申请/专利权人：复旦大学

申请日：2021-10-09

公开（公告）日：2024-06-28

公开（公告）号：CN115956944B

主分类号：A61B8/00

分类号：A61B8/00;A61B8/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.03#专利实施许可合同备案的生效;2023.07.25#专利实施许可合同备案的生效;2023.05.02#实质审查的生效;2023.04.14#公开

摘要：本发明提供一种基于Cauchy‑RPCA的随机空间下采样超声微血流成像方法，包括以下步骤：步骤S1，连续获取一组高帧率的原始信号数据Nx×Nz×Nt；步骤S2，将原始信号数据Nx×Nz×Nt重构为大小为Ns×Nt的二维矩阵D，其中Ns的具体表达式为：Ns＝Nx×Nz；步骤S3，采用基于相位相关的运动校正方法对二维矩阵D进行位置校准，得到校准后的矩阵D′；步骤S4，采用随机空间下采样法，将校准后的矩阵D′随机分解成多个不重叠的超声数据子矩阵X；步骤S5，利用Cauchy‑RPCA方法对每个超声数据子矩阵X进行提取，得到包含组织信号的低秩矩阵L和包含血流信号的稀疏矩阵S；步骤S6，组合每个超声数据子矩阵所提取出来的血流信号成分，通过计算信号强度得到超声多普勒血流图像。

主权项：1.一种基于Cauchy-RPCA的随机空间下采样超声微血流成像方法，其特征在于，包括以下步骤：步骤S1，利用超快超声平面波成像技术采集到大量的高帧频、高质量的原始信号数据Nx×Nz×Nt，该原始信号数据包括静态组织的回波信号、血流的回波信号和噪声，通过波束合成方法对原始信号数据进行图像处理，最终得到大小为960×128的连续200帧复合图像的数据矩阵；步骤S2，将所述数据矩阵重构为大小为Ns×Nt的二维矩阵D，其中所述Ns的具体表达式为：Ns＝Nx×Nz；步骤S3，采用基于相位相关的运动校正的方法对所述二维矩阵D进行位置校准，得到校准后的矩阵D′；步骤S4，采用随机空间下采样法，将所述校准后的矩阵D′随机分解成多个不重叠的超声数据子矩阵X；步骤S5，利用Cauchy-RPCA方法对每个所述超声数据子矩阵X进行提取，得到包含组织信号的低秩矩阵L和包含血流信号的稀疏矩阵S，提取过程采用交替方向乘子法求解得到血流信号成分；步骤S6，组合每个所述超声数据子矩阵所提取出来的所述血流信号成分，通过计算信号强度得到超声多普勒血流图像，其中，所述原始信号数据包括静态组织的回波信号、血流的回波信号和噪声，所述步骤S5还包括以下步骤：步骤S5-1，Cauchy-RPCA方法利用所述超声数据子矩阵X中组织信号的低秩性和血流信号的稀疏性，将组织杂波和加性噪声去除算法表示为以下优化问题：minL+S＝X‖σL‖c+λ‖S‖c式中，‖·‖c为矩阵的Cauchy范数，σL是所述低秩矩阵L的奇异值向量，λ是需要调整的超参数，用来平衡血流的稀疏性和组织的低秩性且λ0；步骤S5-2，因为Cauchy范数作为罚函数的表达式为： 式中，z′为函数变量，σc是调整Cauchy范数锐利程度的参数，可实现稀疏惩罚项的调整，所以Cauchy-RPCA方法分解矩阵的优化问题转变为： 式中，σj表示矩阵L的第j个奇异值，sij表示S的元素，l≤min{m，n}，m代表所述矩阵的行，n代表所述矩阵的列；步骤S5-3，引入一个拉格朗日乘子Y，构建增广拉格朗日函数具体表达式为： 式中，Y，X-L-S表示所述拉格朗日乘子Y和X-L-S的标准内积，μ为控制收敛速度的惩罚参数，表示X-L-S的Frobenius范数；步骤S5-4，利用交替方向乘子法迭代求解所述优化问题，得到所述血流信号成分。步骤S5-4还包括以下步骤：步骤S5-4-1，Sk是经过k次迭代后的稀疏矩阵，Yk是经过k次迭代后的拉格朗日乘子，Lk+1是经过k+1次迭代后的低秩矩阵，先固定Sk和Yk，求一个使公式最小化的Lk+1，λ初始值为m、n为输入矩阵的大小，μ初始值为10×λ，将X作为所述Lk+1的初始值，全0矩阵Ο作为所述Sk和所述Yk的初始值，vk是低秩矩阵Lk的权重变量，wk是所述Sk矩阵的权重变量，全1矩阵I是vk和wk的初始值，其中， 式中，是所述Lk+1的第j个奇异值，vk+1是低秩矩阵Lk+1的权重变量，是所述vk+1的第j个值， 表示以vk*μ-1为阈值的奇异值收缩算子，具体表达式为： 式中，U和VT为变量矩阵E奇异值分解后的得到的正交矩阵，∑是E奇异值分解后的得到的一个包含有奇异值的对角矩阵， 表示以vk*μ-1为阈值的软阈值操作符，具体表达式为： 步骤S5-4-2，固定所述Lk+1和所述Yk，求一个使公式最小化的稀疏矩阵Sk+1，具体表达式为： 式中，表示所述Sk+1矩阵的元素， 表示以wk*λμ为阈值的软阈值操作符，具体表达式为： 步骤S5-4-3，用所述Sk+1和所述Lk+1更新Yk，则Yk+1＝Yk+μX-Lk+1-Sk+1步骤S5-4-4，迭代步骤S5-4-1至步骤S5-4-3，当满足停止条件，输出迭代后的低秩矩阵L和稀疏矩阵S，实现杂波和血流信号的分离。

全文数据：

权利要求：

百度查询： 复旦大学 一种基于Cauchy-RPCA的随机空间下采样超声微血流成像方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD