1. 网站地图
  2. 设为首页
  3. 关于我们


实时热声成像技术及其应用研究

发布时间:2022-11-09 11:03
目 录
第一章绪论 1
1.1生物医学成像方法概述 1
1.1.1 X光成像 1
1.1.2电子计算机断层扫描成像 2
1.1.3磁共振成像 3
1.2微波热声成像技术的发展 4
1.3实时热声成像技术国内外研究现状 5
1.4论文的研究意义与工作安排 5
第二章微波热声成像原理 7
2.1热声信号的产生 7
2.2热声图像的重建算法 7
2.2.1基于线形换能器的延迟叠加算法 8
2.2.2基于环形换能器的延迟叠加算法 9
2.3本章小结 11
第三章实时热声成像系统 12
3.1热声成像系统的组成 12
3.1.1微波信号源 13
3.1.2超声换能器 13
3.1.3信号放大器 15
3.1.4数据采集系统 16
3.2实时采集成像程序设计 17
3.2.1数据采集部分 18
3.2.2线形换能器的图像重建部分 20
3.2.3环形换能器的图像重建部分 25
3.3本章小结 27
第四章 实时热声成像系统实验验证 28
4.1实时热声成像系统验证实验方案设计 28
4.1.1热声信号耦合介质的选择 28
4.1.2微波热声成像系统验证实验的实验方法 29
4.2基于线形换能器的实时热声图像成像实验 31
IV
4.2.1线形换能器对酱油管进行实时微波热声成像 31
4.2.2线形换能器对去离子水管进行实时微波热声成像 32
4.2.3线形换能器对生理盐水管进行实时微波热声成像 33
4.3基于环形换能器的实时热声图像成像实验 34
4.3.1环形换能器对酱油管进行实时微波热声成像 34
4.3.2环形换能器对去离子水管进行实时微波热声成像 36
4.3.3对生理盐水管进行实时微波热声成像 38
4.4本章小结 40
第五章基于延迟叠加原理的热声图像重建算法优化 41
5.1基于有限视角的延迟叠加算法优化 41
5.1.1基于有限视角的延迟叠加算法原理 41
5.1.2线形超声换能器成像的实验结果与分析 43
5.1.3环形超声换能器成像的实验结果与分析 46
5.2基于相干因子的延迟叠加波束成形算法 47
5.2.1基于相干因子的延迟叠加波束成形算法原理 47
5.2.2线形超声换能器成像的实验结果与分析 48
5.2.3环形超声换能器的实验结果与分析 50
5.3量化分析 51
5.4基于相干因子的实时热声图像重建程序设计 53
5.5基于相干因子的实时热声图像重建程序实验结果 55
5.6本章小结 58
第六章总结与展望 59
6.1总结 59
6.2展望 60
62
参考文献 63
攻读硕士学位期间取得的成果 69
第一章 绪论
1.1生物医学成像方法概述
生物医学成像是依赖于计算机技术、传感器技术通过对超声信号、磁共振信号、 X射线等物理信号进行采集探测和计算而得到生物体内结构图像的医学检测技术。 生物医学成像方法是无损的非入侵式的可以得到生物体内部结构的方法,相较于 临床解剖、病理切片等方法具有非常明显的优势。目前已经大规模进行临床应用的 生物医学成像方法有X光[1]以及由X光演化而来的电子计算机断层扫描(Computed Tomography,CT ), 根 据 声 呐 而 发 明 的 用 于 临 床 医 学 影 像 的 超声成像 (Ultrasound,US),对人体无任何副作用且成像分辨率很高的磁共振成像(Magnetic Resonance Imaging,MRI) [2]。
 
(a) (b)
 
 
c) (d)
 
图 1-1 已经大规模应用的医学成像设备。 (a)X 光; (b)CT; (c)MRI; (d)US
1.1.1 X 光成像
十九世纪末,德国物理学家伦琴利用克鲁克斯阴极射线管做阴极射线实验时,
发现了一种可以使荧光屏产生荧光的射线[3],而且这种射线的穿透能力要比阴极射 线更强,可以穿透书籍、木板甚至是薄的金属片。而且更加有意思的是当伦琴夫人 的手放在克鲁克斯阴极射线管和摄影感光底片之间得到了一张手部骨骼结构图, 这正是最早的 X 光生物医学成像图片。
 
图 1-2 伦琴夫人 X 光手部成像图
 
伦琴将这种发现的未知的射线命名为X射线,自此便诞生的X光成像。X光 也被广泛用于放射性治疗、安检、金属焊接检测等领域。X射线成像为现代医学成 像提供了一种非常简便有效的成像方式。第一届诺贝尔物理学奖正是因为伦琴发 现了 X射线这一重要研究成果而将奖项颁发给了他。但是由于X射线具有放射性 对人体有一定的危害不能在短时间内多次进行 X 光成像。后来,传感器也可以探 测到X射线的强度,X光成像的感光元件也有摄影胶片换成了传感器,目前X光 成像在医院里被广泛用于胸部、手部、脚部等位置的医学成像,成为了一种重要的 医学诊断影像方式。
1.1.2 电子计算机断层扫描成像
X射线具有对各种材质物体的穿透能力不同的特性,所以可以利用X光对人 体进行照射,通过穿过人体各个组织的X射线强度可以得到人体组织内部构造图 像,但是 X 光成像的图像结果比较单一,只能获得成像物体的最大值投影,无法 获得成像物体的三维结构信息。所以在X光成像的基础上发展出来了 CT成像技 术[4, 5],CT成像技术是利用逐层扫描的方式利用X光对人体组织某一结构的横截 面进行 X 光成像,通过不断的旋转成像角度来叠加成像范围内的数据,通过螺旋
2
扫描的当时增加横截面信号的信噪比。再将扫描的图像进行逐层叠加这样通过截 面图的高度叠加就获得了具有三维机构信息的图像。这种方式又为医学成像技术 提供了更新更全面的医学诊断方式。在1979年的诺贝尔奖颁奖典礼上, Hounsfield 和 Cormack 因为发明了 CT 成像技术这一重大突破而获得了诺贝尔医学和生理学 奖。CT成像技术拥有更丰富的组织结构信息,目前CT广泛应用心脏冠状动脉成 像,肿瘤检测、脑部成像等领域[6-9]。
 
(a) (b)
 
图 1-3 CT 扫描原理示意图 [5] 。 (a)CT 扫描横截面扫描方式示意图 (b) 螺旋
CT扫描方向示意图
1.1.3 磁共振成像
磁共振成像(Magnetic Resonance Imaging,MRI)是一种具有非侵入式的对组织 结构具有高对比度和分辨率的医学影像技术[10]。MRI由于是利用强磁场进行成像, 对人体无任何损伤,而且磁共振成像可以对肌肉、肝脏、大脑等人体器官获得比其 他成像方法更清晰的图像结果。因此, MRI 技术成为了应用非常广泛的临床医学 影像成像方法[11]。磁共振应用于临床的检查技术主要包括:常规磁共振成像和功能 性磁共振成像,常规磁共振主要是为了获取人体组织内部的结构信息,方便进行病 灶的定位和疾病的诊断等工作,功能磁共振主要里利用MRI技术可以获得人体内 部多种参数,可以进行人体代谢、脑部区域神经活动等领域的监控和科学研究等工 作[12, 13]。
核磁共振分析技术是通过采集到的核磁共振信号对其进行频谱分析从而获得 物体的内部结构和组成分布。它可以无需对物体进行任何特殊的处理,直接可以通 过磁场和射频激励信号来对物体进行分析,是一种不必破坏结构的检测方法。核磁 共振技术对物体进行分析时得到的信号非常多,同时可以对物体进行非常高分辨 率的分析。因此,核磁共振技术在临床诊断、科学研究、石油化工等方面有非常高 的应用价值。
磁共振成像由于其在人体成像当中具有非常高的成像分辨率并且对人体无损 伤十分安全,因而主要用在医疗临床领域。主要有静息态磁功能成像[14],脑部功能 性成像[15, 16],以及各种身体组织器官的结构成像[17, 18]。特别的,磁共振成像对脑 部结构成像研究工作非常之多,可以利用磁共振成像进行脑部神经的活动进行探 测,对神经、精神疾病方面的研究具有非常重要的作用[19]。此外,磁共振成像还应 用于高分子化学的聚合物相关的研究、石油勘探、食品加工领域,并取得了一些成 果[20-25]。
1.2微波热声成像技术的发展
1880 年贝尔发现用光照射固体媒质可以使媒质通过吸收光能进而产生温度变 化,进而由于热膨胀而产生体积变化。随着科学科学技术的发展,人们可以通过传 感器来捕捉这一信号。 20 世纪末, Indiana University 的 Robert A. Kruger 教授发现 了光声效应可以用来探测生物体内部的组织结构[26], 并将光声断层扫描 (Photoacoustic Tomography,PAT)应用在医学成像方面。而后 Texas A&M University 的 Lihong V Wang 提出了光声显微镜[27] (Photoacoustic Microscopy,PAM)这一种 新型的基于光声效应的生物医学成像技术。
二十世纪八十年代,University of Arizona的Theodore Bowen提出可以利用电 磁辐射来进行生物组织成像[28]。但是由于微波能量远小于可见光,所以使用微波 辐照生物组织进行生物医学成像对超声换能器的灵敏度要求很高。直到 1881 年, University of Illinois 的 James C. Lin 基于脉冲微波辐射的人体手部成像系统[27]。 Indiana University 的 Robert A. Kruger 受到热弹效应的启发,对乳腺组织进行微波 热声成像[26],其他的小组也逐渐开始进行微波热声成像的研究[29-34]。
微波热声成像(Thermoacoustic Imaging,TAI)是一种新型的非侵入式的无损 成像方式,它是利用微波脉冲信号对物体进行照射,物体因为吸收能量而产生超声 信号[35]。热声成像为乳腺癌[36, 37]、胰腺癌[38]、关节炎[39]等疾病提供了一种新型的 医学成像诊断方法[40]。
但是目前热声成像技术的研究仍处于起步阶段,大多数研究都集中在成像方 法和成像算法方面的研究。热声成像技术离临床应用还很遥远,如果要作为医学成 像诊断手段,必须要实现成像的实时性问题,这样才能够保证采集到的数据是可用 的,方便操作人员对仪器进行调整,得到清晰地图像。如果采集和成像分离,将对 操作人员提出很大的考验,降低了热声成像的实际应用价值。
1.3实时热声成像技术国内外研究现状
目前对于热声成像技术进行研究的国外团队主要有 Lihong V. Wang 教授团队 [27, 41-43]、Robert A. Kruger 教授团队[26, 30, 31, 44]、Vasilis Ntziachristos 教授团队[45-49]、 Huabei Jiang教授团队[50-54]、Yuanjin Zheng教授团队[55-59],国内对于热声成像技术 进行研究的团队主要有Da Xing教授团队[22, 60-65]、Zhiqin Zhao教授团队[66-69]。
关于热声实时成像的研究最早的 2016年是邢达教授团队进行了超短微波脉冲 实时热热声乳腺癌成像系统[63]方面的研究,但是只是说明该系统可以以 16.7 帧的 速率进行信号采集,并没有对信号采集和成像两个部分进行整合。 2019 年,亚利 桑那大学的 Chandra Karunakaran 利用实时微波热声成像实现了对微波热疗乳腺仿 体的温度监控实验[37],但是主要进行实时热声成像应用的研究,并没有对实时热 声成像系统的性能进行介绍。 2020 年,邢达教授团队的成像系统可以完成对 384 采样通道4000点采样深度的信号数据以500x500像素点进行成像,单张图像成像 时间为2〜5ms[65]。同年,亚利桑那大学的Ehab A Tamimi继续对实时微波热声成像 在测温方面的应用进行了改进,使用自校准方法对温度校准方法进行优化[70]。
在实时微波热声成像领域,目前研究的团队还比较少,大部分热声成像研究团 队的研究方向主要集中在研究微波热声成像系统搭建、造影剂选择、成像算法优化 问题,并没有将实时微波热声成像作为研究重点。
1.4论文的研究意义与工作安排
本论文主要介绍实时微波热声成像系统的搭建和实时微波热声成像程序的原 理,并对设计好的微波热声实时成像程序进行实验验证,以证实实时微波热声成像 的可行性。本论文以延迟叠加算法为微波热声图像重建算法,对微波热声采集程序 进行拓展和重新设计,使其具备热声信号采集和实时微波热声成像的功能,最终证 明实时热声成像系统的可用性。本论文的主要结构安排如下:
第一章首先介绍了医学成像技术的发展,然后根据热弹效应引出微波热声成 像的发展过程,并对实时微波热声成像技术的发展现状进行了描述。根据实时微波 热声成像的临床应用方面的作用进行阐述,突出了实时微波热声成像技术对于微 波热声成像进入临床应用和进行科学研究的重要性。
第二章对微波热声成像技术基础理论原理进行了介绍,首先对微波热声信号 的产生原理进行介绍,然后着重讲解了基于延迟叠加算法在线形换能器和环形换 能器成像求解的原理,为设计实时微波成像系统提供了理论依据。
第三章主要介绍了实时微波热声成像系统的硬件组成,包括:微波信号源、超 声换能器、信号放大器、数据采集系统、计算机。第三章还介绍了实时微波热声成 像系统的实时采集成像程序的设计。
第四章主要是对第三章设计的实时微波热声成像技术进行实验验证,对实时 采集成像程序进行验证,通过对去离子水,酱油,生理盐水三种非常典型的媒质进 行实时微波热声成像,来验证微波热声成像系统的背景噪声、生物组织成像的效果 以及实时采集成像程序的成像算法是否正确。
第五章主要是针对第四章实验结果得到的实时热声图像当中的圆弧形伪影噪 声进行优化,提升实时热声成像系统实时成像图像的成像效果。并针对数据的测试 结果利用基于相干因子的波束成形算法对实时成像采集程序的图形重建部分进行 优化。并将优化后的实时成像程序得到的热声信号重建图像与优化前得到的热声 信号重建图像进行对比,检验优化后的实时成像程序对圆弧形伪影噪声的优化效 果。
第六章主要是对全文内容进行概括总结,对全文当中的整体内容进行梳理,最 后根据现有的工作内容和成果对实时热声成像技术的临床所面临的的问题提出了 一些展望。
第二章 微波热声成像原理
2.1 热声信号的产生
微波热声是由于生物组织在收到脉冲微波的照射后,吸收了微波的辐射能并 将其转化成热能,在周期性的微波辐照下,不断地膨胀和收缩进而产生声波。因而 热声信号可以反映出生物组织内部的电介常数分布情况。热声信号的时域特征可 以用p(r,t)来表征时间t时位置r处的声音的压强。测得的热声信号可以用热声波 动方程[27, 41]来表示
 
式中卩表示生物组织的密度;C代表生物组织的比热容;T(r, t)代表在时间t时位 置r处的温度;p (r, t)表示时间t时位置r处的压强;0是等压体积膨胀系数;通 过格林函数法对(2.1)进行求解[71]可以得到:
p(r,t)=
加热函数如果为一个点源,那么加热函数可以表示为
H (r, t ) = A (讥(t) (2-3)
式中A(r)代表单位体积吸收的能量,I (t)表示热量时域上的剖面图 将(2.3)带入(2.2)中可以得到单位脉冲产生的压强pe(r,t)可以表示为
Pe(r,t)=匸 I(t ~^)pS( r,T)dT (2-4)
式中ps( r, t)代表声信号的波形,6( t)为一个时域无限短的激发脉冲。(2-4)中 ps(r,t)可以表示为
p6(r,t) = £ r^ctp0 ( W (2-5)
2.2热声图像的重建算法
目前有关热声图像的重建算法主要分为时域法和频域法,时域法主要有滤波 反投影法(Filtered Back Projection, FBP),延迟叠加算法(Delay And Sum, DAS)和 时间反转法(Time Reversal Minrror, TRM)频域法主要有限元法。有限元法求解解 法比较复杂,对于实时成像系统来说,算法复杂度不能过高,在本系统中使用有限 元法对热声信号进行重建。
DAS 的原理就是利用换能器采集到的信号在空间上进行反向演算,再将每个 换能器通道采集到的信号进行叠加,就可以计算出空间中每个点的信号强度[72, 73]。 DAS 可以表达为:
n
a( x, y) = S sk (lk) (2-6)
k=1
式中a(x,y)表示在坐标(x,y)处信号的强度;sk(lk)为第k个超声换能器在距离h处 的信号幅值;lt代表第k个换能器与热声信号源之间的距离;微波热声成像中超声 换能器又分为环形换能器和线形换能器,使其产生微波热声信号,产生的热声信号 再由超声换能器进行接收,,两种换能器的DAS算法当中坐标(x,y)和距离l计算方 式稍有区别。
2.2.1基于线形换能器的延迟叠加算法
超声换能器是由多个能够探测超声信号的换能器组成的,在线形换能器当中 超声换能器排布如图 2-1 所示:
 
图 2-1 基于线形换能器的延迟叠加算法示意图
 
图中第k个换能器和热声信号源的距离h和热声信号坐标(x,y)的关系式为
h =^( x - xk )2 +(y - yk (2-7)
式中lt代表第k个换能器与热声信号源之间的距离;(x,y)代表热声信号源的坐标, (xk, yk)代表第k个换能器的坐标。
将(2-6)带入(2-7)有:
 
式中,a(x,y)表示在坐标(x,y)处信号的强度;sk ( (x-xk)2+(j-yk)2)表示第k个 换能器在距离』x-xJ+(y — yj处采集到的信号的幅值。假设数据采集系统采 集到的热声离散信号时间序列为s(i)。通过换能器对热声信号进行采样有如下关 系:
s (1 ) = s (i - vs - ts )
式中,s(l)表示超声换能器在l处的信号幅值;i表示采集到的信号点的顺序; 表示声速;ts表示采样间隔;由于数据采集卡采集到的信号是离散的,无法表示任 意长度的l距离处的信号,但是如果采样率足够高可以用相邻采样点的信号来近似 代表l处的信号强度,所以有:
i = (2-10)
由公式(2-8)、(2-9)、(2-10)联立可以得到:
a(x, y)遑sk '(* - xkk丁 - 几k j (2-11)
由于声速Vs和数据采集的采样间隔ts已知,通过上式可知,只要得到数据采集卡第 k个换能器的采样信号Sk(i)和换能器的坐标(xk,yk)即可求出坐标(x,y)处信号的 强度 a (x, y )。
2.2.2基于环形换能器的延迟叠加算法
环形换能器和线形换能器的成像原理基本相同,只是在距离l的计算上稍有差 异。
在环形换能器中,换能器以某一点为圆心,某一距离为半径均匀排布,构成环 形。环形换能器当中换能器与热声信号源的位置如图 2-2所示:
 
 
图 2-2 基于环形换能器的延迟叠加算法示意图
在理想的情况下,环形超声换能器的每个换能器通道的探测延长线交于一焦 点,将其设为(XO,热)。设每个换能器到焦点的距离为收敛半径ro,每个换能器与 焦点的夹角为伏,则第k个换能器与焦点之间的距离ro和热声信号坐标(x,y)的关系 有:
/x= ro (2-12)
.y* = ro - s=e=
热声信号源(x,y)与第k个换能器之间的距离lk的表达式如下:
Ik = J(X―ro.cos&*)2+(y ―ro. sin&*)2 (2-13)
将公式(2-12)中(x=,y=)坐标带入公式(2-8)中即可得到,环形换能器检测到的信号 强度:
a( x, y) = £ sk(J(x - ro-cos 2『+(y - ro-sin 2) J (2-14)
式中,a(x,y)表示在坐标(x,y)处信号的强度;s=
第k个换能器在距离J(x-1= • sin22 + (y-1= • cos2 处采集到的信号的幅值。 由由公式(2-8)、 (2-9)、 (2-13)联立可以得到:
 
式中,a(x,y)表示在坐标(x,y)处信号的强度;Sk表示第k个换能器采集到的离 散时间信号序列;lt表示第k个换能器与热声信号源之间的距离;Ok表示每个换 能器与水平垂线的夹角。
2.3 本章小结
本章首先根据热声波动方程解释了微波热声成像的原理,从热声波动方程的 求解过程中得到热声信号的压强p(r,/)与脉冲微波对生物组织的加热函数 H (r, t)之间的关系。然后具体介绍了微波热声图像重建算法中的延迟叠加算法, 并分线形超声换能器和环形超声换能器两种情况具体介绍了每种类型超声换能器 的延迟叠加算法图像重建的求解过程和原理。为实时热声成像系统的搭建和设计 工作提供了理论依据和设计思路。
11
 
第三章 实时热声成像系统
3.1热声成像系统的组成
微波热声成像系统一般由微波信号源、信号放大器、超声换能器和信号采集系
统和计算机组成。实时热声成像系统系统结构图如图 3-1 所示:
 
图 3-1 实时热声成像系统结构图
 
通过上图可以看出,实时微波热声成像系统,首先由微波源产生脉冲微波信号, 通过波导将脉冲微波信号传输到天线上,通过天线对成像物体进行辐照,利用热致 超声效应使其产生微波热声信号,产生的热声信号再由超声换能器进行接收,将超 声波的压强转化为超声环能器晶片的电压,再通过放大器对信号进行滤波放大,得 到信噪比更高的热声信号。最后通过数据采集系统对滤波放大后的热声信号进行 采集并保存成文件,再由计算机对采集到的数据利用DAS算法进行解析运算得到 物体的热声图像。
12
3.1.1 微波信号源
微波信号源是热声信号产生的激励源,目前实验室使用的微波源是成都国睿 电子科技有限公司生产的HWK-3050FA型脉冲微波信号源,其中心频率为3.0 GHz, 它的最大功率为60 kW,脉冲宽度范围为70〜550 ns,重复频率范围为1~200 Hz。 该微波信号源是通过USB串口 CH340与计算机进行通讯,可以通过计算机控制界 面调整信号源的参数,并控制信号源的开关。为保证热声成像结果的正确性,需要 对微波源和数据采集卡实现信号同步,这样才能保证采集到的信号序列B (i)是正 确的。微波源的计算机界面如图 3-2所示:
 
图 3-2 微波信号源计算机软件控制界面
 
3.1.2 超声换能器
超声换能器是实时热声成像采集系统用来探测微波热声信号的。它的原理是 利用压电晶体或者压电复合材料将介质当中声波震动的机械能转化为电能,进而 产生电信号。超声换能器是将一个个小的复合压电材料封装在一起构成多通道的 超声换能器。每一个小的超声换能器单元,如图3-3所示。
压电晶体两端连接上电极,可以通过声波信号对压电晶体的挤压而产生电压 用来对声波信号进行探测成为声波探测器;也可以向电极两端施加震荡电压信号 使压电晶体产生振动,从而成为声波发射器。
本实时热声成像系统可以使用环形换能器和线形换能器,每种换能器都是128 通道。环形换能器的优点是成像效果好,但是缺点是成像范围相较于线形换能器比
13
较小,适合对圆柱体形状的物体进行成像。线形换能器的成像范围比较大,但是成 像效果相较于环形换能器比较差。
CONNECTOR
 
图 3-3 超声换能器单元结构 [74]
 
本实时热声成像系统可以通过环形和线形两种探头进行热声成像,其中线形 探头采用的是声泰特公司生产的 SH7L38 探头,它是一个具有 128 阵元的线形超 声换能器,其接收信号的中心频率为7.5 MHz,线形超声换能器的长度为40.0mm,
 
 
环形超声换能器是奥索电子科技有限公司制作的定制超声换能器,它的曲率 半径为65 mm,共拥有128个晶元组成环形超声晶元阵列,晶元的长度为2 mm, 宽度为1.6 mm,晶元之间的间距为0.4 mm,每个晶元的中心频率为2.0 MHz[75]。 环形超声换能器实物如图3-5所示。
14
 
 
图 3-5 环形超声换能器实物
 
3.1.3 信号放大器
信号放大器主要是用来前置滤波同时由于压电效应产生的热声信号的幅值非 常小很难被采集卡捕捉到。为了提升热声图像的信噪比,同时降低其他电磁信号的 干扰就需要通过信号放大器来实现这样的功能。本系统使用的信号放大器是本实 验室设计制作的,其带宽为0.2〜2.5 MHz,放大器增益为56 dB微波热声实时成像 系统的信号放大器如图 3-6所示:
 
图 3-6 通道放大器实物
 
本实时热声成像系统使用的是64通道放大器电路。因为本实时热声成像采集 系统中采集卡具有64通道。而实时热声成像采集系统具有超声换能器具有128个 通道,所以为了保证可以采集到所有通道的信号需要使用多路复用的方法,即奇数 周期采集超声换能器前 64 路通道的信号,偶数周期采集超声换能器后 64 路通道
15 的信号。使用多路复用的好处是可以降低系统硬件的成本,但是由于多路复用增加 了信号的采集时间,降低了实时热声成像系统的成像速度。
3.1.4 数据采集系统
实时热声成像系统利用两张 NI-5752B 作为数据采集卡, NI5752B 是一张 32 通道的数字化仪采集卡模块,NI-5752B的采样频率最高为50 MS/s,模拟输入采样 精度为12 bits。如图3-7所示:
 
图 3-7 NI5752B
 
NI-5752B需要搭配用于FlexRIO的PXI FPGA模块结合才能搭配出一个高速 数据采集卡。PXI FPGA 模块选用 PXIe-7972。PXIe-7972 搭载了一块 Kintex-7 325T 的 FPGA, PXIe-7972 的块 RAM 大小为 16020 kbit, DRAM 容量为 2GB。如图 3- 8 所示:
 
 
图 3-8 PXIe-7972
NI-5752B和PXIe-7972组成的高速数据采集卡需要放置入PXI机箱才能正常 工作,由于只有两张NI-5752B和PXIe-7972组成的高速数据采集卡,所以选择四 槽位的 PXIe-1071 即可完成系统的搭建。
16
 
