[论文解读] On the Use of Singular Value Decomposition as a Clutter Filter for Ultrasound Flow Imaging

Kai Riemer, Marcelo Lerendegui+5 more|arXiv (Cornell University)|Apr 25, 2023

Ultrasound Imaging and ElastographyMedicine被引用 3

一句话总结

本文研究了基于奇异值分解（SVD）的杂波滤波在高帧率超声血流成像中引入的伪影，表明组织运动、阈值选择不当以及血流动力学特性会导致强度波动、伪影影子和信号分裂。研究发现，尽管SVD滤波可提高信噪比，但可能扭曲血流动力学信号，建议采用运动校正和自适应滤波以减轻这些伪影。

ABSTRACT

Filtering based on Singular Value Decomposition (SVD) provides substantial separation of clutter, flow and noise in high frame rate ultrasound flow imaging. The use of SVD as a clutter filter has greatly improved techniques such as vector flow imaging, functional ultrasound and super-resolution ultrasound localization microscopy. The removal of clutter and noise relies on the assumption that tissue, flow and noise are each represented by different subsets of singular values, so that their signals are uncorrelated and lay on orthogonal sub-spaces. This assumption fails in the presence of tissue motion, for near-wall or microvascular flow, and can be influenced by an incorrect choice of singular value thresholds. Consequently, separation of flow, clutter and noise is imperfect, which can lead to image artefacts not present in the original data. Temporal and spatial fluctuation in intensity are the commonest artefacts, which vary in appearance and strengths. Ghosting and splitting artefacts are observed in the microvasculature where the flow signal is sparsely distributed. Singular value threshold selection, tissue motion, frame rate, flow signal amplitude and acquisition length affect the prevalence of these artefacts. Understanding what causes artefacts due to SVD clutter and noise removal is necessary for their interpretation.

研究动机与目标

• 识别并表征在2D超声血流成像中由基于SVD的杂波滤波引入的图像伪影。
• 研究组织运动、血流速度、信号振幅以及奇异值阈值选择对伪影出现频率的影响。
• 评估SVD作为线性滤波方法在处理非线性杂波和时变组织动力学时的局限性。
• 评估运动校正（MoCo）和滑动窗口SVD在减少伪影方面的有效性。
• 为临床医生和研究人员提供关于最优SVD参数选择的实用指导，以最小化血流信号的误判。

提出的方法

• 将SVD应用于超声血流成像数据，将信号分解为代表组织、血流和噪声分量的奇异值。
• 对奇异值施加阈值，仅保留与血流相关的分量，假设杂波、血流和噪声分量处于正交子空间。
• 实施运动校正（MoCo）以估计并补偿组织运动，从而减少时变伪影。
• 采用滑动窗口SVD滤波器，对时间片段中的数据进行自适应处理，提升在运动条件下的稳定性。
• 通过模拟和体内实验比较滤波前后图像，以隔离SVD引起的伪影。
• 系统性地改变奇异值阈值和采集参数，评估其对伪影生成和信号保真度的影响。

实验结果

研究问题

• RQ1 基于SVD的杂波滤波在超声血流成像中引入了哪些类型的伪影？它们如何随成像参数变化？
• RQ2 组织运动在多大程度上影响SVD引起的伪影（如闪烁和强度波动）的出现和持续性？
• RQ3 奇异值阈值的选择在多大程度上影响伪影的出现频率和信号完整性？
• RQ4 运动校正和滑动窗口滤波是否能减少或消除动态成像场景中的SVD伪影？
• RQ5 血流速度、微泡分布和采集长度如何调节SVD滤波伪影的严重程度？

主要发现

• 即使采用较高的奇异值阈值，基于SVD的杂波滤波仍会引起与心脏周期和血管最大运动相关的时序强度波动（闪烁）。
• 由于微泡信号分布稀疏且阈值设置不当，在微血管血流成像中，伪影影子和信号分裂现象普遍存在。
• 较低的奇异值阈值可减少伪影影子和信号分裂，但会增加闪烁；而较高的阈值虽减少闪烁，却会降低对比度-组织比（CTR）并可能导致信号丢失。
• 运动校正（MoCo）通过估计组织位移可减少伪影影子和信号分裂，但无法完全消除由动态杂波变化引起的闪烁。
• 滑动窗口SVD滤波通过适应局部时空变化，特别是在存在运动或搏动性血流的区域，显著改善了伪影抑制效果。
• 伪影并非SVD固有的，而是源于在组织运动或非平稳血流条件下，对信号正交性和静态杂波等假设的错误应用。