专利名称：一种多普勒成像自动优化方法
技术领域：
本发明提供一种多普勒成像优化方法，尤其涉及一种多普勒成像自动优化方法。
背景技术：
多普勒成像是检测血流运动速度的一种重要的成像方式，但受检查部位、深度以及成像系统扫查速度等因素影响，多普勒成像的速度标尺(Scale)或者脉冲重复频率 (PRF)、基线位置(Baseline)等成像参数可能不是最佳的，需要医生根据实际情况进行手动调整，而在一般情况下这种调整难以一次完成，需要调整多次才能够找到最好的成像参数档位。本专利提供了一种根据多普勒谱图自动对速度标尺、基线位置、增益、谱图方向等一个或者多个成像参数进行优化的方法和装置，通过一次按键就立刻进入以优化好的参数进行成像的模式，极大的方便医生的使用。多普勒成像参数自动优化是改善多普勒成像易用性的一种重要技术，对此进行研究和发明较多。一般的思路是在用户启动优化按键后，采用较大的速度标尺进行多普勒成像，然后等待完成一个或几个心动周期的成像之后，对所述获得的一个或几个心动周期的谱图状态进行技术分析，从而获得最佳的成像参数，并将这些优化后的参数用于后续的多普勒成像。谱图技术分析的目的是为了获得谱图上的血流信号强弱、所占带宽、方向等信息，为获得这些信息有的通过对成像路径上的电子器件的噪声特性进行计算，并与谱图的噪声情况进行对比来判断是血流信号还是噪声；有的技术通过一些统计学的方法，如局部谱图的均值、方差等来谱图进行分析，以区分血流和噪声；在计算信号所占带宽的技术中， 有的通过在一段时间的平均功率谱线上搜索信号的正反边界，有的通过一段时间的平均功率谱线和最大功率谱线来进行边界的确定；在判断血流方向上，有的方法通过预存的模板进行判断；有的利用谱线上的不同方向的能量和进行判断等。多普勒成像参数的优化方法很多，但算法的复杂度、鲁棒性以及响应速度等依然是研究重点。现有技术在用户按下优化按钮后，一般先以较大的速度标尺进行至少一个心动周期的成像，在完成该阶段的成像后估计出优化后的成像参数，然后系统将获得优化后的成像参数设置到多普勒成像的模块中，系统将按优化后的参数进行正常的成像。上述估计最优成像参数的过程视算法的效率有快有慢，但一般都存在较明显的一个暂态过程。
发明内容
本发明提供一种多普勒成像自动优化方法，其在多普勒成像的过程中，实时进行谱图的监控和优化参数的估计，一旦用户启动优化扫描，系统可以实时响应用户的需求，将实时估计的优化参数设置到当前的多普勒成像模块中，从而避免了暂态过程较长对用户使用带来的不便。除此之外，本发明还可以非常容易实现实时的谱图优化，即无需用户按键启动优化过程，而是系统自动启动优化过程，比如完成一屏谱图刷新后自动设置新的优化后的成像参数，或者当实时估计的优化参数与当前成像的参数相差超过某特定阈值后即自动设置新的优化后的成像参数。本发明为解决上述技术问题所采用的技术方案为一种多普勒成像参数自动优化方法，其包括以下步骤A.以大于当前用户设定的速度档位对应的脉冲重复频率或者采样率进行多普勒成像并获取多普勒信号；B.获得的所述多普勒信号分两路进行处理，一路多普勒信号经过降采样获得对应用户调节的速度档位的多普勒信号，并对所述降采样的多普勒信号进行传统的多普勒信号处理获得谱图、声音输出；另一路多普勒信号用于实时监测多普勒信号的频率范围，实时估计最优的多普勒成像参数；C.启动优化后将估计出的最优多普勒成像参数用于控制后续环节的处理，实现多普勒成像参数的自动优化。在脉冲波多普勒成像中所述A步骤成像使用的所述脉冲重复频率为当前深度下所能达到的最大脉冲重复频率。