图 3-9 数据采集系统
 
数据采集系统中的计算机主要是用来与微波信号源和数据采集系统进行通信, 控制微波信号源的开关和数据采集系统的采集。数据采集系统中计算机的处理器 为Ryzen 5950x,目前计算机的运算能力很强,在计算机上利用NI配套的程序开 发环境LabVIEW可以编写数据采集程序,按照微波热声成像系统的成像原理来进 行数据采集,同时可以在数据采集结束后,直接利用计算机进行微波热声图像重建, 减少了人员的操作步骤,提升了热声成像系统的集成度。通过将LabVIEW中加入 数据后处理的部分可以在采集的同时观察到热声图像结果,极大程度地提高了热 身成像系统的应用前景。
3.2实时采集成像程序设计
实时微波热声成像系统是在微波热声成像系统的基础上,在采集程序当中集 成了成像算法,使得微波热声成像系统可以获得实时成像的功能。为了更好的阐明 整个热声实时采集成像程序的实现思路,首先需要给出实时采集成像程序的流程 图,如图图3-10所示。
从图3-10所述流程图可以看出,实时微波热声成像是由数据采集部分和图像 重建部分组成的。数据采集部分主要是对同步脉冲信号进行响应,当同步信号触发 采集时,数据采集系统就会对采集通道中的信号进行采样,然后进行保存,同时将 热声信号数据传输给图像重建部分。
图像重建部分主要是用来实现对数据采集部分采集到的热声信号数据进行热 声信号图像的重建工作,根据采集信号的通道排布顺序,对信号进行处理运算,最 后得到微波热声图像结果。并且数据采集部分可以和图像重建部分同步运行,极大 提高了程序运行效率,提高了实时热声成像系统的运算速度。
通过数据采集部分和图像重建部分协同工作,可以实现热声信号的采集和热 声图像重建的集成,使热声成像系统具有实时采集成像的功能,降低热声成像系统 的操作难度,提升了热声成像系统的使用效率。
17
 
 
3.2.1 数据采集部分
数据采集部分需要对物体产生的微波热声信号进行探测,只有有了数据才能 够进行微波热声图像重建的相关工作。数据采集系统拥有两组 NI-5752B 与 PXIe- 7972R构成的64通道数据采集系统,由于两组数据采集卡的配置一样,初始化和 采集流程也一样,所以下面以一组NI-5752B与PXIe-7972R构成的32通道数据采 集卡为例进行阐述。
首先是对数据采集系统进行初始化,使其能够按照指定的采样率进行热声信 号的采集,具体LabVIEW程序框图如图3-11所示:
18
 
 
图 3-11 数据采集系统初始化部分程序框图
 
首先将PXIe-7972R载入编译好的配置文件,使NI-5752B中32通道的12bitsAD 模块采样到的数字信号可以被PXIe-7972R正确读取,同时采集卡系统进入同步状 态,等待同步触发信号来开始热声信号的采集。
同时需要对图像重建参数进行设定,这些参数包括采集信号的帧数、每一帧信 号的平均次数、采集到的信号保存的位置、超声换能器通道数量、成像范围的x轴 左边界儿、成像范围的X轴右边界兀2、成像范围的y轴下边界yi、成像范围的y轴 上边界丁2。软件操控界面如图3-12所示:
 
 
当初始化工作完成后,数据采集系统进入就绪状态,等待同步脉冲信号进行触 发。当有触发信号时数据采集系统就会根据同步脉冲信号进行信号采集。数据信号 采集的部分系统框图如如所示:
19
 
图 3-13 数据采集系统数据信号采样部分系统框图
 
如图3-13所示,当有触发信号进行触发时,数据采集系统会开始进行以特定的采 样率对数据进行采样。由于数据采样率非常高,采样通道数多,在采集的时候会有 非常大的数据量,如果直接将采集到的信号通过数据采集系统与计算机之间的通 信串口发送到计算机上,可能由于数据量过大,传输带宽有限导致无法短时间内完 成数据的传输,造成采集信号的失败。微波热声信号采集系统曾经在使用 PXIe- 7961R搭配NI-5752B搭建采集系统的时候,由于PXIe-7961R没有搭载DRAM, 无法利用 DRAM 创建一个 FIFO 数据缓冲池来进行数据传输,导致系统在以 50 MS/s采样率进行信号采集时,只能采集2000个点左右长度的时域信号,无法满足 微波热声成像系统的要求。
为了消除短时间内产生的大量数据对数据采集系统数据传输的影响,数据采 集系统会首先建立一个数据信号的流式传输通道,传输管道当中会利用在 PXIe- 7972R片上2GB容量大小DRAM上建立一个数据缓冲池,首先将采集到的64通 道的数据放入数据缓冲池当中进行缓冲防止数据传输峰值超过数据采集系统与计 算机之间的数据传输带宽。采集到的数据再根据先进先出(First Input First Output, FIFO)的原则,将数据通过数据采集系统与计算机之间的通信管道根据传输带宽 将数据传输给电脑,这样可以通过DRAM创建的数据缓冲池实现削峰解耦的功能 保证信号采集系统不会因为通信串口的带宽不够而造成无法采集信号的情况,实 现了热声信号的多通道、高采样率信号采集。采集到的热声信号数据会以文件的形 式保存到计算机中方便后续进行数据分析。
3.2.2线形换能器的图像重建部分
热声图像重建是根据数据采集系统到的热声信号进行重建, DAS 算法是频域 重建算法的一种,算法复杂度低易于实现,为实现图像重建的实时性,故选用 DAS
20
 
算法作为热声图像的重建算法。本小节以线形超声换能器为例,具体阐述线形超声 换能器实时微波热声成像算法的工程实现。
 
 
 
 
 
Chanel_125
Chanel_126
Chanel_127
Chanel_128
图 3-14 信号采集多路复用线路切换示意图
由于热声采集系统超声换能器是128通道的,但是数据采集系统只有64通道, 为了能够完整地采集到所有通道的信号,所以热声采集程序使用了多路复用,本微 波热声成像系统将信号通道分为了奇数通道和偶数通道两簇,分别进行一个采样 周期的采样,再将两次采集到的信号合并,得到完整的 128 路通道信号。多路复用 的信号采集通道如图 3-14 所示。
 
在开始图像重建之前,需要对数据采集系统的参数进行设置,诸如超声换能器 的通道数量,换能器晶片之间的间距d,成像坐标点的坐标(x,y)等。如图3-15所
21
示。假设超声换能器的中心为坐标原点,以超声换能器排布方向为x轴,超声换能 器探测方向为 y 轴,建立线形坐标系来进行图像重建。由于微波热声成像系统针对 一帧图像当中采集到的奇数通道和偶数通道的不同,所以需要对奇数通道和偶数 通道的信号分别进行不同的参数设置。图3-16中上半部分是对偶数通道的坐标参 数进行计算,下班部分是对偶数部分坐标进行。通过上面的假设和设置就可以得到 每一个超声换能器通道的位置坐标和成像位置坐标,如图3-16所示:
超声探头通道
 
y轴
图 3-16 图像重建参数示意图
图中,d表示超声换能器晶片之间的间距;Xk,yj表示第k个换能器晶片的坐标; (x,y)表示成像坐标点;(X],yj、(x2,y2)表示成像区域的两个边界点。通过上图, 可知
ik = (x _xj+(y _ yk r (3-1)
22 式中,h为换能器与成像坐标点(x,y)之间的距离;(x,y)为成像坐标点的坐标;
(xk,yk)表示换能器晶片的坐标。(xk,yk)的表达式如下:
xk = k - d 一 n / 2 - d
< (3-2
丿* = 0
计算出成像坐标点的坐标(X,y)和换能器晶片的坐标(Xk,yk)后,根据公式(2-11)进 行计算即可重建出热声图像。DAS算法图像重建过程的程序框图如下图所示:
 
图 3-17 延迟叠加图像重建程序部分程序框图
 
通过图3-15已经求出每个超声换能器晶片位置的坐标(Xk,yk)和每一个需要 计算热声信号幅值的成像坐标点(x, y),并且这一部分的工作是在初始化过程中完 成的,不会影响图像重建部分的计算速度。在图像重建部分每次循环都会计算在成 像坐标点处对应信号点处的的信号幅值,并进行累计叠加,当循环遍历完每个换能 器晶片在成像坐标点处的信号后,即可得到最终(x,y)处的信号强度a(x,y)。将上 述 DAS 算法热声图像重建部分的程序框图转换成算法算法流程图后,如图 3-18 所 示。
从图 3-18 可以看出,热声图像的主要流程是首先对将成像坐标点根据分辨率 分成网格点,对每一个行的每一个点进行逐个计算,求出每个点上信号强度的值, 再根据所有网格点的热声信号值,就可以得到整个热声成像区域的热声重建图像。 在每个成像坐标点的热声信号计算过程当中,对 128 路通道的热声信号进行逐个 计算换能器位置(Xk ,yj和成像点位置(x, y)之间的距离进而求出信号的幅值进行 叠加运算。由公式(2-11)可知,任何两个成像坐标点之间,任何成像坐标点的两路 热声信号通道之间都没有相干性,所以在图像重建部分的计算可以使用并行的方 式进行计算,通过这样的方式可以大大提升图像重建的计算速度,增加实时热声成 像系统的实时性。
23
 
 
图 3-18 热声图像重建部分算法流程图
24
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
3.2.3环形换能器的图像重建部分
上一小节以线形换能器为例详细阐述了实时热声成像当中图像重建的算法流 程。由于环形换能器的图像重建和线形换能器的采集系统是相同的,两种成像方式 在原理上并没有什么不同,只是在超声换能器晶片位置的计算上有一些差异,本小 节将略去与上一节相同的部分,着重说明环形换能器进行成像时与线形换能器处 理不同的地方。
以环形换能器的圆心为坐标原点建立坐标系,设环形换能器的半径为%,该半 径又被称为收敛半径;设第k个换能器晶片的位置坐标为(Xk,yk);设成像坐标点 的坐标为(x, y),得到位置关系如图3-19所示。
 
 
环形换能器和线形换能器的图像重建原理相同,都是通过成像位置的坐标 (x,y)与换能器晶片的坐标(Xk,yk)来求出二者之间的距离,进而演算出对应成像 位置的信号强度。所以针对环形换能器的晶片排布关系,换能器晶片位置坐标进行 初始化的程序框图如图 3-20 所示。
由于超声换能器晶片的尺寸很小,环形超声换能器是由 128 个线形超声换能 器晶片连续紧密排布组成的,可以利用晶片的宽度来近似等于对应的弧长,再通过
25
 
对应的弧长通过弧长与角度的换算公式来求出每个超声换能器晶片锁对应的与 x 轴夹角的角度,从而计算出每个超声换能器晶片所对应的位置坐标(Xk,yk)。
 
 
 
由于180°的环形超声换能器是由两个探测角度为90°的32通道超声换能器 构成,而每个超声换能器由于封装工艺的原因,边缘都有7.1 mm的封装包边。所 以在计算弧长时,需要将封装的包边长度也要加进去,环形超声换能器示意图如图 图 3-21 所示。
图3-21中封边的长度为7.1 mm,晶片之间的间隔为2.3874 mm。弧长角度换算 公式为
(db + nd)冗 180°
V — • — 
N 2 兀
式中,V为超声换能器晶片与X轴的夹角;db为封装边的长度;n为晶片的序 数; N 为超声换能器晶片的个数。通过公式(2-13)和公式(3-3)即可计算出热声图像。
因为数据采集卡使用了多路复用,所以对每个 0.5 帧的信号都要进行分别设置 这样才能保证计算得到的每个通道超声换能器晶片位置坐标正确。当得到 128 通 道超声换能器晶片位置坐标以后,根据公式(2-8)可知,后续图像重建过程的计算方 法与线形换能器的重建算法原理和过程完全一致,可以参考上节图像重建部分。
26
封边
 
 
 
 
 
 
 
 
封边
图 3-21 环形超声换能器结构示意图
3.3 本章小结
本章首先对热声成像系统的组成的硬件部分进行了介绍,并将整个系统工作 的整个流程进行了阐述,微波热声信号源通过脉冲信号辐照成像物体,使其通过热 弹效应产生超声波,超声换能器将热声信号进行采集,通过放大电路滤波放大信号, 提升信号的信噪比,再由AD采集卡将热声信号以时间函数的形式保存下来,最后 通过热声图像重建算法进行图像重建。
本章对实时采集程序设计部分进行了详细的介绍,在数据采集部分, NI-5752B 与 PXIe-7972R 构成的数据采集系统通过初始化配置使两者的数据链路建立连接, 在通过同步脉冲来同步微波源激励信号和热声信号的采集。在图像重建部分,主要 将成像坐标点的坐标和超声换能器的坐标求出,进而求出两者的距离,通过距离反 演出成像坐标点(x, y)与超声换能器采集到的时域信号之间的关系。
27
第四章 实时热声成像系统实验验证
第三章介绍了实时热声成像系统的硬件组成和软件设计方面内容,通过将 DAS 算法集成到微波热声采集系统中,使微波热声成像系统具有了实时成像的功 能。为了对实时热声采集系统的实时成像和数据采集的功能进行验证,需要设计实 验来对物体进实时成像,通过与其他方式的成像结果进行对比来验证实时热声成 像程序的是否正确。
4.1实时热声成像系统验证实验方案设计
实时热声成像系统的可用性首先需要对热声成像系统的背景噪声进行测试, 观察微波热声成像系统的信噪比来确定成像系统的硬件采集数据过程当中的信号 采集能力。其次,为了验证实时热声成像系统热声图像重建部分软件设计是否正确 需要对强信号物体进行成像,这样可以提升信号的信噪比,降低背景噪声对成像性 能的影响,更有利于验证实时采集成像程序中,图像重建部分的设计算法是否正确。 最后,在验证完实时采集成像程序没有问题以后,需要利用实时热声成像系统进行 生物组织近似的物体进行成像,用来验证实时热声成像系统是否可以应用于临床 生物组织成像当中。
4.1.1 热声信号耦合介质的选择
微波热声成像系统的工作过程如图 4-1 所示。当脉冲微波辐照成像物体时,成 像物体会由于热声效应产生超声波,由于声波作为机械波,在介质中传播会能量会 发生衰减。超声波波长极短在空气中会发生很强烈的衰减,为了降低超声波在传输 过程当中的衰减,需要使用液体介质作为超声信号耦合剂,将成像物体浸泡在耦合 液体当中,用微波辐照成像物体产生的热声信号在传输过程中的衰减将会大大减 小,提高了系统的成像效果。
在微波热声成像实验当中,常用的耦合剂有变压器油和去离子水。变压器油是 用于变压器冷却的一种冷却液,它的导电系数很低可以认为是绝缘体,所以变压器 油不会吸收微波能量产生热声信号的噪声。但是变压器油是一种石油提取物,具有 比较刺鼻的味道,同时具有一定的腐蚀性,不太适合在临床应用中使用。去离子水 是将自来水进行过滤,除去水中游离的离子以后而得到的水。由于去离子水中的离 子含量极低,所以去离子水的导电系数很低,适合用来做微波热声成像实验的耦合 剂,由于去离子水本质上是水,所以无色无味也不具有任何腐蚀性很适合在微波热
28
声成像的临床应用中作为超声耦合介质。所以本次实验选用去离子水作为微波热 声成像的超声耦合介质。
 
