超声前沿︱超快超声多普勒小血流脉搏与阻抗成像
近日，复旦大学智慧医疗超声实验室在权威期刊《物理学报》在线刊发了一种超快超声编码矢量多普勒流速与血流阻抗成像方法。
1 摘要
血流速度的动态精确测量对血管疾病诊疗至关重要。传统超声彩色多普勒技术只能获取血流速度在声波传播方向的分量，无法获取准确的血流速度大小和方向。近期发展的超快矢量多普勒技术可用于小血流速度矢量测量，然而其测量精度对噪声较为敏感。本文提出了一种基于哈达玛矩阵的超快超声脉冲编码矢量多普勒流速测量方法。螺旋血流仿真实验和大鼠脑血流在体实验表明，与现有方法相比，所提出方法显著提升了低信噪比情况下的血流速度测量准确度。此外，本文实现了脑血流在单个心动周期内的速度矢量动态测量，并实现了脑血流网络阻抗特征分析，具有较高的成像信噪比和高时空分辨率。本文提出的超快脉冲编码矢量多普勒成像方法，可应用于复杂血流网络可视化和血流动力学参数动态评估，对发展基于超快超声的血流矢量化成像方法具有借鉴意义。
2 引言
为了克服上述挑战，本文提出了基于超快脉冲编码的矢量多普勒(pulse coded UVD, PC-UVD)脑血流速度动态测量方法。实现方式是利用哈达玛(Hadamard)矩阵对每个发射事件中包含的多个连续的平面波进行脉冲极性编码和回波解码，从而显著增强各角度下的速度投影估计准确度。随后，采用加权最小二乘(weighted least squares, WLS)法求解出速度矢量。本文设计了一种包含多个螺旋环的流动仿真模型，通过仿真实验分析了所提出的PC-UVD成像方法的可行性并量化了其测量误差。此外，进行了大鼠脑血流在体成像，对比了提出的PC-UVD方法和现有UVD方法在大脑不同深度区域的速度矢量化估计准确度。此外，通过分析脑血流速度在心动周期内的变化特征，估计全脑血管网络阻抗指数，实现小血管的动静脉判别。
基于平面波发射模式中，每次发射一个单独的平面波脉冲并接收其对应的射频信号回波。然而，单个平面波发射获取的速度投影易受噪声干扰，特别是在信号衰减较强的成像深部区域。为此，我们引入了Hadamard脉冲编码技术以增强信号质量。Hadamard矩阵是一种特殊的正交矩阵，其中每一行的元素均为+1或-1，并且行与行之间的点积为零。对于个发射角度，使用一个n*n的Hadamard矩阵对每束平面波进行极性编码。每次发射事件中发射的一连串脉冲信号极性由矩阵的一行决定。如图1(a)所示，+1表示脉冲极性不变，-1表示脉冲极性反转。如图1(b)所示，在每次发射事件中，系统以固定的时延间隔连续发射n束倾斜角度不同、且极性经过Hadamard正交编码的平面波。脉冲间隔过长会影响成像帧率，脉冲间隔过短则会因拖尾效应导致信号干扰。在接收阶段，换能器接收到n个平面波回波的叠加信号。由于Hadamard编码的正交性，接收的回波数据可以通过矩阵反演来解码。
图1 基于Hadamard编码的多脉冲平面波编码解码方法。(a) 使用4阶Hadamard矩阵对四个平面波进行编码和解码的示意图。(b) 四次发射事件的波形示例。
解码得到各个角度的射频回波信号后，对每个角度回波信号分别独立进行延时叠加(delay and sum, DAS)波束合成、正交(in-phase/quadrature, I/Q)解调和基于奇异值分解(singular value decomposition, SVD)的组织杂波滤除，提取出各个角度下的动态血流信号。随后基于延时自相关法获取各角度下的每个像素点的速度投影。通过分析矢量速度大小在心动周期内的搏动性特征，可以提取血流收缩期峰值速度(peak systolic velocity, PSV)和舒张末期速度(end-diastolic velocity, EDV)。随后，可计算出各像素位置的RI值。
4 螺旋血流模型仿真结果
图2 超快功率多普勒(power Doppler, PD)和超快脉冲编码功率多普勒(PC-PD)螺旋血流仿真成像结果。(a) PD仿真结果；(b) PC-PD仿真结果；(c) SNR量化曲线，显示了不同深度下的血流与背景噪声信号强度对比。通过对比可见，在整个成像深度范围(0至11 mm)，PC-PD模式的SNR均明显高于PD模式约8.7dB。这表明，基于Hadamard矩阵的脉冲编解码技术有效抑制了噪声强度。
图3 螺旋血流模型超快矢量多普勒血流速度仿真结果。从上到下各行分别展示了理论速度真值，常规UVD，和PC-UVD测量得到的血流速度图。每行分别包含血流速度的水平分量(Vx)、竖直分量(Vz)、二维速度以及矢量化血流成像结果。图3(i)-(l)展示了基于提出的PC-UVD方法获得的仿真结果。如图3(i)所示，相比于常规UVD结果相比，提出的方法在水平方向速度估计更加准确，特别是在较深区域，测量误差显著降低，速度分布更加平滑。Vz(图3(j))和二维速度图(图3(k))与理论真值更加接近。图3(l)中速度矢量图显示，PC-UVD结果无明显的矢量速度异常测量值，整体速度分布和方向更加接近理论模型。
图4 基于超快矢量多普勒的螺旋血流水平和竖直方向速度剖线。(a)水平速度分布；(b)竖直速度分布。蓝线表示理论速度分布，黄线表示常规UVD测量结果，红线表示PC-UVD测量结果。由图4(a)可得，尽管常规UVD和PC-UVD所测得横向血流速度在整个范围内都略低于理论速度，但后者测得的横向血流速度更接近理论值，且噪声影响的随机波动得到了较好的抑制。图4(b)反映出PC-UVD方法对血流速度竖直方向分量的测量准确度也得到相对改善。
图5 从螺旋流动模型中提取的速度矢量的精确度分析。从螺旋血管内不同像素位置的速度值提取的(a, c)水平分量和(b, d)垂直分量与标准值的对比图；误差条表示最少100次测量的标准偏差。图中左上角展示了所有像素位置测量值的均方根误差。(a, b)为常规UVD测量结果分析，(c, d)为PC-UVD测量结果分析。对于水平方向速度估计，常规UVD的测量RMSE为5.7 mm/s，PC-UVD的测量RMSE下降为3.22 mm/s，准确度提高了43.51%。对于竖直方向速度估计，常规UVD的测量RMSE为2.28 mm/s，PC-UVD的测量RMSE下降为1.59 mm/s，准确度提高了30.26%。
5 大鼠脑血流在体成像结果
图6 大鼠脑血流超快多普勒冠状切面成像结果。第一行为常规平面波发射模式下获得的超快(a)功率多普勒、(b)彩色多普勒和(c)矢量多普勒测量结果。第二行为多平面波脉冲编码发射模式下获得的超快(d)功率多普勒、(e)彩色多普勒和(f)矢量多普勒测量结果。其中超快彩色多普勒和矢量多普勒测量结果图中红色和蓝色分别表示向上和向下的血流方向。(g)图展示了图6(a, d)中水平虚线位置的信号强度剖面；(h)图展示了图6(a, d)中竖直虚线位置的信号强度剖面。
图7 大鼠脑三个感兴趣区域(region of interest, ROI)的超快血流速度矢量化成像结果。三个ROI分别对应了图6(c, f)中三个矩形区域。第一行和第二行分别为基于常规UVD和PC-UVD方法获得的速度矢量测量结果。用小三角形表示速度矢量，三角形面积和颜色表示血流速度，三角形锐角所指方向为血流速度方向。
图8 基于PC-UVD速度估计的大鼠脑血流阻抗指数测量结果。(a)血流阻抗指数图；(b)一个心动周期内，不同位置的多角度相干复合后的血流多普勒频谱。频谱中的虚线表示多普勒频谱的中心频率，实线表示测量的矢量多普勒动态速度。红色箭头指示心动周期内的血流峰值收缩速度，黄色箭头指示血流舒张末期速度。左上：向上流的小静脉；左下：向下流的小静脉；右上：向上流的小动脉；右下：向下流的小动脉；(c)小动脉血流图；(d)小静脉血流图。
本文提出了一种基于Hadamard多脉冲编码发射的超快超声矢量多普勒血流速度和阻抗测量方法。通过螺旋血流仿真实验验证，所提出的方法能够显著提升血流成像的SNR和血流速度测量的准确性。相较于常规的UVD方法，该方法在血流成像中SNR提高了8.7dB，速度测量误差降低了30%以上，同时有效减少了由于SNR不足引起的速度异常估计。大鼠脑血流在体实验证明了提出的PC-UVD方法具有大成像视野，高SNR和高时间、空间分辨率的优势，可以有效测量全脑血流在单个心动周期内的波动特征，并生成血流阻抗指数图，对于脑小动静脉区分以及脑血管疾病的早期诊断和评估具有一定的临床价值。
作者：闫少渊
链接：https://wulixb.iphy.ac.cn/cn/article/doi/
10.7498/aps.74.20241454