在连续波多普勒成像中所述A步骤成像使用的所述采样率为系统支持的最大采样率。所述C步骤中的实时监测多普勒信号为壁滤波处理前的信号，实时估计最优的多普勒成像参数后在进行壁滤波处理。所述C步骤中的实时监测多普勒信号为经过壁滤波处理之后的信号。所述步骤C中所述启动优化的方式是用户手动启动或成像系统自动启动。所述步骤B中所述实时监测多普勒信号频率范围的方法进一步包含如下步骤Bi.对所述多普勒信号进行功率谱计算；B2.实时检测一段时间内每个频率点上的最大功率，即获得最大功率谱曲线；B3.对所述最大功率谱曲线进行信号和噪声的判断，判断处理采用过阈值判断法， 判断之前需要的噪声平均功率巧采用在线实时估计方法或预先在系统上测得，根据预先设置参数&确定噪声阈值&巧，对最大功率谱曲线所有频点的功率进行判断，大于&巧判断为信号记为1，否则判断为噪声记为0，获得一个信号噪声向量；B4.对所述信号噪声向量进行统计处理，统计整个频域范围内各段信号的长度，信号长度小于给定阈值K2，为噪声引起的假信号，将这段假信号对应得向量段置0 ；B5.对处理后的所述信号噪声向量进行求和，求和结果为N，判定为信号存在严重频谱混叠，并启动更高的脉冲重复频率或者采样率进行多普勒成像，否则判定信号没有发生严重频谱混叠，根据信号向量的统计结果和分布范围估计最优的多普勒成像参数。所述步骤B5估计的用于后续信号处理的多普勒成像参数包括最优降采样率 DSRlfff，其计算方法为
k* NDSRrf =
prf SumSNV其中N为所述信号噪声向量长度，SumSNV为所述信号噪声向量累加和，k为一个预先设定的修正系数。所述步骤B5估计的用于后续信号处理的多普勒成像参数包括最优基线位置参数，在估计最优基线位置参数前首先进行血流方向的判断，并估计反向血流多普勒信号的带宽L，用此带宽L及PRF降采样率、PRF降采样率修正系数k、血流方向来确定优化后的基线位置判断血流方向为负的最优基线
1 + kBaseLine = — *N-L* DSRprf判断血流方向为正的最优基线
ι _ tBaseLine = -y- *N + L* DSRprf所述的血流方向判断首先将信号噪声向量乘以方向向量PDV(p0Wer spectum direction vector)，方向向量为Ν/2个-1和Ν/2个1组成，对相乘获得的所述向量进行累加求和，累加结果为非负数时，判定血流为正向；累加结果为负数时，判定血流为负向。本发明将多普勒分成两路，一路用于多普勒信号处理，一路对多普勒谱图进行实时监控和成像参数优化，在启动优化时，将优化好的参数用于成像，从而实现实时响应，另外通过对最大功率谱线进行频域和时域的处理，以及对噪声信号向量进行条件性限制，使算法具有较强的鲁棒性。总之，本发明提供了一种实时响应、简单高效、鲁棒性强的多普勒参数优化方法和装置。
图1为本发明实施例PW多普勒信号处理框图；图2为本发明参数优化实施例1 ；图3为本发明实施例谱图模式示意图。
