一種基于奇異值譜加權(quán)的超聲彩色多普勒成像雜波抑制算法

王錄濤，吳　錫，金　鋼，鄒見效

(1.成都信息工程大學(xué)計算機(jī)學(xué)院，四川成都 610103； 2.中國空氣動力研究與發(fā)展中心，四川綿陽 621000；3.電子科技大學(xué)自動化學(xué)院，四川成都 611731)

?

一種基于奇異值譜加權(quán)的超聲彩色多普勒成像雜波抑制算法

王錄濤1，吳錫1，金鋼2，鄒見效3

(1.成都信息工程大學(xué)計算機(jī)學(xué)院，四川成都 610103； 2.中國空氣動力研究與發(fā)展中心，四川綿陽 621000；3.電子科技大學(xué)自動化學(xué)院，四川成都 611731)

針對超聲彩色多普勒成像中由血管或血管周圍組織時變運動引起的非平穩(wěn)雜波抑制問題，提出一種基于奇異值譜加權(quán)的雜波抑制算法.首先根據(jù)單個慢時方向的回波多普勒矢量構(gòu)建Hankel數(shù)據(jù)矩陣并進(jìn)行奇異值分解，利用分解得到的Hankel主成分構(gòu)造回歸濾波器的正交基函數(shù)，同時引入改進(jìn)的Sigmoid函數(shù)根據(jù)能量歸一化奇異值譜計算回歸濾波器系數(shù)，使得雜波區(qū)域的檢測具有高度的特異性，從而提高非平穩(wěn)雜波的抑制能力.為驗證算法的有效性，利用商業(yè)級超聲儀(Sonix RP,Ultrasonix Inc.)采集50幀人體頸動脈血流基帶回波數(shù)據(jù)并進(jìn)行濾波處理，濾波后數(shù)據(jù)采用滯一自相關(guān)法估計法計算血流平均速度與功率并進(jìn)行成像.處理結(jié)果表明，與傳統(tǒng)靜態(tài)濾波器以及現(xiàn)有基于特征值分解的濾波算法相比，可有效增強(qiáng)組織空間高強(qiáng)度時變運動時血流與組織的區(qū)分能力.

超聲彩色多普勒成像；非平穩(wěn)雜波；Hankel奇異值分解；譜分析

1　引言

在超聲彩色多普勒成像技術(shù)中，血管與血管周圍慢動組織反射引起的雜波強(qiáng)度通常比血流信號強(qiáng)度高40～100dB，即使當(dāng)采樣容積位于血管中心位置處，由于采樣容積的三維特性、合成聲束旁瓣泄露、聲波多重反射以及距離模糊等因素的影響，血流回波信號中也包含大量的雜波信號[1,2].雜波信號的存在導(dǎo)致血流動力學(xué)參數(shù)估計產(chǎn)生較大偏差，嚴(yán)重降低彩色血流成像系統(tǒng)的血流鑒別能力，因此雜波成分的充分抑制對于提高彩色超聲多普勒系統(tǒng)成像質(zhì)量有著至關(guān)重要的意義[3].

傳統(tǒng)的雜波抑制濾波器，如有限沖擊響應(yīng)(Finite Impulse Response,FIR)濾波器、無限沖擊響應(yīng)(Infinite Impulse Response,IIR)濾波器、多項式回歸濾波器等是一種靜態(tài)濾波器，頻域響應(yīng)與輸入數(shù)據(jù)無關(guān)[4].當(dāng)雜波為平穩(wěn)信號時，靜態(tài)雜波濾波器可實現(xiàn)雜波的有效抑制，但對于由呼吸作用、血管搏動以及組織時變運動等引起的非平穩(wěn)雜波，采用單一截止頻率的靜態(tài)濾波器實現(xiàn)血流動力學(xué)參數(shù)的準(zhǔn)確估計則面臨著巨大的挑戰(zhàn)[5～7].

