。
應該理解的是，在這里可以為不同類型的組織或結構執(zhí)行分類。舉例來說，如果希望顯示健康組織的存在，那么通過識別某種用于表征健康組織存在的加權局部估計量的數值類別即可滿足需要。同樣，如果希望在相同的圖像上同時或者按順序顯示兩種不同類型的組織或結構(例如脂質斑和頸動脈中的鈣化)的存在，那么只要執(zhí)行以下操作即可滿足需要識別表征這兩種結構類型的兩種數值類別、然后使用這些類別的特征值來過濾局部估計量矩陣的系數，以及同時或是按順序在B模式超聲圖像上顯示結果，其中在必要以及優(yōu)選的情況下，所述顯示是用兩種不同的顏色實現的。
對于為某個局部估計量表征特定類型組織的數值類別而言，要想以實驗方式來識別該數值類別，可以通過檢查實驗采樣來執(zhí)行該處理，其中在所述實驗采樣中借助了直方圖來分析所關注的結構。以前列腺為例，其中將會對健康組織、腺癌以及腺纖維瘤的均勻部位進行識別。然后，如上所述，作為響應而從實驗采樣掃描中獲取的射頻超聲波信號將被處理，以便獲取單個加權局部估計量矩陣。
B模式圖像的點與矩陣的每個系數是對應的，這一點歸因于用于獲取局部估計量矩陣的方式。因此，由于某種結構(例如腺癌)所處的部位是已知的，在這些部位中確定局部估計量的統(tǒng)計分布，并且識別出具有最大總體頻率的類別。就這個特定器官而言，該類別與腺癌的存在與否是相關聯的。因此，在每一次對類似的器官執(zhí)行超聲分析的時候，其中都會對經過加權的局部估計量進行分類，并且那些落入腺癌的參考類別內的加權局部估計量將會通過在B模式圖像上覆蓋色標來高亮顯示，其中在所述B模式圖像中，對其中加權局部估計量數值落入腺癌特征類別內的圖像區(qū)域而言，與之相對應的象素是彩色的。此外，相似的過程還被用于其他類型的組織(對前列腺而言則是健康組織、腺纖維瘤)。
更詳細的處理設想的是在對參考類別進行識別的階段以及對接受超聲調查的器官進行分析的階段，作用于至少一對局部估計量矩陣之上?，F在將借助圖23A和23B來描述基于三個不同局部估計量的此類處理的實例。對實驗采樣而言，在這里將會對其再次進行超聲幀采集處理，然后，該采樣將被實施上文所述的處理，從而獲取三個加權局部估計量矩陣。
第一個二維圖形分別在橫坐標和縱坐標上顯示了兩個加權局部估計量矩陣的所有系數值，例如通過內插多項式的零階和一階系數所獲取的值。第二個圖形顯示的是借助零階和二階系數所獲取的加權局部估計量。圖23A在橫坐標上顯示了借助用于前列腺的多項式的一階系數而獲取的加權局部估計量矩陣的系數。在縱坐標上則顯示了借助同一多項式的零階系數所獲取的加權局部估計量矩陣的系數。圖23B在橫坐標上顯示了借助二階系數獲取的加權局部估計量，并且在縱坐標上顯示了借助零階系數所獲取的加權局部估計量。
因此，由所使用的加權局部估計量中的某一個值以及其他值組成的一對數值(點的坐標)是與這兩個圖形中每一個圖形的每一個點相關聯的。
以這種方式獲取的圖形可以重疊在輸入超聲幀上。因此，輸入超聲幀的每一個點可以關聯于那些與該點相對應的被檢查加權局部估計量的數值類別對。
借助組織學分析，在超聲幀上將會標識那些特性(健康、瘤等等)均勻的組織部位。在圖23A和23B中，這些部位是用三個不同的灰度級區(qū)分的。在這兩個圖形中，由于加權局部估計量的數值對是與超聲幀中的每一個點相對應的，因此可以將用于所述加權局部估計量的數值類別關聯于所檢查的組織中的每一個均勻部位，其中所述類別與這個特定類型的組織具有單義關聯性。
為了以雙單義方式來識別每一個部位，非常重要的是選擇一個集合，該集合包含了加權局部估計量數值類別對或三元組，并且這些加權局部估計量并未重疊在與不同部位相關聯的其他估計量上。其中舉例來說，用于提取這些集合的操作可以通過邏輯“或”運算以及“與”運算來完成。
