实时超声弹性成像方法和系统的制作方法
【技术领域】
[0001] 本发明涉及超声波回波成像领域，尤其是一种实时超声弹性成像方法和系统。
【背景技术】
[0002] 超声波回波成像技术目前已经被广泛应用于军事、医疗等领域。超声波回波成像 中关于弹性成像的概念最早由Ophir等人于1991年首次提出。之后，弹性成像技术在近 二十年里得到了迅猛发展，它被称为继A型、B型、D型、M型超声之后的E型模式。超声弹性 成像是通过超声成像系统进行生物组织弹性参数成像，超声弹性图能够提供传统B超图像 所无法反映的生物组织弹性特征，对于肿瘤检测等临床应用有非常大的帮助。由于具有易 于实现、适用于实时诊断和对组织无侵害性等优点，超声弹性成像技术受到了广泛的关注。
[0003] 现有的弹性成像方法中，计算位移场的方法大多基于互相关算法和改进的互相关 算法，其使用的数据为RF射频数据，而不能直接使用B模式图像，由于处理RF射频数据需 要很大的运算，因此造成了现有的方法计算效率低下的问题；光流法是指空间运动物体在 观察成像平面上的像素运动的瞬时速度，利用图像序列中像素在时间域上的变化以及相邻 帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体 的运动信息的一种方法。计算应变的方法大多基于最小二乘拟合算法和梯度法，使用这些 方法计算出的应变，在精度方面还有提高的空间。
[0004] 1998年，Negahdaripour将光流（Optical Flow)定义为动态图像的几何变化和 辐射度变化的全面表示。光流法利用图像序列中的像素强度数据的时域变化和相关性来确 定各自像素位置的运动，表达了图像灰度在时间上的变化与景象中物体结构及其运动的关 系。用于评价光流法精度的一个经典标准来自于Mi ddl ebury，其用于光流法评价的数据集 有12张图像，除此之外还有Sintel和KITTI。
[0005] 光流法的基本原理如下：
[0006] 令I (X，y，t)表示在t时刻图像上像素（X，y)处的亮度（或颜色），那么光流法的 目的就是求出在t+Ι时刻的图像上，该像素相对于原来（x，y)的位移量（u，v)，用方程表示 即：
[0007] I (x+u, y+v, t+1) = I (x, y, t) (I)
[0008] 其中u和v是待求解的位移量。该方程被称为Brightness Constancy Model (亮 度恒定模型）。
[0009] 在经典的光流法中，一般利用一阶泰勒展开作为工具来建立图像梯度和位移之间 的关系，这一步骤通常被称为线性化。具体原理如下：
[0010] 假设图像的亮度是连续的，如图2的一维示例，曲线1表示framel (帧1)中的图 像，曲线2表示frame2(帧2)中的图像，待求的位移是向右的箭4
对曲线进行一阶泰 勒展开，其实就是假设曲线的局部是线性的，这样可以考察如图2的向右箭头、向上箭头、 粗线段组成的三角形。
并非是粗线段的长度，而是其斜率。这样可以得到图中所示的关 系，注意负号是因为斜率其实表示的是钝角的tan值。这样一来就建立了图像的导数和位 移之间的关系，注意
是图像在空间上的导数，
是图像在时间上的导数。
[0011] 将图2中的方程
用在二维的图像上，对于每个像素，可以写出以下方 程：
[0012] Ixu+Iyv+It = 0 (2)
[0013] 其中，Ix和Iy是图像沿空间的X和y两个方向的导数，即图像梯度的两个分量；I t 是图像沿时间变化的导数，可以用两帧图像的差异来近似；u和V是该像素沿X和y方向的 位移，也就是待求的光流未知量。该方程是Brightness Constancy Model (亮度恒定模型） 线性化的结果，被称为Gradient Constraint Equation (梯度约束方程）。
