CN120599075A - 一种单极性自适应光声层析图像重建方法 - Google Patents

Abstract

本发明属于光声成像技术领域，公开了一种单极性自适应光声层析图像重建方法，首先，在超声阵列的相邻阵元之间插入虚拟阵元，通过插值提高空间采样率；其次，基于延迟求和算法重建原始光声图像；接着，对插值后的通道信号进行时间差分处理，得到一阶时间梯度数据，并对负梯度信号引入线性补偿因子进行修正；然后，利用补偿后的梯度信号重建梯度光声图像；最后，将原始图像与梯度图像归一化后加权融合，生成高对比度的单极性光声图像。本发明通过数学运算补偿负信号并融合图像，有效解决了传统双极性图像对比度低、边缘模糊的问题，同时避免了希尔伯特变换导致的细节损失。该方法在保留声压信号特征的基础上，显著提升了图像信噪比和边缘锐度。

Description

一种单极性自适应光声层析图像重建方法

技术领域

本发明属于光声成像技术领域，尤其涉及一种单极性自适应光声层析图像重建方法。

背景技术

光声层析成像（Photoacoustic Tomography, PAT）作为一种新型无创医学影像技术，通过融合光学成像的高对比度优势与超声成像的深层穿透能力，实现对生物组织的多维度解析。其技术原理基于光声效应：当脉冲激光辐照生物组织时，内部光吸收成分（如血红蛋白、黑色素）吸收光能并产生瞬时热膨胀，激发出宽频超声波信号。阵列式超声换能器捕获这些声波信号后，经电信号转换和时延校正处理，结合预设的声速分布模型，可重构出组织内部的光吸收能量空间分布图谱。

光声层析成像的原始通道数据在时域上呈近似对称分布，其信号均值接近零，因此采用传统延迟求和（DAS）算法重建时会生成双极性图像（bipolar image）。此类图像中，正负声压变化分别对应亮白与深黑像素，而背景区域因数值接近零而呈现灰色。尽管双极性图完整保留了声压极性信息，但背景与弱信号灰度相近，低对比度的灰度分布严重削弱了微小血管或深层组织的辨识度，显著限制后续的图像处理与判断。

为克服双极性图的缺点，超声成像中常借助希尔伯特变换对信号进行包络检测，将双极性图转换为单极性图像（unipolar image）。然而，取包络操作虽然消除了正负极性信息带来的对比度折叠，却不可避免地导致边缘细节模糊。血管和组织边界在经过希尔伯特变换处理后的单极性图中表现为宽度扩展或边缘模糊，使得对血管直径、组织边界的精确测量和定量分析变得更加困难，亦影响图像判断。因此，如何在保持高对比度与清晰边缘的前提下处理正负极性信号，成为提升光声层析成像质量的关键挑战。

发明内容

为了解决上述光声成像中存在的问题，本发明提出了一种单极性自适应光声层析图像重建方法，该方法主要通过数学运算对通道信号进行处理，对负信号进行补偿，并通过图像融合将双极性图转换为单极性图，得到高对比度的光声图像。

为实现上述目的，本发明采用的技术方案包括以下步骤：

一种单极性自适应光声层析图像重建方法，包括如下步骤：

步骤一，引入虚拟阵元：超声阵列含有多个阵元，在任意两个相邻的阵元之间插入一个虚拟阵元，其对应的通道为插值通道；

步骤二，基于延迟求和重建原始光声图像：基于插值后的通道数据，利用延迟求和算法重建原始光声图像；

步骤三，计算通道梯度数据：对插值后的通道信号在时间维度上进行差分处理，得到每个通道信号的一阶时间梯度数据；

步骤四，计算梯度补偿数据：对梯度值为负的信号，引入一个与时间线性相关的补偿因子进行加权，修正信号中被削弱的负向部分，再对整体取负，得到梯度补偿数据；

步骤五，基于延迟求和重建梯度光声图像：采用与步骤二相同的延迟求和算法，将输入数据换为经补偿后的梯度信号，构建一幅侧重边缘细节与局部变化的梯度光声图像；

步骤六，融合图像：将原始光声图像和梯度光声图像分别归一化并进行加权融合，最终获得高对比度的二维光声层析图像。

进一步的，所述步骤一的虚拟阵元的位置设定为两相邻阵元位置的中点，其通道数据则取相邻两个阵元对应通道数据的平均值。

进一步的，所述步骤二假设声波在组织中以恒定速度沿直线传播，计算图像中每个像素点至各阵元的传播距离，并除以介质中的声速以获得相应的传播时间延迟；随后，从每个通道信号中提取对应延迟时间点的信号并进行叠加，构建出反映组织内部光吸收分布的原始光声图像。