針對雜波信號的非平穩(wěn)特性，Kruse等[8]提出了基于特征值分解(Eigen)的雜波濾波器設(shè)計方法.該方法利用回波多普勒信號協(xié)方差矩陣特征分解獲得的特征矢量設(shè)計最優(yōu)雜波濾波器，在已知雜波子空間維數(shù)的情況下，基于雜波基矢量構(gòu)造回波濾波器使得雜波擬合均方誤差最小，但Eigen 濾波器假設(shè)整個觀察范圍內(nèi)的多普勒矢量信號是平穩(wěn)的，不具有空間自適應(yīng)性[9].Hankel-SVD濾波器根據(jù)單個慢時回波多普勒矢量構(gòu)建Hankel數(shù)據(jù)矩陣并進(jìn)行奇異值分解(Singular Value Decomposition,SVD)，利用高序Hankel主成分實現(xiàn)血流多普勒信號的重構(gòu)，改善了雜波濾波器的空間自適應(yīng)性[10～12].Eigen與Hankel-SVD濾波器均采用嚴(yán)格門限法根據(jù)預(yù)設(shè)閾值來確定回歸濾波器系數(shù)，通過丟棄雜波成分與保留血流成分實現(xiàn)雜波抑制，在組織高強(qiáng)度時變運動時，難以取得一致的濾波效果[13,14].

本文提出一種基于奇異值譜加權(quán)的Hankel-SVD濾波方案(Hankel-SVD-WF)實現(xiàn)組織空間高強(qiáng)度時變運動導(dǎo)致的非平穩(wěn)雜波的有效抑制.該方案根據(jù)單個慢時回波多普勒矢量構(gòu)建Hankel數(shù)據(jù)矩陣并進(jìn)行奇異值分解，但與常規(guī)Hankel-SVD僅采用高序Hankel主成分設(shè)計雜波抑制濾波器不同，利用改進(jìn)的Sigmoid函數(shù)與能量歸一化奇異值計算雜波濾波器系數(shù)，通過對各Hankel主成分賦予不同的權(quán)值實現(xiàn)血流多普勒信號的重構(gòu).最后采用人體頸動脈血流成像實例對雜波抑制性能進(jìn)行量化對比.

2　Hankel-SVD

超聲血流成像技術(shù)利用超聲聲束對成像區(qū)域進(jìn)行掃描，在每一個掃描方向形成有限個發(fā)射聲束，通過接收血紅細(xì)胞散射的多普勒信號估計血流動力學(xué)參數(shù)[3].作為一種回歸濾波器，Hankel-SVD濾波器根據(jù)Karhunen-Loeve變換將解調(diào)后的回波多普勒矢量信號表示為一組正交基矢量的線性疊加，通過保留與血流信號相對應(yīng)的正交成分并進(jìn)行信號重構(gòu)，消除雜波對血流參數(shù)估計的影響[11].

對于包含N個采樣值的單個慢時回波多普勒矢量x，其Hankel-SVD逼近可表示為：

(1)

其中P(P

(2)

為計算式(1)中的正交成分，首先需將單個慢時多普勒矢量x分割成部分重疊的數(shù)據(jù)段并重新組織以構(gòu)造Hankel矩陣：

(3)

其中,P滿足P≤celi(N/2)，使得P≤N-P+1總成立.逐次采用單個慢時多普勒回波矢量構(gòu)建Hankel矩陣并計算濾波器輸出，不需要假設(shè)整個觀察范圍內(nèi)的多普勒矢量信號是平穩(wěn)的，因而具有空間自適應(yīng)性.式(3)的SVD可表示為：

(4)

其中，Ak表示秩為1的第k階Hankel成分，σk為奇異值，uk為N×1左奇異矢量，vk為(N-P+1)×1右奇異矢量.式(4)中的P個奇異值滿足σ1>σ2>…>σP，因此Ak又可稱為第k階Hankel主成分.

分析Hankel矩陣的構(gòu)造過程可知，在構(gòu)造Hankel矩陣A時，輸入信號矢量中的每個元素被沿反對角線方向重復(fù)配置，雖然經(jīng)奇異值分解，Ak反對角線方向的元素不再相等，但仍可沿Ak反對角線方向?qū)Υ硗惠斎霐?shù)據(jù)的所有元素求平均值來重建式(1)的正交基矢量γkφk，實現(xiàn)血流多普勒信號的準(zhǔn)確重構(gòu).

3　奇異值譜加權(quán)Hankel-SVD濾波算法

3.1奇異值分解濾波系數(shù)及計算方法分析

將單個慢時回波多普勒矢量x沿Hankel-SVD基矢量φk分解后，奇異值濾波(Singular Value Filter，SVF)輸出的一般化形式可表示為：

(5)

其中wk為濾波器系數(shù)，決定了濾波器的性能.與傳統(tǒng)基于DFT的頻域濾波技術(shù)不同，SVF無需信號頻率構(gòu)成的先驗知識，根據(jù)觀測信號不同成分的能量構(gòu)成設(shè)計wk，并將其賦予反映輸入信號各分量能量信息的基矢量φk實現(xiàn)期望信號的重構(gòu)，因而可更加有效地將弱信號從強(qiáng)干擾信號中分離出來[10,11].

超聲多普勒回波信號模型可表示為：

(6)

其中，s為血流信號，c為雜波，n為噪聲.雜波由心壁、瓣膜、血管壁及靜止的或慢速運動的肌肉產(chǎn)生的多普勒回波分量構(gòu)成，平均頻率較低但強(qiáng)度較高，在回波信號中占主導(dǎo)地位；血流信號由血紅細(xì)胞散射的多普勒信號構(gòu)成，強(qiáng)度較低，但頻率成分高于雜波信號[1].

由超聲多普勒回波信號模型可知，不同檢測區(qū)域回波信號成分能量構(gòu)成存在巨大差異，因此wk的取值應(yīng)反映輸入信號分量能量構(gòu)成的統(tǒng)計特性，以避免雜波成分殘留過多或降低血流信號成分被過多抑制的風(fēng)險.目前，SVF系數(shù)自適應(yīng)計算主要分為兩類：基于奇異值門限值與基于Hankel主成分頻率內(nèi)容分析的方法[15,16].奇異值門限法根據(jù)預(yù)先設(shè)置的奇異值絕對值、奇異值差異或奇異值比率閾值，將回波信號成分分為雜波與血流兩部分，由于組織空間分布差異與組織運動的時變性，回波信號不同成分的相對能量值出現(xiàn)較大差異，奇異值門限法很難保證濾波輸出的一致性.Hankel主成分頻率內(nèi)容分析法采用滯一自相關(guān)法計算各階Hankel主成分的平均頻率，并與預(yù)設(shè)雜波頻率、帶寬比較以區(qū)分當(dāng)前Hankel主成分所對應(yīng)的信號分量的性質(zhì)，但當(dāng)雜波與血流頻率非常接近或存在重疊時，仍無法避免低速血流信號丟失或高頻雜波成分的泄漏.

3.2能量歸一化奇異值譜

由奇異值分解原理可知，奇異值可充分表征輸入信號不同成分能量集中情況.因此，本文將奇異值按照當(dāng)前回波總能量進(jìn)行歸一化，并以此作為SVF系數(shù)計算的基礎(chǔ).能量歸一化奇異值譜定義為：

(7)

其中，Σkk表示第k階能量歸一化奇異值.當(dāng)回波信號源于靜態(tài)組織區(qū)域時，雜波能量集中在第1階奇異值上，其它歸一化奇異值相對較小，當(dāng)組織空間高強(qiáng)度時變運動時，雜波能量向高階奇異值擴(kuò)散，歸一化能量譜趨于平坦，而當(dāng)回波信號完全由噪聲成分構(gòu)成時，歸一化能量譜最為平坦.由于輸入信號的維數(shù)是大于奇異值譜噪聲基底的奇異值的個數(shù)的函數(shù)[11]，因此能量歸一化奇異值譜的分布特性可充分揭示回波信號的統(tǒng)計維數(shù).與奇異值門限法和Hankle主成分頻率內(nèi)容分析法相比，采用Σkk計算SVF系數(shù)使得雜波區(qū)域的檢測具有高度的特異性，進(jìn)而增強(qiáng)針對由組織空間時變運動導(dǎo)致的非平穩(wěn)雜波的抑制能力，同時使得低速血流信號得以有效保留.

