文章目录1回波信号1.1 杂波信号1.2血流信号1.3噪声信号1.4回波信号模拟方法2滤波目的3滤波限制4滤波算法5高通数字滤波器5.1单一回波抵消器5.2FIR滤波器5.3IIR滤波器 无限冲激响应滤波器定义实现缺点5.4回归滤波器5.5优化6参数化方法7非参数化方法7.1特征分解Eigen-based methods【6】7.2Hankel-SVD【4】其他注8 综合算法8.1多项式回归SVD9提速方法9.1数据分解下采样方法10性能指标20260514 很久之前写的了发出来分享一下1回波信号血流回波信号由三部分组成杂波信号血流信号噪声信号组织回波信号由两部分组成杂波信号噪声信号1.1 杂波信号杂波信号包括静止组织和低速运动的血管壁和组织等。这些信号会产生一个相对低频的多普勒频移。这些信号同血流信号的区别在于1.除非低速血流信号否则频移一般低于血流信号2.幅值是血流信号的40~60dB待理解由于人体内的呼吸和心跳杂波往往表现为一个宽频的信号。特别当呼吸过程经历一个较长的时间杂波的频率特性将表现为其中心频率远离零频率轴且频带变得更宽。在时域上杂波将不再表现为平稳性和各向同性。【2】1.2血流信号来源于移动的红细胞散射返回的信号能量低于组织信号但高于噪声信号1.3噪声信号来源于热和电子波动噪声是全频带低能量成分可以用高斯白噪声模拟。1.4回波信号模拟方法“多普勒罩”Song F, Zhang D, Gong X. Performance evaluation of eigendecomposition-based adaptive clutter filter for color flow imaging[J]. Ultrasonics. 2006, 44(Suppl1):e67-e71.Feng N, Zhang J, Wang W. An adaptive clutter rejection method based on AR model in color flow imaging[J]. Ultrasonics. 2006, 44(Suppl 1):e86-e88.2滤波目的滤波目的提取血流信号滤除静止或接近静止组织的回波以及高斯噪声。没有足够的杂波抑制无法检测出低速血流较高的速度估计也将存在偏差【1】3滤波限制连续脉冲个数/短时信号个数8~16个过多会导致帧率下降对于频谱多普勒可以使用模拟滤波器实现滤波但对于彩色多普勒需要使用数字滤波器【3】。3.一般用来计算效果时会比较8次和16次采样的结果。4滤波算法分类方法参考【2】非自适应滤波的缺点当运动组织信号过强时需要较大的阻带会抑制血流回声降低血流检测灵敏度【5】。5高通数字滤波器这种滤波器是非自适应滤波器。这些方法一方面可能不能完全抑制杂波另一方面超声回波在通过杂波滤波器时可能错误地损失一部分有用的血流信号。此外非自适应的滤波器在操作上受到 对于不同成像环境如何适当的选择参数问题的困扰。【2】5.1单一回波抵消器将前后两次发射产生的接收回波信号相减抵消固定回波信号。缺点滚动特性差宽传输带宽。5.2FIR滤波器有限冲击响应不好用因为采样数过小8~165.3IIR滤波器 无限冲激响应滤波器定义IIR滤波器的递归特性导致对脉冲输入的响应在时间上是无限的。给定时刻的输出是先前输入和输出的组合按照对应滤波器的因子加权M是零点个数N为极点个数通常NMK是信号输入长度类似这种结构直接I型实现可以通过多种滤波器实现1.巴特沃斯滤波器【3使用】因为它具有最大平坦的通带允许所有期望的血流速度分量均等地通过滤波器。阻带单调衰减最大限度地抑制了最低频率的杂波分量。巴特沃斯特性也表现出比其他滤波器类型小得多的瞬态响应。系数通过双线性变换方法得到。2.切比雪夫滤波器缺点1.对单数据集杂波/血流信号的能量比较小时能较好抑制杂波比如大血管中心部位的血流情况。强杂波情况下不好用。【2】2.滤波器曲线往往考虑滤波器的稳态响应假定瞬态响应为零而对于短数据信号滤波器瞬态响应主导性能。可能会偏置平均频率估计器导致多普勒信号功率估计的严重误差。滤波器瞬态响应取决于滤波器特性以及初始化策略【3】。可以使用步进初始化优化【3-15】参考IIR滤波器5.4回归滤波器多项式回归滤波器5.5优化在高通滤波器之前将满时间信号与平均杂波频率向下混频【4】部分自适应滤波策略。6参数化方法将自适应方法分成参数化和非参数化的方法两类加以讨论【2-26】。不进行杂波滤除对超声回波信号建模依据实际采样数据估计模型参数对估计的参数进行分析筛选。【2】早期采用的信号模型为零极点模型例如滑动平均(Moving AverageMA)模型[27]、自回归(AutoregressiveAR)模型[28]和自回归滑动平均(Moving AverageAutoregressiveARMA)模型[29]。是将输入信号近似为若干个特征成分的和即特征成分分析模型它们中的代表为多重信号分类方法Multiple Signal ClassificationMUSIC[30]。MUSIC 首先建立输入信号的协方差矩阵并对其进行特征分析。通过谱分析中的频域峰值搜索方法或者求根法可以得到所有特征成分的参数。可以看看MUSIC7非参数化方法通过一个自适应杂波滤波器比如基于特征分解然后进行自相关计算得到相应参数。注需要通过多数据集建立自相关矩阵【2】多数据集一般由成像位置处的采样数据及其周围位置采样数据所组成[36]或者由成像位置处的一个较长的采样数据截断成多个子序列而组成[37]。自相关矩阵可以通过特征分解、奇异值分解以及主成分分解等方式设计滤波器。基于特征的杂波滤波器通常会将慢时信号分解为正交分量的总和。7.1特征分解Eigen-based methods【6】【4】特征分解的挑战1.需要多次采集保证信号平稳。一般是多个采集取平均假设杂波在不同深度一致。由于不同深度组织、血流、杂波信号表现不同该方法适合浅表成像深会有问题。2.滤波器自适应特性滤波器滤波效果对对空间维度选择敏感需要开发一种选择特征空间维度的算法7.2Hankel-SVD【4】定义区别于【6】在于计算正交基方法不同。提出一种新的基于特征的杂波滤波器不需要慢时信号正交分解。而是对单数据集建立Hankel矩阵进行奇异值分解通过阈值选择特征称为血流信号的输出【6】Hankel matrix whose entries are constant along the reverse diag-onals and whose orthogonal expansion can be found from an SVD analysis.原理原理基于【7】SVD阈值优化策略[13] P . Song, A. Manduca, J. D. Trzasko, and S. Chen, “Ultrasound small vesselimaging with block-wise adaptive local clutter filtering,” IEEE Trans. Med.Imag., vol. 36, no. 1, pp. 251-262, 2017.[14] J. Baranger, B. Arnal, F. Perren, O. Baud, M. Tanter, and C. Demene,“Adaptive spatiotemporal SVD clutter filtering for ultrafast Dopplerimaging using similarity of spatial singular vectors,” IEEE Trans. Med.Imag., vol. 37, no. 7, pp. 1574-1586, 2018.其他基于Cauchy-RPCARobust principal component analysis (RPCA)的随机空间下采样超快超声微血管成像改善微血管时空域的方法【】Randomized Spatial Downsampling based Cauchy-RPCA Clutter Filtering for High-Resolution Ultrafast Ultrasound Microvasculature Imaging and Functional …2021【14】注【5】对比了下采样杂波滤波器一种自适应滤波器clutter-downmixing filter8 综合算法8.1多项式回归SVD【9】【10】将信号分类为组织信号去、低速血流杂波混合区、中高速血流杂波混合区、慢时非平稳信号区。对不同区域采用不同的方法进行滤波。9提速方法9.1数据分解下采样方法逐块下采样、均匀空间下采样、随机下采样【12】10性能指标【3】1平均频率估计的平均值2平均频率估计的平均值相对杂波滤波前的平均功率3多普勒功率估计标准差4平均频率估计的标准偏差。5CBD clutter-to-blood signal ratio【1】 Bjærum S., Torp H., Kristoffersen H. 2002. Clutter filter design for ultrasound colour flow imaging. IEEE Trans. Ultrason. Ferroelec. Freq. Contr. 49, 204–209 10.1109/58.985705 (doi:10.1109/58.985705) [PubMed] [CrossRef] [Google Scholar] [Ref list]【2】沈志远. 超声彩色血流成像中血流信号提取方法研究[D]. [博士论文], 哈尔滨工业大学, 2014【3】Kadi A P, Loupas T. On the performance of regression and step initialized IIR clutter filters for color Doppler system in diagnostic medical ultrasound[J]. IEEE Transaction on Ultrasounics Ferroelectrics and Frequency Control, 1995, 42(5):927-937.【4】 Thomas L, Hall A. An improved wall filter for flow imaging of low velocityflow[C]. in Proceedings IEEE Ultrasonics Symposium, 1994, Cannes France,3:1701-1704.【5】Yu A C H, Cobbold R S C. Single-ensemble-based eigen processing method for color flow imaging-part i. the Hankel-SVD filter[J]. IEEE Transaction on Ultrasounics Ferroelectrics Frequency Control, 2008, 55(3):559–572.【6】L. A. F. Ledoux, P. J. Brands, and A. P. G. Hoeks, “Reductionof the clutter component in Doppler ultrasound signals basedon singular value decomposition: A simulation study ,” Ultrason.Imag., vol. 19, pp. 1–18, 1997.【7】 A. J. van der Veen, E. F. Deprettere, and A. L. Swindlehurst,“Subspace based signal analysis using singular value decompo-sition,” Proc. IEEE, vol. 81, pp. 1277–1308, 1993.【8】M. W. Y. Poon, R. H. Khan, and S. Le-Ngoc, “A singular valuedecomposition (SVD) based method for suppressing ocean clut-ter in high frequency radar,” IEEE Trans. Signal Processing,vol. 41, pp. 1421–1425, 1993.【9】熊秀娟,肖磊,陈波,彭勇,王耀彬.CFI中基于动态区域划分的非平稳杂波抑制方法[J].电子技术应用,2014,40(12):129-132139.DOI:10.16157/j.issn.0258-7998.2014.12.047.【10】肖磊,熊秀娟,陈菲,陈波.超声血流成像中基于动态域的回归和奇异值分解的杂波抑制方法[J].计算机应用,2015,35(01):265-269275.【11】Heimdal A., Torp H. 1997. Ultrasound Doppler measurements of low velocity blood flow: limitations due to clutter signals from vibrating muscles. IEEE Trans. Ultrason. Ferroelec. Freq. Contr. 44, 873–881 10.1109/58.655202 (doi:10.1109/58.655202) [CrossRef] [Google Scholar]【12】High-Resolution Ultrafast Ultrasound Microvasculature Imaging and Functional Imaging using Cauchy-RPCA based Clutter Filtering method2022