近场杂乱缓解在斑点跟踪心电回声学中

科学领域:

• 超声波成像 超声波成像
• 生物医学工程 生物医学工程
• 心血管力学心血管力学

背景情况:

• 近场 (NF) 杂乱在超声波成像中显著掩盖了心肌结构和动态.
• 准确的心肌运动估计对于诊断心脏疾病至关重要.
• 计算效率和稳定性是有效的杂乱过技术的关键要求.

研究的目的:

• 研究基于随机奇数值分解 (rSVD) 的NF杂乱过对心肌运动估计的影响.
• 为了评估RSVD的性能与NF杂乱减少的形态成分分析 (MCA) 相比.
• 评估RSVD的临床可行性,以提高心声回声图像质量和运动分析.

主要方法:

• 使用有限元模型和k-Wave工具箱进行模拟,以生成带有和没有相位偏差的超声波图像.
• 从20名健康受试者中采集体内心声图,使用编码分离波复合法.
• 将rSVD和MCA过器应用于射频 (RF) 数据,然后进行斑点跟踪;使用对比度与噪声比率 (CNRs) 和根平均平方偏差 (RMSDs) 进行评估.

主要成果:

• 在 silico 中,基于 rSVD 的杂乱减少显示出与地面真相位移有很强的一致性 (R2=0.95).
• 在体内,CNR提高了1.02dB至17.68dB,在80%的受试者中,在顶端段显著增强 (∼4.9dB).
• 对于rSVD处理的数据,平均RMSD保持在5.0%以下,rSVD证明比MCA更实用.

结论:

• 基于rSVD的杂乱过是可靠,准确和高效的斑点跟踪心声学.
• 像rSVD这样的矩阵分解方法,在心肌运动估计中对NF杂乱过是可行的.
• 这项研究证实了RSVD在心血管超声波中提高诊断准确性的潜力.