[论文解读] Spatio-temporal normalized cross-correlation for estimation of the displacement field in ultrasound elastography

Morteza Mirzaei, Amir Asif+2 more|arXiv (Cornell University)|Apr 15, 2018

Ultrasound Imaging and Elastography参考文献 36被引用 4

一句话总结

本文提出了一种新型的位移估计算法——时空归一化互相关（STNCC），用于超声弹性成像，该方法将传统的空间窗口扩展至包含多帧之间的时序一致性。通过利用时空窗口，STNCC 提升了对噪声和信号失相干的鲁棒性，在活体肝脏数据中，其信噪比（SNR）相比传统 NCC 提高了最多 227%，对比信噪比（CNR）提高了 67%。

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.

研究动机与目标

• 为解决在超声弹性成像中，仅基于空间窗口的归一化互相关（NCC）在时间延迟估计方面的局限性。
• 通过利用高帧率超声序列中的时序连续性，提升位移估计算法的准确性和抗噪能力。
• 将标准 NCC 框架扩展至包含时间邻近帧，实现时空窗口匹配。
• 在仿真、体膜和活体数据集中验证该方法，证明其在性能上优于传统 NCC。

提出的方法

• 该方法引入了跨越空间和时间维度的时空窗口，以捕捉多帧之间的位移一致性。
• 在三维窗口（x, y, t）上构建归一化互相关（NCC）度量，通过时间维度的信息聚合提升估计算法的稳定性。
• 通过匹配压缩前和压缩后超声 RF 数据中对应的时空窗口，来估计位移场。
• 假设每个三维窗口内位移恒定，将经典仅基于空间的 NCC 假设扩展至时间域。
• 该方法应用于两组图像序列的射频（RF）超声数据：压缩前和压缩后。
• 最终通过在搜索窗口内最大化 STNCC 度量，计算出位移场。

实验结果

研究问题

• RQ1 在 NCC 框架中引入时序一致性，是否能提升超声弹性成像中的位移估计算法精度？
• RQ2 与传统 NCC 相比，STNCC 在不同信号失相干和噪声水平下的表现如何？
• RQ3 在实际成像场景中，引入多帧时间信息是否能降低估计方差并提高鲁棒性？
• RQ4 在实际应用中，不同窗口重叠比例如何影响 STNCC 的性能？
• RQ5 与标准 NCC 相比，STNCC 在活体和体膜数据中对信噪比（SNR）和对比信噪比（CNR）的提升程度如何？

主要发现

• 在背肌体膜数据中，STNCC 在 70% 窗口重叠时信噪比（SNR）提升 146.66%，在 30% 重叠时提升 226.82%，均优于 NCC。
• 在活体肝脏数据中，STNCC 相比 NCC 将信噪比（SNR）提升 71.06%，对比信噪比（CNR）提升 67.15%。
• STNCC 对窗口重叠变化表现出更优的鲁棒性，在低重叠条件下仍能保持高质量的位移场。
• 视觉和定量分析表明，STNCC 生成的应变图像具有显著更低的噪声和更高的对比度。
• 该方法通过利用高帧率超声序列中的时间冗余性，有效降低了估计方差。
• 结果验证表明，将 NCC 窗口扩展至时间域，能显著提升在多种成像条件下的位移估计算法性能。