一种基于超声射频流分析的肝组织微结构的检测方法
【专利摘要】本发明公开了肝组织微结构的检测方法，步骤为：(1)获取肝组织区域连续P帧超声回波射频RF信号，解调得到RF信号的B型图；(2)在B型图上选择感兴趣区域ROI，获取感兴趣区域内超声回波射频RF信号；(3)获取感兴趣区域ROI内每个射频流的Higuchi的FD特征；(4)计算每个射频流的功率谱；(5)分别对FD特征和功率谱作平均处理；(6)提取功率谱特征；(7)使用一个预先训练好的神经网络模型，将平均处理后的Higuchi分形特征及功率谱特征输入到神经网络，根据输出检测肝组织微结构变化。具有检测方法简单及准确度高的优点，检测结果与肝组织的其他参数信息结合可作为判断早期肝纤维化的定量参考信息。
【专利说明】一种基于超声射频流分析的肝组织微结构的检测方法【技术领域】
[0001]本发明涉及一种超声医学【技术领域】，特别涉及一种基于超声射频流分析的肝组织微结构的检测方法。
【背景技术】
[0002]肝脏组织是一个具有弹性的随机分布的不均匀散射体，其基本单位是肝小叶，肝小叶之间由少量结缔组织分隔，肝纤维化后肝小叶遭破坏以及结缔组织的比例增加，导致正常肝组织与肝纤维化组织的微结构存在显著差异，这种微结构的差异导致了肝弹性的不同，因此通过对肝组织微结构的检测，观察肝组织微结构是否发生变化，以作为医生判断肝纤维化时的一种依据。
[0003]超声组织定征是观察组织微结构的最有前景的技术，传统的用于肝组织的超声组织定征主要有以下两类方法：
[0004]第一种方法是使用B超图像灰度的统计方法，主要采用B超图像灰度纹理法和统计模型法，该方法中由于使用了超声图像灰度，因此受超声诊断仪的型号、TGC的调整等成像参数的影响很大，导致不同仪器的检查结果一致性差。
[0005]第二种方法是使用同一帧背散射回波RF信号的频谱分析方法，具体做法是采用宽频超声探头，获取某一帧射频信号，选取感兴趣区，对感兴趣区内的声束逐条频谱分析，提取谱参量，实验表明不同 组织之间、同一组织不同病变状态的谱参量存在差异。已广泛应用于动物实验及初步的人体临床实验（比如前列腺癌、甲状腺癌、乳腺癌，肝等的识别），研究已经证实其谱参量能有效反映组织微结构的构成和特征。但肝组织是非浅表器官，在体检查时超声波传播所经历的路径受生物体的个体差异影响较大，且其同一条回波声束的谱分析需要深度衰减补偿，这些因素都影响了定征精度。
【发明内容】
[0006]本发明的目的在于克服现有技术的缺点与不足，提供一种基于超声射频流分析的肝组织微结构的检测方法，该方法能够检测出肝组织微结构是否发生变化，与其他肝组织的参数信息进行结合后可以作为医生判断早期肝纤维化时的定量参考信息。具有检测方法简单及准确度高的优点。
[0007]本发明的目的通过下述技术方案实现：一种基于超声射频流分析的肝组织微结构的检测方法，包括以下步骤：
[0008](I)使用超声探头扫描肝脏包膜下的肝组织区域，获取肝组织区域的连续P帧超声回波射频RF信号，解调某一帧得到超声回波射频RF信号的B型图；
[0009](2)在B型图上选择感兴趣区域R0I，获取感兴趣区域ROI内每一像素点同一空间位置的连续P帧超声回波射频RF信号，形成数据长度为P帧的RF时间序列的射频流；
[0010](3)获取感兴趣区域ROI内的每个射频流的Higuchi分形维数FD特征；
[0011 ] (4)对每个射频流进行快速傅里叶变换，计算每个射频流的功率谱；[0012](5)将区域ROI所有射频流的Higuchi分形维数FD特征和功率谱分别作平均处理；
[0013](6)针对平均处理后的功率谱，提取功率谱特征；
[0014](7)使用一个预先训练好的神经网络模型，将步骤（5)中平均处理后的Higuchi分形特征及步骤出）中的功率谱特征输入到预先训练好的神经网络模型中，根据神经网络模型的输出确定肝组织微结构是否发生变化及判断变化程度。
[0015]优选的，所述步骤（2)中B型图区域ROI的大小Ml XM2，其中Ml为区域ROI横向上的像素点个数，M2为区域ROI竖向上的像素点个数；在区域ROI上包含有M1XM2个数据长度为P的RF时间序列射频流。
[0016]优选的,所述步骤（3)中射频流Higuchi分形维数FD特征获取过程如下：
[0017](3-1)首先对每个射频流的时间序列{x(m)}进行相位空间重构，将它在某些固定的时间延迟点的值作为新维处理，得到某个多维空间的一点：
[0018]
【权利要求】
1.一种基于超声射频流分析的肝组织微结构的检测方法，其特征在于，包括以下步骤: (1)使用超声探头扫描肝脏包膜下的肝组织区域，获取肝组织区域的连续P帧超声回波射频RF信号，解调某一帧得到超声回波射频RF信号的B型图； (2)在B型图上选择感兴趣区域ROI，获取感兴趣区域ROI内每一像素点同一空间位置的连续P帧超声回波射频RF信号，形成数据长度为P帧的RF时间序列的射频流； (3)获取感兴趣区域ROI内的每个射频流的Higuchi分形维数FD特征； (4)对每个射频流进行快速傅里叶变换，计算每个射频流的功率谱； (5)将区域ROI所有射频流的Higuchi分形维数FD特征和功率谱分别作平均处理； (6)针对平均处理后的功率谱，提取功率谱特征； (7)使用一个预先训练好的神经网络模型，将步骤(5)中平均处理后的Higuchi分形特征及步骤(6)中的功率谱特征输入到预先训练好的神经网络模型中，根据神经网络模型的输出确定肝组织微结构是否发生变化及判断变化程度。
