增强被动空化成像：使用P次根压缩延迟、求和及积分波束形成的体外和体内研究

2025-02-26 Wed
pth根压缩延迟求和积分波束成形在被动空化成像中的应用研究学术背景被动空化成像（Passive Cavitation Imaging, PCI）是一种用于监测超声治疗中气泡活动的技术，广泛应用于药物输送、组织消融（如组织粉碎术，Histotripsy）等治疗场景中。然而，现有的PCI技术存在轴向分辨率低、旁瓣伪影显著等问题，尤其是在使用延迟求和积分（Delay, Sum and Integrate, DSI）波束成形算法时。为了提高PCI的性能，研究人员一直在探索新的算法，以在不显著增加计算复杂性的情况下改善成像质量。
本研究旨在评估一种基于pth根压缩的延迟求和积分（pth Root Compression Delay, Sum and Integrate, PRDSI）波束成形算法在PCI中的应用效果。该算法通过非线性压缩和积分操作，能够有效抑制旁瓣伪影并提高轴向分辨率，从而为气泡介导的超声治疗提供更精确的监测手段。
论文来源本论文由来自Indian Institute of Technology (IIT) Gandhinagar的Abhinav Kumar Singh、Pankaj Warbal，以及The University of Chicago的Katia Flores Basterrechea和Kenneth B. Bader等作者共同撰写。论文于2025年发表在IEEE Transactions on Biomedical Engineering期刊上。
研究流程实验设计与流程本研究分为三个主要实验阶段，分别在不同的实验模型中进行，包括体外血流模型、红细胞掺杂的琼脂模型以及猪体内血栓模型。以下是每个阶段的具体流程：
1. 体外血流模型实验研究对象：使用超声对比剂（Sonovue）灌注的流动模型。
实验设备：聚焦超声源（中心频率2 MHz）和线性阵列探头（L11-5V）。
实验过程：在流动模型中注入Sonovue，暴露于聚焦超声下，记录空化产生的声发射信号。
数据处理：使用DSI、稳健Capon波束成形（Robust Capon Beamforming, RCB）和PRDSI算法对信号进行处理，生成PCI图像。
性能评估：通过轴向宽度、信噪比（Signal-to-Interference Ratio, SIR）和二元统计分析等指标评估成像性能。
2. 红细胞掺杂琼脂模型实验研究对象：掺杂红细胞的琼脂模型。
实验设备：1 MHz组织粉碎超声源和C5-2V阵列探头。
实验过程：在琼脂模型中生成气泡云，记录气泡活动产生的声发射信号。
数据处理：使用DSI、RCB和PRDSI算法进行处理，生成PCI图像。
性能评估：通过轴向宽度、SIR和二元统计分析等指标评估成像性能。
3. 猪体内血栓模型实验研究对象：猪股静脉中的血栓。
实验设备：1.5 MHz组织粉碎超声源和L11-5V阵列探头。
实验过程：对血栓进行组织粉碎治疗，记录治疗过程中产生的声发射信号。
数据处理：使用DSI、RCB和PRDSI算法进行处理，生成PCI图像。
性能评估：通过轴向宽度、SIR和二元统计分析等指标评估成像性能。
算法设计PRDSI算法通过对接收到的射频信号进行pth根压缩和积分操作，能够有效抑制噪声和伪影。具体步骤如下：
1. 对接收到的射频信号进行pth根压缩。
2. 将压缩后的信号进行积分。
3. 消除直流偏移，生成PCI图像。
数据分析本研究使用二元统计分析、接收者操作特征（Receiver Operating Characteristic, ROC）曲线等方法对PCI图像进行定量评估。通过比较不同算法的轴向宽度、SIR和计算时间，评估PRDSI算法的性能。
主要结果1. 体外血流模型实验结果轴向宽度：PRDSI算法在p=4时，轴向宽度较DSI算法提高了64.0±5.2%。
信噪比：PRDSI算法在p=4时，信噪比较DSI算法提高了11.6±5.5 dB。
计算时间：PRDSI算法的计算时间较DSI算法增加了33.5%。
2. 红细胞掺杂琼脂模型实验结果轴向宽度：PRDSI算法在p=4时，轴向宽度较DSI算法提高了56.7±13.0%。
信噪比：PRDSI算法在p=4时，信噪比较DSI算法提高了10.6±4.2 dB。
3. 猪体内血栓模型实验结果轴向宽度：PRDSI算法在p=4时，轴向宽度较DSI算法提高了63.2±13.8%。
信噪比：PRDSI算法在p=4时，信噪比较DSI算法提高了3.7±3.4 dB。
结论本研究证明了PRDSI算法在被动空化成像中的有效性，能够显著提高轴向分辨率并抑制旁瓣伪影。与现有的DSI和RCB算法相比，PRDSI算法在成像性能上具有明显优势，且计算复杂度仅略有增加。该算法为气泡介导的超声治疗提供了更精确的监测手段，具有重要的临床应用价值。
研究亮点新颖的算法设计：PRDSI算法通过pth根压缩和积分操作，有效抑制了噪声和伪影。
全面的实验验证：研究在体外和体内多种模型中验证了PRDSI算法的有效性。
临床应用潜力：该算法为超声治疗中的实时监测提供了新的可能性。
其他有价值的信息本研究的局限性在于，PRDSI算法的最佳参数p可能因应用场景不同而有所变化。未来的研究可以进一步优化算法，并探索其在更广泛临床场景中的应用。
通过本研究，PRDSI算法为被动空化成像领域带来了新的突破，有望在未来的超声治疗中发挥重要作用。