CN112754527B - 一种用于低频超声胸腔成像的数据处理方法 - Google Patents
一种用于低频超声胸腔成像的数据处理方法 Download PDFInfo
- Publication number
- CN112754527B CN112754527B CN202011578595.0A CN202011578595A CN112754527B CN 112754527 B CN112754527 B CN 112754527B CN 202011578595 A CN202011578595 A CN 202011578595A CN 112754527 B CN112754527 B CN 112754527B
- Authority
- CN
- China
- Prior art keywords
- data
- transducer
- array
- sound source
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种用于低频超声胸腔成像的数据处理方法,包括通过COMSOL进行建模,模型中忽略脊柱和心脏,将双肺合并为一个长轴长为0.15m,短轴长为0.1m的椭圆,在肺部椭圆外设置一圈环状的骨骼肌,骨骼肌外部周围均匀放置12个超声波换能器,材料设置为PZT‑5H;一个换能器被当成是需要识别的声源Sk,正对的七个换能器作为接收阵元,将阵元接收到的信号利用多重信号分类(Multiple Signal Characterization,MUSIC)算法进行声源识别处理;通过COMSOL建立模型,按照一发七收的循环发射‑接收模式,开创性的发现了应用于低频超声胸腔成像领域的数据处理技术。该技术能够提高阵列接收数据的信噪比,降低数据的均方误差。
Description
技术领域
本发明涉及低频超声胸腔成像技术领域,涉及一种阵列接收数据的处理方法。
背景技术
目前,传统的医学超声成像技术由于其无创性、无辐射性成为了体内成像的主要方法之一,但是由于传统超声成像技术所使用的超声在2-10MHz范围内,此频段的超声无法穿透胸腔,无法用于胸腔成像。低频超声成像技术区别于传统超声成像,其发射的超声频率在20k-100k之间,可以穿透胸腔,能够用于胸腔成像。
低频超声胸腔成像技术利用透射式超声数据进行成像,该技术的发展在世界范围内还属于初步研究阶段,相关研究成果较少。此外,由于胸腔内各组织器官的声学属性不同和测量手段产生的数据干扰,导致采集到的透射数据中含有大量的噪声,对成像质量造成影响。
发明内容
本发明的目的在于提供了一种用于低频超声胸腔成像的数据处理方法,以解决现有低频超声胸腔成像技术中的部分问题,并适用一个超声波探头发射,多个超声波探头组成接收阵列的组合发射-接收模式,能够提高阵列接收数据的信噪比,降低数据的均方误差。
为实现上述目的,本发明提供如下技术方案:一种用于低频超声胸腔成像的数据处理方法,包括
建立模型
通过COMSOL进行建模,模型中忽略脊柱和心脏,将双肺合并为一个长轴长为0.15m,短轴长为0.1m的椭圆,在肺部椭圆外设置一圈环状的骨骼肌,骨骼肌外部周围均匀放置12个超声波换能器,材料设置为PZT-5H;
通过在COMSOL中添加“压力声学,瞬态”、“固体力学”、“静电”、“声-结构边界”和“压电效应”物理场,建立二维胸腔模型;在胸腔外部均匀设置一圈共12个收发一体式的超声波换能器,每两个换能器间隔30°,通过水与胸腔耦合,仿真区域最外部设置为完美匹配层;
仿真时,采用一个换能器发射,正对的七个换能器接收,并采用逐次发射-接收的模式;发射换能器按顺时针方向变换,依次进行12次发射-接收来达到360°环形扫描;
处理方法
一个发射超声波信号的换能器被当成是需要识别的声源Sk,正对的七个换能器作为接收阵元,将阵元接收到的信号利用多重信号分类算法进行声源识别处理;
多重信号分类算法为一种阵列信号处理算法,信源与阵列中心距离满足r≤2L2/λ时,信源处于近场范围之内,其中L为阵列孔径,λ为信号波长;该算法能应用于近场球面波模型;
对接收信号进行声源识别处理,将识别误差最小的一组接收信号取出来,作为处理之后的信号。
与现有技术相比,本发明的有益效果是:通过COMSOL建立模型,按照一发七收的发射-接收模式,开创性的发现了应用于低频超声胸腔成像领域的数据处理技术。该技术能够提高阵列接收数据的信噪比,降低数据的均方误差。
附图说明
图1为本发明的胸腔模型几何结构。
图2为本发明的简化后的二维胸腔模型。
图3为本发明的模型网格剖分图。
图4为本发明的局部网格剖分图。
图5为本发明的1号换能器发射时接收信号波形图。
图6为本发明的7号换能器发射时接收信号波形图。
图7为本发明的4号换能器发射时接收信号波形图。
图8为本发明的10号换能器发射时接收信号波形图。
图9为本发明的超声波信号模型示意图。
