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

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

  1. 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。
  2. 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。
  3. 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。