具体实施例方式下面根据附图和实施例对本发明作进一步详细说明本发明对PW和CW多普勒成像均适用，CW信号的采样率可以与PW多普勒成像的脉冲重复频率等效处理，本实施例就以PW多普勒成像为例，对本发明所采用的方案进行详细的说明。在本实施例中，关键点在于PW多普勒扫描以当前深度下的最大脉冲重复频率进行扫描，根据速度档位对获得的较高脉冲重复频率的多普勒信号进行降采样，然后进行后续信号处理；同时对获得的较高脉冲重复频率的多普勒信号进行实时的监控，实时计算最优的基线位置和脉冲重复频率等多普勒成像参数。采用本实施例的一种多普勒信号处理框图如图1所示。由图可见，在壁滤波后(也可在壁滤波前)留出一路用于进行多普勒参数自动优化处理，在该处理环节对多普勒信号进行实时计算最优的基线位置和脉冲重复频率等多普勒成像参数。当用户按下多普勒优化按键后(或者在实时的谱图优化情况下由系统自动触发的优化动作)，直接将上次优化好的基线和脉冲重复频率等参数用于控制基线平移、降采样和信号处理等环节，从而实现多普勒成像参数的自动优化。而传统多普勒成像优化方法需要首先改变扫描的脉冲重复频率，等待优化结果出来后，再次改变扫描脉冲重复频率值进行扫描，因此本实施例提出的方法可以做到完全实时响应用户的优化需求。Auto处理的一种具体最优实施方式的流程如图2，所述实施例对基线和脉冲重复
频率两个参数进行了自动估计，Auto处理的实施方式不局限于这两个参数，比如根据信噪比的估计可以给出最优成像增益自动估计，根据谱的形态判断血流的方向等。首先对壁滤波结果进行功率谱计算及处理，然后对谱图上的信号和噪声情况进行判断，将判断结果保存在一个向量中，对噪声信号向量进行处理，在信号噪声情况向量的基础上进行多次混叠判断、一次混叠模式确认及参数优化等处理。下面对auto处理的几个环节进行说明(一 )功率谱计算及最大功率谱估计对壁滤波结果进行功率谱计算，功率谱计算方法可以采用与传统多普勒功率谱计算相同方法，即快速傅里叶变换法(FFT)。最大功率谱估计指的是估计在预先设定的一段时间内的每个频率点不同时刻的最大功率值。该最大功率谱的估计可以每输入一根谱线，即对最新的一段时间内的所有谱线进行最大功率谱的估计，这样做虽然可以实时跟踪最大功率谱的变化，但计算量会比较大。由于血流速度对特定的血管位置来说是具有相对稳定的速度范围，因此也可以采用简化的方法，即每隔一段时间进行一次最大功率谱的估计。在这一段时间内将第一根谱线保存到最大功率谱线存储区中，从第二根功率谱线开始计算最大功率谱线，即在每个频率点上将当前功率谱线与前一次计算出的最大功率谱线进行比较，选取较大的功率值作为频点下的功率值。在获得当前的最大功率谱线后，更新存储区中的最大功率谱线。完成预定时间长度的最大功率谱估计后，重新启动新一轮的最大功率谱估计。( 二)最大功率谱处理对当前的最大功率谱线在频域和时域进行线性或者非线性的平滑(比如常用的 FIR/IIR滤波处理)减少受噪声的影响，提高算法的鲁棒性。(三)信号噪声向量及处理对处理后的最大功率谱线ΛΡΓ^Ο进行信号和噪声的判断，判断处理可以采用简单的过阈值判断法。在判断之前需要知道噪声的平均功率，噪声平均功率巧可以采用现有技术中的在线实时估计方法，也可以预先测得噪声平均功率。然后设置参数&确定噪声阈值、巧，对处理后的最大功率谱所有频点的功率进行判断，大于、巧为信号，否则为噪声， 用一个长度为N(N为谱计算时得到的频率点数)的向量来表示当前谱线的信号噪声情况 (SNV)，向量的每一项与频率点一一对应，当前频率点判断为信号则对应频率点设为1，否则设置为0。然后对信号噪声向量进行统计处理，统计整个频域范围内各段信号的长度，如果信号长度小于给定阈值1(2，就认为是噪声引起的假信号，将这段假信号对应得SNV段设置为 O0如SNV 向量为 00011100. ·· 0111111111111. · · 100000，信号长度阈值为 10，则第一段信号只有3个频率单位长，认为是噪声引起的假信号，处理后的SNV向量为00000000..