图10为本发明的信噪比对比图。
图11为本发明的均方误差对比图。
1、第一PML;2、第二PML;3、第三PML;4、第四PML;5、骨骼肌;6、肺。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-11,本发明提供一种技术方案:一种用于低频超声胸腔成像的数据处理方法,包括
建立模型
通过COMSOL进行建模,模型中忽略脊柱和心脏,将双肺合并为一个长轴长为0.15m,短轴长为0.1m的椭圆,在肺部椭圆外设置一圈环状的骨骼肌,骨骼肌外部周围均匀放置12个超声波换能器,材料设置为PZT-5H;实际胸腔内部包括肺、心脏、脊柱和骨骼肌等组织器官,与胸部和腹部的运动相比,本研究中所采用超声波的波长较小。所以为了简化问题,可以假定传播介质是静止的,不考虑呼吸过程中肺部和心脏的运动。该模型包括的几何结构如图1。
在模型外部还要设置一圈完美匹配层,设置完美匹配层有两个作用:在实际的测量过程中,换能器发射出和从人体透射出的超声波并不会从外部环境反射回来。其次,仿真计算必须在有限区域内进行,为了能够模拟现实中开放的超声波传播过程,需要在仿真区域周围设置截断边界,设置截断边界需要给出边界处的吸收边界条件,本发明中使用完美匹配层作为吸收边界条件。
通过在COMSOL中添加“压力声学,瞬态”、“固体力学”、“静电”、“声-结构边界”和“压电效应”物理场,建立二维胸腔模型;在胸腔外部均匀设置一圈共12个收发一体式的超声波换能器,每两个换能器间隔30°,通过水与胸腔耦合,仿真区域最外部设置为完美匹配层(PML)。
仿真时,采用一个换能器发射,正对的七个换能器接收,并采用逐次发射-接收的模式;发射换能器按顺时针方向变换,依次进行12次发射-接收,来达到360°环形扫描。
处理方法
一个发射超声波信号的换能器被当成是需要识别的声源Sk,正对的七个换能器作为接收阵元,将阵元接收到的信号利用多重信号分类算法进行声源识别处理;
多重信号分类算法为一种阵列信号处理算法,信源与阵列中心距离满足r≤2L2/λ时,信源处于近场范围之内,其中L为阵列孔径,λ为信号波长;该算法能应用于近场球面波模型;
对接收信号进行声源识别处理,将识别误差最小的一组接收信号取出来,作为处理之后的信号。
网格剖分
在有限元仿真中,需要对所建模型进行网格剖分,剖分网格的大小、形状以及时间步进很大程度上限制了数值计算的精度。在流体域中,每个波长使用5个网格单元,设置最大单元尺寸为波长/5,即网格尺寸=波长/5;完美匹配层和超声波换能器采用映射的方式进行剖分,因为这两部分形状比较规则,使用映射网格可以降低网格剖分的数量,在一定程度上可以加快后期运算速度。
时间步进
确定时间步进的方法有向后差分公式、广义α。向后差分公式算法会产生散射,波形畸变随计算时间成正比,所以在瞬态计算中,通常使用广义α的方法。广义α可以有效规避波形畸变,它用的是前5个时间步进的解,并且可以对下个时间步进的解进行预测。本次计算采用广义α的方法,时间步进控制为0.5us。
采集过程
1号换能器首先开始发射超声波,正对的4-10号换能器接收超声波数据;接着,2号换能器发射超声波,正对的5-11号换能器接收超声波数据,以此类推,直到12号换能器发射,3-9号换能器接收。采样步长设置为2us,采样时间设置为1000us,经过12次发射之后,得到每个接收换能器的透射原始数据。图5、图6、图7、图8分别为第1号、第7号、第4号和第10号换能器发射时,正对的7个换能器接收的信号波形。
超声波在不同介质中传播速度不同,在密度高的介质中传播速度快,从图5、图6、图7、图8看出,同一个换能器发射,不同位置接收的信号幅值不同,由于障碍物对超声波的遮挡,使得换能器接收到的信号差别较大。并且超声波在对称位置发射时,其对应的接收换能器波形也存在着对称性。说明所建立的模型符合理想情况。
本发明的超声波信号模型示意图如图9所示。假定直角坐标系的中心点O作为参考点,三维空间中有k个声源,分别以θk的方向角,的俯仰角入射到有N个阵元的阵列上,OP为目标声源Sk的垂直投影线,rk为目标声源Sk到参考阵元的距离,rn为第n个阵元到参考阵元距离;声速定义为c,载波频率为f,声波角频率ω=2πf;
接收阵列的输出信号表达式由式(1.1)表示;
式(1.1)中:
X(t)=[x1(t)x2(t)…xN(t)]T (1.2)
E(t)是噪声向量,由式(1.3)表示;
E(t)=[e1(t)e2(t)…eN(t)]T (1.3)
是阵列流型向量,由式(1.4)表示;
式(1.4)中,表示目标声源Sk(t)在频率为ω时对应的方向向量,由式(1.5)表示;
式(1.5)中,τnk为声源信号到第n个阵元与参考阵元之间的时间差,由式(1.6)表示;
则已知第n个(n=1,2,…,N)阵元坐标(xn,yn,zn),结合两点间距离公式,可得第n阵元和目标声源之间的距离dnk,由式(1.7)表示;