3.3濾波器系數(shù)計算

根據(jù)超聲多普勒回波信號模型與能量歸一化奇異值譜，選取改進(jìn)的Sigmoid函數(shù)計算SVF系數(shù)：

(8)

其中，α、τ為權(quán)函數(shù)參數(shù).作為一種常見的S型函數(shù)，Sigmoid具有連續(xù)、光滑嚴(yán)格單調(diào)特性，能夠較好平衡線性和非線性之間的行為，采用改進(jìn)的Sigmoid計算濾波器系數(shù)能夠更好的利用多普勒回波信號奇異值分布特性，增強(qiáng)濾波器雜波抑制性能的同時，盡可能保留低速血流信號.圖1給出了τ=0.5，α取0、10、1000時SVF系數(shù)與能量歸一化奇異值譜關(guān)系.

參數(shù)τ為雜波成分截止門限，取決于當(dāng)前雜波分布特性.τ較小，則雜波成分難以得到充分抑制，平均血流速度估計出現(xiàn)較大負(fù)偏差，血流平均功率估計過高；τ較大則導(dǎo)致低速血流參數(shù)難以準(zhǔn)確估計.α決定了Sigmoid函數(shù)的滾降特性，用以控制截止門限附近的基矢量的衰減程度，調(diào)整α可以有效改善雜波血流功率比，α較大有助于增強(qiáng)雜波抑制能力，但導(dǎo)致低速血流信號被抑制的風(fēng)險增加.

在實際應(yīng)用中，可根據(jù)最優(yōu)的雜波血流功率比準(zhǔn)則選擇α，而τ則可由雜波Hankel主成分階數(shù)k與能量歸一化奇異值譜獲得.當(dāng)k已知時τ取值為：

(9)

4　頸動脈血流成像比較

為驗證本文所提算法在臨床診斷應(yīng)用中的有效性，利用Sonix RP (Ultrasonix Inc.,Vancouver,Cannada)采集50幀人體頸動脈基帶多普勒回波數(shù)據(jù)，每幀數(shù)據(jù)包含50條側(cè)向掃描線，每線由軸向750個采樣點構(gòu)成，對每個采樣點包含的多普勒回波矢量進(jìn)行濾波處理，處理后的數(shù)據(jù)采用滯一自相關(guān)估計算法計算平均血流速度與功率并按空間掃描順序排列以形成血流速度與功率分布圖像.數(shù)據(jù)采集參數(shù)設(shè)置如表1所示.

表1　頸動脈血流成像數(shù)據(jù)采集參數(shù)設(shè)置

選取心臟收縮期一幀彩色超聲多普勒回波數(shù)據(jù)比較5種不同濾波算法的性能，濾波器參數(shù)選擇及門限值的設(shè)置應(yīng)使得濾波后血流功率估計相近，以便于不同濾波器雜波抑制性能比較.圖2給出了經(jīng)濾波處理后、未設(shè)置速率門限與功率門限的血流成像結(jié)果.其中，IIR-Prj為2階、歸一化截止頻率為0.1的投影初始化IIR濾波器，Reg-Pol為2階Legendre多項式回歸濾波器，Eigen濾波器的空間平滑長度為軸向15個采樣點，雜波抑制-50dB；對于Hankel-SVD濾波器，構(gòu)建Hankel矩陣時，P=5，采用頻域閾值法確定雜波奇異值矢量階數(shù)，設(shè)置雜波中心頻率為100Hz，帶寬為250Hz；Hankel-SVD-WF的滾降特性參數(shù)α=1000，雜波奇異值矢量階數(shù)確定方法與Hankel-SVD相同.