如所述，對于以這種方式確定的集合而言，其總體頻率在常規(guī)的B模式圖像上是用色標表示的，所述色標對每一個集合而言都是不同的，此外，所述色標直接與總體頻率的強度成比例。
正如圖17A、17B中以實驗方式所指出的那樣，對希望顯示的部位(在本實例中則是瘤組織)而言，通常只要將其與那些從內插多項式的所有系數中獲取的圖像的總和相組合，就可以高亮顯示該部位，在這種情況下，所述部位的高亮顯示是通過借助邏輯“與”操作而與那些從內插多項式的所有系數中獲取的數值集合進行組合來實現的。
對于未加權的局部估計量，例如通過將內插多項式的不同次數的系數相互組合所得到的局部估計量而言，用于在通過組織學分析而檢測的組織特性與加權本地估計量的數值類別之間進行實驗相關的上述過程同樣是有效的。
對上文中論述以及圖9A～17B中表示的實驗結果而言，其中使用的是將RF信號分解到16個相同寬度的頻帶或子頻帶的處理。這種分解處理在前列腺檢查以及頸動脈檢查中提供了非常有用的結果。選擇這兩種類型的器官則是因為它們具有大小不同的組織結構。與頸動脈相比，前列腺的結構通常具有較大的尺寸。對于反射超聲波激勵信號的不同大小的結構而言，這些結構將會導致在返回的信號中出現不同的頻率分布。而通過執(zhí)行細分到16個相同幅度的頻帶的處理，可以獲取從被檢查的器官返回并且分辨率足夠高的RF信號。
盡管如此，一般來說，以上描述可以了解，分解到頻帶中的選擇(頻帶的數量和幅度)有可能依照所要分析的組織或結構類型而改變。在被分析的器官中，所研究的結構越小，分解到高頻的分辨率也就越大，反之亦然。這一點可以通過下文中參考圖18～21所論述的實驗結果來加以確認，其中所述實驗結果同樣是通過處理頸動脈的某一部分的超聲圖像獲取的。
圖19、20和21顯示的是所分析的頸動脈部分的B模式圖像。使用一個離散小波將經過數字化和采樣的RF信號解碼到六個幅度可變的頻帶中。圖18A顯示的是描繪所使用的濾波處理的樹形結構，圖18B顯示的則是六個分解頻帶?？梢杂^察到，從低頻到高頻，頻帶的幅度增加。信號的采樣頻率則是用fc表示的。圖18C顯示了通過將前述分解處理應用于圖19、20和21中的B模式圖像而獲取的內插多項式的變化。
圖19的頂部顯示的是所檢查的頸動脈的B模式圖像，其下方是四階內插多項式的變化(與圖18C相對應)，再下來則是在以脂質斑為中心的窗口(在B模式圖像上重疊顯示)級計算的內插多項式的不同次數的系數A0-A4的分布直方圖。具有相同圖像布局的圖20顯示的是在以游離血管部位、即血液為中心的窗口中獲取的內插多項式以及分布直方圖。同樣，在這個范例中，窗口也是在頸動脈的B模式圖像上重疊顯示的。最后，具有相同配置的圖21顯示的是在一個以B模式圖像中被辨認出存在鈣化現象的部分為中心的窗口中獲取的結果。
通過比較圖19、20和21可以看出，在分解到幅度從低頻到高頻逐漸遞增的六個頻帶的情況下，在所觀察的三個部位(脂質斑、血液以及鈣化)中，內插多項式的變化并未顯著改變。而這正是所用分解沒有提供適合檢查這類器官這一事實的第一個指示。出現這種情況是因為所識別的結構的尺寸很小，由此它們提供的頻譜信息都位于響應頻譜的高頻部分，也就是說，在這種情況下，所使用的分解處理需要具有更大幅度的頻帶。與之相反，對分解到16個幅度相等的頻帶中的處理而言，其在相同器官上獲取的結果(圖9A～16)顯示借助該分解處理所獲取的分辨率足以提供有效結果。
