基于超聲RF 信號熵分析的聲空化時空監測方法*

宋人杰 袁紫燕 張琪 于潔3) 薛洪惠 屠娟4)? 章東4)

1) (南京大學物理學院,近代聲學教育部重點實驗室,南京 210093)

2) (中國科學院蘇州生物醫學工程技術研究所,蘇州 215163)

3) (江蘇省中醫院,南京 210029)

4) (中國科學院聲學研究所,聲場聲信息國家重點實驗室,北京 100190)

高強度聚焦超聲(HIFU)治療過程中劇烈的空化效應可能損傷靶區周圍健康組織,因此,亟需開發可對生物組織內部聲空化效應進行高精度時空定量監測的新型技術手段,方能確保臨床安全和有效.相對于傳統的商用超聲灰度值信號,超聲射頻(RF)信號可以更好地保留聲波散射信號更多的細節信息.而信息熵作為非基于數學函數模型的統計參數,可以表征由聲空化效應引發的組織內部散射體無序度演變狀態.因此,本文提出了一種基于超聲RF 信號熵分析的聲空化實時監測成像系統,在此基礎上實時評估HIFU 引發的超聲空化區域時空演化行為.首先,通過改制后的B 超系統獲取凝膠生物仿體內部由HIFU 引發的空化泡群產生的散射回波原始RF 信號,利用二維均值濾波方法抑制HIFU 強聲束對聲空化監測成像回波信號的干擾后,通過數據標準化處理擴展RF 信號的動態變化范圍,再基于滑動窗信息熵分析重建熵值圖像,經過二值化處理后即可實現對HIFU 作用下組織內部聲空化區域的時空監測.實驗結果表明,相比于傳統B 超灰度成像法,基于RF 信號熵分析的聲空化監測成像算法可以更靈敏且精確地確定空化發生的起始時間和空間位置,有助于更好地保障HIFU 臨床治療的安全性和有效性.本文的工作為HIFU 治療過程中組織內部聲空化區域的時空監測提供一種具有極大應用前景的技術手段,為聲空化生物效應量-效評估體系的建立奠定了良好的理論和實驗基礎.

1 引言

高強度聚焦超聲(high intensity focused ultrasound,HIFU)作為一種無輻射、易操作、費用較為低廉、可準確聚焦于深部組織病灶的非侵入治療手段,在醫學超聲臨床治療領域日益獲得重視[1,2].由于生物組織中通常含有很多微小氣核或空穴,當HIFU 聲束在組織中傳播時,在聲波的負聲壓相,這些氣核會發生膨脹生成空化泡.在聲波驅動下,空化泡會產生振蕩、膨脹、收縮以及內爆等一系列動力學過程.在此過程中,聲場能量可以被集中(聚焦)起來,伴隨空化泡崩潰瞬間,在液體中的極小空間內將其高度集中的能量釋放出來,形成高溫、高壓、強沖擊波、或射流等物理條件,由此產生相應的熱效應導致組織溫度迅速升高形成凝固性壞死,或使處于空化核周圍的組織細胞壁和細胞膜被擊穿,導致細胞膜聲穿孔(sonoporation)[3-5].因此,聲空化效應是HIFU 治療在腫瘤消融[6]、體外碎石[7]、止血[8]、溶栓[9]和組織毀損侵蝕[10]等領域得以廣泛應用的重要作用機理.盡管如此,在HIFU 治療過程中,由于劇烈的瞬態空化效應引發的快速升溫和劇烈機械效應也可能會對靶區附近的正常組織產生不可逆損傷[11],必須對HIFU 治療過程中產生的聲空化效應進行實時量化監控,方可達到安全、高效的治療效果.

然而,傳統的激光散射方法和高速攝影方法雖然可在實驗中對液體或仿體中的聲空化動力學行為進行觀測,但無法應用于活體組織[12,13].常用的被動空化測量方法(passive cavitation detection,PCD)雖然靈敏度較高,但無法提供空化泡群的二維空間分布信息[14].而現有的商用B 超雖然可被用來觀測體內高強度聚焦超聲聚焦區域,并根據其灰度的變化來評估空化泡的產生時間和范圍,但由于B 超灰度圖像經過濾波、平滑等后處理程序,已丟失了很多有效信息(如相位變化等),由此生成的聲空化圖像解析度和精度都較低[15,16].因此,亟需開發可對HIFU 治療過程產生的聲空化效應進行高精度時空定量監測的新型技術手段,并在此基礎上建立精確的聲空化生物效應量-效評估體系,以確保臨床安全和有效.