图 4-1 实时热声成像系统工作过程示意图
 
4.1.2 微波热声成像系统验证实验的实验方法
 
图 4-2 实时微波热声成像系统实物图
 
搭建好微波热声成像平台,连接好微波信号源、超声换能器、信号放大器、信
号采集系统等设备。准备一个比较大的容器来盛放去离子水来作为超声耦合介质,
29 将超声换能器水平置于去离子水中,微波天线对准微波热声成像区域垂直摆放。为 了降低微波信号在空气去离子水两个介质之间微波信号发生反射导致信号强度衰 减,将微波天线换能器下降高度至合适位置,是天线表面刚好浸没在去离子水中。 最终搭建好的实时热声成像系统如下图 4-2所示。
第一,为了对微波热声成像系统的图像重建软件部分的正确性,同时为了得到 较好的成像结果,应该尽量减少背景噪声对成像结果的影响。可以通过消除背景噪 声的方式来降低热声图像的信噪比,在选用去离子水作为超声耦合介质时已经充 分考虑到了这一点;也可以通过提高热声成像物体的热声信号强度来提升热声图 像的信噪比,这种方式可以通过对微波能量吸收能力强,热声信号强的物体进行成 像。在这种方式当中,酱油是一种对微波信号吸收非常强的物体,而且易于取得, 是非常合适的成像物体。在这部分实验当中可以使用3 mm直径的吸管作为容器。 将一头利用热熔胶进行密封后,向内部注射满去酱油进行密封,并保证管内无气泡, 这样就制作完成了用于验证图像重建软件部分正确性的成像物体酱油管。将酱油 管放置在实时热声成像系统成像区域内进行热声成像实验,通过对酱油管软件内 热声图像重建结果和通过其他数学计算软件得到的结果进行比对分析,可以对微 波热声成像系统的图像重建软件部分的正确性进行检验。
第二,为了对系统的背景噪声进行测试,遵循实验当中空白对照的原则,可以 用去离子水注射入3 mm直径的吸管中进行密封得到去离子水管,然后将去离子水 管放入搭建好的微波热声成像实验平台上,放置在合适的成像区域进行成像,采集 实验结果,通过对实时热声图像重建程序重建出来的图像和其他数学计算工具得 到的结果进行对比分析,可以对实时热声成像系统的背景噪声测试。
第三,为了检验实时热声成像系统在临床应用当中对生物组织的成像效果,考 虑到单一变量的原则,应该只更换吸管当中的成像液体,由于生理盐水与人体组织 的电导率很相似,是非常合适的成像液体。所以本实验依旧采用3 mm的吸管作为 容器,在内部注射生理盐水并密封得到生理盐水管。利用实时热声成像系统对生理 盐水管进行实时成像和数据采集,通过对实时热声成像效果的结果可以看出实时 热声成像系统对生物组织的成像能力。
由于实时成像系统有线形换能器和环形换能器两种不同类型的换能器,同时 二者对应两种不同的图像重建部分软件设计思路,二者知识在换能器晶片位置上 的计算上有所区别,这里选用环阵来进行共三个实时热声成像实验,如表 4-1 和表 4-2 所示:
30
 
表 4-1 线形换能器组实时热声成像实验项目
实验名称 超声换能器类型 成像物体
线形换能器酱油管 实时热声成像实验 线形换能器 酱油管
线形换能器去离子水管 实时热声成像实验 线形换能器 去离子水管
线形换能器生理盐水管 实时热声成像实验 线形换能器 生理盐水管
 
 
表 4-2 环形换能器组实时热声成像实验项目
实验名称 超声换能器类型 成像物体
环形换能器酱油管 实时热声成像实验 环形换能器 酱油管
环形换能器去离子水管 实时热声成像实验 环形换能器 去离子水管
环形换能器生理盐水管 实时热声成像实验 环形换能器 生理盐水管
 
4.2基于线形换能器的实时热声图像成像实验
4.2.1线形换能器对酱油管进行实时微波热声成像
10
20
30
40
50
60
(a)
图 4-3 线形换能器对酱油管成像的采集程序成像结果和 MATLAB 成像
结果。(a)酱油管在LabVIEW中得到的热声重建图像;(b)酱油管在
MATLAB 中得到的热声重建图像
31
为了对基于线形换能器的实时微波热声成像程序实时图像重建部分进行验证, 需要利用实时微波热声成像系统对酱油管进行成像。将酱油管放到成像位置,通过 实时热声成像系统进行成像,在 LabVIEW 软件当中得到的图像结果与 MATLAB 得到的结果进行对比,如图4-3所示。
通过图 4-3 的两张图像的成像对比效果可以看出, LabVIEW 当中重建出来的 热声信号图像和和MATLAB中重建得到的热声图像有一个水平翻转的关系,这是 由于LabVIEW当中的y轴方向是向上的,而在MATLAB中定义的y轴方向是向 下的。曾经尝试过让LabVIEW当中得到的图像可以进行一个垂直方向上的180度 翻转,但是由于LabVIEW软件对于二维数组只有转置的内置函数,如果遍历数组 再进行翻转运算效率比较低。因此没有对LabVIEW得到的结果进行垂直翻转。
如果对LabVIEW的图像进行水平翻转,得到的结果如图4-4所示。
 
图 4-4 LabVIEW 重建的酱油管热声图像进行垂直翻转
 
通过图4-4可以看出,再对LabVIEW中重建的酱油管热声图像进行垂直翻转 后,得到的结果与MATLAB中对酱油管数据进行热声重建的图像一致,说明实时 热声成像程序的设计可以正确的重建出线形超声换能器采集到的热声信号的热声 图像。
4.2.2线形换能器对去离子水管进行实时微波热声成像
为了验证线形超声换能器的背景噪声,将装有去离子水的吸管放置在成像区 域,通过LabVIEW实时热声重建程序得到的热声图像和MATLAB重建得到的去 离子水管的热声信号图像如图 4-5 所示。
通过图4-5可以看出,线形超声换能器在进行热声图像重建时,由于DAS算 法的原因,会出现很多圆弧形的噪声,这是由于在DAS算法当中,热声图像的重
32
 
建会将每个通道中的信号是根据距离的不同反演到成像区域,超声换能器接收到 的信号只包含了不同距离处信号的强度信息,并没有包含接收到的热声信号的方 向信息,图像重建过程中,DAS算法,会将以不同距离的热声信号的强度值以圆 弧形的方式赋值到成像区域,因而产生了很多圆弧形的伪影噪声。在进行微波热声 成像的过程中,如果超声换能器接收到的信号幅值不够大,可能会被热声图像当中 的背景噪声所掩盖,这样会导致重建的热声图像信噪比不够高,图像质量比较差。
 
图4-5线形换能器对去离子水管成像的采集程序成像结果和MATLAB成 像结果。(a)去离子水管在LabVIEW中得到的热声重建图像;(b)去离子水 管在 MATLAB 中得到的热声重建图像
4.2.3线形换能器对生理盐水管进行实时微波热声成像
通过图 4-6可以看出在右侧 MATLAB 当中的图像中可以看出生理盐水管的位 置在20 mm深处左右的位置,但是生理盐水管的形状圆形截面不是特别清晰,这 是由于生理盐水管的信号幅值不够大,所以生理盐水管的信号受到背景噪声的影 响比较大,成像效果不是很好。
由于 LabVIEW 软件实时成像程序设计的原因,实时成像的图像结果与 MATLAB的图像重建结果有一个垂直翻转180°的关系,所以为了对LabVIEW实 时成像程序的成像结果进行分析,需要对 LabVIEW 实时成像程序重建的热声图像 进行垂直翻转,这样LabVIEW实时成像得到的结果就与MATLAB的图像重建结 果在结构上就有相似的图像信息。LabVIEW得到的实时成像结果经过垂直翻转后 的结果如图 4-7 所示。
33
 
 
图4-6线形换能器对生理盐水管成像的采集程序成像结果和MATLAB成
像结果。(a)生理盐水管在LabVIEW中得到的热声重建图像;(b)生理盐水
 
通过上图可以看出,相较于 MATLAB 的成像结果, LabVIEW 实时成像程序 重建的热声图像效果不如MATLAB得到的热声图像。这可能是由LabVIEW在数 值计算方面的精度没有MATLAB高,也可能是灰度色卡对比度不如MATLAB导 致的结果。
4.3基于环形换能器的实时热声图像成像实验
4.3.1环形换能器对酱油管进行实时微波热声成像
将酱油管放到成像区域内,实时热声成像系统进行成像,在LabVIEW软件当 中得到的成像结果如图4-8所示。
34
 
 
图 4-8 环形换能器对酱油管成像的采集程序成像结果
 
通过图 4-8 可以看出,实时成像程序可以显示出一个非常清楚的圆点,软件当 中的坐标轴单位为0.1 mm,大致可以看出圆点的直径约为3mm,与吸管的实际直径 基本相同,可以初度判断图中圆点就是酱油管,后面还需要与MATLAB的成像结 果进行比对来进一步验证实时热声成像系统的实时成像图像重建部分的软件设计 是否正确。
将采集到的信号导入到MATLAB中进行利用DAS算法进行图像见图像重建 得到的结果如图 4-9 所示:
 
图 4-9 环形换能器对去离子水管成像的 MATLAB 成像结果
 
从图 4-9结果可以看出,成像区域中有一个圆点,图像坐标轴的单位为 mm, 可以看出圆点的直径约为3mm,与实物尺寸一致。图像中还有一条条弧线形的线 条穿过圆点,这是热声图像过程中产生的伪影。伪影产生的原因为成像物体的信号 很强,非信号处的成像坐标进行成像时,其他通道的信号幅值都很小,但是在与圆 点距离相同的超声换能器晶片处,进行图像重建的过程中,错误的把酱油管非常强
35
的热声信号赋值给了与酱油管相同的其他成像坐标点,反映在图像上的结果就是 会产生一条条穿过圆点的弧线。
将实时热声成像系统产生的图像和MATLAB通过信号重建出的图像放在一起 进行对比,结果如下图4-10所示:
单位:mm
 
(a) (b)
 
图4-10酱油管成像程序与MATLAB成像结果对比图。(a)实时热声成像 系统重建出的热声图像进行翻转后的结果;(b)MATLAB重建出的热声图 像结果
通过图 4-10可以看出实时热声成像程序与 MATLAB 计算的结果基本一致, 但是二者图像之间有垂直翻转180°的关系,这是因为实时热声成像程序的坐标原 点在左下角, MATLAB 的成像结果坐标原点在左上角,笔者尝试过讲实时成像程 序的图像结果进行180°翻转,但是由于LabVIEW数组操作函数支持不足的原因, 只能对成像结果数据数组进行转置,无法得到想要的效果。通过上面两张图说明本 系统设计的实时成像采集程序是正确的,可以在采集的同时对采集到的热声信号 进行实时成像。并且微波热声成像系统的图像分辨率很高,可以成像出3 mm及以 上尺寸的物体。
4.3.2环形换能器对去离子水管进行实时微波热声成像
通过上一小节的实验个验证了实时热声成像的热声图像重建程序的正确性。 本实验通过对去离子水管进行实时热声成像来对微波热声成像系统的系统背景噪 声进行分析。
将去离子水管放到成像区域当中,利用实时热声成像系统对去离子水管进行 实时成像和数据采集,得到图 4-11 的成像结果。
36
 
 
图 4-11 环形换能器对去离子水管采集程序成像结果
通过图 4-11 可以看出,实时热声成像系统的成像背景是由一定强度的噪声的, 而且由于DAS算法重建原理导致背景噪声不均匀,在成像区域的中间部分噪声数 值大小更大。
将采集到的数据用MATLAB进行图像重建可以得到图4-12结果:
 