從圖19、20和21的分布直方圖中可以注意到，實際上(雖然內插多項式的變化在脂質斑、血液和鈣化這三個區(qū)域中基本上是相同的)，不同系數的次數的分布直方圖的形狀是變化的。然而，在這三個被調查的部位中，相應系數的分布直方圖之間的差別并不像使用基于解碼到16個幅度相等的頻帶的信號處理所得到的差別那樣顯著和明顯。最后，對借助兩種解碼到子頻帶的處理所獲取的結果而言，對其結果所進行的比較顯示如果就頻帶數量及其幅度方面而選擇了恰當的解碼處理，那么則允許將本發(fā)明的分析方法適配成依照所調查的組織或結構類型來獲取最優(yōu)的結果。解碼或分解類型可以用實驗方式進行選擇，此外還可以借助實驗來選擇最適合的內插多項式次數，其最重要的系數，以及所述系數的分布直方圖的最相關形狀系數。
圖22例示了通過離散小波分組變換(DWPT)的射頻信號頻譜分解樹。依照所執(zhí)行的超聲調查的類型以及所檢查的結構的特征，該調查方法可以使用沿著圖22中的樹形結構的不同分解可能性中的任何一種。
很明顯，附圖僅僅顯示的是本發(fā)明的實際實施例，在不脫離本發(fā)明的原理范圍的情況下，這些實施例的形式和裝置是可以發(fā)生變化的。附加權利要求中給出的任何參考數字的用途僅僅是為參考上文以及附圖所進行的閱讀提供幫助，它們并沒有限制權利要求的范圍。
權利要求
1.一種用于對從接受超聲檢查的結構返回的射頻超聲信號進行頻譜分析的方法，該方法包括以下階段a)將超聲激勵信號傳送到被檢查的所述結構的一部分；b)接收來自所述結構的射頻響應信號；c)應用一系列濾波操作，來獲得將射頻響應信號的頻帶分解成多個頻帶；d)從所述濾波操作產生的系數計算局部估計量(aij，cij)，所述局部估計量包含關于射頻信號頻譜的信息；其特征在于所述局部估計量(aij，cij)與表示所述局部估計量的統(tǒng)計分布形狀的參數(σij)組合到超聲圖像的一部分中。
2.如權利要求1所述的方法，其中用于細分所述射頻信號的頻帶覆蓋信號的整個頻帶。
3.如權利要求1或2所述的方法，其中所述頻帶是不同寬度和位置的頻帶。
4.如前述權利要求中的一個或多個所述的方法，還包括以下階段為超聲輸入幀產生經過采樣和數字化處理的幀；將所述經過采樣和數字化的幀分解到所述頻帶中；產生頻譜系數矩陣，該矩陣包含所述過濾操作產生的系數或從其推導的系數；為經過采樣和數字化的幀的至少某些點確定相應的內插多項式(PI)，所述內插多項式近似所述頻譜系數在用以分解射頻信號的不同頻帶中的變化；為所述點從內插多項式的至少一個系數(ao，......，ak)獲取所述局部估計量(aij，cij)，所述局部估計量則構成局部估計量矩陣。
5.如權利要求4所述的方法，其中，所述局部估計量(aij)中的每一個由相應內插多項式的一個系數構成。
6.如權利要求4所述的方法，其中根據內插多項式的至少兩個系數而為每一個點確定至少兩個局部估計量(aij(k))，以便產生三維局部估計量(aij(k))矩陣。
7.如權利要求4所述的方法，其中所述局部估計量(cij)的每一個由相應內插多項式的多個系數的組合構成。
8.如權利要求4、5、6或7所述的方法，其中所述局部估計量(aij’，cij)的每一個與一個窗口內的所述局部估計量的分布直方圖的形狀系數(σij)相結合，以便獲取加權的局部估計量(bij)，其中在所述窗口內部包含所述局部估計量。
9.如權利要求8所述的方法，還包括以下階段確定比所述局部估計量(aij，cij)矩陣尺寸更小的窗口中的所述局部估計量(aij，cij)的統(tǒng)計分布；為每一個所述窗口確定所述統(tǒng)計分布的形狀參數(σij)特性；為每一個窗口，組合所述形狀參數(σij)以及相應的局部估計量(aij’，cij)，以便獲取加權的局部估計量(bij)。
10.如權利要求4至9中的一個或多個所述的方法，其中使用相應內插多項式的不同系數(ao，...，ak)而為經過采樣和數字化處理的超聲幀的同一點獲取的若干加權局部估計量被相互組合。
