一种超声成像的方法、装置、电子设备和存储介质
1.本发明涉及超声成像技术领域，具体涉及一种超声成像的方法、装置、电子设备和存储介质。
背景技术：
2.超声成像是利用超声声束扫描人体，通过对反射信号的接收、处理，以获得体内器官的图像。平面波成像提供了一种通过以非常高的帧率获取平面信号的超快速超声成像方法。平面波成像同时激励换能器所有阵元，经组织散射后，所有阵元也同时接收回波信号，通过这些回波信号就可以得到整个区域的超声图像。波束形成是平面波成像系统的重要组成部分，波束形成算法的性能影响着超声成像的质量。
3.现有技术中波束形成方法主要是延时叠加算法(delay and sum，das)。das算法对延迟处理后的回波信号应用固定的权重，以减少信号旁瓣。然而，传统窗函数的权重通常是一组根据深度预设的固定参数，并没有充分考虑回波信号本身的特性。因此，旁瓣衰减到一定程度，主瓣宽度也会增加，从而导致超声成像的质量较差。
技术实现要素：
4.有鉴于此，本发明实施方式提供了一种超声成像的方法、装置、电子设备和存储介质，以提高超声成像的图像质量。
5.本发明一方面提供了一种超声成像方法，所述方法包括：将接收到的表征时间变化的超声回波信号转换为表征频率变化的波束域信号；采用预设采样矩阵对所述波束域信号进行压缩处理，得到虚拟测量信号；其中，所述预设采样矩阵满足有限等距性质；所述虚拟测量信号具有稀疏性；将所述虚拟测量信号恢复至满阵元状态，得到虚拟频域信号；对所述虚拟频域信号进行偏移处理，得到实际频域信号；将所述实际频域信号转换为用于生成超声图像的目标图像矩阵。
6.在一个实施方式中，将接收到的表征时间变化的超声回波信号转换为表征频率变化的波束域信号包括：将所述超声回波信号进行二维快速傅里叶变化得到波束域信号。
7.在一个实施方式中，所述由超声换能器阵元数目构建的方向向量的变换矩阵包括：将-90
°
～90
°
区域范围按照所述超声换能器阵元数目的两倍进行等分，得到阵元间距；根据所述阵元间距构建超声换能器阵元不同发射方向的方向向量；根据所述不同发射方向的方向向量生成变换矩阵。
8.在一个实施方式中，求解所述投影系数向量包括：构造代价函数；其中，所述代价函数用于表示所述投影系数向量的稀疏程度；根据所述代价函数、所述测量矩阵、所述投影系数向量和所述虚拟测量信号构造拉格朗日算子；通过对所述拉格朗日算子进行最小化运算，求解所述投影系数向量。
9.在一个实施方式中，对所述虚拟频域信号进行偏移处理，得到实际频域信号包括：根据超声换能器发射的平面波与所述超声换能器之间的夹角计算实际声速和实际坐标；基
于所述实际声速和所述实际坐标将所述虚拟频域信号转换为实际频域信号。
10.在一个实施方式中，将所述实际频域信号转换为用于生成超声图像的目标图像矩阵包括：对所述实际频域信号进行二维傅里叶反变化得到用于生成超声图像的目标图像矩阵。
11.本发明另一方面还提供了一种超声成像装置，所述超声成像装置包括：信号转换单元，用于将接收到的表征时间变化的超声回波信号转换为表征频率变化的波束域信号；信号压缩单元，用于采用预设采样矩阵对所述频域信号进行压缩处理，得到虚拟测量信号；其中，所述预设采样矩阵满足有限等距性质；所述虚拟测量信号具有稀疏性；信号恢复单元，用于将所述虚拟测量信号恢复至满阵元状态，得到虚拟频域信号；信号偏移单元，用于对所述虚拟频域信号进行偏移处理，得到实际频域信号；信号逆转换单元，用于将所述实际频域信号转换为用于生成超声图像的目标图像矩阵。
12.本发明另一方面还提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的超声成像方法。
13.本发明另一方面还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述的超声成像方法。
