基于MATLAB的超声射频信号成像重建设计

严郁1,朱伟1,竺明月2,蔡晓巍1,蔡润秋1

1.南京中医药大学附属医院(江苏省中医院),江苏 南京 210029;2.南京医科大学 生物医学工程系,江苏 南京 210029

[摘 要] 目的对超声射频(Radio-Frequency,RF)信号实现超声B模式成像重建,供后续辅助诊断研究使用。方法以一帧RF数据作为研究对象,使用MATLAB将从VINNO 70采集到的RF数据经过低频滤波、动态正交解调、带通滤波和下采样、动态显示范围压缩、扫描显示成像等步骤实现超声RF数据成像重建。结果成功实现从RF信号到超声B模式成像重建。结论超声B模式成像成功重建对在病灶特征信号特征值提取与分析等方面具有重要意义。

[关键词]MATLAB;超声射频;成像重建;感兴趣区

引言

超声计算机辅助诊断(Computer Aided Detection,CAD)是近年来研究的热点。一般地,超声辅助诊断研究大都是基于超声图像进行病灶信号特征提取与分析,继而建立模式识别系统[1]。鉴于超声成像机理原因,加上超声信号的复杂性使得超声图像无法包含超声波信号全部特性,导致超声图像对一些细微结构差异的分辨能力不强。只有超声射频(Radio Frequency,RF)信号含有检波前的大量高频信息,能比较真实地反映出超声脉冲在介质中的传播情况,分析这些RF信号有可能获得组织的特征信息。国内王威琪院士等[2]开展过这方面类似的超声特征信号提取研究,取得了一定的科研成果。因此,为最大程度降低或消除成像因素影响,需从信号源头即超声射频回声信号进行分析,首先对RF信号重建成包含更多细节的图像,使用基于图像方法研究病灶感兴趣区(Region of Interest,ROI)信号特征提取[3-5],分析病灶ROI特征值与RF数据的关系,然后通过大量数据的机器学习,建立更精确的辅助诊断系统。因此,研究包含更多细节的RF信号成像重建是辅助诊断系统建立的基础。本研究使用MATLAB(matrix &laboratory,矩阵实验室)作为图像重建平台,以从VINNO 70提取的一帧RF信号作为研究对象,实现超声B模式成像重建,供后续计算机辅助诊断方面研究使用。

1 超声射频信号概述

超声射频信号是超声探头按一定的方向向人体发射一组超声波(频率1~20 MHz),经过一段时间延迟后探头获得反射波,回波信号经过滤波、放大、模数转换等信号处理后转换形成的,是没有进行图像处理的超声原始信号,保留了超声波信号全部特性[6-8],包含了检波前的大量高频信息,能较真实地反映出超声脉冲在介质中的传播情况,通过分析这些RF信号将有可能获得组织的特征信息及用于区分各组织的特性[9-10]。原始RF信号是一帧帧的二进制数据流,对医生不具有诊断价值,但对于研究计算机辅助诊断来说,RF数值由于包含了最全面、未失真的超声信息,适合于进行算法编译,在后续病灶信号特征提取与分析等方面具有重要意义[11]

2 重建设计与功能实现

2.1 总体设计

从VINNO 70超声工作站提取到的原始RF数据是.dat格式数据流,一次完整采集包含20帧共142 M数值矩阵,每个数值点对应于超声图像中的相同行列坐标的像素点,而数值点的大小则反映了相应超声图像像素点的未经图像增强前的本征灰度值[3]。矩阵数据量非常大,需要一定的处理才能显示成常见的B超图像。超声B模式成像重建包括3个部分:前端处理用于得到聚焦的射频信号;中间处理用于得到基带信号[7];后端处理用于显示经扫描转换之后的信号,具体见图1[8]。本文以一帧RF数据作为研究对象,实现超声B模式成像重建,具体包括以下几个步骤:低频滤波、动态正交解调、带通滤波和下采样、动态显示范围压缩、扫描显示成像等步骤[8]

图1 超声RF信号重建成像流程图

2.2 RF信号读取

读取包含更多细节的RF信号是整个超声图像重建研究中最重要的。首先需要了解.dat文件中数据的安排规则:.dat文件数据格式为:16 bit(每个点占用位宽,有符号数)×2988(点数)×312线(线数),共14916096字节。先从小到大(0~2988)存第1线2988点,然后存第2线2988点,以此类推,直到312线结束[9]。整个*.Dat文件是裸数据,没有别的信息。读入的数据格式为一维向量,根据.dat格式规则,将一维向量变换为312×2988的矩阵,则可得到一帧完整数据。数据读取流程如下:使用MATLAB的fopen函数打开一帧RF数据文件,fread函数将.dat文件中的数据读到变量rfdata中,同时读取采集数据时预设的基本信息,包括扫描线的时间戳、采样率、packet成像模式(普通基波B成像还是谐波B成像)、MLA数量(Multi-Line Acquisition,MLA,并行接收波束合成技术)等信息,根据预设信息按照一定规则读取RF数据流。