圖2(a)為B-Mode圖像，在圖中標(biāo)出了頸動脈血管的空間位置，并根據(jù)相對血管壁距離標(biāo)出了具有不同運動特性的組織區(qū)域，用以分析組織運動與奇異值譜分布的相關(guān)性，在其余圖像中不同的顏色代表不同的速度估計結(jié)果.由于雜波成分主要由血管壁加速擴(kuò)張以及連帶的血管壁周圍組織引起的多普勒回波分量構(gòu)成，因此，可認(rèn)為在遠(yuǎn)離血管區(qū)域組織受血管搏動影響較小，回波成分近似由靜態(tài)雜波主導(dǎo)，因而可被充分抑制，濾波后殘留噪聲成分使得流速估計趨向于系統(tǒng)抗混疊速度，在圖像中表現(xiàn)為紅、藍(lán)交錯分布，而在靠近血管壁的綠色區(qū)域則表示受血管壁加速運動影響，雜波成分未能得以充分抑制，血流估計速度產(chǎn)生較大偏差.對比圖2可知，圖2(e)、(f)中雜波殘留區(qū)域最小，圖2(b)中最大，圖2(d)優(yōu)于圖2(b)、(c)，這是因為Reg-Pol具有更加陡峭的過渡帶，雜波抑制性能相對IIR-Prj有所改善，但在血管壁上邊緣區(qū)域仍殘留較多數(shù)量的雜波；Eigen濾波器根據(jù)回波多普勒信號統(tǒng)計特性，自適應(yīng)選取雜波子空間維數(shù)，因而可顯著改善非平穩(wěn)雜波的抑制性能；Hankel-SVD根據(jù)慢時方向單個多普勒回波矢量的統(tǒng)計特性重構(gòu)血流信號，具有空間平穩(wěn)性，與Eigen濾波器相比，對血管空間高強(qiáng)度時變運動導(dǎo)致的非平穩(wěn)雜波的抑制能力顯著增強(qiáng)，而Hankel-SVD-WF則通過對血管邊緣的準(zhǔn)確檢測，減少了血管左下方的血流溢出效應(yīng)，有效提高了血流分布的可視化能力.

圖3給出了圖2(a) B-Mode圖像中不同區(qū)域?qū)?yīng)的能量歸一化奇異值分布.ST1近似由靜態(tài)組織構(gòu)成，雜波能量集中在第1階奇異值上，因而Σ11顯著大于其它能量歸一化奇異值；受血管壁的空時運動影響，MT1與MT2中雜波能量向高階Hankel主成分?jǐn)U散，Σ11減小，Σkk(k>1)增加，奇異值譜趨向平坦，雜波數(shù)據(jù)維數(shù)增加.因此，歸一化奇異值譜分布能有效揭示組織運動特性，對雜波區(qū)域的檢測具有高度的特異性.

圖4為濾波后功率多普勒成像比較，濾波器參數(shù)設(shè)置同圖2.從圖4中可以看出，5種濾波器均可實現(xiàn)雜波成分的抑制，使得血流功率得以顯現(xiàn).在遠(yuǎn)離血管區(qū)域，雜波能量抑制最為充分；而在血管壁及其附近區(qū)域，血管的非勻速搏動使得雜波成分向高階Hankel主成分?jǐn)U展，濾波器的雜波抑制性能降低，導(dǎo)致在血管壁邊緣殘留了一定部分的較強(qiáng)雜波成分.比較血管附近區(qū)域的雜波功率可以發(fā)現(xiàn)，在血流功率近似相等的情況下，經(jīng)Hankel-SVD-WF濾波處理后，雜波功率明顯低于其它三種濾波算法，因此，雜波抑制能力最優(yōu).

為量化比較5種算法的雜波抑制性能，統(tǒng)計血流(Blood)、血流邊緣(B1)、運動組織1(MT1)、運動組織2(MT2)、靜態(tài)組織1(ST1)與靜態(tài)組織2(ST2)6塊不同區(qū)域濾波后平均功率并列入表2，各區(qū)域空間位置如圖4(a) B-Mode圖像中所示.分析表2中數(shù)據(jù)可知，相對于傳統(tǒng)靜態(tài)濾波器，自適應(yīng)濾波器的雜波抑制性能顯著提升.在MT1區(qū)域，相對Hankel-SVD與Eigen，Hankel-SVD-WF的雜波抑制度分別提高了約13.11dB與16.56dB，而在MT2區(qū)域，則分別提高了6.09dB與6.01dB.在B1區(qū)域，Hankel-SVD-WF功率比Hankel-SVD提高了約2.72dB，血管邊緣的低速血流成分得以更好的保留.