14.本技术提供的技术方案通过将超声换能器接收到的回波信号转换为波束域的形式，再对波束域进行压缩感知，得到虚拟频域信号，然后对虚拟频域信号进行偏移处理，得到实际频域信号，最后再将实际频域信号转换为用于超声成像的目标图像矩阵，从而在一定程度上，提升了在对回波信号使用压缩感知过程进行超声成像的图像质量。
附图说明
15.通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
16.图1示出了本发明一个实施方式中超声成像方法的流程示意图；
17.图2示出了本发明一个实施方式中平面波发射接收模型和地震波爆炸模型示意图；
18.图3示出了本发明一个实施方式中基于压缩感知的频域波束合成方法和das方法的成像结果仿真对比图；
19.图4示出了本发明一个实施方式中的基于压缩感知的频域波束合成方法(fkcs)与基于压缩感知的时域波束合成方法(tmcs)的低回声对比度图；
20.图5示出了本发明一个实施方式中的基于压缩感知的频域波束合成方法(fkcs)与基于压缩感知的时域波束合成方法亮斑对比度图；
21.图6示出了本发明一个实施方式中的基于压缩感知的频域波束合成方法(fkcs)与基于压缩感知的时域波束合成方法(tmcs)的横向分辨率和随着压缩率变化示意图；
22.图7示出了本发明一个实施方式中的基于压缩感知的频域波束合成方法(fkcs)与基于压缩感知的时域波束合成方法(tmcs)在压缩率为50％时的仿真b模式图像；
23.图8示出了本发明的一个实施方式中的超声成像装置示意图；
24.图9示出了本发明一个实施方式中电子设备的结构示意图。
具体实施方式
25.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
26.平面波成像提供了一种通过以非常高的帧率获取平面信号的超快速超声成像方法，但是这会牺牲图像质量并导致数据量过大的问题。与聚焦波成像方式相比，平面波传输方式大大提高了帧率。然而，由于发射光束没有聚焦，回波信号的信噪比、图像分辨率和对比度都在一定程度上变差。在实际应用中，经常使用多角度复合成像方法来改善图像质量，这种成像模式随着角度的增加成像质量提高，但帧率也会随之线性下降。为了尽可能保留平面波成像高帧率的优势，在平面波成像中应用不同的波束形成算法，可以在不降低帧率的情况下提高图像质量。
27.波束形成是医疗超声成像系统的重要组成部分，波束形成算法的性能影响着超声成像的质量。目前常用的波束形成方法为延时叠加算法(delay and sum,das)和自适应波束形成算法。das算法是最基本的波束形成算法，它对延迟处理后的回波信号应用固定的权重，以减少信号旁瓣。然而，传统窗函数的权重通常是一组根据深度预设的固定参数，并没有充分考虑回波信号本身的特性。因此，旁瓣衰减到一定程度，主瓣宽度也会增加，即分辨率变差。与das相比，自适应波束形成算法利用换能器阵列接收到的回波信号，根据环境变化在适应的计算出施加在每个阵元上的动态加权值，因此具有更好的分辨力和抗干扰能力。传统的自适应波束形成具有高分辨率和抗干扰能力强等优点，但同时它的高旁瓣水平和角度失匹配敏感度高问题将大大降低接收性能。除此之外，自适应波束合成涉及到大量矩阵运算，会占用大量运算空间且降低运算速度。
28.除了图像质量，高帧率也会带来数据加载和内存存储的问题。与基于mv的算法相比，平面波成像过程引入傅里叶域为波束形成提供了新的方向。与时域中的波束成形方法相比，傅里叶域中的波束成形可能会通过应用快速傅里叶变换来提高计算效率，同时又不会占用过多的运算空间。此后，一种基于爆炸反射模型(erm)的傅里叶域波束形成过程被提出，该模型假设反向散射体的回波仅沿传感器方向传播，此模型中的stolt’s偏移的原理更接近现实，从而提高成像质量。