联立式(1.1)-(1.7),可得阵列的输出信号X(t)。
多重信号分类(MUSIC)算法广泛应用于通信、雷达、机械制造、医疗等领域。作为一种非常流行的声源识别方法,MUSIC算法适用于任意阵列形状。同时MUSIC算法在声源识别领域中还具有较高的空间分辨率。
在理想情况下,信号分量对应的信号子空间与噪声分量对应的噪声子空间相互正交。对阵列接收数据进行协方差运算得到式(1.8)所示的协方差矩阵R。
R=E[X(t)XH(t)] (1.8)
通常来说实际情况下阵列的接收数据是有限的,则以L为数据长度的阵列数据协方差的表达式如式(1.9)。
其中,RS和RE分别为目标声源和噪声的协方差矩阵。
对接收阵列数据的协方差矩阵做特征值分解,将/>的特征值按大小顺序进行排序,可以得到式(1.10)。
λ1≥λ2≥…≥λn>0 (1.10)
按照大小顺序,前面k个特征值对应着目标声源信号,另外n-k个特征值对应着噪声信号。依据声源信号和噪声信号特征值的大小,将对应的特征向量区分为信号向量和噪声向量。
设λi为的第i个特征值,vi表示与λi对应的特征向量,则有式(1.11)。
设λi=σ2是的最小特征值,则
将(1.13)代入(1.12)得:
σ2vi=(ARSAH+σ2I)vi (1.14)
化简得到(1.15)。
ARSAHvi=0 (1.15)
因为AAH是k*k的满秩矩阵,所以将式(1.15)两边同乘后可得式(1.16)。
于是有式(1.17)。
AHvi=0 i=k+1,k+2,…n (1.17)
式(1.17)式表明:噪声特征值所对应的特征向量(称为噪声特征向量)vi与矩阵A的列向量(a(θ))正交,而A的各列是与声源的方向相对应的。
用n-k个噪声特征向量,构造一个噪声子空间En,由式(1.18)表示。
En=[vk+1,vk+2,…,vn] (1.18)
式(1.19)定义了MUSIC算法的空间谱函数Pmusic(θ)。
式(1.19)的分母为目标声源的方向向量和噪声空间的乘积,a(θ)和EN存在正交关系,则理想情况下式(1.19)的分母值为0。由于实际环境中不可避免地有其它因素的干扰,Pmusic(θ)的分母值实际上不为零,所以Pmusic(θ)会出现一个极大值。对式(1.19)进行遍历搜索,通过寻找极大值就可以估计目标声源的来波方向,在近场模型中经过极坐标与直角坐标的转换,就可以得出目标声源的位置信息。
算法的应用
利用所述的二维仿真模型,使超声波换能器依次发射、接收,取出12组接收数据,分别命名为发射1,发射2,……,发射12。将12组数据利用MUSIC算法依次进行声源识别,识别结果如表1所示。
表1声源识别结果
由于胸腔中包含不同声学属性的介质,声波在每种介质中传播的速度有所差别,而MUSIC算法的传统应用领域均是在同一介质中进行的,声速是一恒定值。所以在所述的模型中应用MUSIC算法会产生一定的误差。
下面以发射1的数据为例,说明所研究数据处理方法的具体应用。在实际低频超声胸腔成像的应用场合下,出于对胸腔内部中我们未知的一系列噪声和测量过程中测量方法和器件以及外部环境中噪声的考虑,将发射1的数据重复扩展10次,在这10次扩展数据覆盖上信噪比为10的高斯噪声之后,对这10次扩展数据分别使用MUSIC算法进行声源识别,选出一组识别误差最小的一次数据,作为处理后的数据。计算出该数据的信噪比(SNR)和均方误差(MSE),如图10和图11所示。
由图10可以看出,经MUSIC算法处理后的数据其信噪比均大于扩展数据的平均值,其中发射1、发射2、发射6、发射8、发射9、发射10、发射11、发射12经过处理后的信噪比可以达到扩展数据信噪比的最大值。
由图11可以看出,经MUSIC算法处理后的数据其均方误差均小于扩展数据的平均值,其中发射2、发射6、发射8、发射9、发射10、发射11经过处理后的均方误差可以达到扩展数据均方误差的最小值。
工作原理:通过COMSOL建立模型,按照上文提到过的发射-接收模式,顺时针依次采集12组接收数据,将此12组接收数据作为理想数据,取一组理想数据,对其复制若干次后加入噪声,来仿真实际情况下采集的一组数据。
按复制次数对数据重新分段,每一段按照多重信号分类算法分别进行声源识别处理,得到识别误差最小的一段,作为一组处理后的采集数据。重复上述操作,得到处理后的12组数据。
Claims (2)
1.一种用于低频超声胸腔成像的数据处理方法,其特征在于:包括
建立模型;
通过COMSOL进行建模,模型中忽略脊柱和心脏,将双肺合并为一个长轴长为0.15m,短轴长为0.1m的椭圆,在肺部椭圆外设置一圈环状的骨骼肌,骨骼肌外部周围均匀放置12个超声波换能器,材料设置为PZT-5H;
通过在COMSOL中添加“压力声学,瞬态”、“固体力学”、“静电”、“声-结构边界”和“压电效应”物理场,建立二维胸腔模型;在胸腔外部均匀设置一圈共12个收发一体式的超声波换能器,每两个换能器间隔30°,通过水与胸腔耦合,仿真区域最外部设置为完美匹配层;
仿真时,采用一个换能器发射,正对的七个换能器接收,并采用逐次发射-接收的模式;发射换能器按顺时针方向变换,依次进行12次发射-接收来达到360°环形扫描;
处理方法;
一个发射超声波的换能器被当成是需要识别的声源Sk,正对的七个换能器作为接收阵元,将阵元接收到的信号利用多重信号分类算法进行声源识别处理;
多重信号分类算法为一种阵列信号处理算法,信源与阵列中心距离满足r≤2L2/λ时,信源处于近场范围之内,其中L为阵列孔径,λ为信号波长;该算法能应用于近场球面波模型;
对接收信号进行声源识别处理,将识别误差最小的一组接收信号取出来,作为处理之后的信号;
通过COMSOL建立模型,按照发射-接收模式,顺时针依次采集12组接收数据,将此12组接收数据作为理想数据,取一组理想数据,对其复制若干次后加入噪声,来仿真实际情况下采集的一组数据;
按复制次数对数据重新分段,每一段按照多重信号分类算法分别进行声源识别处理,得到识别误差最小的一段,作为一组处理后的采集数据;重复上述操作,得到处理后的12组数据;
所述的近场球面波模型为:
假定直角坐标系的中心点O作为参考点,三维空间中有k个声源,分别以θk的方向角,的俯仰角入射到有N个阵元的阵列上,OP为目标声源Sk的垂直投影线,rk为目标声源Sk到参考阵元的距离,rn为第n个阵元到参考阵元距离;声速定义为c,载波频率为f,声波角频率ω=2πf;
接收阵列的输出信号表达式由式(1.1)表示;
式(1.1)中:
X(t)=[x1(t) x2(t)…xN(t)]T (1.2)
E(t)是噪声向量,由式(1.3)表示;
E(t)=[e1(t) e2(t)…eN(t)]T (1.3)
是阵列流型向量,由式(1.4)表示;
式(1.4)中,表示目标声源Sk(t)在频率为ω时对应的方向向量,由式(1.5)表示;
式(1.5)中,τnk为声源信号到第n个阵元与参考阵元之间的时间差,由式(1.6)表示;
则已知第n个(n=1,2,…,N)阵元坐标(xn,yn,zn),结合两点间距离公式,可得第n阵元和目标声源之间的距离dnk,由式(1.7)表示;
联立式(1.1)-(1.7),可得阵列的输出信号X(t)。
2.根据权利要求1所述的用于低频超声胸腔成像的数据处理方法,其特征在于:还包括:
网格剖分;
仿真时的流体域中,每个波长使用5个网格单元;完美匹配层和超声波换能器采用映射的方式进行剖分;
时间步进;
使用广义α的方法,有效规避波形畸变,时间步进控制为0.5us;
采集过程;
1号换能器首先开始发射超声波,正对的4-10号换能器接收超声波数据;接着,2号换能器发射超声波,正对的5-11号换能器接收超声波数据,以此类推,直到12号换能器发射,3-9号换能器接收;采样步长设置为2us,采样时间设置为1000us,经过12次发射之后,得到每一个换能器发射时对应接收换能器的原始透射数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011578595.0A CN112754527B (zh) | 2020-12-28 | 2020-12-28 | 一种用于低频超声胸腔成像的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011578595.0A CN112754527B (zh) | 2020-12-28 | 2020-12-28 | 一种用于低频超声胸腔成像的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112754527A CN112754527A (zh) | 2021-05-07 |
CN112754527B true CN112754527B (zh) | 2023-10-20 |
Family
ID=75696149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011578595.0A Active CN112754527B (zh) | 2020-12-28 | 2020-12-28 | 一种用于低频超声胸腔成像的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112754527B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569395B (zh) * | 2021-07-16 | 2023-08-22 | 沈阳工业大学 | 一种用于低频超声胸腔成像的信号降噪方法 |
CN114113020B (zh) * | 2021-11-30 | 2023-07-07 | 哈尔滨工业大学 | 一种基于多重信号分类算法的激光扫描超分辨显微成像装置、方法、设备及存储介质 |
