平面波超声成像(Python代码+CIRS体模超声数据)

平面波成像原理

所有换能器阵元同时被激活，产生未聚焦的超声波平面波，该平面波沿直线传播到组织中。

Python实现平面波波束合成

1.初始化与数据准备

使用 GE-9LD 换能器和 CIRS 超声模体，在 Verasonics Vantage 256 超声系统上捕获了五帧图像。

2. 定义换能器和成像介质

假设组织中的声速恒定 (v = 1540 m/s)，该模型假设允许我们通过关系 v=s/t 和回波信号延迟时间的测量（Puls-Echo 方法）推断回波信号的组织深度。

3. RF Data

从超声研究系统中，我们通常会获得比实际需要更多的信息（由于系统的内存分配），而且通道数据通常是未排序的。因此，我们需要在开始之前进行“清理”。因此，我们清除未分配的零值并按 1-192（换能器阵元数） 的升序对我们的通道数据进行排序。
看一下通道 156 的原始数据，我们绘制了信号幅度随时间变化的曲线。左图中可见的深度区域在右侧通道图中用两条蓝线标记。

4. 信号处理

4.1 时间增益补偿 TGC

我们假设声波在组织中各处被吸收的程度相同（这在形式上是不正确的，因为不同的组织类型的吸收量不同）。因此，来自较深结构的反射显得较弱，通常对记录的 RF 数据应用时间增益补偿，通过添加时间相关增益来补偿衰减损失。

TGC 补偿后 156 通道数据信号如下图所示：

4.2 滤波

为了消除不需要的噪声，我们使用 FIR 带通滤波器和高斯窗口过滤原始数据。我们使用换能器带宽的上限和下限作为截止频率。滤波后156通道数据信号如下图所示：

4.3 信号转换

在超声领域，更喜欢使用信号包络来表示数据，首先使用希尔伯特变换计算原始数据的解析信号。156通道数据信号包络如下图所示：

5. 波束合成

为了实现波束合成操作，信号幅度必须从 (time,x) 域转移到 (z,x) 平面。下图描述了计算确定每个像素点信号幅度所需的时间延迟的数学运算：

6. 图像转换

动态范围定义了最高和最低信号幅度之间的对数比。假设波束合成的数据被线性映射到灰度图像上，重要的组织特征将丢失，因为一些具有高振幅的回波信号遮盖了图像的其余部分。因此，我们通过对数调整回波幅度来平衡动态范围。最终成像效果如下图所示：

代码数据请QQ联系：2971319104