29.压缩感知(compressed sensing，cs)是一种新的采样理论，它通过开发信号的稀疏特性，使信号可以在远小于奈奎斯特采样率的条件下，利用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论指出,只要信号是可压缩的或在某个变换域是稀疏的,那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上,然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号,可以证明这样的投影包含了重构信号的足够信息。压缩感知理论的特点是可以在保持信号原有特性的前提下减小采样通道数或者减小信号维度。但是传统的将压缩感知应用于时域波束合成的方法，随着压缩率的降低图像质量迅速变差，图像质量与数据压缩率存在明显矛盾关系。
30.本说明书实施方式提供一种超声成像方法的场景示例。首先，对接收到的超声回
波信号做二维快速傅里叶变化(fast fourier transform，fft)，将换能器接收到的回波信号x(x,z＝0,t)变换到波束域g(k
x
,z＝0,f)。然后，根据阵元数目确定变换矩阵的尺寸，构建变换矩阵h，为保证投影向量为稀疏向量，变换矩阵的行数应小于列数。将-90
°
到90
°
区域分为等分后得到n为超声换能器阵元数目。利用构建方向向量其中d是超声换能器阵元间距，λ为超声波长，由方向向量δ(φk)构建变换矩阵η。
[0031][0032]
将阵元接收信号在变换矩阵上投影便得到投影系数向量，阵元接收信号此时可表示为变换矩阵与投影系数向量的乘积。
[0033]
g(k
x
,0,f)＝hs(k
x
,0,f)
[0034]
g(k
x
,0,f)表示换能器接收信号进行二维傅里叶变换后的频域信号，h表示变换矩阵，s(k
x
,0,f)表示换能器接收信号g(k
x
,0,f)在变换矩阵h上的投影系数向量。投影系数向量中大多数值都为0或者极小可近似于0，此向量便是稀疏向量。
[0035]
设计采样矩阵λ＝[κ1,κ2,
…
,κm]，λ的大小为m
×
n，其中m小于n才能起到对原始信号频域压缩的作用，本算法中采样矩阵为随机高斯矩阵。采样矩阵可以将原始采样数据降采样，得到新的采样矩阵gs(k
x
,0,f)。
[0036]
z(k
x
,0,f)＝λg(k
x
,0,f)＝λhs(k
x
,0,f)
[0037]
矩阵z(k
x
,0,f)便为本算法需要恢复的降采样矩阵，z(k
x
,0,f)的维度为m
×
l。当信号具有稀疏性并且采样矩阵具有有限等距性质(restricted isometry property，rip)，便可以将原始信号从z(k
x
,0,f)中恢复出来。由于z(k
x
，0,f)的维度远小于g(k
x
,0,f)，因此压缩感知理论在降低采样频率、减少采样通道等方面可以发挥重要作用。
[0038]
得到变换矩阵和采样矩阵之后，由采样矩阵计算测量矩阵p。
[0039]
p＝λh
[0040]
测量矩阵是为了采样得到观测值，从而能够重建出接收信号。要想从压缩信号重建出原始信号，需要符合必要条件：测量矩阵与稀疏矩阵乘积满足rip。这个性质保证了原来空间到稀疏空间具有一一对应的映射关系，这就需要从观测矩阵中随机抽取的采样矩阵必须是非奇异的。测量矩阵可以对信号进行测量得到测量向量，然后利用重建算法从测量值重建原信号。对阵元接收信号进行压缩采样，通过采样矩阵可以得到压缩采样向量。设计测量矩阵时要求在信号稀疏表达的过程中，测量值不会影响原始信号的信息，从而保证信号能够精确地重建出来。此时降采样矩阵z(k
x
,0,f)可以表示为：
[0041]
z(k
x
,0,f)＝ps(k
x
,0,f)
[0042]
在得到压缩采样值后，采用多点正则化欠定系统聚焦求解(rm-focuss)算法估计投影系数向量。为了求解析疏的投影系数向量，首先构造代价函数j
(p)
(s)，代价函数越小信号越稀疏。假设有l个平面波信号，
[0043][0044]
当p越接近于0时，被j
(p)
(s)所表示的s(t)越稀疏。