由于 LabVIEW 软件实时成像程序设计的原因,实时成像的图像结果与 MATLAB的图像重建结果有一个垂直翻转180°的关系,所以为了对LabVIEW实 时成像程序的成像结果进行分析,需要对LabVIEW实时成像程序重建的热声图像 进行垂直翻转,这样LabVIEW实时成像得到的结果就与MATLAB的图像重建结 果在结构上就有相似的图像信息。所以需要将通过LabVIEW软件得到的实时热声 成像程序的到的图像进行垂直翻转,并标记出用MATLAB相同的成像范围得到的 如图4-13所示。
37
 
单位:mm
 
(a) (b)
 
图4-13去离子水管成像程序与MATLAB成像结果对比。(a)实时热声成 像系统重建出的热声图像进行翻转后的结果;(b)MATLAB重建出的热声 图像结果
4.3.3对生理盐水管进行实时微波热声成像
生理盐水与人体组织的电导率近似,通过对生理盐水管进行微波热声成像可
以验证实时微波热声成像系统,对人体成像效果如何。
将生理盐水注入吸管中并密封,放置在成像区域进行微波热声成像。通过
LabVIEW实时热声成像程序进行实时成像,得到的结果如图4-14所示。
 
图 4-14 生理盐水管采集程序成像结果
 
通过将实时成像程序采集到的生理盐水产生的微波热声信号数据文件导入
MATLAB 中进行图像重建,得到如图 4-15 所示结果。
38
 
单位:mm
 
-20 -10 0 10 20
 
图 4-15 生理盐水管 MATLAB 成像结果
将 LabVIEW 和 MATLAB 重建的热声图像结果放到一起进行对比,得到的结果 如图 4-16 所示。
单位:mm
 
(a) (b)
 
图4-16生理盐水管成像程序与MATLAB成像结果对比(a)实时热声成像 系统重建出的热声图像进行翻转后的结果;(b)MATLAB重建出的热声图 像结果
通过图4-16两张图的对比可以看出可以从右边MATLAB的图像中隐约看到 生理盐水管的位置,但是图像比较难辨认,同时生理盐水管也不是规则的圆形,发 生了一定程度的畸变。而在左边经过实时成像程序重建的图像无法找到生理盐水 管重建后的位置,可能是由于实时热声采集程序对图像重建的时间要求比较高,选 用了比 MATLAB 更稀疏点对热声信号进行成像导致图像分辨率比较差。相较于 MATLAB 重建后的图像,实时微波热声成像程序在微弱信号的成像能力上比较差。
39
4.4 本章小结
本章通过对酱油、去离子水、生理盐水三种非常典型的媒质进行实时微波热声 成像。在三种实验当中,通过对酱油管这种强信号物体进行成像,可以在尽量减小 背景噪声影响的请款下验证实时微波热声成像程序的热声图像重建算法的正确性。 通过实时成像采集系统和MATLAB的成像结果对比可以看出二者的成像结果基本 一致,证明实时成像采集程序的设计是正确的。
通过对去离子水的成像可以发现,微波热声成像系统的背景噪声比较强,这会 对微波热声信号比较弱的物体成像效果比较差,可以考虑在系统硬件上进行优化, 提升微波热声成像系统的信噪比。
为了验证本热身成像系统对人体组织的成像效果和对临床应用的可行性进行 分析,第三个实验又对生理盐水进行实时微波热声成像。通过对实时成像采集系统 和MATLAB的成像结果对比可以看出实时成像采集系统对较弱信号的成像效果不 够理想,在实时热声成像系统进行临床应用的过程中,微波热声成像系统对较微弱 信号的成像能力比较差,成像系统的信号噪声比较强,会干扰微弱信号的成像。可 以通过优化微波热声成像系统的硬件结构或者对图像重建算法进行优化来提高信 号的信噪比从而提升实时成像系统的成像能力。
40
第五章 基于延迟叠加原理的热声图像重建算法优化
DAS 算法由于结构简单、算法复杂度低、易于使用程序实现等特点在微波热 声成像的热声图像重建领域被广泛使用。但是由于 DAS 算法模型过于简单导致 DAS 算法得到的热声重建图像分辨率比较低、图像信噪比比较低、图像成像效果 不好等诸多缺点。为了使微波热声的重建图像具有更好的效果,需要针对DAS算 法进行优化,使微波热声图像重建算法重建的热声图像的分辨率更高、图像信噪比 更高、图像成像效果更好。本章将基于超声换能器晶片的有限视角,超声换能器晶 片之间接收信号的相干性等方面对DAS算法进行优化,使其提高图像信噪比,得 到成像效果更好的微波热声重建图像。
5.1基于有限视角的延迟叠加算法优化
5.1.1基于有限视角的延迟叠加算法原理
探头
 
 
 
 
 
 
 
 
热声信号源
图 5-1 超声换能器晶片理想视角示意图
由第二章可知, DAS 算法的表达式如下:
 
通过上式可知,超声换能器阵列当中任意一个阵列晶片都可以接收到成像坐标的 热声信号。将超声换能器阵列当中的晶片的超声信号接收范围与晶片接收片面的 垂直线的夹角定义为视角,用0来表示。
41
 
上述公式表明,在理想化的DAS算法当中,将超声换能器阵列当中的晶片的 视角0设为90。,可以接收晶片以下任意位置的超声信号,如图5-1所示。
通过图 5-1 可以看出,只要热声信号源在超声环能器的接收线形以下的范围 内,超声换能器就能采集到热声信号源的信号。但是实际制作出来的超声换能器的 视角是有限的,超声换能器的视角无法达到90。,实际的超声换能器接收角度如图 5-2 所示。
 
图 5-2 超声换能器晶片有限视角示意图
通过图 5-2 可知,如果将超声换能器的晶片视角设为理想化的 90 度,那么很 多没有被超声换能器捕捉到的信号,会被错误的累加到成像坐标点上,造成图像的 伪影,导致图像效果差。
为了提高重建的热声图像的成像效果,可以通过在DAS算法当中添加超声换 能器晶片接收信号的视角角这一参数,使DAS算法进行图像的过程中,对每路超 声换能器晶片信号中超声换能器晶片与成像点坐标位置的夹角进行计算,如果夹 角超过超声换能器晶片接收信号的视角角,就不对该成像点叠加该换能器的热声 信号,通过这样的方式就可以减少错误的信号叠加,减少重建热声图像当中的伪影, 提升重建热声图像的效果。
超声换能器晶片的视角可以通过对实际采集到的数据进行热声图像重建时通 过对视角数值的对比测试得来,也可以通过超声换能器的设计参数中获得。在通过 实际的数据进行验证得出在考虑视角的情况下热声成像图像的信噪比更高,成像 效果更好。基于有限视角的延迟叠加算法相较于原始的DAS算法只是在数值叠加
42
之前增加了一次对超声换能器晶片与成像点坐标位置的夹角与超声换能器视角之 间的计算和判断,并不会增加DAS算法的时间复杂度。在添加了微波热声信号源 是否在视角内的判断后,基于有限视角下的 DAS 算法可以用如下表达式:
n
a( ^, y) =£ sk (lk), ge、 (5-2)
k=1
式中,a(x,y)表示图像重建坐标点(X』)处信号的幅值;SkQk)表示超声换能器第 k个晶片处的在距离为lk接收到的信号的幅值;表示第k个换能器晶片与图像重 建坐标点(x,y)处的距离;0表示超声换能器晶片的接收超声信号的视角的值;% 表示第k个超声换能器晶片与成像坐标点位置(x,y)之间与垂直线之间的夹角。
5.1.2线形超声换能器成像的实验结果与分析
将线形超声换能器采集到的酱油管实验数据进行热声图像重建,得到的图像 成像成像效果如下图所示:
10
20
30
40
50
60
乂轴(mm)
图 5-3 超声换能器晶片视角为 90°的酱油管热声图像
通过图 5-3 可以看出在视角为理想情况下的 90 度的情况下时,点成像的伪影 噪声没有被抑制,有大量的圆弧形伪影,影响图像质量。这是由于某些超声环能器 晶片在接收到酱油管处的强信号在图像重建的过程中,由于采集到的超声换能器 信号s(t)只包含有时间和幅值信息,加上采样率和声速已知,能够求出在超声换能 器晶片不同距离处的信号强度。采集到的超声换能器信号s(t)不包含方位信息,所 以通过 DAS 算法叠加成像时,超声换能器晶片的数据会以一个圆弧形进行叠加, 导致有穿过强信号点的弧形伪影产生。
43
 
 
将超声换能器晶片的视角设置为 40°时,将线形超声换能器采集到的酱油管
实验数据进行热声图像重建,得到的图像成像成像效果如图 5-4 所示:
10
20
30
40
50
60
-20 -10 0 10 20
x轴(mm)
图 5-4 超声换能器晶片视角为 40°的酱油管热声重建图像
通过图5-4可以看出圆弧性的伪影噪声得到的一定抑制,理想视角下的弧形伪
影长度是非常长的,贯穿了整个图像。当超声换能器的视角为 40°时,弧形噪声
的伪影得到了一定了抑制,伪影的形状发生了变化,但是伪影一直存在。
10
20
30
40
50
60
-20 -10 0 10 20
10
20
30
40
.550
60
-20 -10 0 10 20
x轴(mm)
x 轴(mm)
(a)
(b)
图5-5理想视角与有限视角下得到的热声成像图像对比。(a)视角为90° 情况下得到的热声重建图像;(b)视角为40°的情况下等得到的热声重建 图像
44
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
通过图 5-5 可以看出在视角为理想情况下的 90 度的情况下时,点成像的伪影 噪声没有被抑制,有大量的圆弧形伪影,影响图像质量。当视角为 40°时,圆弧 型的噪声在一定程度上得到了抑制,但是依旧有大量的伪影信号影响成像效果。
为了对比基于有限视角的DAS算法在生物组织中成像效果,将人体手臂的一 组线形超声换能器的实验数据进行热声图像重建得到结果如图 5-6 所示。
 
 
乂轴(mm)
图 5-6 超声换能器晶片视角为 90°的手臂热声图像
从上图可以看出15 mm深度处有人体皮肤组织的信号,60 mm深度处也有一
个信号较强的点,但是图像当中两处信号位置都有非常强的伪影,降低了图像的成 像效果。
10
20
30
40
50
60
乂轴(mm)
图 5-7 超声换能器晶片视角为 40°的手臂热声图像
45
通过图 5-7 可以看出在有限视角的情况下热声重建图像的弧形噪声伪影在图 像的边缘位置得到了比较好的抑制。在15 mm深度处的皮肤信号的弧形伪影得到 了比较好的抑制,提升了成像质量。
通过图5-6和图5-7两组成像效果的对比图可以看出,在DAS算法当中加入 超声换能器晶片视角0这一物理量以后,可以在一定程度上抑制弧形伪影,但是由 于超声换能器是非聚焦的,超声换能器晶片的视角很大,只是考虑超声换能器的晶 片的视角,对于成像效果的优化能力有限,对于近距离的线形图像的伪影抑制效果 比较好,但是对于点形物体的伪影抑制效果不够明显。
5.1.3环形超声换能器成像的实验结果与分析
将线形超声换能器采集到的酱油管实验数据进行热声图像重建,得到的图像 成像成像效果如图 5-8 所示。
 
 
图5-8环形超声换能器阵列酱油管热声重建图像效果对比图。(a)环形超 声换能器晶片视角为90°时酱油管热声信号重建图像;(b)环形超声换 能器晶片视角为 40°时酱油管热声信号重建图像
通过图 5-8 两张图的结果可以看出在环形探头中加入视角这一变量并不能很有效 的抑制穿过酱油管的圆弧形伪影噪声,利用有限视角的DAS算法对高信号强度的 点源信号的优化效果不佳。
将线形超声换能器采集到的猪肝实验数据进行热声图像重建,得到的图像成 像效果如图 5-9 所示。
46
 