2.3 低频滤波

在从超声设备采集RF信号时,会引入由仪器硬件原因所产生的低频干扰,大大降低图像的品质,因此为提高重建图像质量,需设计高通滤波器去除混入RF信号中的低频干扰。根据式(1)使用MATLAB设计FIR(Finite Impulse Response Filter,FIR)高通滤波器对rfdata进行滤波[10]

其中,N为滤波器长度,R[m]、F[n]分别为RF信号和高通滤波器系数。NRF表示输入数据中每条扫描线上采样点的数目,经过计算,输出数据每条扫描线上的采样点数将减少到NRF-N+1。

2.4 动态正交解调

去除低频干扰后的RF信号能量主要集中在探头发射频率附近,为了提取有用信号,需要移除载波信号,即发射频率为10 MHz的发射探头载波。一般使用正交解调从高频回波信号中提取两路正交信号Inphase(In)、Quadrature(Qn)。在超声实际工作中,由于人体组织衰减作用,发射信号的衰减和接收信号的频偏都会随超声波束探测深度而增加[12],接收到的信号会有一个频移。因此为了得到良好的解调效果,需在标准正交解调中加入修正项fshift,得到扩展动态正交解调公式:

其中:Sn为高通滤波后RF信号,fc为探头发射频率,tn为沿着扫描线方向当前采样点处的时间,fshift为探测深度为d时的频率偏移,可通过公式(4)计算:

其中,wr为频带带宽比例,a为物体衰减系数,d为当前采样点处的发射频率深度。

2.5 带通滤波和下采样

通过动态正交解调后的信号包含频偏成分和高频谐波成分,需要设计带通滤波器保留频率在正负发射频率的信号。为了提高帧频而不牺牲线密度和成像视野,VINNO 70超声采用的是并行接收波束合成技术。根据原理,在一次发射周期内可以合成两条接收波束,相应的帧频也变为原来的两倍[13]。这是设计带通滤波器的重要依据,如探头发射频率是10 MHz,则用中心频率20 MHz的带通滤波器得到2倍频率的高频谐波信号。

一般地,每根RF声束均包含几千个采样点,远超过图像显示的数据规模,需对解调后的In/Qn信号数据进行下采样[14]。为避免频谱混叠,须保证抽样后的采样频率大于探头中心频率的两倍。采集数据时设置探头发射频率为10 MHz,探测深度为4.8 cm,探测宽度为3.86 cm,一帧RF数据包含了312条声束,每条声束有2988个点的数据,根据公式计算采样频率:

因此,采样频率确定为50 MHz。

2.6 动态显示范围压缩

超声在生物组织间传播时存在极大的反射级差异,使回波信号具有较大的动态范围,且绝大部分有用信息在一个较低的范围内,而超声一般只支持8 bit灰度级的回波显示。如果扫描转换是线性的,则这些有用信息很难显示在标准8位显示器上,需扩展低灰度级、压缩高灰度级[15-16]。本文选用对数压缩以保证回波信号正常显示,标准形式如下:

其中,X表示输入,Y表示输出,D控制动态范围增益,G表示压缩增益,通过下式(7)和(8)计算:

其中:dg是采集数据时预设的。Xmax表示输入信号的最大值。Ymin、Ymax表示经过输出信号的最小、最大值。

2.7 扫描显示成像

由于超声扫描时扫描线的排列并不是按顺序进行,为了显示正确的超声图像,需要对数据进行扫描重排,因此将从MATLAB中读取的RF数据矩阵行列进行重新排列即可[17]。采集数据时所用的探头是线阵探头,显示的矩形图像,不需要进行图像的坐标变换[18],直接可用来基于图像方法研究ROI信号特征提取。

3 结果

以采集到的一帧完整RF数据作为超声图像重建的分析过程,使用MATLAB显示一帧RF数据的时域图(图2),从图中可明显看出超声声束是纵波。

图2 一帧数据的时域显示

同时显示一帧RF数据的频域图(图3),从图中可明显看出回波信号中含有大量2、3倍于发射频率的反射频率的高频谐波,根据成像模式选择去除或保留这些信号。因信号采集时选择的成像模式是packet为0,即普通基波B成像,因此重建图像是普通基波B超图像(图4)。如packet为1,即则重建图像为谐波B图像。

4 结论

本文主要实现了从包含更多细节超声射频信号到超声B模式成像重建,主要包括RF信号读取、低频滤波、动态正交解调、带通滤波和下采样、动态显示范围压缩、扫描显示成像等步骤。其中RF信号读取是整个超声图像重建研究中最重要的部分,和既往研究相比,本研究的RF信号读取模块读出了更完整的超声射频信号,尤其是包含病灶特征的高频信息。此外,为减小射频信号的动态范围而提高图像的分辨力,本研究的动态显示范围压缩模块选用了更为精确的对数压缩表来实现[19]。然而,本研究只是实现了RF信号重建,并未考虑算法的时间复杂度,对于一帧数据都是占用极大内存的RF信号来说这是十分重要的问题,后续将对RF信号读取模块进行优化。此外,还将对超声图像进行预处理,为后续使用基于图像方法研究ROI信号特征提取的建立基础。

图3 一帧数据的频域显示

图4 RF信号重建图像

[参考文献]

[1] 彭国华.基于超声射频信号的脂肪肝特征信息分析与辅助诊断系统设计[D].成都:电子科技大学,2013.