[0045]
随后定义拉格朗日算子l(s,ω)，
[0046][0047]
其中ω
l
为拉格朗日算子向量，l＝1,2,
…
l，s(t)可以通过最小化l(s,ω)得到，具体计算过程如下：
[0048][0049]
计算得到稀疏解s(k
x
,0,f)后，通过公式gs(k
x
,0,f)＝hs(k
x
,0,f)便可以得到恢复的满阵元信号。此时的gs(k
x
,0,f)虽然是满阵元信号，但是经过压缩的过程，与原始频域信号g(k
x
,0,f)存在差异。
[0050]
根据地震波模型，超声成像的过程可以转化为成像区域中一个“虚拟目标”自己发射超声波到超声换能器，换能器接收到虚拟目标的信号后进行成像。在这个转化过程中，原过程中的声速c以及成像区域的坐标都发生了变化，因此需要到真实成像目标和“虚拟目标”的对应关系，对“虚拟目标”的坐标和反射信号的声速进行求解。
[0051][0052]
其中，的θ为发射的平面波的与超声换能器之间的夹角。
[0053]gs
(k
x
,0,f)是压缩感知恢复后的结果。假设ψ
θ
(x,z,t＝0)最终的成像信号，φ
θ
(k
x
,kz,t＝0)是ψ
θ
(x,z,t＝0)对应的频域信号，也就是真实成像目标所成图像的频域信号。则是“虚拟目标”成像信号的频域信号。现在需要将gs(k
x
,0,f)转换为ψ
θ
(x,z,t＝0)进行成像。
[0054][0055]
其中已知后推导出φ
θ
(k
x
,kz,t＝0)。
[0056]
[0057]
最后经过二维傅里叶反变化得到最终的图像ψ
θ
(x,z,t＝0)。
[0058]
以上所述仅为本说明书提供的一个场景示例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
[0059]
请参阅图1，本技术一个实施方式提供一种超声成像方法，该方法可以包括以下多个步骤。
[0060]
s110：将接收到的表征时间变化的超声回波信号转换为表征频率变化的波束域信号。
[0061]
在一些情况下，如果直接将压缩感知应用于时域波束合成的方法，随着压缩率的降低图像质量迅速变差，图像质量与数据压缩率存在明显矛盾关系。因此，可以先将接收到的超声回波信号转换为表征频率变化的波束域信号。
[0062]
在本实施方式中，对接收到的超声回波信号做二维快速傅里叶变化，将超声换能器接收到的回波信号x(x，z＝0,t)变换到波束域g(k
x
,z＝0,f)。
[0063]
s120：采用预设采样矩阵对所述波束域信号进行压缩处理，得到虚拟测量信号；其中，所述预设采样矩阵满足有限等距性质；所述虚拟测量信号具有稀疏性。
[0064]
在本实施方式中，所述预设采样矩阵由m行，即m个采样基组成。预设采样矩阵λ＝[γ1,γ2,
…
,γm]
t
。每一个采样基是一个n维的向量，即γi＝[γ
i1
,γ
i2
,
…
,γ
in
](i＝1,2,
…
,m)。第i行的采样表示将所有阵元的输出投影到该采样基上，对应一个压缩采样点。例如，zi(t)＝γ
i1
g1(t)+γ
i2
g2(t)+
…
+γ
ingn
(t)表示压缩采样所对应的第i个压缩采样点的接收信号。采样矩阵λ共有m行，表示只需要m个压缩采样点，也就是说在原阵列的n个阵元中选取m个阵元进行空间采样即可。采样矩阵可以是高斯随机矩阵。当然，采样矩阵还可以是hadamard矩阵、稀疏随机矩阵、部分傅里叶矩阵等。利用采样矩阵可以将原始采样矩阵数据降采样，得到虚拟测量信号z(k
x
,0,f)。
[0065]
z(k
x
,0,f)＝λg(k
x
,0,f)
[0066]
s130：将所述虚拟测量信号恢复至满阵元状态，得到虚拟频域信号。
[0067]
在一些情况下，通过压缩感知理论可以在保持信号原有特性的前提下减小采样通道数或者是减小了信号的维度之后，还需要将压缩后的数据进行恢复，得到回复信号。
[0068]
