利用改进的百分比法提取多普勒血流声谱图包络

    1　引　言

    从超声多普勒声谱图上计算出的声谱参数与血流的状况有着一定的关系,这些参数正在被用作医学诊断依据[1]。从一些常用的声谱参数定义可知,要在声谱图上计算这些声谱参数,首先要提取声谱图的包络。

    常用的声谱图包络提取方法分为人工和计算机自动两种。人工提取声谱图包络是利用目前一些超声诊断仪上配备的“跟踪球”、光笔描绘出声谱图的包络。但是,由于操作者的技术、经验和标准各不相同,人工测量存在误差,而且可重复性差,不利于准确诊断和对照分析、研究。

    以往,声谱图包络的计算机自动提取是利用两维图像边缘提取的方法来得到的。通常采用的两维图像边缘提取方法有:二值化法、梯度法、灰度法和边缘点跟踪法[2]。但这些方法应用在多普勒血流声谱包络的提取上都有较大的缺点,如二值法受处理区域大小影响很大,梯度法和灰度法对噪声干扰十分敏感,边缘点跟踪法运算量大且常因强干扰而使跟踪失败。虽然有人尝试采用梯度灰度综合法对超声多普勒血流信号的声谱图包络进行自动提取[3],但这种基于图像边缘提取的方法其计算量仍然较大。

    作者认为超声多普勒声谱图既是两维灰阶图像,又有不同于一般两维灰阶图像的特异性。这个特异性即:超声多普勒血流声谱图的络就是信号的最大频率曲线。因此,如果能得到信号的最大频率曲线,将它叠加到原来的声谱图上,便可将其包络突出出来。本文的目的就是讨论如何提取最大频率曲线,从而获得声谱图的包络。

    2　方　法

    早期最大频率的估计主要是采用模拟电路的方法,现已基本被数字法所取代。现有的最大频率数字估计主要有4种方法[4]:百分比法、D' Alessio过阈值法、修改的过阈值法和混合算法。这4种算法均假设噪声为高斯白噪声,其功率谱密度为N0,存在于fL到fH的频率范围。其中低频端fL主要是高通滤波器(为了滤除血管壁搏动的信号)的转折频率,而高频端fH主要是抗迭混低通滤波器的转折频率。

    为了更好地描述最大频率的估计方法,定义多普勒信号功率谱密度积分U(f)为:

    上式中,7(f)是多普勒信号(包括噪声)的功率谱密度,通常采用谱估计的方法得到。图1为U(f)的示意图,从图中可以看出,当ffmax,由于7(f)=N0,即此时只存在噪声的功率谱成份,而没有信号的功率谱成分。因此,U(f)在高频区斜率较小,表现为U(f)曲线比较平坦。因此可以认为:从信号加噪声区域变化到纯噪声区域发生在U(f)曲线上的拐点处,该拐点就是多普勒信号的最大频率。现有的几种多普勒信号最大频率的数字估计方法均是为了确定这一拐点。