[2] 王威琪,汪源源.医学超声信号及其特征提取[J].中国医疗器械信息,2004,10(1):4-12

[3] 严郁,方舸,蔡润秋,等.基于乳腺肿块的超声射频信号特征算法识别[J].中国医学装备,2016,13(9):20-22.

[4] 黄韫栀,刘奇,肖勇.基于超声RF信号的超声成像实验设计[J].实验科学与技术,2016,14(6):32-35.

[5] 陈秋霞,向军,刘奇,等.乳腺肿瘤超声图像纹理特征分析[J].激光杂志,2014,(3):65-66.

[6] 夏春兰,石丹,刘东权.基于CUDA的超声B模式成像[J].计算机应用研究,2011,28(6):2011-2015.

[7] 张耀楠,张永亮,肖杨.用于乳腺癌诊断的超声弹性图像特征选择与分类实验[J].中国医疗器械杂志,2016,40(6):397-402.

[8] 李竞,张立春,赵连春.超声弹性成像技术在乳腺肿瘤诊断中的应用[J].齐齐哈尔医学院学报,2015,(8):1163-1164.

[9] 邵昊阳,张英涛,鲜敏,等.基于多域先验的乳腺超声图像协同分割[J].自动化学报,2016,42(4):580-592.

[10] Huang Q,Yang F,Liu L,et al.Automatic segmentation of breast lesions for interaction in ultrasonic computer-aided diagnosis[J].Inform Sci,2015,314(C):293-310.

[11] 马满芳,陆惠玲,王媛媛,等.基于遗传算法——BP神经网络的乳腺肿瘤辅助诊断模型[J].软件导刊,2016,15(11):144-148.

[12] 王婷,高晓蓉,李金龙,等.基于小波变换的超声图像去噪算法研究[J].信息技术,2015,(2):93-96.

[13] 陈强,田杰,黄海宁,等.基于统计和纹理特征的SAS图像SVM分割研究[J].仪器仪表学报,2013,34(6):1413-1420.

[14] 韩晓涛.基于超声图像的甲状腺结节计算机辅助诊断方法研究[D].成都:西南交通大学,2016.

[15] Lewis SH,Dong A.Detection of breast tumor candidates using marker-controlled watershed segmentation and morphological analysis[A].Image Analysis and Interpretation.IEEE[C].2012:1-4.

[16] Shan J,Cheng HD,Wang Y.Completely automated segmentation approach for breast ultrasound images using multiple-domain features[J].Ultrasound Med Biol,2012,38(2):262-275.

[17] 邵昊阳.基于视觉显著性的乳腺超声序列图像分割方法[D].哈尔滨:哈尔滨工业大学,2015.

[18] 裴晓敏,季久玉,刘文进.基于视觉显著性特征的乳腺肿块检测方法[J].光电子·激光,2017,(1):117-122.

[19] 韩晓涛,杨燕,彭博,等.基于TI-RADS的甲状腺结节超声图像特征提取技术研究[J].计算机科学,2015,42(b11):126-130.

 

Reconstruction Design of Ultrasonic RF Signal Based on MATLAB

YAN Yu1, ZHU Wei1, ZHU Mingyue2, CAI Xiaowei1, CAI Runqiu1
1.Affiliated Hospital of Nanjing University of TCM (Jiangsu Province Hospital of TCM), Nanjing Jiangsu 210029, China;2.School of Biomedical Engineering, Nanjing Medical University, Nanjing Jiangsu 210029, China

Abstract: ObjectiveTo achieve image reconstruction from the ultrasound radio-frequency (RF) signal to the ultrasonic B mode for the subsequent follow-up diagnostic studies.MethodsTaking a frame of RF data as the research object, the RF data from VINNO 70 was reconstructed by low frequency filtering, dynamic quadrature demodulation, bandpass filtering and downsampling, dynamic display range compression and scanning display imaging using MATLAB.ResultsImage was reconstructed successfully from the ultrasound RF signal to the ultrasonic B mode.ConclusionThe successful reconstruction of ultrasound B mode is of great significance in the extraction and analysis of the lesion characteristic signal eigenvalue.

Key words:MATLAB; radio-frequency; imaging reconstruction; region of interest

[中图分类号]R445.1

收稿日期:2017-05-02

修回日期:2017-05-17

基金项目:江苏省“六大人才高峰”项目(WSN-058)。

作者邮箱:yanyucan@126.com

[文献标识码]]B

doi:10.3969/j.issn.1674-1633.2018.08.018

[文章编号]1674-1633(2018)08-0077-03

 

本文编辑 王静