进一步的，所述步骤一包括如下具体步骤：

设超声阵列含有个阵元，位置坐标为,接收到的原始通道数据为，，为采样时间，在任意两个相邻的阵元之间插入一个虚拟阵元——插值阵元，其位置设定为两相邻阵元位置的中点，插值后的阵元坐标表示为：

，

插值通道数据则取相邻两个阵元对应通道数据的平均值，插值后的通道数据表示为：

。

进一步的，所述步骤二的原始光声图像计算过程表示为：

，

其中是超声在介质中的传播速度。

进一步的，步骤三的每个通道信号的一阶时间梯度数据计算过程为：

，

其中为采样点数。

进一步的，所述步骤四的梯度补偿数据计算过程表示为：

，

其中是通道梯度数据行中到列时连续负梯度的次数，为指示函数，条件满足时取1，否则取0。

进一步的，所述步骤五的梯度光声图像，表示为：

。

进一步的，所述步骤六包括如下具体步骤：

将原始光声图像和梯度光声图像分别归一化，以将图像值变换到-1至1，表示为：

，

其中，表示原始光声图像的像素点，是整张原始光声图像；表示梯度光声图像的像素点，是整张梯度光声图像；

再进行加权融合，并将负值置零，得到单极性图，表示为：

，

其中为比例因子。

本发明的一种单极性自适应光声层析图像重建方法具有以下优点：

本发明的一种单极性自适应光声层析图像重建的方法，能够在保留原始声压信号特征的同时，有效增强图像的细节与对比度，相较于双极性图，该技术显著提升了深层弱信号的信噪比，减少了图像伪影，在维持单极性图高对比度优势的基础上，突破传统希尔伯特包络检测的局限性，保持了图像的边缘锐度与细节特征。此外，本发明的单极性图的表达方式与超声成像等传统医学影像形式保持一致，具有更强的可读性和接受度，有助于更高效地进行图像解读与识别。同时，该方法在图像处理流程中采用计算结构简洁、易于并行加速的重建算法，不增加整体运算复杂度，能够实现实时图像重建。

附图说明

图1为本发明的单极性自适应光声层析图像重建方法流程图；

图2为延迟求和重建的原始光声图像（双极性图）示意图；

图3为延迟求和重建的梯度光声图像示意图；

图4为延迟求和重建的光声图像（单极性图）示意图。

具体实施方式

为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种单极性自适应光声层析图像重建方法做进一步详细的描述。

本发明的一种单极性自适应光声层析图像重建方法，包括如下步骤：

步骤一，引入虚拟阵元：超声阵列含有多个阵元，在任意两个相邻的阵元之间插入一个虚拟阵元，其对应的通道为插值通道，其位置设定为两相邻阵元位置的中点，其通道数据则取相邻两个阵元对应通道数据的平均值。通过引入虚拟阵元，增加有效通道数、提高空间采样率；

步骤二，基于延迟求和重建原始光声图像：假设声波在组织中以恒定速度沿直线传播，计算图像中每个像素点至各阵元的传播距离，并除以介质中的声速以获得相应的传播时间延迟。随后，从每个通道信号中提取对应延迟时间点的信号并进行叠加，从而增强目标信号并有效抑制背景噪声，构建出反映组织内部光吸收分布的原始光声图像。该图像保留了声压极性信息，为双极性灰度分布图，作为后续增强处理的基础；

步骤三，计算通道梯度数据：对插值后的通道信号在时间维度上进行差分处理，得到每个通道信号的一阶时间梯度数据；

步骤四，计算梯度补偿数据：对梯度值为负的信号，引入一个与时间线性相关的补偿因子进行加权，以修正信号中被削弱的负向部分，再对整体取负，得到梯度补偿数据；

步骤五，基于延迟求和重建梯度光声图像：采用与步骤二相同的延迟求和算法，但将输入数据换为经补偿后的梯度信号，从而构建出一幅侧重边缘细节与局部变化的梯度光声图像；

步骤六，融合图像：将原始光声图像和梯度光声图像分别归一化并进行加权融合，最终获得高对比度的二维光声层析图像。

实施例：

如图1所示，本发明公开了一种单极性自适应光声层析图像重建的方法，包括以下步骤：

步骤一，引入虚拟阵元：设超声阵列含有个阵元，位置坐标为,接收到的原始通道数据为，，为采样时间。在任意两个相邻的阵元之间插入一个虚拟阵元——插值阵元，其位置设定为两相邻阵元位置的中点，插值后的阵元坐标表示为：