在本实施方式中，根据阵元数目确定变换矩阵的尺寸，构建变换矩阵h，为保证投影向量为稀疏向量，变换矩阵的行数应小于列数。将-90
°
到90
°
区域分为等分后得到n为超声换能器阵元数目。利用构建方向向量其中d是超声换能器阵元间距，λ为超声波长，由方向向量δ(φk)构建变换矩阵η。
[0069][0070]
将阵元接收信号在变换矩阵上投影便得到投影系数向量，阵元接收信号此时可表示为变换矩阵与投影系数向量的乘积。通过构建测量矩阵p＝λh。其中，z(k
x
,0,f)＝ps(k
x
,0,f)。通过求解投影稀疏向量s(k
x
,0,f)，然后利用gs(k
x
,0,f)＝hs(k
x
,0,f)得到虚拟测量
信号。
[0071]
s140：对所述虚拟频域信号进行偏移处理，得到实际频域信号。
[0072]
在一些情况下，超声平面波成像的过程可以概括为：超声换能器发射超声波到成像区域，成像目标对超声信号进行反射，换能器对反射的回波信号进行接收，对接收后的信号进行处理成像。根据地震波模型，超声成像的过程可以转化为成像区域中一个“虚拟目标”自己发射超声波到超声换能器，换能器接收到虚拟目标的信号后进行成像。
[0073]
请参阅图2(a)，超声换能器发射超声波覆盖到成像区域，成像目标对超声信号进行反射，反射的回波信号回到超声换能器，在超声换能器接收到的信号纵坐标z＝0，表示为x(x,z＝0,t)。请参阅图2(b)所示，在地震波爆炸模型中，首先假设成像目标自己会发射信号，这个信号为t＝0时的发射信号，也就是ψ
θ
(x,z,t＝0)。真实的超声成像结果也可以看作是成像目标自己发射了一个超声信号到换能器进行成像，不过将爆炸模型应用于平面波成像当中便需要stolt’s迁移来进行坐标转化。
[0074]
在本实施方式中，原过程中的声速c以及成像区域的坐标都发生了变化，因此需要到真实成像目标和“虚拟目标”的对应关系，对“虚拟目标”的坐标和反射信号的声速进行求解。
[0075][0076]
其中为“虚拟目标”发射的超声信号的“虚拟声速”，(xs,zs)为成像目标的真是坐标，为“虚拟目标”的坐标。α、β和γ为变换系数，定义如下：
[0077][0078]
式中的θ为发射的平面波的与超声换能器之间的夹角。
[0079]
s150：将所述实际频域信号转换为用于生成超声图像的目标图像矩阵。
[0080]
在本实施方式中，gs(k
x
,0,f)是压缩感知恢复后的结果。假设ψ
θ
(x,z,t＝0)最终的成像信号，φ
θ
(k
x
,kz,t＝0)是ψ
θ
(x,z，t＝0)对应的频域信号，也就是真实成像目标所成图像的频域信号。则是“虚拟目标”成像信号的频域信号。现在需要将gs(k
x
,0,f)转换为ψ
θ
(x,z,t＝0)进行成像。
[0081][0082]
其中已知后推导出φ
θ
(k
x
,kz,t＝
0)。
[0083][0084]
最后经过二维傅里叶反变化得到最终的图像ψ
θ
(x,z,t＝0)。
[0085]
请参阅图3，将压缩率为80％的成像结果(简称fkcs_80％)和延时叠加波束合成(delay-and-sum,das)与未压缩数据量的的基于stolt’s f-k迁移的频域波束合成算法(简称f-k)进行比较。压缩率(简称r)的计算方法为：
[0086][0087]
其中nc和no分别为压缩后和压缩前的数据量。在仿真结果中，分别利用区域a、b和c计算gcnr来表示成像的低回声区域和亮斑对比度，gcnr计算方法如下：
[0088][0089]
其中p
t
为目标区域的概率密度分布，pb(x)为背景区域的概率密度分布。
[0090]