11.如前述權利要求中的一個或多個所述的方法，其中使用時間-頻率變換來獲得所述濾波操作。
12.如權利要求11所述的方法，其中所述時間-頻率變換是小波。
13.如權利要求11所述的方法，其中所述時間-頻率變換是離散小波分組變換(DWPT)。
14.如前述權利要求中的一個或多個所述的方法，還包括以下階段確定加權局部估計量的統(tǒng)計分布，以及創(chuàng)建一個數值類別集合，其中所述集合能夠雙單義地識別被調查采樣的超聲幀上的均勻部分。
15.如前述權利要求中的一個或多個所述的方法，其中使用所述加權局部估計量而產生的彩色圖像重疊在超聲圖像上。
16.如權利要求15所述的方法，其中所述彩色圖像是選擇落入與預定組織結構具有雙單義關系的參考類別內的加權局部估計量來產生的。
17.一種用于對從接受超聲檢查的結構返回的射頻超聲波信號進行頻譜分析的方法，該方法包括以下階段a)向所要檢查的所述結構的一部分傳送超聲波激勵信號；b)接收來自所述結構的輸入射頻響應信號；c)為輸入超聲幀產生經過采樣和數字化的幀；d)將濾波系列應用于所述經過采樣和數字化的幀，以便獲得將射頻響應信號的頻帶分解成多個頻帶；e)產生頻譜系數矩陣，該矩陣包含所述濾波操作產生的系數或從中推導的系數；f)為經過采樣和數字化的幀中的至少某些點確定相應的內插多項式(PI)，其中該多項式近似所述頻譜系數在用以分解射頻信號的各頻帶中的變化；g)為所述點從內插多項式的系數(ao，...，ak)中獲取局部估計量(cij)，將內插多項式的不同次數(ao，...，ak)的至少兩個系數相互組合。
18.如權利要求17所述的方法，其中用以細分所述射頻信號的頻帶覆蓋信號的整個頻帶。
19.如權利要求17或18所述的方法，其中所述頻帶是具有不同寬度和位置的頻帶。
20.如權利要求17至19中的一個或多個所述的方法，其中所述濾波操作是使用時間-頻率變換來獲得的。
21.如權利要求20所述的方法，其中所述時間-頻率變換是小波。
22.如權利要求20所述的方法，其中所述時間-頻率變換是離散小波分組變換(DWPT)。
23.如權利要求17至22中的一個或多個所述的方法，其中還包括以下階段確定局部估計量的統(tǒng)計分布，以及創(chuàng)建數值類別的集合，該集合能夠以雙單義方式來識別被調查采樣的超聲幀上的均勻部分。
24.如權利要求17至23中的一個或多個所述的方法，其中使用所述局部估計量產生的彩色圖像重疊在超聲圖像上。
25.如權利要求24所述的方法，其中所述彩色圖像是選擇落入與預定組織結構具有雙單義關系的參考類別內的加權局部估計量來產生的。
26.一種超聲設備，該設備包括超聲探測器，用于采集和處理從接受超聲檢查的結構返回的射頻信號的部件，其特征在于所述采集和處理部件經過編程而執(zhí)行權利要求1至25中的一個或多個所述的方法。
全文摘要
本方法通過時間－頻率變換之類的濾波而將射頻信號分解到子頻帶中。從通過所述分解而采集的系數獲取頻譜系數矩陣，并且從該矩陣獲取局部估計量，特別地，所述局部估計量是由內插多項式的系數構成的。局部估計量的統(tǒng)計分布在重疊在超聲幀上的窗口中被評估。這些頻譜系數分布直方圖的構造提供了一個參數，該參數與局部估計量相結合，提供加權的局部估計量，所述加權局部估計量包含可以在對接受超聲分析的器官中的特定結構進行識別的過程中使用的頻譜信息。
文檔編號G01S7/52GK1954235SQ200480035699
公開日2007年4月25日 申請日期2004年10月5日 優(yōu)先權日2003年10月8日
發(fā)明者倫納爾多·瑪索蒂, 艾娜·比亞吉, 西蒙納·格蘭奇, 盧卡·布萊斯奇 申請人:艾克提斯有源傳感器有限公司, 埃薩奧特股份公司