[论文解读] Compressed Fourier-Domain Convolutional Beamforming for Wireless Ultrasound imaging

Alon Mamistvalov, Yonina C. Eldar|arXiv (Cornell University)|Oct 25, 2020

Ultrasound Imaging and Elastography参考文献 41被引用 4

一句话总结

本文提出压缩傅里叶域卷积波束成形（CFCOBA），结合压缩感知、稀疏阵列与频域波束成形，实现高分辨率无线超声成像。通过在香农奈奎斯特采样率以下采样信号，并在稀疏阵列上使用卷积波束成形，该方法在保持或提升活体扫描图像质量的同时，将数据量减少至传统DAS波束成形的1/142。

ABSTRACT

Wireless ultrasound (US) systems that produce high-quality images can improve current clinical diagnosis capabilities by making the imaging process much more efficient, affordable, and accessible to users. The most common technique for generating B-mode US images is delay and sum (DAS) beamforming, where an appropriate delay is introduced to signals sampled and processed at each transducer element. However, sampling rates that are much higher than the Nyquist rate of the signal are required for high resolution DAS beamforming, leading to large amounts of data, making transmission of channel data over WIFI impractical. Moreover, the production of US images that exhibit high resolution and good image contrast requires a large set of transducers which further increases the data size. Previous works suggest methods for reduction in sampling rate and in array size. In this work, we introduce compressed Fourier domain convolutional beamforming, combining Fourier domain beamforming, sparse convolutional beamforming, and compressed sensing methods. This allows reducing both the number of array elements and the sampling rate in each element, while achieving high resolution images. Using in vivo data we demonstrate that the proposed method can generate B-mode images using 142 times less data than DAS. Our results pave the way towards wireless US and demonstrate that high resolution US images can be produced using sub-Nyquist sampling and a small number of receiving channels.

研究动机与目标

• 为解决传统超声系统数据率高、功耗大的问题，特别是针对无线与便携式应用。
• 在不降低图像分辨率或对比度的前提下，减少换能器元件数量与采样率。
• 通过最小化数据传输与处理需求，实现实用化的无线超声成像。
• 结合压缩感知、稀疏阵列与频域波束成形，实现高效、高质量的成像。
• 在多种人体部位与成像系统上，对多样化活体数据进行方法验证。

提出的方法

• 该方法采用Xampling技术实现亚奈奎斯特采样，将采样率降低至奈奎斯特率以下，利用超声信号的有限创新率（FRI）结构。
• 在傅里叶域执行卷积波束成形（COBA），实现对压缩频域数据的高效波束成形。
• 采用稀疏阵列结构，如生成集为{0,1}、阶数为4的分形阵列，通过和阵列（sum co-array）保持全均匀线阵的波束成形图特性，同时减少接收元件数量。
• 利用压缩感知技术对压缩信号进行重建，具体采用NESTA算法，求解基于FRI的模型，其中信号被表示为发射脉冲平方的重复副本。
• 该方法结合傅里叶域波束成形与稀疏卷积波束成形，从显著减少的数据中实现高分辨率图像。
• 通过两套超声系统（GE与Verasonics）的模拟点散射体数据与活体数据进行验证，结果在不同器官中保持一致。

实验结果

研究问题

• RQ1 亚奈奎斯特采样与稀疏阵列结合，能否实现数据量大幅减少的高质量B型超声成像？
• RQ2 傅里叶域卷积波束成形与传统DAS波束成形相比，能否保持或提升图像分辨率与对比度？
• RQ3 在不降低图像质量的前提下，换能器元件数量与采样率最多可减少多少？
• RQ4 在波束成形背景下，压缩感知在部分频域测量下能否有效重建超声信号？
• RQ5 该框架是否可适用于多种活体解剖结构与成像系统？

主要发现

• 所提出的CFCOBA方法在GE超声系统活体心脏数据上，与标准DAS波束成形相比，数据量最大减少至1/142。
• 在Verasonics活体数据中观察到36倍的数据减少，证明了在不同成像平台上的鲁棒性。
• CFCOBA的图像质量与DAS相当或更优，表现为噪声减少、反射体更清晰、对比度提升，尤其在体膜与活体扫描中表现显著。
• 通过稀疏阵列的和阵列结构，该方法成功保持了全均匀线阵的波束成形图特性，实现了元件更少条件下的高分辨率成像。
• 卷积波束成形信号的FRI模型支持了有效的压缩感知恢复，验证了该方法的理论基础。
• 结果表明，通过亚奈奎斯特采样与少量接收通道，可生成高分辨率、高对比度的B型超声图像，为实用化无线超声系统提供了可能。