近年來人們傾向于利用超聲原始射頻(radio frequency,RF)信號來提取和分析組織內部散射體的微觀結構特征[17-19].同時,研究顯示,聲空化效應的發生會改變生物組織內散射體的排列,形成不同的組織微觀結構,增強其時空無序度,并導致該區域超聲回波信號的統計參量發生改變[20].而統計學研究表明,系統中隨機產生的不確定行為及其無序程度可以用信息熵的形式加以量化評估.作為概率密度的函數,熵與統計模型的參數及包絡統計量相關[21],能夠反映肌肉組織[22]、眼球晶狀體[23]、人體肝部[24]等不同散射介質的結構.我們前期關于B 超RF 信號的研究也表明,利用RF 信號的熵值圖像可以有效定征乳腺結節的良惡性[25].相比于經過后處理的B 超灰度圖像信號,原始RF 信號未經過檢波、對數壓縮、圖像后處理等操作,保留了完整的回波信息,也避免了不同檢波方法產生不同包絡統計量所帶來的誤差,由此可極大程度地提高特征數據提取和表征的標準化程度[26].

本文提出了一種基于超聲RF 信號的信息熵統計分析算法,并在此基礎上構建了新型的HIFU聲空化時空監測系統.在實驗中,采用凝膠仿體模擬人體組織散射環境,通過改制的商用B 超系統獲取HIFU 治療過程中聲空化區域產生的RF 回波信號.利用二維均值濾波方法有效抑制HIFU 強聲波干擾,并通過滑動窗處理RF 信號重建出組織熵值圖像.隨后,利用二值化方法區分空化與非空化區域,量化分析不同驅動聲壓條件對聲空化區域時間演化行為的影響,并討論了RF 信號熵值成像法在聲空化時空監測方面優于傳統B 超灰度檢測方法的原因.本文的研究結果顯示,基于超聲RF 信號的熵值成像方法可以更精準地反映HIFU治療過程中生物組織內部聲空化區域的時空演化行為,由此可在HIFU 臨床治療策略的制定及反饋控制等方面展現出重要的研究價值和應用前景.

2 材料與方法

2.1 凝膠仿體制備

本實驗采用同類實驗中廣泛應用的聚丙烯酰胺凝膠作為組織模擬仿體.100 mL 聚丙烯酰胺凝膠的組成包括71.61 mL 蒸餾水、0.84 mL 10%(體積比)過硫酸銨(Ammonium Peroxodisulfate,APS)、10 mL 三羥甲基甲烷氨(Tris(hydroxymethyl)aminomethane,TRIS,1 mol/L,pH=8.0)、0.05 mL四甲基乙二胺(N,N,N,N-Tetramethyl-Ethylenediamine,TEMED)和17.5 mL 的40% (體積比)丙烯酰胺(acrylamide).在制備過程中,將以上所有成分的混合物倒入一個70 mL 的方形塑料槽中,輕輕攪拌10 min,然后靜置,直到凝固并冷卻[27].

2.2 實驗儀器及設備

實驗裝置框圖如圖1 所示.使用1.12 MHz 的聚焦換能器(直徑為10.0 cm,幾何焦距為10.0 cm,—6 dB 焦域大小為4 mm)進行HIFU 輻照.在實驗過程中,由任意波形發生器(Agilent 33250A,USA)產生一個1.12 MHz 正弦脈沖信號,脈沖重復頻率設定為100 Hz.為了研究驅動聲壓對聲空化時空演化行為的影響,在不同的實驗組中,聲壓的峰值負壓P被分別設置為6.25 和8.75 MPa.該信號經過一個53 dB 的功率放大器(2200L,Electronics and Innovation,Ltd.,NY)放大后,經阻抗匹配電路驅動HIFU 換能器.將仿體浸沒于注滿除氣水的水槽中,并固定在一個可調平臺上.隨后,將改造后可獲取原始RF 信號的便攜式B 超系統(EC50 A,ECARE,珠海,中國)的配套線陣探頭

圖1 實驗原理圖Fig.1.Diagram of experimental schematic.

