医学超声成像—合成孔径法(Synthetic Aperture Methods)[3]

  • 4. Real Aperture Beamforming(实时孔径波束形成)
  • 4.1 Delay and Sum Beamformer(延时、求和波束形成)
  • 4.1.1基本原理
  • 4.1.2 聚焦深度
  • 4.1.3 转向(steering)与聚焦延迟
  • 4.1.4 双向延迟与求和(Two way delay and sum)
  • 4.2 波束模式(Beam pattern)



Reference:Yao H . Synthetic Aperture Methods forMedical UltrasonicImaging[J]. 1997.

4. Real Aperture Beamforming(实时孔径波束形成)

  • beamforming:将传感器阵列的信号获取能力调整到一个特定方向
  • Beam control method(波束控制方法):dynamic aperture(动态孔径)、dynamic focusing(动态调焦)、apodization(变迹)
  • delay beamformer、sum beamformer

4.1 Delay and Sum Beamformer(延时、求和波束形成)

4.1.1基本原理

电子波束(Electronic beamforming)形成可以通过传感器阵列实现。

超声波束合成深度学习_超声波束合成深度学习

考虑一个线性阵列,由N个传感器单元,相邻传感器单元间隔为d,沿x轴分布。第n个单元的位置满足:

超声波束合成深度学习_取值_02


假定被观测的波长为超声波束合成深度学习_Real_03超声波束合成深度学习_超声波束合成深度学习_04表示观测点坐标,则第n个单元观测到的波形为KaTeX parse error: Expected 'EOF', got '\vex' at position 10: y_n(t)=f(\̲v̲e̲x̲{x}_n,t)。delay and sum beamformer包含对单元输出的延时超声波束合成深度学习_超声波束合成深度学习_05,然后把得到的信号相加。delay and sum beamformer的输出为:

超声波束合成深度学习_取值_06


其中,超声波束合成深度学习_Real_07表示权重,可以指shading、taper、apodization(变迹),在0-1之间。假设波长为单频平面波,时间频率为超声波束合成深度学习_超声波束合成深度学习_08,波数为超声波束合成深度学习_权重_09(波数即波长的倒数乘以超声波束合成深度学习_超声波束合成深度学习_10,即超声波束合成深度学习_权重_11):

超声波束合成深度学习_超声波束合成深度学习_12

使用了1D的阵列(如图4.1),可以对公式进行简化,超声波束合成深度学习_权重_13超声波束合成深度学习_超声波束合成深度学习_14,其中超声波束合成深度学习_超声波束合成深度学习_15超声波束合成深度学习_取值_16超声波束合成深度学习_取值_17为传播方向,得到:

超声波束合成深度学习_取值_18


由此得到:

超声波束合成深度学习_权重_19

当延迟取值为:

超声波束合成深度学习_Real_20


此时,延迟被设置为观察波平面的传播方向,beamformer的输出达到最大值,即超声波束合成深度学习_超声波束合成深度学习_21。我们可以调整(steer)阵列波束的观测到一系列假定的传播方向,设置超声波束合成深度学习_Real_22,此时平面波波束形成后的观察结果为:

超声波束合成深度学习_权重_23


delay and sum beamformer对单频波的响应结果通常被称为阵列模式(array pattern)。在这个例子中,阵列模式为

超声波束合成深度学习_Real_24


阵列模式决定了阵列的方向模式(directivity pattern)或者波束模式(beam pattern)。波束模式的公式与上式相同,波束的转向角度为固定值超声波束合成深度学习_Real_25,角度变量为超声波束合成深度学习_取值_17

4.1.2 聚焦深度

聚焦深度超声波束合成深度学习_取值_27指在焦点周围区域,波束最大可能幅值小于超声波束合成深度学习_Real_28 dB的范围。在这个范围内,几何聚焦的变化对波束的直径影响不大。令超声波束合成深度学习_Real_28为3 dB,则聚焦深度为:

超声波束合成深度学习_取值_30


其中,R表示焦距,D表示孔径的直径。

令FN为焦距和孔径直径之间的比值,即超声波束合成深度学习_超声波束合成深度学习_31,则上式可以写作:

超声波束合成深度学习_权重_32


FN又被称作F数(F-number)。

4.1.3 转向(steering)与聚焦延迟

线性相位阵列(相控阵)可以通过对发射信号和接收信号添加合适的延迟来实现聚焦转向

考虑一个相位阵列,有N个单元,相邻单元间隔为超声波束合成深度学习_权重_33,假定聚焦点和转向值为超声波束合成深度学习_取值_34,其中超声波束合成深度学习_取值_17表示转向角度,r表示聚焦范围。将坐标原点设置在相控阵的中心。

超声波束合成深度学习_超声波束合成深度学习_36

第m个单元的单向延迟为:

超声波束合成深度学习_Real_37


其中,超声波束合成深度学习_取值_38表示单元m与点(r,\theta)之间的距离,超声波束合成深度学习_权重_39

根据余弦定理,求得距离超声波束合成深度学习_取值_40为:

超声波束合成深度学习_权重_41


其中超声波束合成深度学习_取值_42表示第m个单元的位置。代入得到m单元的单向延时为:

超声波束合成深度学习_Real_43


其中,超声波束合成深度学习_权重_44表示转向延时(steering delay),超声波束合成深度学习_超声波束合成深度学习_45表示聚焦延时

超声波束合成深度学习_超声波束合成深度学习_46


聚焦的主要目的是提高横向分辨率。注意到聚焦延迟超声波束合成深度学习_权重_47与焦点范围r有关,因此,聚焦可以是固定的,动态的或复合的。

  • 固定聚焦将焦点固定在特定值R,得到:

    一种典型的设置方法是将焦点设置在中线,即超声波束合成深度学习_Real_48,这样得到的波束宽度当R固定时是最小的。
  • 动态(dynamic)聚焦:聚焦延迟时关于r的函数。
  • 复合(composite)聚焦

4.1.4 双向延迟与求和(Two way delay and sum)

短脉冲由m单元激发,n单元接收,则round-trip delay为:

超声波束合成深度学习_超声波束合成深度学习_49


其中超声波束合成深度学习_权重_50视作一个激发-接收组合,超声波束合成深度学习_权重_51超声波束合成深度学习_取值_52可由上一小节的推导式得到。

对于N个单元的相控阵,A模式得到的信号超声波束合成深度学习_Real_53为:

超声波束合成深度学习_Real_54


其中,超声波束合成深度学习_超声波束合成深度学习_55是回波信号,第一个求和号表示发射的波束形成(transmit beamforming)和接收的波束形成(receive beamforming)对于成像平面上的每个点,A-模式信号表达为:

超声波束合成深度学习_取值_56


若波场为单频平面波,瞬时频率为超声波束合成深度学习_超声波束合成深度学习_08,则双向波束形成按照均匀加权得到(且设置延迟转向到波面方向):

超声波束合成深度学习_权重_58


又因为超声波束合成深度学习_Real_59,代入得到:

超声波束合成深度学习_超声波束合成深度学习_60


是关于超声波束合成深度学习_取值_17的sinc-squared函数

超声波束合成深度学习_Real_62

在-26dB的时候有第一个旁瓣。

4.2 波束模式(Beam pattern)