0111111111111. . . 100000(四)多次混叠判断对处理后的信号噪声向量进行求和，如果求和结果为N，说明信号充满整个频带， 很可能发生了多次混叠，需要启动更高的脉冲重复频率或采样率成像，否则信号没有多次混叠，可以进行后续优化。即
7
SumSNV = YjSNVlQ)
N如果SumSNV = N,则表明信号充满整个谱图，发生多次混叠，启动更高的脉冲重复频率或采样率成像；如果SumSNV < N,则进行基线和脉冲重复频率降采样率的优化。(五)一次混叠模式确认在未发生多次混叠的情况下，多普勒谱图的模式主要有图3所示a，b，c, d四种， 每一种又可以分为无混叠、临界混叠和一次混叠三种情况。1)对于无混叠的情况，谱对应的SNV形式为0. . 001. . 110. . 00，即头尾有若干个 0，中间若干个1。2)对于临界混叠的情况，谱对应的SNV形式为1. · 110. · 00或者0. · 001. · 11，即头或者尾有若干个0，其余区域为13)对于混叠的情况，谱对应的SNV形式为1. · 110. · 001. · 11，即头尾有若干个1， 中间有若干个0即0和1的变化只有1次或者2次，否则就说明算法失败或其他原因，对于算法失败的情况如果在预定的时间内不能恢复正常，则不启动优化。(六)脉冲重复频率降采样率优化SNV累加和SumSNV即为信号占有的谱空间，则脉冲重复频率降采样率DSRprf为
k* NDSRprf =，k为调节系数，取值为0 1，为了防止降采样后发生混叠，k必
SumSNV
须满足条件
Γ ,、SumSNVk>-
N(七)基线优化为了消除一次混叠或者将谱线移到合适的位置进行显示，需要根据谱模式进行基线优化。1.血流方向确定如图3所示的谱模式中，a和d为正频率方向，b和c为负频率方向。通过下面的方法来确定频率方向。1)将 SNV乘以方向向量PDV(power spectum direction vector)方向向量为 Ν/2 个-1和Ν/2个1组成，即-1，· · ·，-1，-1，1. · ·，1，1dSNV = SNV*PDV2)对dSNV进行求和SumdSNV = Yd dSNVii)
N3)根据SumdSNV进行判断SumdSNV < 0，表示血流方向为负方向SumdSNV > = 0，表示血流方向为正方向2.基线优化
从N/2处开始，计算与血流反方向的信号所占带宽L，即血流方向为正，则从N/2开始向负频率方向对SNV进行累加，遇到0就停止累加，累加和就是L ；同样对血流方向为负的情况，从N/2开始向正频率方向对SNV进行累加，遇到0就停止累加，累加和就是L。L= YJSNVQ)
t=N/2当SumdSNV < 0，q为向正频率方向搜索SNV的第一个为0的索引号减1当SumdSNV >=0，q为向负频率方向搜索SNV的第一个为0的索引号加11)血流方向为负的基线
1 + kBaseLine = — *N-L* DSRprf2)血流方向为正的基线BaseLine = ^-γ- *N + L* DSRprf上述实施例只是给出了一种最优实施方式的描述，最大功率谱处理环节可以省略，atuo处理可以在壁滤波前，也可以在壁滤波后进行，降采样和基线平移的顺序也可以互换，等等这些变化都不脱离本发明的核心思想。本领域技术人员不脱离本发明的实质和精神，可以有多种变形方案实现本发明， 以上所述仅为本发明较佳可行的实施例而已，并非因此局限本发明的权利范围，凡运用本发明说明书及附图内容所作的等效结构变化，均包含于本发明的权利范围之内。
权利要求
1.一种多普勒成像参数自动优化方法，其特征在于包括以下步骤A.以大于当前用户设定的速度档位对应的脉冲重复频率或者采样率进行多普勒成像并获取多普勒信号；B.获得的所述多普勒信号分两路进行处理，一路多普勒信号经过降采样获得对应用户调节的速度档位的多普勒信号，并对所述降采样的多普勒信号进行传统的多普勒信号处理获得谱图、声音输出；另一路多普勒信号用于实时监测多普勒信号的频率范围，实时估计最优的多普勒成像参数；C.启动优化后将估计出的最优多普勒成像参数用于控制后续环节的处理，实现多普勒成像参数的自动优化。
2.如权利要求1所述的一种多普勒成像参数自动优化方法，其特征在于在脉冲波多普勒成像中所述A步骤成像使用的所述脉冲重复频率为当前深度下所能达到的最大脉冲重复频率。
3.如权利要求1所述的一种多普勒成像参数自动优化方法，其特征在于在连续波多普勒成像中所述A步骤成像使用的所述采样率为系统支持的最大采样率。
4.如权利要求1所述的一种多普勒成像参数自动优化方法，其特征在于所述C步骤中的实时监测多普勒信号为壁滤波处理前的信号，实时估计最优的多普勒成像参数后在进行壁滤波处理。
5.如权利要求1所述的一种多普勒成像参数自动优化方法，其特征在于所述C步骤中的实时监测多普勒信号为经过壁滤波处理之后的信号。
6.如权利要求1所述的一种多普勒成像参数自动优化方法，其特征在于所述步骤C 中所述启动优化的方式是用户手动启动或成像系统自动启动。
7.如权利要求1所述的一种多普勒成像参数自动优化方法，其特征在于所述步骤B 中所述实时监测多普勒信号频率范围的方法进一步包含如下步骤Bi.对所述多普勒信号进行功率谱计算；B2.实时检测一段时间内每个频率点上的最大功率，即获得最大功率谱曲线；B3.对所述最大功率谱曲线进行信号和噪声的判断，判断处理采用过阈值判断法，判断之前需要的噪声平均功率巧采用在线实时估计方法或预先在系统上测得，根据预先设置参数h确定噪声阈值、巧，对最大功率谱曲线所有频点的功率进行判断，大于、巧判断为信号记为1，否则判断为噪声记为0，获得一个信号噪声向量；B4.对所述信号噪声向量进行统计处理，统计整个频域范围内各段信号的长度，信号长度小于给定阈值K2，为噪声引起的假信号，将这段假信号对应得向量段置0 ；B5.对处理后的所述信号噪声向量进行求和，求和结果为N，判定为信号存在严重频谱混叠，并启动更高的脉冲重复频率或者采样率进行多普勒成像，否则判定信号没有发生严重频谱混叠，根据信号向量的统计结果和分布范围估计最优的多普勒成像参数。
8.如权利要求7所述的一种多普勒成像参数自动优化方法，其特征在于所述步骤B5 估计的用于后续信号处理的多普勒成像参数包括最优降采样率DSRprf,其计算方法为k* NDSRrf =prf SumSNV其中N为所述信号噪声向量长度，SumSNV为所述信号噪声向量累加和，k为一个预先设定的修正系数。
9.如权利要求7所述的一种多普勒成像参数自动优化方法，其特征在于所述步骤B5 估计的用于后续信号处理的多普勒成像参数包括最优基线位置参数，在估计最优基线位置参数前首先进行血流方向的判断，并估计反向血流多普勒信号的带宽L，用此带宽L及PRF 降采样率、PRF降采样率修正系数k、血流方向来确定优化后的基线位置判断血流方向为负的最优基线 ι + kBaseLine = *N-L* DSRnrf 2 prf判断血流方向为正的最优基线BaseLine = — *N + L*DSRnrf。 2 prf
10.如权利要求9所述的一种多普勒成像参数自动优化方法，其特征在于所述的血流方向判断首先将信号噪声向量乘以方向向量PDV，方向向量为N/2个-1和N/2个1组成，对相乘获得的所述向量进行累加求和，累加结果为非负数时，判定血流为正向；累加结果为负数时，判定血流为负向。
全文摘要
本发明提供一种多普勒成像自动优化方法，其在多普勒成像的过程中，实时进行谱图的监控和优化参数的估计，一旦用户启动优化扫描，系统可以实时响应用户的需求，将实时估计的优化参数设置到当前的多普勒成像模块中，从而避免了暂态过程较长对用户使用带来的不便。除此之外，本发明还可以非常容易实现实时的谱图优化，即无需用户按键启动优化过程，而是系统自动启动优化过程，比如完成一屏谱图刷新后自动设置新的优化后的成像参数，或者当实时估计的优化参数与当前成像的参数相差超过某特定阈值后即自动设置新的优化后的成像参数。
文档编号A61B8/06GK102247170SQ20101050337
公开日2011年11月23日 申请日期2010年9月29日 优先权日2010年9月29日
发明者张羽 申请人:深圳市蓝韵实业有限公司