Спекл-шум и повышение качества УЗ изображений

Преимущества применения ультразвука в медицинской диагностике очевидны: современные ультразвуковые сканеры при сравнительно небольшой цене и размерах позволяют получать изображения с высокой диагностической информативностью, оценивать динамические характеристики движущихся структур. Известны также ограничения и недостатки метода ультразвуковой диагностики. Одной из главных и трудноразрешимых до настоящего времени проблем, является спекл-шум, который значительно влияет на восприятие изображения и приводит к тому, что оно выглядит «зернистым»

Спекл-шум в ультразвуковых медицинских сканерах (как и во всех сканирующих системах с когерентным формированием изображения), вызван энергетическими помехами из-за беспорядочно распределенных отражателей сигнала, слишком мелких для того, чтобы их могла отобразить система. Поэтому, основная задача технологий подавления этих помех, состоит в их выделении и фильтрации без потери полезной информации о структуре тканей. В конечном итоге ультразвуковая «картина» органов и тканей становится более понятной и легкой для «чтения»(7).

Конструкторы ультразвуковых систем во всём мире работают над методами уменьшения или полного удаления шумов. Некоторые из них хорошо известны: усреднение по кадрам (frame averaging) и постобработка (enhancement).
Каждый из этих методов имеет свои недостатки: frame averaging снижает реальную частоту смены кадров, так как полученное в результате обработки изображение является суперпозицией нескольких обработанных кадров. Вследствие этого, изображения подвижных объектов при наложении друг на друга нескольких кадров становится нечетким и размытым.

Результатом работы фильтра постобработки - enhancement (описан как режим «сгладить» или «сгладить сильнее» в программном обеспечении большинства УЗИ аппаратов), является потеря информации о мелких структурах, хотя в целом восприятие полученного изображения становится лучше, чем исходного.

Решение проблемы

Применение различных профессиональных технологий повышения качества эхограмм, например, SRI - Speckle Reduction imaging или ClearView, позволяет избежать недостатков вышеперечисленных методов (2,3)

Метод

Программные алгоритмы анализируют и распознают объекты на ультразвуковом изображении: объекты низкого уровня – контуры и линии, и объекты высшего уровня - текстуры, области, границы объектов, сами объекты и соотношения между объектами. Затем алгоритм составляет или выделяет изображение, основанное на результатах этого сравнения.
Вычислительные мощности современных персональных компьютеров в сочетании с открытой архитектурой современных УЗИ сканеров, позволили применять встраиваемые модули подавления спекл-шумов в реальном времени.

Результат

На ультразвуковых изображениях кровеносные сосуды, мышцы и другие разнородные ткани состоят из большого числа пикселей, в то время как характер спекл-шума уникален для каждого ультразвукового кадра. Поскольку участки эхо-сигнала с развитой спекл-структурой достоверно отличаются от областей с полезной структурной информацией, программный алгоритм распознает, выделяет и удаляет информацию о спекл-шуме из получаемой эхограммы (3).
В результате фильтрации улучшается связь между неоднородными участками тканей различных органов, значительно увеличивается пространственное и контрастное разрешение. Эхограмма становится более легкой для «чтения» за счет повышения качества визуализации контуров и структур тканей и мелких деталей. А в целом, образ ультразвукового изображения приближается к качеству снимков, получаемых методом магнитно-резонансной томографии (4,5).

Список ссылок:

1. http://www.ljbdev.com/papers/speckle_pages.html
2. http://www.westfalia.ru/index.html?page=publications.truscan
3. http://www.myscaner.ru/Product/clearview.htm
4. http://www. jlbdev.сom/g2f.jpg
5. http://www.ljbdev.com/nf.jpg
6. http://dukemil.egr.duke.edu/Ultrasound/k-space/node5.html
7. http://www.freepatentsonline.com/5653235.html

Контакты:
ag@bioss.ru
www.myscaner.ru

А.Э.Гайдашев
(кафедра функциональной диагностики РУДН)


Описание для анонса: 
Полезная статья? Поделитесь с друзьями из соцсетей!

Возврат к списку


 
Яндекс цитирования