表2　區(qū)域平均功率比較

5　結(jié)論

相比靜態(tài)濾波器，自適應(yīng)雜波抑制濾波器根據(jù)輸入信號統(tǒng)計特性濾除雜波成分，可顯著提高非平穩(wěn)雜波的抑制性能.Hankel-SVD濾波器采用單個慢時方向的回波多普勒矢量構(gòu)建Hankel數(shù)據(jù)矩陣，具有空間自適應(yīng)性，相比Eigen濾波器空間非平穩(wěn)雜波的抑制能力有所提升.在設(shè)計濾波器系數(shù)時，Hankel-SVD采用門限法，根據(jù)Hankel數(shù)據(jù)矩陣奇異值分解后獲得的奇異值所表征的信號成分能量集中信息或各階Hankel主成分反映的頻域信息，通過與預(yù)設(shè)閾值比較，確定需保留的Hankel主成分.與Hankel-SVD硬門限準(zhǔn)則不同，Hankel-SVD-WF根據(jù)多普勒回波信號模型與能量歸一化奇異值譜所表征的組織運動信息，采用改進(jìn)的Sigmoid函數(shù)，計算重構(gòu)血流信號的回歸濾波器系數(shù).能量歸一化奇異值譜的應(yīng)用使得雜波區(qū)域的檢測具有高度的特異性，而非二進(jìn)制的濾波系數(shù)則可通過控制雜波截止成分附近的基矢量的衰減程度進(jìn)一步獲得最優(yōu)的血流雜波功率比.頸動脈血流與功率成像結(jié)果表明，采用Hankel-SVD-WF，可顯著改善組織空間高強(qiáng)度時變運動時的血流與組織的區(qū)分能力.

Sigmoid函數(shù)的參數(shù)α對于濾波后的血流雜波功率比有重要影響，探討奇異值分布與最優(yōu)α取值關(guān)系，進(jìn)一步提高本文所提算法的性能是本課題下一步研究的內(nèi)容.

[1]Oeltze S,Lehmann D J,Kuhn A.Blood flow clustering and applications in virtual stinting of intracranial aneurysms[J].IEEE Transactions on Visualization and Computer Graphics,2014,20(5):686-701.

[2]Shung K K.Diagnostic Ultrasound:Imaging and Blood Flow Measurements[M].New York:Taylor Francis Group,2006.34-37.

[3]Yap C H,Thiele K,Wei Q F.Novel method of measuring vascular regurgitation using three-dimensional nonlinear curve fitting of Doppler signals within the flow convergence zone[J].IEEE Transactions on Ultrasonics,Ferroelectrics and Frequency Control,2013,60(7):1295-1311.

[4]Kadi A,Loupas T.On the performance of regression and step-initialized IIR clutter filters for color Doppler systems in diagnostic medical ultrasound[J].IEEE Transactions on Ultrasonic,Ferroelectrics and Frequency Control.1995,42(3):927-937.

[5]Bjaerum S,Torp H,et al.Clutter filters design for ultrasound color flow imaging[J].IEEE Transactions on Ultrasonics,Ferroelectrics and Frequency Control,2002,49(2):693-704.

[6]Yoo Y M,Managuli R,Kim Y.Adaptive clutter filtering for ultrasound color flow imaging[J].Ultrasound in Medicine & Biology,2003,29(9):1311-1320.

[7]Yoo Y,Kim Y.New adaptive clutter rejection for ultrasound color Doppler imaging:In vivo study[J].Ultrasound in Medicine & Biology,2010,36(3):480-487.

[8]Kruse D E,Ferrara K W.A new high resolution color flow system using an eigen decomposition-based adaptive filter for clutter rejection[J].IEEE Transactions on Ultrasonics,Ferroelectrics and Frequency Control,2002,49(12):1384-1399.

[9]Yu A C H.Eigen-based signal processing methods for ultrasound color flow imaging[D].Toronto:Univ.of Toronto,2007.54-56.

[10]趙學(xué)智,葉邦彥.基于二分遞推SVD的信號奇異性位置精確檢測[J].電子學(xué)報,2012,40(1):53-59.ZHAO Xuezhi,YE Bangyan.Accurate detection of signal singularity position based on dichotomizing recursion SVD[J].Acta Electronica Sinica,2012,40(1):53-59.(in Chinese)

[11]朱凱然,何學(xué)輝,等.一種單自旋回波串信號參數(shù)估計方法[J].電子學(xué)報,2013,41(3):456-462.