CN116098655B (zh) * | 2023-04-11 | 2023-07-14 | 湖南工商大学 | 基于超声导波多重信号分类的骨骼参数检测装置和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5239997A (en) * | 1990-12-20 | 1993-08-31 | Guarino John R | Diagnostic apparatus utilizing low frequency sound waves |
CN103592628A (zh) * | 2013-11-12 | 2014-02-19 | 上海大学 | 一种基于球谐域实值权重波束形成的多声源定位方法 |
CN104897925A (zh) * | 2015-06-24 | 2015-09-09 | 吉林大学 | 超声波风速风向测量装置及测量方法 |
CN105823826A (zh) * | 2016-03-10 | 2016-08-03 | 北京理工大学 | 一种残余应力动态分布的超声阵列层析检测和监测方法 |
CN106596088A (zh) * | 2016-12-13 | 2017-04-26 | 东南大学 | 基于近场声源聚焦定位的碰摩声发射故障位置识别方法 |
CN106646376A (zh) * | 2016-12-05 | 2017-05-10 | 哈尔滨理工大学 | 基于加权修正参数的p范数噪声源定位识别方法 |
CN110604593A (zh) * | 2019-08-12 | 2019-12-24 | 清华大学 | 一种重建人体胸腔参数的声学成像计算方法及装置 |
CN110772281A (zh) * | 2019-10-23 | 2020-02-11 | 哈尔滨工业大学(深圳) | 基于改进射线追踪法的超声ct成像系统 |
CN112023283A (zh) * | 2020-08-03 | 2020-12-04 | 西安交通大学 | 基于高阶孔径自相关的环形多阵列超声被动成像方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7331234B2 (en) * | 2002-11-13 | 2008-02-19 | Fujifilm Corporation | Ultrasonic imaging method and ultrasonic imaging apparatus |
US20190254626A1 (en) * | 2018-02-22 | 2019-08-22 | Sonivate Medical, Inc. | Graphical user interface for ultrasound system |
-
2020
- 2020-12-28 CN CN202011578595.0A patent/CN112754527B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5239997A (en) * | 1990-12-20 | 1993-08-31 | Guarino John R | Diagnostic apparatus utilizing low frequency sound waves |
CN103592628A (zh) * | 2013-11-12 | 2014-02-19 | 上海大学 | 一种基于球谐域实值权重波束形成的多声源定位方法 |
CN104897925A (zh) * | 2015-06-24 | 2015-09-09 | 吉林大学 | 超声波风速风向测量装置及测量方法 |
CN105823826A (zh) * | 2016-03-10 | 2016-08-03 | 北京理工大学 | 一种残余应力动态分布的超声阵列层析检测和监测方法 |
CN106646376A (zh) * | 2016-12-05 | 2017-05-10 | 哈尔滨理工大学 | 基于加权修正参数的p范数噪声源定位识别方法 |
CN106596088A (zh) * | 2016-12-13 | 2017-04-26 | 东南大学 | 基于近场声源聚焦定位的碰摩声发射故障位置识别方法 |
CN110604593A (zh) * | 2019-08-12 | 2019-12-24 | 清华大学 | 一种重建人体胸腔参数的声学成像计算方法及装置 |
CN110772281A (zh) * | 2019-10-23 | 2020-02-11 | 哈尔滨工业大学(深圳) | 基于改进射线追踪法的超声ct成像系统 |
CN112023283A (zh) * | 2020-08-03 | 2020-12-04 | 西安交通大学 | 基于高阶孔径自相关的环形多阵列超声被动成像方法及系统 |