 
(b)
图5-9环形超声换能器阵列猪肝热声重建图像效果对比图。(a)环形超声 换能器晶片视角为90°时猪肝热声信号重建图像;(b)环形超声换能器 晶片视角为 40°时猪肝热声信号重建图像
综上所述,基于有限视角的DAS算法重建热声图像,并没有非常有效的效果, 有时候反而会降低图像的信噪比,导致图像变得更加模糊更加难以辨认内部结构。
5.2基于相干因子的延迟叠加波束成形算法
5.2.1基于相干因子的延迟叠加波束成形算法原理
DAS 算法中,超声换能器晶片接收到的信号的时域表达式[76]为
NN
Sdas (t)=工ais; (t + 3 )=工 si (t + 町 (5-3)
i=1i=1
式中,Sdas(t)表示输出的DAS波束成形信号,N为接收到信号的换能器个数, 表示孔障系数,s,'(t + Atj是第i个换能器探测到的具有相应延迟的信号。DAS算 法复杂度低易于实现,但是 DAS 算法分辨率低,成像效果对比度低。相较于光声 成像领域,微波热声成像领域DAS算法的缺点更加明显。
多个超声换能器晶片组成的探测矩阵,根据公式(5-3)可知,不同位置的晶片接 收到的信号会有一定的时间间隔At,这样的时间间隔会导致不同位置的晶片接收 到的信号会有一定的相位差,相位差会导致测量到的信号幅值在时间 t 时刻的信号 可能是正值也可能是负值。在 DAS 算法进行延迟叠加时,利用每个晶片通道的信 号在同一位置的信号幅值进行叠加进行求和计算,由于到达不同晶片的信号会有 一定的时间差At,因而不同通道的信号在进行叠加计算时会发生正负抵消的现象,
47
这样会导致不同通道的信号之间产生干扰,降低成像图像的信噪比和成像效果[77]。 这种原始的DAS算法,考虑了不同晶片信号之间的相干性,在进行累加求和时对 不同晶片信号进行正负振幅的叠加计算,这种方式被称为相干和。与相干和对应的 还有一种方法叫作非相干和,这种方式首先将每个晶片通道的信号进行平方计算, 这样得到的信号的幅值只会为正值,因为没有了负值,所以不会发生正值和负值相 互抵消的现象。在进行累加求和时,不会由于信号相位的差异导致信号幅值减小, 这种只用正值进行叠加计算的方式被称为非相干和。
为了解决DAS算法当中由于相干和计算过程中相位的影响对图像产生相位失 真,引入相干因子(Coherence Factor,CF)来提升热声图像重建的质量[43]。相干 因子的表达式如下:
(工:S: (/ + 3))
N工:(s’ (/ + &J)2
相干因子可以提升信号的信噪比,提升热声重建图像的质量。引入相干因子后
的每个超声换能器晶片接收到的信号的时域表达式如下:
sDAS-CF (t) = Sdas (t\CF(t) (5-5)
式中,Sdas-cf (t表示t时刻相干因子加权后的时域信号,SDAS (t)超声换能器晶片 接收到的信号的时域表达式,CF(t)表示t时刻接收到的信号相干因子权值。将上 式改写成成像坐标点(x,y)处,基于相干因子的DAS算法图像重建表达式如下:
nn
aDAS-CF (x,y) = E sk (lk) -CF (x,y ) = E sk (lk)-
k=1k=1
5.2.2线形超声换能器成像的实验结果与分析
首先将线形超声换能器采集到的酱油管微波热声信号数据导入到MATLAB中, 利用DAS-CF算法进行热声图像的重建,得到图5-10结果。
通过图5-10可以看出DAS算法在利用CF进行加权计算以后弧形噪声伪影得 到了很好的抑制,重建的热声图像画面很纯净,背景噪声得到了很大程度的抑制。 图像当中,可以通过CF因子很好的消除圆弧形伪影噪声,酱油管的形状得以凸显 出来,提升了成像图像的成像效果,可以更容易的看清酱油管的热声图像信息。 DAS-CF算法在热声图像重建的过程中可以非常明显的提升热声图像的质量,提升 图像的信噪比。
48
 
 
图 5-10 线形超声换能器酱油管数据 DAS-CF 成像结果。 (a)DAS 算法重 建的酱油管热声图像;(b)酱油管热声信号CF数值图像;(c)DAS-CF算法 重建的酱油管热声图像
将线形超声换能器采集到的手臂数据利用 DAS-CF 算法进行成像,得到图 5
11 结果。
 
图5-11线形超声换能器手臂数据DAS-CF成像结果。(a)DAS算法重建 的手臂热声图像;(b)手臂热声信号CF数值图像;(c)DAS-CF算法重建的 手臂热声图像
通过图 5-11 的对比可以看出 DAS-CF 算法成像结果要比 DAS 算法成像结果 伪影更少,背景噪声更少,大大提升了成像分辨率和对比度。但是由于CFdas (t)含 有很多的平方项,并且每个时间节点t都要进行计算算法复杂度比较高,在利用采 样长度为1000个点,采样通道为128路的热声信号以501x501个像素点大小的图 像进行501 x 501个像素点进行DAS-CF成像时,利用MATLAB需要2.46秒,用时 较长。
49
 
5.2.3环形超声换能器的实验结果与分析
首先将环形超声换能器采集到的酱油管数据利用 DAS-CF 算法进行热声图像 的重建,得到结果如图 5-12 所示
 
图 5-12 环形超声换能器酱油管数据 DAS-CF 成像结果。 (a)DAS 算法重 建的酱油管热声图像;(b)酱油管热声信号CF数值图像;(c)DAS-CF算法 重建的酱油管热声图像
通过图5-12的图像可以看出,DAS-CF算法在环形超声换能器的热声图像重 建的过程中,对于重建图像的伪影噪声的抑制作用同样非常明显,通过相干因子加 权后的图像背景噪声小,可以非常清楚的看到酱油管的热声图像。在利用采样长度 为6500个点,采样通道为128路的热声信号以501x501个像素点大小的图像进行 501x501个像素点进行DAS-CF成像时,利用MATLAB需要1.76秒,用时较长。
 
图5-13环形超声换能器生物数据DAS-CF成像结果。(a)DAS算法重建 的手臂热声图像;(b)生物热声信号CF数值图像;(c)DAS-CF算法重建的 生物热声图像
50
 
为了验证DAS-CF算法在环形超声换能器进行临床应用的可行性,对环形超 声换能器采集到的一组生物热声信号进行图像重建,得到的结果如图5-13所示。
通过上图可以看出在成像结构较为复杂的场景下,原始的DAS算法会导致重 建的热声图像伪影较多,图像噪声干扰比较严重,不利于识别出图像中的物体结构。 在引入相干因子进行热声图像的重建后,极大程度地提高了成像效果,提升了图像 信号的对比度降低了图像当中的伪影噪声,使得重建的热声图像可以清楚的分辨 出成像物体的组织结构。
5.3 量化分析
上述过程主要是通过主观评价法对图像质量进行评价,通过人的主观印象对 图像效果的好坏进行评价。图像质量评估中还可以通过客观评估来对图像质量进 行评价。由于本实验结果产生的图像没有参考图像,所以采用无参考图像评估当中 的信噪比作为本次实验结果的评估标准。图像信噪比的表达式如下
Nx N y
工 1( f ( “ ))2
x=1y=1
式中,SNR表示图像的信噪比;f (xj)表示图像在(x,y)处的灰度值;f (x,y)表 示图像在(x, y)处的灰度值的期望;
对线形超声换能器的两种优化方法的得到的优化图像信噪比进行对比,可以 得到图 5-14 结果。
 
 
通过图 5-14 结果可以看出,在线形超声换能器的成像结果当中,基于有限视 角的DAS算法将图像信噪比提高了约7.58dB,基于相干因子的DAS算法将图像 信噪比提高了约11.08 dB。两种优化算法都可以提高微波热声成像的图像信噪比且 基于相干因子的DAS算法的效果优于基于有限视角的DAS算法。
SNR
 
图 5-15 基于线形超声换能器的手臂热声图像结果信噪比对比
 
通过图 5-15 结果可以看出在手臂的线性超声换能器热声成像中,基于有限视 角的DAS算法将图像信噪比提高了约4.00dB,基于相干因子的DAS算法将图像 信噪比提高了约4.14 dB。两种优化算法都可以提高微波热声成像的图像信噪比但 是在生物组织成像当中,基于相干因子的DAS算法没有明显优于基于有限视角的 DAS 算法。
SNR
 
图 5-16 基于环形超声换能器的酱油管热声图像结果信噪比对比
 
52
通过上述结果可以看出,在环形超声换能器的成像结果当中,基于有限视角的 DAS算法并没有提高图像的信噪比,反而降低了约4.24 dB;基于相干因子的DAS 算法将图像信噪比提高了约6.35 dB。基于有限视角的DAS算法在基于环形超声 换能器无法提供很好的图像优化效果,基于相干因子的DAS算法在基于环形超声 换能器同样可以比较好地提升图像的信噪比。
SNR
 
图 5-17 基于环形超声换能器的生物组织热声图像结果信噪比对比
 
通过上述结果可以看出,在环形超声换能器的成像结果当中,基于有限视角的 DAS算法降低了约1.68 dB;基于相干因子的DAS算法将图像信噪比提高了约2.73 dB。在生物体成像当中,基于有限视角的DAS算法无法提升图像信噪比,基于相 干因子的DAS算法在环形超声换能器的成像过程中,同样适用于提升图像信噪比。 因此基于相干因子的DAS算法具有更好的适用性,可以选择基于相干因子的DAS 算法来优化图像成像效果。
5.4基于相干因子的实时热声图像重建程序设计
通过前面两节的数据实验证明,基于相干因子的DAS算法可以在线形和环形 超声换能器采集到的信号进行热声图像重建时可以提升DAS算法的成像质量,非 常明显的降低热声图像当中弧形伪影对于成像效果的干扰。所以为了提升实时热 声成像系统的成像能力,降低热声图像当中圆弧形伪影对重建的热声图像产生的 负面效果,提升实时热声成像系统的图像信噪比,需要对实时热声成像系统的图像 重建部分程序进行优化。
53
相较于基于有限角的DAS算法,基于相干因子的DAS算法的成像效果更好, 重建当中的圆弧形伪影噪声对于重建的热声图像的影响更小。所以可以根据DAS- CF 算法的原理,对实时图像重建部分进行优化。
根据公式(5-6)可知,如果要利用 DAS-CF 算法对重建的热声图像进行优化, 需要针对热声重建图像的每个成像坐标点需要对其对应的相干因子 CF 进行计算, 再利用 CF 与每个成像坐标点的超声换能器阵列晶片采集到的热声信号的相干和 相乘,就可以对热声信号重建出的图像进行优化。 3.2 节当中已经对每个成像坐标 点的超声换能器阵列晶片采集到的热声信号的相干和进行了计算,并且可以得到 正确的值。现在需要做的就是在3.2节的基础上进行相干因子的计算,再将相干和 与相干因子进行相乘,就可以实现 DAS-CF 算法,提升热声信号重建图像的信噪 比,减少圆弧形伪影对重建热声图像的影响。图像优化部分的程序框图如下:
 
图 5-18 基于相干因子的热声重建算法优化程序框图
 
图中 a 表示对每个成像坐标点的超声换能器阵列晶片采集到的热声信号进行 叠加运算得到的相干和, a2 表示对每个成像坐标点的超声换能器阵列晶片采集到 的热声信号先进行平方后再进行叠加运算得到的非相干和, aCF 表示经过相干因 子加权优化后的每个成像坐标点的信号的幅值。通过热声信号的相干和和非相干 和可以很方便的求出相干因子的值,为了减少除以信号通道数 128 对计算结果精 度的影响,程序当中将此部分进行优化,在与每个成像坐标点对应的相干和进行相 乘就可以得到优化后的热声重建图像。
由于线形超声换能器和环形超声换能器的实时采集成像程序的设计原理和过 程在第三章已经进行了详细的论述,本章不再展开论述,两种类型的超声换能器在 DAS-CF算法当中相干因子的计算和基于相干因子的DAS算法的其他部分相同, 所以可以通过上述框图对两种类型的的超声换能器热声图像重建程序进行优化。
54
5.5基于相干因子的实时热声图像重建程序实验结果
为了验证基于相干因子的实时热声图像重建程序的正确性,需要将酱油管放 入超声换能器阵列的成像区域进行成像,如果成像结果与MATLAB重建出来的基 于相干因子的热声图像结果一致,那么可以说明基于相干因子的热声图像重建算 法可以被正确的个与实时热声成像系统当中,用以提升实时成像的图像的质量和 图像的信噪比,降低弧形伪影对热声信号重建图像的干扰。经过相干因子加权计算 的线形超声换能器阵列的 LabVIEW 程序中酱油管的实时热声重建图像如图 5-19 所示:
 
 
图 5-19 线形超声换能器的 LabVIEW 中的酱油管热声重建图像结果对比。
(a)DAS 算法得到的 LabVIEW 中酱油管热声信号重建图像; (b)DAS-CF 算法得到的 LabVIEW 中酱油管热声信号重建图像
通过图 5-19 两张图的对比可以看出,对于线形超声换能器中强信号源导致的 热声图像当中的弧形伪影具有很好的抑制效果,在酱油管附近贯穿信号源的圆弧 形噪声降低了很多。通过相干因子的加权优化,提升了线形超声换能器热声重建图 像的信噪比,提升了热声信号重建图像的质量。
为了分析DAS-CF算法对于线形超声换能器对于生物组织的热声信号的重建 图像的优化效果,对一组人体手臂的信号进行成像和对比分析,热声信号重建得到 的图像如图 5-20 所示。
通过图 5-20 两张热声信号重建图像可以看出在经过相干因子加权优化后,热 声信号重建图像的成像质量得到了明显的提升,重建图像的圆弧形伪影在皮肤表 面处造成的噪声被很好的消除,图像的信噪比和对比度都有了明显的提升,热声图 像的可用度大大增加。同时实时热声成像程序在利用 DAS-CF 算法进行实时热声
55
 
图像重建的时间约为280 ms,可以满足实时成像的要求,为微波热声成像的临床 应用提供了非常有力的条件。
 
 
(a) (b)
图 5-20 线形超声换能器的 LabVIEW 中的人体手臂热声重建图像结果对
比。(a)DAS算法得到的LabVIEW中酱油管热声信号重建图像;(b)DAS-
CF算法得到的LabVIEW中人体手臂热声信号重建图像
为了验证基于相干因子的实时热声重建程序在环形超声换能器阵列微波热声 成像中的效果和作用,需要利用环形超声换能器采集到的信号,利用LabVIEW实 时成像程序进行图像重建,并对比分析结果。
 
 
图5-21环形超声换能器的LabVIEW中的酱油管热声重建图像结果对比。
(a)DAS 算法得到的 LabVIEW 中酱油管热声信号重建图像; (b)DAS-CF 算法得到的LabVIEW中酱油管热声信号重建图像
首先将酱油管放置在环形超声换能器阵列的成像位置进行采集成像,得到的 结果对比如图 5-21 所示。
56
 
通过上面两张图的对比可以看出,在环形超声换能器阵列的热声信号图像重 建的过程中,相干因子可以很好消除由于成像信号源信号过强导致的圆弧性噪声 伪影,使画面的纯净度更高成像效果更好,使图像的背景噪声也能得到很好抑制。
为了验证 DAS-CF 算法在环形超声换能器在生物组织成像过程中对热声图像 的优化效果,对一组采集到的生物组织信号进行热声重建图像效果对比。通过原始 DAS算法重建的热声信号图像和基于相干因子的DAS-CF算法得到热声信号图像 对比效果如图 5-22所示。
 
(a) (b)
图 5-22 环形超声换能器的 LabVIEW 中的生物组织热声重建图像结果对 比。(a)DAS算法得到的LabVIEW中生物组织热声信号重建图像;(b)DAS- CF算法得到的LabVIEW中生物组织热声信号重建图像
通过图 5-22 的对比可以十分清楚的看出相干因子对于热声信号重建图像的优 化作用。在没有引入相干因子直接利用环形超声换能器阵列晶片进行信号累加计 算相关和之后的成像结果由于热声图像当中信号源过多,信号源之间激发的热声 信号发生了十分严重的相干叠加,因此导致重建出来的热声信号图像有非常多的 圆弧形伪影,这导致图像当中的噪声非常大,无法通过热声信号重建的图像分辨生 物组织的结构。当引入相干因子以后,圆弧形的伪影噪声基本被消除,含有生物组 织结构信息的热声信号可以以比较高的信噪比进行成像,DAS-CF算法重建的图像 可以十分清楚的分辨出生物组织的结构,为热声成像在临床应用中复杂结构成像 提供了非常好的热声图像优化方法。在环形超声换能器实时热声成像的过程中,单 张热声图像的重建用时约为270 ms,可以实现实时微波热声成像。
57
5.6 本章小结
本章在第四章的实验结果上进行更深一步的研究,针对延迟叠加算法导致的 图像圆弧形伪影造成热声信号重建图像成像对比度比较低,成像效果比较差等问 题进行相关的优化。
首先根据超声换能器阵列晶片的视角有限这一思路进行优化,引入晶片视角 这一变量对于热声信号图像重建的影响,但是经过优化尝试和实验数据成像对比 验证发现,基于有限视角的延迟叠加算法对圆弧形伪影噪声的优化效果有限,不能 够很好的抑制伪影噪声,提升热声信号重建图像的信噪比的能力有限。
接下来根据超声成像当中相干因子对延迟叠加算法成像的优化效果,将相干 因子引入到微波热声成像的图像重建优化当中。通过实验数据验证,发现基于相干 因子的延迟叠加波束成形算法可以很好的抑制圆弧形伪影噪声,对于成像图像信 噪比和成像质量的提升具有非常大的作用,尤其是针对生物组织等结构复杂,热声 信号源点比较多的图像,对于圆弧形伪影噪声的抑制效果非常明显,提升了热声信 号重建图像的对比度,大大提高了微波热声信号重建图像的可用性。
最后根据基于相干因子的延迟叠加波束成形算法对实时热声成像系统的图像 重建部分进行优化,引入相干因子这一参数,提升了实时热声成像系统的实时成像 质量,图像重建用时也非常短,为热声成像技术的临床应用提供了非常有力的支持。
58
第六章 总结与展望
6.1 总结
微波热声成像是一种新型的生物医学成像方式,微波热声成像是利用成像物 体的热致超声原理,用脉冲微波让生物组织等可以吸收微波能量的物质产生带有 物体结构信号的微波热声信号,通过对热声信号的采集和计算可以重建出热声信 号包含的物体结构信息的热声图像。目前大部分的微波热声成像系统采集和成像 两个功能是分离的,或者说没有将采集和成像部分集成到一起组成一个可以进行 自动化的采集成像的微波热声成像系统。这样采集和成像分离的系统大大增加了 操作人员的工作量和微波热声成像优化热声信号采集的难度,极大地增加了微波 热声成像技术进行临床应用的门槛。为了使微波热声成像系统可以进行实时热声 信号采集、实时非入侵式的监控人体内部温度、临床手术病灶部位定位等功能,需 要使微波热声成像系统将数据采集和图像重建部分进行集成,使微波热声成像系 统具有实时成像的能力,可以在采集数据的同时呈现出采集到的热声信号所对应 的热声信号图像,为微波热声成像技术的临床应用提供有力的技术支持。本论文的 主要研究成果如下:
1.对实时热声成像的临床应用的研究价值进行了详细的介绍,对微波热声成像 技术的分辨率比较高、成像深度比较深等优点进行了介绍。并对生物医学成像的其 他成像方式进行了介绍,突出了热声成像相较于其他生物医学成像方式的特点进 行了陈述。并根据热声成像技术的特点对实时热声成像技术的可能的临床应用的 方向进行了介绍。
2.根据热声波动方程和热声信号的产生原理,简要阐述了微波热声成像技术的 成像原理,并针对 DAS 微波热声图像重建算法进行了详细的推导,从线形超声换 能器阵列和线形超声换能器阵列两种常用的超声换能器阵列的DAS成像算法进行 了分别的重建过程的推导。
3.设计了实时热声成像系统的实时热声成像程序,通过对微波激励源、天线、 超声换能器、信号放大器、信号采集系统等实时热声成像系统的硬件组成和每个结 构的功能那行了介绍。设计了基于线形超声换能器阵列和环形超声换能器阵列的 两种超声换能器的实时热声成像和采集程序。详细介绍了微波热声信号的采集部 分的程序和图像重建部分的程序,将微波热声重建的DAS算法理论进行了工程实 践,将 DAS 算法在 LabVIEW 中进行了实现,使微波热声成像系统将热声信号采
59 集和图像重建部分集成到了一起,可以自动化的实现微波热声信号的数据采集和 实时成像。
4.通过对酱油管、去离子水管、生理盐水管三种非常典型的成像物体分别利用 线形超声换能器阵列和环形超声换能器阵列进行实时成像。通过利用 LabVIEW 实 时成像程序得到的结果与MATLAB对采集到的热声信号进行图像重建的热声图像 结果进行比对,对实时热声成像系统的 LabVIEW 实时成像程序的正确性、实时热 声成像系统的背景噪声、实时热声成像系统对生物组织的成像能力等方面进行了 验证。证明了实时微波热声成像系统可以进行实时微波热声成像和采集,但同时也 发现了圆弧形噪声伪影对热声图像的信噪比影响很大,对实时热声成像的实际应 用造成了非常大的困难。
5.针对 DAS 算法导致的微波热声图像的圆弧形伪影噪声对热声重建图像的影 响,分别从超声换能器阵列晶片的有限视角和超声换能器阵列接收到的信号之间 的相位畸变两个方向进行优化。通过对实验数据的成像优化实验和对比,发现可以 利用相干因子来优化热声信号的图像,提升热声信号的图像信噪比和成像效果,大 幅度地降低圆弧形伪影噪声对伪影噪声对热声重建图像的干扰。
6.针对 DAS 算法优化的实验数据结果,对实时热声成像系统的实时采集成像 程序中的图像重建部分进行优化。引入相干因子,利用 DAS-CF 算法进行微波热 声信号的图像重建。并针对优化后的实时采集成像程序再次进行成像验证,保证了 DAS-CF算法在实时热声成像系统中得以正确地进行应用。并将原始的DAS算法 和优化后的 DAS-CF 算法的实时成像程序的成像结果进行对比,充分证明利用基 于相干因子的 DAS-CF 算法可以非常有效地抑制圆弧形的伪影噪声,提升热声图 像的信噪比和成像效果,更加清晰地展现出热声信号重建图像中的成像物体内部 的结构信息。
总之,本文根据微波热声成像的原理,设计并了实时热声成像系统的实时成像 程序,使微波热声采集系统拥有了实时成像的功能,并且利用相干因子对成像的 DAS 算法优化后的 DAS-CF 算法设计并实现了实时热声采集系统程序,为微波热 声成像的临床应用提供了实时热声成像的工程实现,进一步拉近了热声成像和临 床应用的距离。
6.2 展望
本文主要设计并实现了一套实时微波热声采集系统,使微波热声信号采集系 统具有了实时成像的功能,为微波热声成像在微波热疗实时体内温度监控、临床手
60 术病灶实时定位、临床医学影响诊断等应用方面的实际应用提供了可行的解决方 案。然而目前将实时微波热声成像系统应用于临床还有以下工作要做:
1.实时热声成像系统的集成度不够高,微波信号源、信号放大器等组成部件集 成度不够高、体积过大。需要将微波信号源、信号放大器等部件进行小型化设计, 数据采集系统和个人电脑可以集成到一台信号采集系统中,利用 NI 公司 PXIe 机 箱可扩展电脑将数据采集卡和电脑集成到一起进一步缩小实时微波成像系统的体 积。
2.实时热声成像系统的成像方式不够方便,需要将成像物体浸泡在耦合剂中, 微波天线需要与耦合剂接触才能避免空气层和耦合剂之间发生反射和折射提升热 声信号的幅值,减少噪声。相比于超声成像,微波热声成像的实施难度更大,不利 于实时热声成像的临床应用。如果可以在不用耦合剂直接在空气中用天线对成像 物体进行激发,产生强度可用的微波热声信号将大大降低实时微波热声成像临床 应用难度。
3.微波热声在进行生物组织成像时,热声信号信噪比比较低,成像效果较差。 微波信号的强度越强,激发出的热声信号强度越强,但是微波脉冲信号的能量过大 会对人体造成损伤,在安全的范围内如何提升信号的强度是非常困难的问题。热声 信号信噪比的提升也可以利用于DAS-CF算法类似的DMAS-CF算法等算法进行 优化。
4.实时成像的分辨率有限,由于计算机处理能力的限制,如果以特别小的成像 坐标点间隔进行成像,成像算法的复杂度将会以指数级进行增长,如果想要能够实 现高分辨率图像的实时成像可以考虑使用GPU进行并行计算来提升运算速度。也 可考虑使用云计算的方式,将采集到的数据实时发送到云计算的集群,利用云计算 中的大数据集群对数据能够实时处理,再通过网络实时将图像传输回本地主机。通 过更新的技术来提升对热声图像重建数据的处理能力,使得实时热声成像系统可 以实时获得大面积高分辨率的热声信号重建图像。
61
致 谢
在研究生的三年里,首先感谢蒋华北老师和黄林老师对我的指导,是他们带领 我一步步掌握了科研的方法,让我学会了很多专业知识,在与他们一次次的交流讨 论中让我有了更严谨的科研思维,这种严谨的作风让我终身受用。
在科研的路途当中我还要感谢那些每一位帮助过我的人,感谢郑铸师兄,感谢 他在学术理论方面给予我的很多指导;感谢杨金戈师兄、潘腾师兄、王雪师姐在我 进行科研实验方面的指导和帮助,教会了我很多实验方法;感谢徐启文师兄、汤永 辉师兄、周锐师姐在学习和生活当中对我的帮助;感谢胥守振同学在于我同窗的三 年时光里,无论是学习生活还是科研上的帮助。
最后我要感谢我的父母,是你们对于我的支持和关怀才能让我能够一直坚持 努力下去。
62
参考文献
[1]Tempany and Clare M C. Advances in Biomedical Imaging[J]. Jama the Journal of the American Medical Association, 2001, 285(5): 562-567.
[2]Webb A G. Introduction to biomedical imaging[M]. John Wiley & Sons, 2017.
[3]Rroentgen W C. On a new kind of rays[J]. Resonance, 1896, 3(59): 227-231.
[4]Buzug T M. Computed tomography[J]. Springer handbook of medical technology, 2011: 311342.
[5]Goldman L W. Principles of CT and CT technology[J]. J Nucl Med Technol, 2007, 35(3): 115128; quiz 129-130.
[6]Ning P, Gao F, Hai J, et al. Application of CT radiomics in prediction of early recurrence in hepatocellular carcinoma[J]. Abdominal Radiology, 2020, 45(1): 64-72.
[7]Duerden L, Abdullah H, Lyen S, et al. Contrast circulation in adult Fontan patients using MR time resolved angiography: application for CT pulmonary angiography[J]. Journal of Cardiovascular Computed Tomography, 2020, 14(4): 330-334.
[8]Li W, He X, Wei Y, et al. Clinical application of CT-guided radiofrequency ablation combined with biopsy synchronously to multiple small nodules of lung metastatic tumors[J]. Zhonghua yi xue za zhi, 2018, 98(27): 2189-2193.
[9]Dawud A M, Yurtkan K and Oztoprak H. Application of deep learning in neuroradiology: brain haemorrhage classification using transfer learning[J]. Computational Intelligence and Neuroscience, 2019, 2019.
[10]Khoo V S, Dearnaley D P, Finnigan D J, et al. Magnetic resonance imaging (MRI): considerations and applications in radiotherapy treatment planning[J]. Radiotherapy and Oncology, 1997, 42(1): 1-15.
[11]尹大志.多模态磁共振成像数据分析方法研究与应用[D].华东师范大学,2014.
[12]南细柳.磁共振多模态影像在脑胶质瘤诊断及分级中的应用研究[J].心理医生,2016, 22(31).
[13]Tirotta I, Dichiarante V, Pigliacelli C, et al. 19F magnetic resonance imaging (MRI): from design of materials to clinical applications[J]. Chemical reviews, 2015, 115(2): 1106-1129.
[14]杨丽琴,林富春and雷皓.静息状态下脑功能连接的磁共振成像研究[J].波谱学杂志, 2010, 27(3): 326-340.
63
[15]印雅俊.帕金森病合并认知障碍患者静息态功能磁共振成像初步研究[D].贵州医科大学, 2019.
[16]方继良and王小玲.脑功能磁共振成像技术简介及针刺研究应用(一)J].中国中西医结 合影像学杂志, 2012, 10(001): 94-96.
[17]靳二虎,蒋涛and张辉.磁共振成像临床应用入门(第2版)[J].中国临床医生杂志,2015, (4).
[18]Maniam S and Szklaruk J. Magnetic resonance imaging: Review of imaging techniques and overview of liver imaging[J]. World journal of radiology, 2010, 2(8): 309.
[19]Lang S, Duncan N and Northoff G. Resting-state functional magnetic resonance imaging: review of neurosurgical applications[J]. Neurosurgery, 2014, 74(5): 453-465.
[20]张雪芹and潘远江.核磁共振方法在高分子聚合物方面的应用[J].现代科学仪器,2001, (6): 6.
[21]张锦胜.核磁共振及其成像技术在食品科学中的应用研究[D].南昌大学,2007.
[22]Nie L, Xing D, Zhou Q, et al. Microwave - induced thermoacoustic scanning CT for high - contrast and noninvasive breast cancer imaging[J]. Medical Physics, 2008, 35(9): 4026-4032.
[23]Liu Z, Liu D, Cai Y, et al. Application of nuclear magnetic resonance (NMR) in coalbed methane and shale reservoirs: A review[J]. International Journal of Coal Geology, 2020, 218: 103261.
[24]Ma Y, Wang H, Wang W, et al. The application of Nuclear Magnetic Resonance T1-T2 maps in the research of sedimentary organic matter: A case study of early mature shale with type I kerogen[J]. Journal of Petroleum Science and Engineering, 2020, 194: 107447.
[25]Hatzakis E. Nuclear magnetic resonance (NMR) spectroscopy in food science: A comprehensive review[J]. Comprehensive Reviews in Food Science and Food Safety, 2019, 18(1): 189-220.
[26]Kruger R A, Reinecke D R and Kruger G A. Thermoacoustic computed tomography--technical considerations[J]. Med Phys, 1999, 26(9): 1832-1837.
[27]Li C and Wang L V. Photoacoustic tomography and sensing in biomedicine[J]. Phys Med Biol, 2009, 54(19): R59-97.
[28]Bowen and T. Radiation-Induced Thermoacoustic Soft Tissue Imaging[C]. IEEE, 1981, 817822.
[29]Kruger R A, Reinecke D R and Kruger G A. Thermoacoustic computed tomography-technical considerationsJ]. Medical Physics, 1999, 26(9): 1832—1837.
