论文部分内容阅读
随着医学超声成像不断发展，新的技术不断涌现，对医学超声成像系统的数据存储能力、阵元数目以及图像帧率提出越来越高的要求。本文针对数据量日益增加造成系统复杂等问题，以压缩感知作为理论核心对稀疏医学超声成像技术进行系统研究。 本文首先简要回顾压缩感知理论，对压缩感知理论的适用条件及压缩感知重构算法进行深入分析。以其作为理论基础，针对医学超声成像中数据量大、阵元数目多以及多模式成像帧率低的问题开展四项具体的稀疏成像研究工作。 针对数据量大、采样率高的问题，根据超声回波不变性建立基于波形匹配原理的稀疏性模型，提出基于模拟信息转换器的时域稀疏超声成像算法，并通过仿真及实验验证本文提出算法可降低系统采样率及单线回波数据的数据量。 针对数据存储量大的问题进一步利用超声成像系统阵列化的特性，建立基于空间频率域的稀疏模型，并根据不同应用场景提出三种不同的稀疏采样策略，用于降低系统数据量及通道数，并通过实验验证。 针对阵元数目多的问题，将基于最小l1范数的稀疏阵设计准则应用于超声成像中，利用贝叶斯压缩感知完成稀疏阵设计，并考虑超声成像阵元位置固定等约束条件提出更适合于超声成像的“有效孔径”原理与贝叶斯压缩感知相结合的设计方法。通过仿真及实验验证，所设计稀疏阵性能满足成像要求，并最终将算法推广到二维稀疏阵设计中。 针对多模式成像帧率低的问题，提出基于压缩感知的稀疏血流谱估计算法用于提高血流谱模式与其他模式同时工作时的图像帧率。分析验证血流多普勒信号在频率域的稀疏特性，并利用压缩感知理论对随机采样的稀疏血流信号完成重构，实验结果表明本文提出算法在保证谱估计精度的前提下较传统谱估计方法而言可大幅度降低所需数据量，从而提高多模式成像的图像帧率。