2.根据权利要求1所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于，所述步骤⑵中B型图区域ROI的大小Ml XM2，其中Ml为区域ROI横向上的像素点个数，M2为区域ROI竖向上的像素点个数；在区域ROI上包含有Ml XM2个数据长度为P的RF时间序列射频流。
3.根据权利要求1所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于，所述步骤(3)中射频流Higuchi分形维数FD特征获取过程如下: (3-1)首先对每个射频流的时间序列Ix(m)}进行相位空间重构，将它在某些固定的时间延迟点的值作为新维处理，得到某个多维空间的一点:
4.根据权利要求1所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于，所述步骤(4)中每个射频流的功率谱通过以下方式得到:首先对每个射频流施以等长的汉宁窗或汉明窗，然后补零至长度为1024，最后做快速傅里叶变化得到F(f)，计算其功率谱；其中每个射频流的功率谱R(f)为:
5.根据权利要求1所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于，所述步骤(6)中提取的平均处理后的射频流的功率谱Rm⑴的功率谱特征包括低频段能量积分S1、低中频段能量积分S2、高中频段能量积分S3、高频段能量积分S4、归一化功率谱拟合直线的斜率slope、截距intercept和中频值midbandfit ； 所述低频段能量积分SI为:
6.根据权利要求1所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于:所述步骤(7)中的神经网络模型为三层BP神经网络模型，该神经网络有η个输入层节点、H个隐藏层的节点和3个输出节点组成；所述BP神经网络模型学习算法步骤如下: (7-1)初始化所有的权值W为小的随机值； (7-2)输入样本值Xi, i = l,2...η,通过作用函数f(1)计算得到隐藏层输出值Zj, j =.1，2...H，将此隐藏层输出作为输入送入下一层，然后通过作用函数f(2)得到神经网络模型的输出值Y1，I = 1，2，3 ; 其中隐藏层输出值\为:
7.根据权利要求6所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于:所述步骤(7-4)中根据LMS算法更新权值的步骤如下: (7-4-1)对于网络的每个输出节点，计算它的误差ε 1 = Cl1-YljI = 1,2,3，^*输出期望值，y1; I = I，2，3为神经网络模型输出节点的输出值； (7-4-2)对于网络的每个隐藏节点，计算它的误差Sj = Clj-ZjJ = l，2...H;Zj为神经网络模型隐藏层的第j个节点输出值，dj为神经网络模型隐藏层的第j个节点的输出期望值；
8.根据权利要求7所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于:所述BP神经网络包含有8个输入层节点和8个隐藏层节点；8卩n为8，Η为8，所述输入样本Xi分别为平均处理后的Higuchi分形特征、低频段能量积分S1、低中频段能量积分S2、高中频段能量积分S3、高频段能量积分S4以及归一化功率谱拟合直线的斜率slope、截距intercept 和中步页值 midbandfit。
9.根据权利要求8所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于:所述步骤⑵中，神经网络输出状态为yl = 1，y2 = 0，y3 = O时，判断肝组织微结构正常；输出状态为yl = 0，y2 = 1，y3 = O时，判断肝组织轻度微结构改变；输出状态为yl=O, y2 = O, y3 = I时,
10.根据权利要求1所述的基于超声射频流分析的肝组织微结构的检测方法，其特征在于，所述步骤（I)中采用128阵元宽频线阵超声探头扫描肝脏包膜下的肝组织区域，超声波的传播受到肝组织微结构的作用，回波由同一线阵探头接收，经过射频放大和时间增益补偿，再经过A/D转换、延时`合成，进而获取超声回波射频RF信号。
【文档编号】A61B8/08GK103479398SQ201310423058
【公开日】2014年1月1日 申请日期:2013年9月16日 优先权日:2013年9月16日
【发明者】林春漪, 周建华, 高永振, 陈秋彬, 姚若河, 黄庆华 申请人:华南理工大学