计算区域d中坐标为(10，70)mm的散射子点横向分辨率来比较不同成像方法的分辨率情况。三种方法在点d的横向分辨率为基于压缩感知的频域波束合成方法分别为0.5985mm(das)、0.5262mm(f-k)和0.5451mm(fkcs_80％),由结果可得，频域波束合成成像方法比das横向分辨率上提高12％，压缩率为80％的成像结果比未压缩时横向分辨率只降低3.6％。三种方法在低回声区域的对比度分为别为1.7482(das)、2.5791(f-k)及2.4915(fkcs_80％)，f-k方法在低回声对比度上比das提升47.5％，压缩率为80％的fkcs_80％方法在对比度上比未压缩时(f-k)降低3.4％。三种方法在亮斑对比度上表象分别为2.9104(das)、3.1455(f-k)及3.1081(fkcs_80％)，f-k方法在低回声对比度上比das提升8％，压缩率为80％的fkcs_80％方法在对比度上比未压缩时(f-k)降低1.2％。由此可以看出基于压缩感知的频域波束合成方法相比于das对图像质量有一定改善。且成像通道数压缩到80％时，对成像质量影响较小。这是因为超声信号本身具有稀疏性，即使对信号通道数压缩部分通道后仍可以在一定程度上恢复原始数据。
[0091]
请参阅图4～7，基于压缩感知的频域波束合成方法(fkcs)与基于压缩感知的时域波束合成方法(tmcs)仿真结果及图像质量参数分析结果图。图4、图5和图6分别两种成像方法的低回声对比度、亮斑对比度以及横向分辨率随着压缩率变化的变化趋势图。图7为fkcs和tmcs在压缩率为50％时的仿真b模式图像。从b模式图像可以看出，当压缩率为50％时tmcs_50％图像质量很差，低回声区域几乎被覆盖，亮斑产生明显伪影；而fkcs_50％成像结果中低回声区域和散射子点仍然可以分辨，亮斑有轻微伪影，伪影程度明显弱于fkcs。从图4-6可以看出，随着压缩率的降低，tmcs的对比度和横向分辨率下降速度快于fkcs。可以得出当压缩率相同时，在频域中使用压缩感知比在时域中使用压缩感知所成图像质量更好。
[0092]
在一些情况下，m的选择在0.3n到0.8n之间，即压缩率在30％到80％之间为宜，同时m要取整。在这个范围内既可以减少数据的通道数，也可以维持较好的成像质量。
[0093]
在一个实施方式中，将接收到的表征时间变化的超声回波信号转换为表征频率变
化的波束域信号可以包括：将所述超声回波信号进行二维快速傅里叶变化得到波束域信号。
[0094]
在本实施方式中，快速傅里叶变换是利用计算机离散傅里叶变换的高效、快速计算方法的统称。它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
[0095]
在一个实施方式中，将所述虚拟测量信号恢复至满阵元状态，得到虚拟频域信号可以包括：构建测量矩阵；其中，所述虚拟测量信号表示为所述测量矩阵和投影系数向量的乘积；所述投影系数向量用于表示所述超声回波信号在由超声换能器阵元数目构建的方向向量的变换矩阵上的投影；求解所述投影系数向量；将所述变换矩阵和所述投影系数向量进行乘积运算得到所述虚拟频域信号。
[0096]
在本实施方式中，测量矩阵是一个m
×
2n的矩阵。在测量矩阵满足有限等距性质的情况下，便可以通过求解投影系数向量s(k
x
,0,f)，由虚拟测量信号z(k
x
,0,f)精确的重构满阵元时的波束域信号g(k
x
,0,f)。测量矩阵可以表示为预设采样矩阵和变换矩阵的乘积。
[0097]
在一个实施方式中，所述由超声换能器阵元数目构建的方向向量的变换矩阵可以包括：将-90
°
～90
°
区域范围按照所述超声换能器阵元数目的两倍进行等分，得到阵元间距；根据所述阵元间距构建超声换能器阵元不同发射方向的方向向量；根据所述不同发射方向的方向向量生成变换矩阵。
[0098]
在本实施方式中，考虑一个满阵的超声波束，有n个阵元均匀排列，阵元间距均为(λ为超声换能器的工作波长)。现接收到k个远场回波信号，其复幅度和入射角分别为sk(t)和θ
sk
(k＝1,2,
…
,k)。其中1个为期望信号，其余k-1个为干扰信号。超声换能器各阵元的接收信号用一个n维的向量x(t)表示，x(t)＝[x1(t),x2(t),
…
,xn(t)]
t
。则有
[0099][0100]
其中，a(θ
sk
)为阵列在θ
sk
(k＝1,2,
…
,k)方向的方向性适量。
[0101][0102]
按照等sin(θ
sk
)为划分原则，将-90
°
～90
°
的空域2n等分，得到θ1,θ2,
…
,θ
2n
，用这2n个方向性适量构建变换矩阵h。
[0103]
h＝[a(θ1),a(θ2),
…
,a(θ
2n
)]
[0104]
将阵列接收信号向量x(t)写成用变换矩阵h表示的矩阵形式，有
[0105]
x(t)＝hs(t)
[0106]
其中，s(t)为阵元接收信号向量x(t)在变换矩阵h上的投影系数向量。在一些情况下，θ
sk
(k＝1,2,
…
,k)均为θ1,θ2,
…
,θ
2n
中之一，则投影系数向量s(t)有类似于s(t)＝[0,0,
…
,s1(t),0,
…
,sk(t),0,
…
,0]的形式。则向量s(t)中只有少数几个元素是非零的，其余均为零元素，也即s(t)是稀疏的。因此，根据压缩感知的理论，阵元接收信号向量x(t)可以在压缩采样之后通过重构算法精确恢复。
[0107]
在一个实施方式中，求解所述投影系数向量可以包括：构造代价函数；其中，所述
代价函数用于表示所述投影系数向量的稀疏程度；根据所述代价函数、所述测量矩阵、所述投影系数向量和所述虚拟测量信号构造拉格朗日算子；通过对所述拉格朗日算子进行最小化运算，求解所述投影系数向量。
[0108]
在本实施方式中，在得到m个压缩采样阵元的压缩采样值zm×
l
后，采用多点正则化欠定系统聚焦求解(rm-focuss)算法估计投影系数向量s
2n
×
l
，然后根据g＝hs重构满阵元接收信号向量gs。
[0109]
为了求解s
2n
×
l
，构造如下的代价函数：
[0110][0111]
当p接近0时，j
(p)
(s)表示为s
2n
×
l
的非零列，j
(p)
(s)越小信号越稀疏。然后定义拉格朗日算子l(s,ω)为
[0112][0113]
其中ω
l
为拉格朗日算子向量，l＝1,2,
…
l，s(t)可以通过最小化l(s,ω)，即可求得稀疏解s
2n
×
l
。通过正则化的m-focuss迭代算法进行求解。
[0114][0115]
计算得到稀疏解s(k
x
,0,f)后，通过公式gs(k
x
,0,f)＝hs(k
x
,0,f)便可以得到恢复的满阵元的虚拟频域信号gs(k
x
,0,f)。
[0116]
在一个实施方式中，对所述虚拟频域信号进行偏移处理，得到实际频域信号可以包括：根据超声换能器发射的平面波与所述超声换能器之间的夹角计算实际声速和实际坐标；基于所述实际声速和所述实际坐标将所述虚拟频域信号转换为实际频域信号。
[0117]
在本实施方式中，gs(k
x
,0,f)是压缩感知恢复后的结果。假设ψ
θ
(x,z,t＝0)最终的成像信号，φ
θ
(k
x
,kz,t＝0)是ψ
θ
(x,z,t＝0)对应的频域信号，也就是真实成像目标所成图像的频域信号。则是“虚拟目标”成像信号的频域信号。现在需要将gs(k
x
,0,f)转换为ψ
θ
(x,z,t＝0)进行成像。
[0118][0119]
其中已知后推导出φ
θ
(k
x
,kz,t＝
0)。
[0120][0121]
最后经过二维傅里叶反变化得到最终的图像ψ
θ
(x,z,t＝0)。
[0122]
在一个实施方式中，将所述实际频域信号转换为用于生成超声图像的目标图像矩阵可以包括：对所述实际频域信号进行二维傅里叶反变化得到用于生成超声图像的目标图像矩阵。
[0123]
在本实施方式中，通过二维傅里叶反变化得到最终的图像ψ
θ
(x,z,t＝0)。
[0124]
请参阅图8，本技术一个实施方式还提供一种超声成像装置，所述超声成像装置可以包括：信号转换单元、信号压缩单元、信号恢复单元、信号偏移单元、信号逆转换单元。
[0125]
信号转换单元，用于将接收到的表征时间变化的超声回波信号转换为表征频率变化的波束域信号。
[0126]
信号压缩单元，用于采用预设采样矩阵对所述波束域信号进行压缩处理，得到虚拟测量信号；其中，所述预设采样矩阵满足有限等距性质；所述虚拟测量信号具有稀疏性。
[0127]
信号恢复单元，用于将所述虚拟测量信号恢复至满阵元状态，得到虚拟频域信号。
[0128]
信号偏移单元，用于对所述虚拟频域信号进行偏移处理，得到实际频域信号。
[0129]
信号逆转换单元，用于将所述实际频域信号转换为用于生成超声图像的目标图像矩阵。
[0130]
关于超声成像装置实现的具体功能和效果，可以参照本说明书其他实施方式对照解释，在此不再赘述。所述超声成像装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。所述各模块可以以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0131]
请参阅图9，本技术一个实施方式还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的超声成像方法。
[0132]
其中，处理器可以为中央处理器(central processing unit，cpu)。处理器还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0133]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施方式中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施方式中的方法。
[0134]
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至
少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0135]
本技术一个实施方式还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述的超声成像方法。
[0136]
本领域普通技术人员可以理解实现所述实施方式方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如所述各方法的实施方式的流程。其中，本说明书所提供的各实施方式中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0137]
应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0138]
本说明书多个实施方式之间，采用递进的方式进行描述。不同的实施方式着重于描述相较于其它实施方式不相同的部分。所属领域技术人员在阅读本说明书之后，可以获知本说明书中的多个实施方式，以及实施方式揭示的多个技术特征，可以进行更多种的组合，为使描述简洁，未对所述实施方式中的各个技术特征所有可能的组合都进行描述。然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0139]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0140]
本说明书中的多个实施方式本身均着重于强调与其他实施方式不同的部分，各实施方式之间可以相互对照解释。所属领域技术人员基于一般的技术常识对本说明书中的多个实施方式的任意组合均涵盖于本说明书的揭示范围内。
[0141]
以上所述仅为本案的实施方式而已，并不用以限制本案的权利要求保护范围。对于本领域技术人员来说，本案可以有各种更改和变化。凡在本案的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本案的权利要求范围之内。