ZHU Karan,HE Xuehui,et al.An aproach for parameter estimation of a single spin echo train signal[J].Acta Electronica Sinica,2013,41(3):456-462.(in Chinese)

[12]Yu A C H,Cobbold R S C.Single ensemble based eigen-processing methods for color flow imaging part 1 the Hankel-SVD filter[J].IEEE Transactions on Ultrasonics,Ferroelectrics and Frequency Control,2008,55(3):559-573.

[13]Song F,Zhang D,Gong X.Performance evaluation of eigendecomposition-based adaptive clutter filter for color flow imaging[J].Ultrasonics,2009,44(1):67-71.

[14]Yu A C H,Lovstaken L.Eigen-based clutter filter design for ultrasound color flow imaging:A review[J].IEEE Transactions on Ultrasonics,Ferroelectrics and Frequency Control,2010,57(5):1096-1011.

[15]Park G Y,Yeo S M,Yoon C H.HNew adaptive clutter rejection based on spectral decomposition and tissue acceleration for ultrasound color Doppler imagingH[A].IEEE International Ultrasonics Symposium H[C].Prague,Czech Republic:IEEE,2013.1484-1487.

[16]Yu A C H,Johnston K W,Cobbold R S C.Frequency based signal processing in Ultrasound color flow imaging[J].Canadian Acoustic,2007,35(2):11-23.

王錄濤男，1979年3月出生，山東定陶人，博士后，成都信息工程大學(xué)講師，從事醫(yī)學(xué)成像、高性能嵌入式計算等方面有關(guān)研究.

E-mail:wltuestc@163.com

吳錫男，1980年3月生，四川成都人，博士，成都信息工程大學(xué)副教授，四川省學(xué)術(shù)和技術(shù)帶頭人后備人選，主要研究方向為數(shù)字圖像處理、計算智能等.E-mail:wuxi@cuit.edu.cn

金鋼男，1958年3月生，四川遂寧人，博士，中國空氣動力研究中心研究員，博導(dǎo)，研究方向為信號工程、光學(xué)工程與流體力學(xué).

E-mail:gjin@ioe.ac.cn

鄒見效男，1978年12月生，江西吉安人，博士，電子科技大學(xué)教授、博導(dǎo)，研究方向為智能信息處理與控制、測控系統(tǒng)及信號處理技術(shù)與新能源控制技術(shù).E-mail:jxzou@uestc.edu.cn

A Singular-Spectral-Weighting-Based Clutter Rejection Method for Color Ultrasound Doppler Imaging

WANG Lu-tao1,WU Xi1,JIN Gang2,ZOU Jian-xiao3

(1.DepartmentofComputeScienceandTechnology,ChengduUniversityofInformationTechnology,Chengdu,Sichuan610103,China;2.ChinaAerodynamicsResearch&DevelopmentCenter,Mianyang,Sichuan621000,China;3.SchoolofAutomationEngineering,UniversityofElectronicScienceandTechnologyofChina,Chengdu,Sichuan611731,China)

Aiming at rejecting nonstationary clutter originating from slow moving vessels and surrounding tissues,a singular-spectral-weighting-based clutter suppression method for color ultrasound Doppler imaging is presented in this paper.First,a Hankel data matrix is created from each slow-time ensemble.Then,the singular value decomposition is performed to obtain the orthogonal basis functions for regression filtering.The coefficients of the filter are adaptively computed by a modified sigmoid function from the power normalized singular spectral,which allows for means to detect regions of clutter artifacts with high specificity.To analyze the efficacy of the proposed adaptive filter,in-vitro experiments were carried out.For the experiments,raw CFI data were acquired by a commercial ultrasound system (Sonix RP,Ultrasonix Inc.).Then,blood flow parameters are estimated from an estimate of the lag-one auto correlator of the filtered signal.The reconstructed flow and power images verifies that the proposed method outperforms other tested methods in rejecting high intense nonstationary clutter,which leads to improved distinguishing between blood and tissue regions.

ultrasound color Doppler imaging;nonstationary clutter;hankel singular value decomposition;spectral analysis

2014-07-17;修回日期:2015-07-16;責(zé)任編輯：梅志強(qiáng)

TN911.7

A

0372-2112 (2016)06-1294-06