[30]Kruger R A, Kopecky K K, Aisen A M, et al. Thermoacoustic CT with radio waves: A medical imaging paradigm[J]. Radiology, 1999, 211(1): 275-278.
64
[31]Kruger R A, Kiser Jr W L, Miller K D, et al. Thermoacoustic CT: imaging principles[C]. Biomedical optoacoustics, 2000, 150-159.
[32]Ku G and Wang L V. Scanning microwave - induced thermoacoustic tomography: Signal, resolution, and contrast[J]. Medical Physics, 2001, 28(1): 4-10.
[33]Xu Y, Xu M and Wang L V. Exact frequency-domain reconstruction for thermoacoustic tomography. II. Cylindrical geometry[J]. IEEE Transactions on Medical Imaging, 2002, 21(7): 829-833.
[34]Kruger R A, Stantz K and Kiser Jr W L. Thermoacoustic CT of the breast[C]. Medical Imaging 2002: Physics of Medical Imaging, 2002, 521-525.
[35]Xu M and Wang L V. Time-domain reconstruction for thermoacoustic tomography in a spherical geometry[J]. IEEE Transactions on Medical Imaging, 2002, 21(7): 814-822.
[36]Chen Y, Li J, Luo Y, et al. Thermoacoustic imaging and its application in breast cancer detection and therapy[J]. Sheng wu yi xue Gong Cheng xue za zhi= Journal of Biomedical Engineering= Shengwu Yixue Gongchengxue Zazhi, 2019, 36(4): 684-690.
[37]Karunakaran C, Saraswat S, Tak J, et al. Real-Time Thermoacoustic Imaging and Thermometry during Focused Microwave Heating in Multilayer Breast Phantom[C]. 2019 IEEE International Ultrasonics Symposium (IUS), 2019, 530-539.
[38]Qin H, Qin B, Yuan C, et al. Pancreatic Cancer detection via Galectin-1-targeted Thermoacoustic Imaging: validation in an in vivo heterozygosity model[J]. Theranostics, 2020, 10(20): 9172.
[39]Chi Z, Huang L, Wu D, et al. First assessment of thermoacoustic tomography for in vivo detection of rheumatoid arthritis in the finger joints detection of rheumatoid arthritis in the finger joints[J]. Medical Physics, 2021.
[40]Kruger R A, Kiser Jr W L, Reinecke D R, et al. Application of thermoacoustic computed tomography to breast imaging[C]. Medical Imaging 1999: Physics of Medical Imaging, 1999, 426-430.
[41]Xu M and Wang L V. Photoacoustic imaging in biomedicine[J]. Review of Scientific Instruments, 2006, 77(4).
[42]Xu Y and Wang L H V. Rhesus monkey brain imaging through intact skull with thermoacoustic tomography[J]. Ieee Transactions on Ultrasonics Ferroelectrics and Frequency Control, 2006, 53(3): 542-548.
[43]Li M L, Hao E Z, Maslov K, et al. Improved in vivo photoacoustic microscopy based on a virtual-detector concept[J]. Optics Letters, 2006, 31(4): 474-476.
65
[44]Kruger R A, Kiser Jr W L, Reinecke D R, et al. Thermoacoustic computed tomography using a conventional linear transducer array[J]. Medical Physics, 2003, 30(5): 856-860.
[45]Razansky D, Kellnberger S and Ntziachristos V. Near- field radiofrequency thermoacoustic tomography with impulse excitation[J]. Medical Physics, 2010, 37(9): 4602-4607.
[46]Kellnberger S, Hajiaboli A, Sergiadis G, et al. High resolution imaging with impulse based thermoacoustic tomography[C]. European Conference on Biomedical Optics, 2011, 808905.
[47]Kellnberger S, Hajiaboli A, Razansky D, et al. Near-field thermoacoustic tomography of small animals[J]. Physics in Medicine & Biology, 2011, 56(11): 3433.
[48]Omar M, Kellnberger S, Sergiadis G, et al. Near-field thermoacoustic imaging with transmission line pulsers[J]. Med Phys, 2012, 39(7): 4460-4466.
[49]Omar M, Kellnberger S, Sergiadis G, et al. Near - field thermoacoustic imaging with transmission line pulsers[J]. Medical Physics, 2012, 39(7Part1): 4460-4466.
[50]Yao L, Guo G and Jiang H. Quantitative microwave- induced thermoacoustic tomography[J]. Medical Physics, 2010, 37(7Part1): 3752-3759.
[51]Huang L, Yao L, Liu L, et al. Quantitative thermoacoustic tomography: Recovery of conductivity maps of heterogeneous media[J]. Applied Physics Letters, 2012, 101(24): 244106.
[52]Wu D, Huang L, Jiang M S, et al. Contrast agents for photoacoustic and thermoacoustic imaging: a review[J]. Int J Mol Sci, 2014, 15(12): 23616-23639.
[53]Huang L, Li T and Jiang H. Thermoacoustic imaging of hemorrhagic stroke: A feasibility study with a human skull[J]. Medical Physics, 2017, 44(4): 1494-1499.
[54]Chi Z, Zhao Y, Yang J, et al. Thermoacoustic tomography of in vivo human finger joints[J]. IEEE Transactions on Biomedical Engineering, 2018, 66(6): 1598-1608.
[55]Feng X, Gao F and Zheng Y. Magnetically mediated thermoacoustic imaging toward deeper penetration[J]. Applied Physics Letters, 2013, 103(8).
[56]Gao F, Zheng Y, Feng X, et al. Thermoacoustic resonance effect and circuit modelling of biological tissue[J]. Applied Physics Letters, 2013, 102(6): 063702.
[57]Feng X, Gao F and Zheng Y. Magnetically mediated thermoacoustic imaging toward deeper penetration[J]. Applied Physics Letters, 2013, 103(8): 083704.
[58]Feng X, Gao F and Zheng Y. Modulatable magnetically mediated thermoacoustic imaging with magnetic nanoparticles[J]. Applied Physics Letters, 2015, 106(15): 153702.
[59]Gao F, Feng X and Zheng Y. Advanced photoacoustic and thermoacoustic sensing and imaging beyond pulsed absorption contrast[J]. Journal of Optics, 2016, 18(7): 074006.
66
[60]Nie L, Xing D, Yang D, et al. Detection of foreign body using fast thermoacoustic tomography with a multielement linear transducer array[J]. Applied Physics Letters, 2007, 90(17): 174109.
[61]Lou C, Yang S, Ji Z, et al. Ultrashort microwave-induced thermoacoustic imaging: a breakthrough in excitation efficiency and spatial resolution[J]. Physical review letters, 2012, 109(21): 218101.
[62]Ye F, Ji Z, Ding W, et al. Ultrashort microwave-pumped real-time thermoacoustic breast tumor imaging system[J]. IEEE Transactions on Medical Imaging, 2015, 35(3): 839-844.
[63]Ye F, Ji Z, Ding W, et al. Ultrashort Microwave-Pumped Real-Time Thermoacoustic Breast Tumor Imaging System[J]. IEEE Trans Med Imaging, 2016, 35(3): 839-844.
[64]Xu F, Ji Z, Chen Q, et al. Nonlinear thermoacoustic imaging based on temperature-dependent thermoelastic response[J]. IEEE Transactions on Medical Imaging, 2018, 38(1): 205-212.
[65]Qin H, Cui Y, Wu Z, et al. Real-Time Thermoacoustic Imaging-Guidance for Breast Tumor Resection[J]. IEEE Photonics Journal, 2020, 12(3): 1-7.
[66]Zhao Z, Song J, Zhu X, et al. System development of microwave induced thermo-acoustic tomography and experiments on breast tumor[J]. Progress In Electromagnetics Research, 2013, 134: 323-336.
[67]Song J, Zhao Z, Wang J, et al. Evaluation of contrast enhancement by carbon nanotubes for microwave-induced thermoacoustic tomography[J]. IEEE Transactions on Biomedical Engineering, 2014, 62(3): 930-938.
[68]Zhu X, Zhao Z, Wang J, et al. Active adjoint modeling method in microwave induced thermoacoustic tomography for breast tumor[J]. IEEE Transactions on Biomedical Engineering, 2014, 61(7): 1957-1966.
[69]Wang B, Zhao Z, Liu S, et al. Mitigating acoustic heterogeneous effects in microwave-induced breast thermoacoustic tomography using multi-physical K-means clustering[J]. Applied Physics Letters, 2017, 111(22): 223701.
[70]Tamimi E A, Xin H and Witte R S. Real-time 3D thermoacoustic imaging and thermometry using a self-calibration technique[J]. Appl Opt, 2020, 59(22): G255-G261.
[71]于万宝.微波热致超声成像技术研究[D].电子科技大学.
[72]Feng D, Xu Y, Ku G, et al. Microwave- induced thermoacoustic tomography: Reconstruction by synthetic aperture[J]. Medical Physics, 2001, 28(12): 2427-2431.
[73]Pramanik M. Improving tangential resolution with a modified delay-and-sum reconstruction algorithm in photoacoustic and thermoacoustic tomography[J]. JOSA A, 2014, 31(3): 621-627.
[74]杨金戈.快速光声成像系统及其应用研究[D].电子科技大学,2019.
67
[75]Wang X, Huang L, Chi Z, et al. Integrated thermoacoustic and ultrasound imaging based on the combination of a hollow concave transducer array and a linear transducer array[J]. Physics in Medicine & Biology, 2021, 66(11): 115011 (115019pp).
[76]Jeon S, Park E Y, Choi W, et al. Real-time delay-multiply-and-sum beamforming with coherence factor for in vivo clinical photoacoustic imaging of humans[J]. Photoacoustics, 2019, 15: 100136.
[77]Hollman K W, Rigby K W and O'Donnell M. Coherence factor of speckle from a multi-row probe[C]. IEEE, 1999, 1257-1260 vol.1252.
【本文地址:https://www.xueshulunwenwang.com//shuoshilunwenzhuanti/shengwuyixuegongcheng/5054.html

上一篇:多氧铌酸盐改性的金属有机骨架用于 分离纯化细胞色素C的研究

下一篇:基于纳米材料的酶级联反应平台的构建及其在生物检 测和肿瘤治疗中的应用

相关标签: