[논문 리뷰] Spatio-temporal normalized cross-correlation for estimation of the displacement field in ultrasound elastography

Morteza Mirzaei, Amir Asif외 2명|arXiv (Cornell University)|2018. 04. 15.

Ultrasound Imaging and Elastography참고 문헌 36인용 수 4

한 줄 요약

이 논문은 초음파 엘라스토그래피에서 전통적인 공간 윈도잉을 시간적 일관성까지 포함시켜 확장한 새로운 이동 추정 방법인 시공간 정규화 상관관계(STNCC)를 제안한다. 스펙트럼-시간 윈도우를 활용함으로써 노이즈 및 신호 비일관성에 대한 강건성을 향상시켜, 실제 간 조직 데이터에서 기존 NCC 대비 최대 227% 높은 SNR와 67% 높은 CNR를 달성한다.

ABSTRACT

This paper introduces a novel technique to estimate tissue displacement in quasi-static elastography. A major challenge in elastography is estimation of displacement (also referred to time-delay estimation) between pre-compressed and post-compressed ultrasound data. Maximizing normalized cross correlation (NCC) of ultrasound radio-frequency (RF) data of the pre- and post-compressed images is a popular technique for strain estimation due to its simplicity and computational efficiency. Several papers have been published to increase the accuracy and quality of displacement estimation based on NCC. All of these methods use spatial windows to estimate NCC, wherein displacement magnitude is assumed to be constant within each window. In this work, we extend this assumption along the temporal domain to exploit neighboring samples in both spatial and temporal directions. This is important since traditional and ultrafast ultrasound machines are, respectively, capable of imaging at more than 30 frame per second (fps) and 1000 fps. We call our method spatial temporal normalized cross correlation (STNCC) and show that it substantially outperforms NCC using simulation, phantom and in-vivo experiments.

연구 동기 및 목표

• 초음파 엘라스토그래피에서 시간 지연 추정을 위한 정규화 상관관계(NCC)의 공간 윈도잉에 국한된 한계를 해결하기 위해.
• 고주사율 초음파 시퀀스에서 시간 연속성을 활용하여 이동 추정 정확도와 노이즈 강건성을 향상시키기 위해.
• 기존 표준 NCC 프레임워크에 시간 이웃을 포함시켜 시공간 윈도우 매칭을 가능하게 하기 위해.
• 모의 실험, 펌프 실험, 실제 생체 데이터를 통해 방법의 유효성을 검증하고 기존 NCC 대비 뛰어난 성능을 입증하기 위해.

제안 방법

• 이 방법은 공간 및 시간 차원을 모두 포함하는 시공간 윈도우를 도입하여 다중 프레임 간의 이동 일관성을 포착한다.
• 3차원 윈도우(x, y, t)에서 정규화 상관관계(NCC) 지표를 정의함으로써 시간에 걸친 정보 집합을 통해 추정 안정성을 향상시킨다.
• 예비 압축 및 후속 압축 초음파 RF 데이터 간의 대응하는 시공간 윈도우를 매칭하여 이동장 추정을 수행한다.
• 각 3차원 윈도우 내에서 이동이 일정하다는 가정을 두며, 고전적 공간 윈도우 NCC 가정을 시간 영역으로 확장한다.
• 이 방법은 두 이미지 시퀀스에서의 RF 초음파 데이터에 적용된다: 예비 압축 및 후속 압축.
• 최종 이동장은 검색 윈도우 내 모든 가능한 시간 지연 이동에 대해 STNCC 지표를 최대화함으로써 계산된다.

실험 결과

연구 질문

• RQ1 NCC 프레임워크에 시간적 일관성을 통합하면 초음파 엘라스토그래피에서 이동 추정 정확도가 향상되는가?
• RQ2 STNCC는 기존 NCC와 비교해 신호 비일관성 및 노이즈 수준이 다양할 경우 어떻게 성능을 보이는가?
• RQ3 다수의 시간 프레임을 포함함으로써 실생활 영상 환경에서 추정 분산을 줄이고 강건성을 향상시키는가?
• RQ4 실제 설정에서 다양한 윈도우 겹침 비율에 따라 STNCC의 성능은 어떻게 변화하는가?
• RQ5 STNCC는 표준 NCC에 비해 실제 생체 및 펌프 데이터에서 SNR와 CNR를 얼마나 향상시키는가?

주요 결과

• 백근 펌프 데이터에서 STNCC는 윈도우 겹침 비율 70%일 때 SNR를 146.66% 향상시키고, 30%일 때는 226.82% 향상시켰다(NCC 대비).
• 실제 간 조직 데이터에서 STNCC는 SNR를 71.06% 향상시키고 CNR를 67.15% 향상시켰다(NCC 대비).
• STNCC는 윈도우 겹침 변화에 대해 뛰어난 강건성을 보였으며, 낮은 겹침 비율에서도 높은 품질의 이동장 유지가 가능했다.
• 시각적 및 정량적 분석을 통해 STNCC는 훨씬 더 낮은 노이즈와 더 높은 대trast를 가진 변형률 영상을 생성함을 확인했다.
• 이 방법은 고주사율 초음파 시퀀스의 시간 중복성을 활용하여 추정 분산을 효과적으로 감소시켰다.
• 결과적으로 NCC 윈도우를 시간 영역으로 확장함으로써 다양한 영상 조건에서 이동 추정 성능이 크게 향상됨을 입증했다.