插值通道数据则取相邻两个阵元对应通道数据的平均值，插值后的通道数据表示为：

步骤二，基于插值后的通道数据利用延迟求和重建原始光声图像，计算过程表示为：

其中是超声在介质中的传播速度。利用延迟求和重建得到的原始光声图像，例子如图2所示，图中黄色虚线为超声阵元分布的位置。

步骤三，计算通道梯度数据：对插值后的通道信号在时间维度上进行差分处理，得到每个通道信号的一阶时间梯度数据，计算过程为：

其中为采样点数。

步骤四，计算梯度补偿数据：对于通道梯度数据中的连续的负值，乘以一个与时间线性相关的因子，即对连续负梯度值进行动态放大，补偿强度与连续负梯度出现的次数成线性关系，最后再对整体数据取负，计算过程表示为：

其中是通道梯度数据行中到列时连续负梯度的次数，为指示函数，条件满足时取1，否则取0。

步骤五，基于延迟求和重建梯度光声图像：采用与步骤二相同的延迟求和算法，但将输入数据换为经补偿后的梯度信号，从而构建出一幅侧重边缘细节与局部变化的梯度光声图像，表示为：

基于延迟求和重建得到的梯度光声图像如图3所示。

步骤六，融合图像：将原始光声图像和梯度光声图像分别归一化，以将图像值变换到-1至1，表示为：

其中，表示原始光声图像的像素点，是整张原始光声图像；表示梯度光声图像的像素点，是整张梯度光声图像；

再进行加权融合，并将负值置零，得到单极性图，表示为：

其中为比例因子，一般取1。

经过加权得到的单极性图如图4所示，与图2双极性图相比，单极性图对比度更高，伪影更少。

可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (9)

1.一种单极性自适应光声层析图像重建方法，其特征在于，包括如下步骤：

步骤一，引入虚拟阵元：超声阵列含有多个阵元，在任意两个相邻的阵元之间插入一个虚拟阵元，其对应的通道为插值通道；

步骤二，基于延迟求和重建原始光声图像：基于插值后的通道数据，利用延迟求和算法重建原始光声图像；

步骤三，计算通道梯度数据：对插值后的通道信号在时间维度上进行差分处理，得到每个通道信号的一阶时间梯度数据；

步骤四，计算梯度补偿数据：对梯度值为负的信号，引入一个与时间线性相关的补偿因子进行加权，修正信号中被削弱的负向部分，再对整体取负，得到梯度补偿数据；

步骤五，基于延迟求和重建梯度光声图像：采用与步骤二相同的延迟求和算法，将输入数据换为经补偿后的梯度信号，构建一幅侧重边缘细节与局部变化的梯度光声图像；

步骤六，融合图像：将原始光声图像和梯度光声图像分别归一化并进行加权融合，最终获得高对比度的二维光声层析图像。

2.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤一的虚拟阵元的位置设定为两相邻阵元位置的中点，其通道数据则取相邻两个阵元对应通道数据的平均值。

3.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤二假设声波在组织中以恒定速度沿直线传播，计算图像中每个像素点至各阵元的传播距离，并除以介质中的声速以获得相应的传播时间延迟；随后，从每个通道信号中提取对应延迟时间点的信号并进行叠加，构建出反映组织内部光吸收分布的原始光声图像。

4.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤一包括如下具体步骤：

设超声阵列含有个阵元，位置坐标为,接收到的原始通道数据为，，为采样时间，在任意两个相邻的阵元之间插入一个虚拟阵元——插值阵元，其位置设定为两相邻阵元位置的中点，插值后的阵元坐标表示为：

，

插值通道数据则取相邻两个阵元对应通道数据的平均值，插值后的通道数据表示为：

。

5.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤二的原始光声图像计算过程表示为：

，

其中是超声在介质中的传播速度。

6.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，步骤三的每个通道信号的一阶时间梯度数据计算过程为：

，

其中为采样点数。

7.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤四的梯度补偿数据计算过程表示为：

，

其中是通道梯度数据行中到列时连续负梯度的次数，为指示函数，条件满足时取1，否则取0。

8.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤五的梯度光声图像，表示为：

。

9.根据权利要求1所述的单极性自适应光声层析图像重建方法，其特征在于，所述步骤六包括如下具体步骤：

将原始光声图像和梯度光声图像分别归一化，以将图像值变换到-1至1，表示为：

，

其中，表示原始光声图像的像素点，是整张原始光声图像；表示梯度光声图像的像素点，是整张梯度光声图像；

再进行加权融合，并将负值置零，得到单极性图，表示为：

，

其中为比例因子。