(L12-5,ECARE,珠海,中國)固定在三維計算機控制運動系統(Newport ESP7000,USA)支架上并置于凝膠頂部.主控計算機通過Labview 軟件(NI Corp.,TX,USA)控制三維機械運動平臺的移動.經三維空間校準后,使探頭平行于HIFU 聚焦聲束的中軸線,其單元陣列(128 單元)位于HIFU 焦點上方,確保B 超掃描平面貫穿HIFU 聲束軸線.

2.3 數據采集及處理

2.3.1 數據采集

在超聲脈沖輻照下,仿體中對應于HIFU 焦域的位置處將迅速產生空化泡群.與此同時,由B 超采集系統接收空化泡群產生的超聲散射信號,并通過自帶的控制程序以30 幀/s 的幀率實時采集HIFU 輻照過程中每一幀RF 數據,持續約65 s.同時,安裝在B 超系統內的屏幕錄制軟件會同步啟動,以相同幀率錄制相同時間段內的B 超灰度影像[28].因為HIFU 焦域位置較為固定,經多次預實驗后,可以基本確定空化泡群在仿體中的發生位置,為節省運算量,提高數據處理時間分辨率,對于單幀信號,僅在B 超視野中選取足以包含空化發生區域的部分數據(深度15 mm,寬度38 mm).對B 超影像,選取固定位置相應尺寸的數據為130 ×475 像素矩陣;對RF 信號,則選取對應的721 ×191 數據矩陣.

2.3.2 基于傳統B 超灰度圖像的空化監測方法

為盡量降低HIFU 干涉條紋的影響,對基于傳統B 超灰度圖像的空化監測方法(簡稱灰度值法)做了進一步改善,具體數據處理的算法框圖如圖2 所示.為反映聲場空間信息,超聲RF 信號經過B 超系統內置的波束形成軟件得到波束形成后RF 數據(beam formed RF data,BFRF).對每幀BFRF 數據,通過檢波及對數壓縮處理得到初步的B 模式圖像,再經過圖像后處理得到系統屏幕所示的B 超影像(圖2 中該部分方法示意圖引用本實驗室前期的工作[29]).通過(1)式把連續多幀B 超影像進行二維均值濾波[30],以盡量消除干擾條紋的影響:

圖2 基于B 超灰度圖像與RF 信號熵分析監測HIFU 空化區域算法示意圖Fig.2.The algorithmic scheme designed for cavitation monitoring imaging based on B-mode and RF entropy images.

其中Bi為軟件采集到的第i幀圖像,Sk為二維均值濾波后新的第k幀圖像,(2n+1)為參與一次均值濾波的圖像幀數(本文選取n=2).得到新的圖像幀數據后,HIFU 干擾所呈現的條紋亮度相對空化區域獲得顯著降低,基于此設置合適的閾值(閾值亮度應高于干擾條紋而低于空化區域),將低于閾值的圖像幅值設為0(即黑點)可以去除HIFU條紋的干擾.對去干擾后的圖像數據使用最大類間方差法(OTSU)[31]進行二值化分割處理[32],得到只含0 和1 的二值圖像,其中黑色部分(值為0)代表非空化區域,白色部分(值為1)代表空化區域,統計白色像素的數量來定量表征空化區域的面積.

2.3.3 基于RF 信號的熵值圖像空化監測方法

另一方面,提出了基于RF 信號熵分析構建聲空化時空圖像的創新算法(簡稱熵值法),如圖2 紅色虛線框中的流程圖所示,針對BFRF 以相同的二維均值濾波濾方法去除HIFU 干擾后,通過以下步驟構建聲空化熵值圖像.1)在去干擾后BFRF數據幀上設置一個大小合適的滑動窗來重新計算各像素點幅值.為確保統計參數的穩定和精度,根據前人研究將滑動窗的邊長設置為三倍的脈沖長度[33].再將數據進行標準化處理,使其信號幅值限制在0—1 之間,便于統一比較[34].2)計算標準化后滑動窗中數據的概率密度函數(probability density function,PDF),用(2)式計算對應熵值[33]:

其中ymax和ymin代表了滑動窗中幅值的最大值和最小值,w(y) 是該處數據的PDF.由(2)式所得熵值構成滑動窗中心位置新像素值.3)滑動窗以50%[34]的覆蓋率在BFRF 數據幀上滑動.重復步驟1)和2)直至滑動窗遍歷整幅數據幀,依此得到完整的熵值圖像.4)由于滑動窗的處理會使新構建的圖像尺寸縮小,需要通過線性插值的方法對圖像進行補償使其恢復到原始大小.此后,對熵值圖像進行與傳統B 超影像同樣的二值化分割處理得到空化區域的面積.所有數據處理均在科學軟件MATLAB(Mathworks,Natick,MA,USA)中進行.

3 實驗結果

3.1 二維均值濾波去干擾及熵值圖像對空化監測靈敏度的增強效果

由于BFRF 數據幅值范圍過大,無法在屏幕上呈現,為直觀觀察,本文使用BFRF 數據經過檢波及對數壓縮所得的初步B 模式圖像展示仿體中空化泡群隨時間演化行為.圖3(a)給出了一組實驗 中HIFU 啟動后5.8,10,15 s 時仿體 的初步B 模式圖像.在t=5.8 s 時尚無代表空化區域的高亮區域出現,而隨著HIFU 輻照時間增加,仿體中空化泡群產生的范圍逐漸擴大,B 模式圖像上逐漸出現了更多的不規則亮區,表示劇烈的空化效應改變了仿體內部散射體的分布情況.圖3(a)中可明顯觀察到,HIFU 輻照過程中每幀圖像上都存在不斷漂移的高亮度干涉條紋,在t=15 s 時橫向6 mm 處的條紋甚至遮蓋了部分空化的亮區,對量化監測空化面積形成巨大干擾.圖3(b)為經二維均值濾波去干擾處理后三個時間點相應的初步B 模式圖像.結果顯示,經過二維均值濾波處理后,由高聲壓HIFU 聲束引發的高亮度干涉條紋可獲得有效消除,圖像上僅留下連續且較為完整的空化區域便于后續的統計處理.圖3(c)給出了去干擾后BFRF 數據經過滑動窗算法得到的不同時刻熵值圖像,圖中明顯可見,空化泡群所在區域往往對應于熵值較大區域,而其周圍未發生空化區域的熵值通常較小.這表示在HIFU 作用下產生的隨機分布的空化氣泡的振動不斷改變著仿體的內部結構:在HIFU 焦點處空化泡最集中的位置散射體分布最為混亂,而遠離空化泡群中心處逐漸平穩[35].為明顯區分空化區域,對空化熵值圖像進行二值化處理后的結果如圖3(d)所示,隨著HIFU 輻照時間增加,二值化熵值圖像中空化范圍也隨之增加.值得注意的是,t=5.8 s 時無論是否進行二維均值濾波去干擾處理,初步B 模式圖像中均無法監測到散射亮點出現,依此判斷空化尚未開始,而此時在熵值圖像及其二值化圖像中則已經出現了較小面積的亮區(深度33 mm,橫向10 mm 附近),表示出現了微弱的空化及結構變化,這意味著在熵值評估中細微的空化現象也不會被低估或遺漏.縱向對比各時間點圖像可見,相同時刻下熵值圖像相比于初步B 模式圖像所顯示的空化區域范圍更大,表明熵值圖像能夠更全面地監測空化泡群發生范圍,由此可推斷本文提出的熵值監測方法可以更敏銳地評估HIFU 過程中組織空化的時空演化狀態.

圖3 不同時刻治療區域的圖像 (a) 初步B 模式圖像;(b) 去干擾后初步B 模式圖像;(c) 熵值圖像;(d) 經二值化處理后的熵值圖像Fig.3.Images at different treatment moments: (a) Preliminary B-mode images;(b) preliminary B-mode images after de-interference;(c) entropy images;(d) binary images at different treatment moments.

3.2 RF 信號幅值標準化處理對空化區域熵值圖像的影響

在實際應用中,不同B 超系統會對原始RF 信號動態范圍進行調整(即ymax-ymin),由此可能對分析結果的一致性產生影響.針對這一問題,對RF 信號幅值進行標準化處理以規范信號幅值動態調整范圍[34],在重建熵值圖像過程中對BFRF 數據進行了標準化的操作(中心為0,標準差為1)[21].圖4(a)和圖4(c)分別給出了基于原始BFRF 和標準化后的BFRF 數據所形成的熵值圖像.對比發現,基于原始BFRF 數據的熵值圖像中幅值區分度較小,而經過標準化后的熵值圖像則明顯包含更寬的動態變化范圍,能夠較好展現仿體內部不同程度的空化情況.將標準化前后熵值圖像中所有像素點的熵值繪制成直方圖,圖4(b)給出了基于原始BFRF 數據所成熵值的分布統計,熵值大多集中分布在0.8—1.0 之間.其中大于0.8 的熵值占據總數的68.9%,但其中也可能包含一些非劇烈空化區域,如整塊亮區的邊緣部分,可能是因空化泡群邊緣振動導致仿體結構發生輕微的瞬時變化而產生的熵值變化.因此,如果選擇0.8 以上的參數作為分割閾值,即使微小的偏差都會對最終判定的范圍有巨大影響,導致閾值選擇的容錯率極低.而圖4(d)顯示經過標準化處理的熵值分布范圍明顯展寬,可更靈敏地反映同一時刻不同程度的空化行為,方便研究者根據臨床需要靈活地設置閾值,對不同強度的空化強度進行更細致的分級評估.

圖4 標準化操作前后熵值圖像及幅值分布圖 (a) 未經標準化處理得到的熵值圖像;(b) 未經標準化得到的熵值分布直方圖;(c) 經過標準化處理得到的熵值圖像;(d) 經過標準化得到的熵值分布直方圖Fig.4.Entropy image and amplitude distribution before and after standardization: (a) Entropy image obtained without normalization;(b) histogram of entropy distribution obtained without normalization;(c) entropy image obtained with normalization;(d) histogram of entropy distribution obtained with normalization.

3.3 HIFU 輻照過程中空化區域的時間演化行為

在本文的研究工作中,參考前期文獻中采用的二值化分割方法[29]對灰度值法和熵值法獲得的空化監測圖像進行逐幀處理,由此判定空化發生范圍,并在此基礎上研究了不同驅動聲壓(如P—=6.25 MPa 和P—=8.75 MPa)對HIFU 輻照過程中仿體內部的空化區域的時間演化行為的影響,結果如圖5 所示.可以看出,無論采用灰度值法還是熵值法,在同一時刻,較高的HIFU 聲壓可以在更大范圍內誘發空化行為,這一結果與前期觀察相符合[29],表明較高的發射聲能可以誘發更劇烈的空化活動.對比兩種聲壓條件下,熵值法獲得的空化監測結果可見,高聲壓下的空化起始時刻比低聲壓下提前了約7.7 s,且空化區域擴大的速率更快,但也更快進入平臺期(空化區域范圍在40 s 后即趨向穩定).HIFU 停止照射后,空化面積隨時間減少,表示空化氣泡可能部分溶解.

圖5 不同聲壓下分別基于灰度值法與熵值法得到的實時空化范圍趨勢圖Fig.5.Real-time cavitation range trend based on gray value method and entropy value method respectively under different sound pressure.

對比傳統灰度值法和熵值法監測獲得的仿體中空化時空演化曲線,不難發現,兩種聲壓條件下測得的空化面積隨時間演化曲線均會出現明顯高于周圍幅值的異常值,這一現象在HIFU 輻照前期(10—20 s)和后期(40—60 s)尤為頻繁,出現這一問題的主要原因是灰度值法的信噪比及空間分辨率較低,導致其對在空化監測過程中的靈敏度和穩定性都有所欠缺.而熵值法則較好地修正了這一問題.在高聲壓下,熵值法監測到的空化起始時刻為HIFU 啟動后5.7 s,而灰度值法測得的數據則延后0.3 s,相當于10 幀圖像的差距;較小聲壓下差距為0.16 s,即5 幀圖像的時間長度.在整個HIFU 治療過程中,熵值法所得空化區域面積均大于灰度值法所得,這與圖3 中的結果符合.該面積差距隨著時間呈現先增大后縮小的趨勢.以上結果表明,經標準化處理的BFRF 信號具有更豐富的動態信息,空化探測敏感度和分辨率都較高,可以更為準確地表現空化隨時間的變化趨勢,更早地探測到空化發生的時間及空間起點,而且隨著聲壓增大,熵值法的空化起始時刻指示提前量也隨之增大,可以更有效地保障高強度HIFU 治療中的臨床安全性.僅當聲空化累積時空劑量足夠高時,兩種方法的差距方能逐漸縮小.

4 討論

采用傳統的商業B 超進行組織內部空化監測時,由于高強度HIFU 聲束的干擾會在B 超圖像上產生漂移的高亮度干涉條紋,而降低HIFU 干涉影響的一般做法是從HIFU 系統引出發射同步信號,通過同步時序控制B 超成像探頭在HIFU 脈沖工作間隙以主動空化探測(active cavitation detection,ACD)的方式對空化區域進行監測成像,但在HIFU 占空比較大的情況下,需犧牲B 超成像的幀率來配合HIFU 治療脈沖的發射[36].而且這種做法需獲得B 超生產企業的特殊授權開放同步信號輸出權限,同時需要增加電子同步單元,導致集成系統的復雜度增加,兼容性降低.Yu 等[29]通過設定灰度閾值的方法盡可能去除B 超灰度影像中的HIFU 干涉條紋,在HIFU 聲壓較高、焦域距成像探頭較近的情況下,在空化起始階段會出現干涉條紋像素灰度幅值遠大于空化區域的像素灰度幅值的情況;在HIFU 占空比較大(如占空比大于50%)的情況下,寬幅干涉條紋會與空化高亮區域產生高度重疊,因此很難通過灰度閾值設定的方法來消除干擾條紋的影響.本工作考慮到HIFU 治療過程中焦域位置較為固定,而干涉條紋則在信號非同步情況下不斷產生位置漂移的特點,采用二維均值濾波算法不斷選取目標信號前后多幀((2n+1)幀)數據做平均處理,極大程度削弱不斷變換位置的干擾條紋的幅值影響,可有效避免出現非空化區域信號強度高于空化區域信號散射強度及干擾條紋覆蓋空化區域的情況.因此,相對于簡單常數閾值設置法,二維均值濾波方法在臨床應用中將具有更廣泛的實用性.

需要指出的是,經二維均值濾波后的處理結果,與實際該時刻空化區域的絕對真實值有微小出入.對圖5 中每個點,取該點幅值以及與該點間隔一點處(0.06 s)的幅值,將二者做差,再與該點幅值相比.比值平均后,得到能表征間隔2 點處空化范圍變化程度的參數r,如(3)式所示:

其中A(i) 為圖5 中曲線上逐點的幅值,對圖5 而言i取值范圍為1—1953.結果顯示熵值法的空化范圍變化程度r控制在2%以內(大聲壓下1.62%,小聲壓下1.42%),灰度值法在3%以內(大聲壓下2.83%,小聲壓下1.84%).因此可以認為在0.06 s的時間尺度內,二維均值濾波方法所得結果與空化區域絕對真實值的誤差在可接受范圍.

由圖3 可見,同一時刻下,熵值法獲得的空化圖像范圍通常大于灰度值法獲得的結果.這主要是因為商用B 超灰度圖像在成像過程中,為了提高運算速度,對原始RF 數據處理進行檢波和波束合成之外,還采取了降采樣和數據壓縮等處理方式,導致遺失了部分有效信息;經過圖像后處理,增強了高回聲區域的影像(通常被認為是醫生關注的重點),而抑制了低回聲處的細微變化.圖6(a)隨機選取了一幀空化圖像作為示例,在位于橫向4.5 mm 處選取單根通過空化亮區的掃描線(圖中紅色虛線),對比其原始BFRF 與檢波后數據的歸一化頻譜.由圖6(b)可見,檢波后數據的頻譜在10—15 MHz 頻段與BFRF 數據的頻譜變化趨勢近似符合,但BFRF 數據在5—10 MHz 頻段存在明顯抬升且包含更多頻率分量,因此基于BFRF數據對空化信息進行監測可保留更多重要的細節信息,這也是熵值法空化圖像可獲得更高靈敏度和準確度的重要原因之一.此外,由于無需經過檢波等后處理,使得基于BFRF 數據的熵值法不受特定商用機檢波方法或參數的影響,針對HIFU 聲空化時空特性評估時可更好地保持不同系統間結果的一致性.

圖6 原始BFRF 數據與檢波后BFRF 數據的頻譜對比 (a) 初步B 模式圖像;(b) 檢波前后數據頻譜Fig.6.Comparison of frequency spectrum of the raw BFRF data and the BFRF data after demodulation: (a) Preliminary B-mode image;(b) data frequency spectrum pre-and post-demodulation.

另一方面,傳統B 超灰度值法是根據像素點的灰度絕對值是否高于特定閾值來判斷每個點是否屬于空化區域,而熵值法在處理時利用滑動窗在小范圍內分析子區域的混亂程度,具有更敏銳的分辨能力,能捕捉到更細微的組織變化.圖7 給出了一組對比案例.圖7(a)和圖7(b)分別為傳統B 超灰度值法測得的空化區域在去干擾前后的圖像,僅在橫向0—10 mm 范圍內可觀察到明顯高亮區,而在橫向12—20 mm 處幾乎未顯現任何高回聲區域,因此基于灰度值法應判斷此區域未發生空化.圖7(c)是基于BFRF 數據形成的初步B 模式圖像,在橫向12—20 mm 區域(白色虛線圓圈處)出現了模糊的零星亮點.圖7(d)為去干擾后重建的BFRF 熵值圖像,除了在橫向0—10 mm 范圍內可觀察范圍更大的熵值變化區之外,在12—20 mm區域(白色虛線圓圈處)也顯示出大塊明顯變化的熵值高亮區域,表明該區域也發生了一定程度的空化,意味著聲能量溢出到了該區域.從臨床安全性保障角度,聚焦超聲應精準局限于目標靶區,如因生物組織內部復雜結構引起聲波反射或者折射到附近非治療區域,則可能造成周邊正常組織的不可逆損傷.而本文提出的基于RF 信號的熵值法可以更敏銳地提示空化行為發生的時間及范圍,有助于及時反饋聲能量作用位置,更好地為HIFU 臨床治療提供安全性保障.

圖7 一 幀B 超影像 與熵值 圖像反 映空化 范圍的 典型例 子 (a) 一 幀B 超影像;(b) 去干擾 后B 超影像;(c) 同一幀基于BFRF 的初步B 模式圖像;(d) 同一幀熵值圖像Fig.7.A typical example of a frame of ultrasound image and entropy image reflecting the range of cavitation: (a) A frame of ultrasound image;(b) the de-interfered ultrasound image;(c) the same frame of BFRF-based preliminary B-mode image;(d) the same frame of entropy image.

5 結論

本文提出了一種基于RF 信號熵分析的聲空化探測方法,可在HIFU 治療過程中實現對組織內部聲空化行為的時空監測.實驗結果表明,二維均值濾波方法能在淺表及強聲束環境下去除HIFU強聲束干擾,突顯空化發生區域;標準化數據處理有利于擴展BFRF 信號的動態變化范圍,有助于根據臨床需求靈活調整閾值參數,完成對不同程度空化行為的分級評估;熵值法能夠更靈敏且精確地確定空化發生的起始時間及空間位置,且隨著聲壓提高,熵值法可獲得的空化起始點指示提前量越大,進一步保障了高聲壓HIFU 治療的臨床安全性.因此,基于RF 信號的熵值分析法可作為一項具有極大應用前景的技術手段用于HIFU 臨床治療中的空化區域時空演變行為的實時監測,為HIFU 臨床治療量-效評估體系的建立奠定良好理論和技術基礎.需要指出的是,受限于實驗條件,本文的實驗觀測均在凝膠仿體中進行.考慮到活體生物的個體差異,實際監測應用時可能會受到多層組織界面反射或肋骨阻隔等影響,導致聲空化時空監測的信噪比和準確度降低,因此需要在后續工作中進一步改進算法以克服以上困難.