[0014] 需要注意的是，上面这个模型是建立在两个假设基础上：第一，图像变化是连续 的；第二，位移不是很大。如果这两点假设不成立，即图像不连续且位移很大，则无法将位 移和图像梯度联系起来，泰勒展开得到的近似结果将很差。在实际操作中，可以很容易使上 述两个假设其成立。关于第一点假设，一般可以预先对图像进行高斯平滑，使其变化较为平 缓；关于第二点假设，一般对图像降分辨率建立金字塔，通过Coarse-To-Fine (由粗到精） 的方式去求解。
[0015] 基于上面的方程，产生了最经典的两个光流法：Lucas-Kanade方法和 Horn-Schunck方法，他们分别从不同的角度增加了求解该方程的稳定性。Lucas-Kanade方 法是将每个像素周围的一些像素考虑进来，每个像素的未知量单独求解，是一种局部光流 方法；而Horn-Schunck方法是将上面的方程纳入到一个规则化的框架中，将局部平滑的优 先级加入光流计算，所有像素的未知位移量之间相互依赖，需要用全局优化的方法求解。
[0016] 当前如何优化现有弹性成像系统，是技术人员需要考虑的研发方向，现有超声系 统大都使用CPU进行全局的运算，本发明运用GPU进行弹性成像系统中图像处理运算，能够 提1?现有超声弹性成像系统的运算速度，减少CPU的负载从而提1? 了原有系统的稳定性。 同时，随着日益增长的诊断需求，如何快速准确进行辅助医生进行疾病的诊断，也是医疗领 域的发展方向。
【发明内容】
[0017] 本发明的第一目的在于提供一种实时超声弹性成像方法，运算速度快，精度较高， 同时具备较强的鲁棒性。本发明还同时提出了一种实时超声弹性成像系统。本发明采用的 技术方案是：
[0018] -种实时超声弹性成像方法，包括下述步骤：
[0019] S10.对生物组织进行缓速挤压时对生物组织目标区域进行超声波扫查并接收回 波信号；
[0020] S20.对步骤SlO中接收的回波信号进行处理，形成线数据；
[0021] S30.对步骤S20得到的线数据进行处理，形成生物组织受外力缓速挤压后产生形 变的不同状态下的B模式图像；
[0022] S40.对生物组织受外力缓速挤压后产生形变的不同状态下的两帧B模式图像选 定两个在不同帧图像的同一位置区域，即选定两帧图像的ROI区域；
[0023] S50.通过第一 CPU数据处理模块对该两帧图像的ROI区域使用光流法求取位移 场；并在计算过程中将含重复计算的子步骤的参数信息传输至第一 GPU数据缓存模块，进 行缓存；
[0024] S60.第一GPU数据缓存模块将接收到的子步骤的参数信息传输给各自的GPU数据 处理模块进行数据处理，S50中的含重复计算的各子步骤的运算分配给至少一个GPU核工 作单元，由至少一个GPU核工作单元组成GPU工作组；
[0025] S70.将每个GPU工作组计算需要的参数信息映射到每个GPU工作组的显存中，等 待所有GPU工作组的参数信息映射完成，然后各GPU工作组进行步骤S50中的各子步骤的 运算处理；
[0026] S80.将GPU工作组的运算结果信息传输至第二GPU数据缓存模块；
[0027] S90.第二GPU数据缓存模块将运算结果信息传输至第二CPU数据处理模块，第二 CHJ数据处理模块读出运算结果信息并带入光流法运算过程，最终求出ROI区域的位移场 即光流场；
[0028] S100.使用低通滤波器对轴向光流场求取应变，得到图像ROI区域的轴向应变场；
[0029] S105.对经过滤波得到的图像ROI区域的轴向应变场信息进行降噪声处理；
[0030] S110.对降噪后的ROI区域轴向应变场信息进行可视化、彩色处理得到生物组织 彩色弹性图像。
[0031 ] 所述步骤S20中，通过波束合成模块对回波信号具体进行A/D转