Non-Patent Citations (1)
Title |
---|
中低频超声和X射线摄影联合应用在包裹性胸腔积液中的研究;王瑞娟等;《中国辐射卫生》;第25卷(第01期);109-110 * |
Also Published As
Publication number | Publication date |
---|---|
CN112754527A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112754527B (zh) | 一种用于低频超声胸腔成像的数据处理方法 | |
CN104272134B (zh) | 超声成像系统中的杂波抑制 | |
CN112513675B (zh) | 超声方法和装置 | |
CN111323784B (zh) | 一种近场分布式声源定位方法 | |
Allevato et al. | Air-coupled ultrasonic spiral phased array for high-precision beamforming and imaging | |
CN113868583B (zh) | 一种子阵波束聚焦的声源距离计算方法及系统 | |
CN109521401A (zh) | 一种合成孔径成像的快速波束形成方法 | |
CN106526529A (zh) | 导向矢量失配情况下基于稀疏表示的波达方向估计方法 | |
CN114779170A (zh) | 一种浅海近场声源定位方法 | |
Noda et al. | Ultrasound imaging with a flexible probe based on element array geometry estimation using deep neural network | |
Hoeks et al. | Methods to evaluate the sample volume of pulsed Doppler systems | |
Merdes et al. | Locating a catheter transducer in a three-dimensional ultrasound imaging field | |
Johnson et al. | Digital computer simulation study of a real-time collection, post-processing synthetic focusing ultrasound cardiac camera | |
CN117147694A (zh) | 基于逆问题的超声全聚焦成像稀疏正则化重构方法及设备 | |
Jia et al. | Direction of arrival estimation for single microelectromechanical systems vector hydrophone using modified wavelet packet de-noising | |
CN105703841B (zh) | 一种多路径传播宽带主动声信号的分离方法 | |
US20220071594A1 (en) | Two dimensional transducer arrays for ultrasound imaging | |
CN112255429B (zh) | 一种三维风参数测量方法及系统 | |
CN115510629A (zh) | 一种水下航行体收发合置时域时频分布特性仿真评估方法 | |
Bi | Robust adaptive beamforming based on interference-plus-noise covariance matrix reconstruction method | |
CN114098799A (zh) | 一种单脉冲内超声空化的快速低伪影实时动态成像方法与系统 | |
Jiang et al. | Sound power estimation method based on dual arrays sound intensity scaling and sound pressure superposition | |
Lehtonen | Medical ultrasound imaging using sparse arrays | |
CN116115260B (zh) | 高分辨高对比快速计算的发收时序同步超声被动空化成像方法及系统 | |
Avanji et al. | Adaptive 3D MV beamforming in medical ultrasound imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |