具体实施方式

适用于本发明的测量类型

非线性弹性参数可以用双频带超声成像，其中可以沿着每个波束方向发射包括重叠的高频(high frequency，简称HF)脉冲和低频(low frequency，简称LF)脉冲的至少两个双频脉冲复合体。图2中示出了此类脉冲复合体的两个示例，其中201示出了HF脉冲，202示出了LF脉冲。HF:LF的比率通常为～5:1-30:1。LF脉冲用于非线性地操纵由HF脉冲观测到的超声散射和传播速度，并且散射HF信号被处理以产生图像。LF脉冲的幅度和/或极性在发射脉冲复合体之间变化。对于一个脉冲复合体，LF脉冲可以是零，但是对于至少一个脉冲复合体，LF脉冲必须是非零的。图2a示出了LF脉冲，该LF脉冲为正并且在HF脉冲的位置压缩材料，使得HF脉冲观测到随着传播速度的增加而增加的材料刚度。图2b示出LF脉冲的极性变化，使得LF脉冲在HF脉冲的位置为负，使材料扩张并使HF脉冲观测到具有较低传播速度的较软材料。

图3示出了相对于表I中材料的β＝β_nκ_s绘制的c₀值。数据由曲线301拟合。

ρ₀(β)＝a_ρ·κ(β)+b_ρ

(3)

a＝11.58 b＝0.023 a_ρ＝-830·10⁹ b_ρ＝1371

这给出了一个建议，根据等式(16、21)中的估计值，我们可以估算空间变化的线性传播速度c₀(r)，该速度可以用于以多种方式提高图像重建质量，对此我们将在下面再次论述。

HF和LF脉冲复合体沿着波束传输，其中图4中示出了一个示例。例如，第8,038,616号和第9,291,493号美国专利以及第16/258,251号美国专利申请中给出了其它示例。LF波束和HF波束都可以是平面的。重要的是，HF波束和LF波束在空间测量域(spatialmeasurement region，简称SMR)中重叠，其中LF脉冲非线性地操纵由同向传播的HF脉冲观测到的传播速度。

表I.用于图3的材料参数，按β＝β_nκ[11、12]递增方式排序

计算的

因此，SMR内的总发射脉冲压力是p(r,t)＝p_L(r,t)+p_H(r,t)，其中p_L是LF，p_H是HF脉冲。根据等式(1)，p_L和p_H都会影响由HF脉冲观测到的传播速度，如下所示

c_H＝c₀+c₀βp_L+c₀βp_H (4)

其中，p_L是HF脉冲中心处的LF压力。最后一项产生HF脉冲的自失真，其给出了用于当前谐波成像的HF脉冲的谐波频带。对于第二项，p_L沿着HF脉冲非常缓慢地变化，使得该项对HF脉冲的影响可以分为两个现象：i)由在HF脉冲的重心处的p_L＝p_c的值产生的非线性传播时延(nonlinear propagation delay，简称NPD)；以及ii)由p_L沿着HF脉冲的变化产生的非线性脉冲波形失真(pulse form distortion，简称PFD)。

由于HF传播速度的LF操纵，HF脉冲获得到深度z的传播时间延迟，如下所示

其中，τ(z)是非线性传播时延(nonlinear propagation delay，简称NPD)，Γ(r)是发射波束轴。最后一个公式表明，β(r)可以通过τ_p(r)的微分获得，但是由于测量的τ_p(r)中的噪声，直接微分会产生β(r)的非常嘈杂的估算，其中本发明提出了该问题的解决方案。

对于允许脉冲复合体沿着波束传输的物体，例如乳房和睾丸，可以从来自具有不同LF脉冲的两个发射脉冲复合体的第一HF脉冲的到达时间差来测量τ_p，例如正LF脉冲(p＝1)和零LF脉冲(p＝0)，或者正LF脉冲(p＝1)和负LF脉冲(p＝-1)。横向扫描不同方向的直通发射波束，使得每个测量体积由波束沿180°方向横穿，可以根据[15]-[19]中描述的已知方法进行β(r)的断层影像重建。

然而，对于大多数医疗物体，必须依赖于在发射波束与接收波束之间有限角度的散射测量，例如使用交叉发射波束和接收波束的直接反向散射或角散射，如上所述。然后，可以利用此类近似法，即在第一次散射时，LF脉冲的幅度下降得非常之大，使得可以忽略LF脉冲对散射HF脉冲的传播速度的非线性影响。

为了更好地参考描述本发明的实施例的方法，在图5中示出了根据本发明提供的用于执行成像的示例性仪器的框图。500示例性地示出了3D超声探头，该3D超声探头包括双频线性阵列501，该双频线性阵列在箭头506所示的方位方向上具有一组M个LF元素和N个HF元素。双频带线性阵列可以根据已知方法实现，例如[5]第7,727,156号美国专利中描述的方法。该阵列的LF元素和HF元素经由电缆502连接到发射/接收单元503，该发射/接收单元将每个LF阵列元素连接到LF发射放大器，并且每个HF元素连接到HF发射/接收电路，该HF发射/接收电路包括HF发射放大器和HF接收放大器，其中根据已知方法，HF接收放大器的输出还连接到模数转换器(analog to digital converter，简称A/D)，该模数转换器呈现来自所有HF接收元素的HF接收信号的数字表示。根据已知方法，在修改的实施例中，AD转换器可以呈现来自每个HF元素的HF接收信号的I-Q分量的数字表示，该HF元素表示与射频(radiofrequency，简称RF)HF信号相同的信息。

对于超声波束的3D扫描，在该示例性实施例中，线性阵列501可以围绕长轴504旋转，该长轴在箭头505所示的仰角方向上提供LF波束/HF波束的机械扫描。对于阵列的每个仰角位置，通过发射LF元素和HF元素的电子选择，以及发射类似于图2所示的组合的LF脉冲复合体/HF脉冲复合体，并利用所选择的波束方向和焦点发射组合的LF脉冲复合体/HF脉冲复合体，在箭头506所示的方位方向上进行组合的LF发射波束/HF发射波束的电子扫描。示例性HF发射波束在2D方位角平面508内示意性地示出为507，在整个3D扫描体积509内具有给定仰角位置。根据已知方法，根据可用于此类运动的空间和物体的形状，可以等效地实现阵列的替代仰角运动，例如侧向运动。光束的纯2D扫描，甚至沿着单个光束方向的测量也在本发明的范围内。

沿着每个发射波束方向，发射具有不同LF脉冲的至少两个脉冲复合体，例如如图2所示。LF脉冲在一个HF发射波束的一个脉冲复合体中可以是零，但是在每个HF发射波束的至少一个脉冲复合体中必须是非零的。

该仪器具有两种可用形式，其中在第一种形式中，503包括用于HF接收交叉波束的波束形成器，如2D扫描平面508中的514所示，以及与HF发射波束507具有相同轴的HF反向散射接收波束。在一优选实施例中，HF反向散射接收波束等于HF发射波束，因为这改善了对HF反向散射接收信号中的多重散射噪声的抑制，如第9291493号美国专利中所讨论的，并且通过对HF接收信号进行横向滤波来获得合成深度优化聚焦。在扫描期间，HF交叉波束和反向散射接收信号经由高速总线510传送到处理器511以进行存储和进一步处理。

处理器511包括软件(software，简称SW)可编程的多核中央处理器(centralprocessing unit，简称CPU)和图形处理器单元(graphics processor unit，简称GPU)。处理器从根据已知方法操作的用户/操作员输入单元513接收用户输入，并根据已知方法通过组合的显示和音频单元512显示与用户/操作员通信所必需的图像数据和其它信息。

在第二种形式中，来自每个HF接收元素和每个发射脉冲复合体的数字HF接收信号经由高速总线510传送到处理器511以进行存储和进一步处理。对于第二种形式中的2D成像，处理器511中的软件程序组合来自多个HF接收元素的HF接收信号并产生穿过2D组中的每个HF发射波束的一组HF接收交叉波束，例如如下面图5中更详细示出的。此外，软件还产生来自HF反向散射接收波束的一组HF反向散射接收信号，该HF反向散射接收波束与HF发射波束具有相同的轴，并且优选地也等于HF发射波束。

交叉波束HF接收信号的主要用途是估算沿着HF发射波束在多个深度处的非线性传播时延。当反向散射HF接收信号中的多重散射噪声电平与一阶散射信号相比较低的成像情况下，可以从反向散射HF接收信号中获得沿着HF发射波束在多个深度处的非线性传播时延，而HF接收交叉波束的波束形成器不那么重要，可以省略。

图6中示出了示例性HF发射波束和接收波束，其中601示例性地示出了组合的HF发射波束H_t和相等的HF反向散射接收波束H_br。HF发射波束和HF反向散射接收波束的空间频率响应分别为H_t(r-r _t,ω)和H_br(r-r _t,ω)。位置矢量r _t(i,j)定义了HF发射波束轴和反向散射接收波束轴的原点，其中i定义了方位孔径中心元素位置，j定义了3D扫描中的2D扫描平面仰角位置。602示出了在深度z_k处聚焦在HF发射波束轴上的示例性HF接收交叉波束H_cr(r-r _r,ω)，其中r _r(i,j,k)定义了HF接收交叉波束轴的原点，其中i,j定义了方位角和仰角位置，k定义了也是H_cr焦点的交叉图像点z_k的深度。603示出了通过HF发射波束与HF接收交叉波束之间的交叉区域的交叉波束观测单元，604示出了来自整个交叉区域的HF交叉波束接收信号的指示。通过选择该HF接收信号的有限区间，观测单元的有效范围沿交叉波束轴减小到阴影线区域605。HF反向散射观测单元的示意性形式被示为沿着HF组合发射和反向散射接收波束601的阴影线区域606。如第9,291,493号美国专利和第16/258,251号美国专利申请中所示，可以通过对HF接收信号进行空间滤波来减小观测单元的尺寸。

对于特定形式的处理，还可以使用所有LF阵列单元/HF阵列单元来发射在方位方向上近似为平面的LF波束/HF波束。根据已知的方法[4]，沿着若干方向发射方位平面波，可以组合来自不同方向的接收信号，以产生聚焦在2D平面内的不同位置的合成发射波束。对于单个方位方向的平面波，可以通过若干平行、动态聚焦的接收光束的规则反向散射配准来获得空间分辨率，其中散射脉冲的到达时间产生沿着每个接收光束的深度的空间分辨率，而接收光束聚焦产生横向空间分辨率，所有这些都根据已知方法进行。然而，与所描述的交叉波束方法相比，这种方法对多重散射噪声更敏感。

对于对应于一阶反向散射信号电平的低电平多重散射噪声，NPD的估算可以直接从沿着发射波束在多个深度z处的反向散射HF信号获得。内窥镜探头经常会发生此类情形。然后，仅使用图6中601所示的HF反向散射接收波束H_br进行接收就足够了。这为此类应用提供了一种更简单的仪器。对于通常在经皮成像中发现的较高电平的多重散射噪声，使用通过接收HF交叉波束获得的HF交叉波束信号也是有利的，如图6中602所示。这需要附加的接收HF交叉波束形成器，其可以在上述波束形成的第二种形式中的软件中实现。

然后，可以从沿着每个发射波束方向的若干观测单元处的HF接收信号获得NPD的估算，例如通过：i)来自具有正LF脉冲和零LF脉冲的脉冲复合体的HF接收信号之间的互相关，给出根据等式(5)为负的τ₊；或ii)来自具有负LF脉冲和零LF脉冲的脉冲复合体的HF接收信号之间的互相关，给出根据等式(5)为正的τ_-；以及iii)来自具有正LF脉冲和负LF脉冲的脉冲复合体的HF接收信号之间的互相关，给出根据等式(5)的近似2τ₊。该项大概是因为LF波阵面可以产生一定HF波阵面像差。对于正LF脉冲和负LF脉冲，该HF波像差略有不同。

来自观测单元的接收信号源于来自随机散射体的信号之间的干扰，该干扰会在NPD的相关估算中产生噪声。该干扰随HF接收波束相对于HF发射波束的方向而变化。然后，可以通过求取来自不同方向的HF接收波束的估算的NPD的平均值，以减少沿着HF发射波束的每个深度的NPD中的估算。在多重散射噪声电平较低的情况下，还可以结合来自反向散射和交叉波束HF接收信号的估算。

该过程给出了NPD沿着由矢量r(r _t,z)＝r _t+ze _t定义的发射波束轴Γ(r)的噪声测量，其中r _t定义了发射波束轴的原点，e _t是沿着发射波束轴的单位矢量，以及z是沿着发射波束轴距其原点r _t的距离，如图6所示。根据等式(5)描述噪声NPD测量τ_y(r _t,z)，如下所示

其中，是等式(5)中给出的非线性弹性参数(nonlinear elasticityparameter，简称NEP)β(r _t,z)给定值的NPD的模型，n(r _t,z)是来自时延估算方法和用于时延估算的HF接收信号中噪声的噪声项。

图7中700给出了τ_y(r _t,z)的典型形式。当HF接收信号以来自深度r加上随机电子噪声的一阶散射信号为主时，噪声n(r _t,z)以接近零的平均值围绕τ_y(r _t,z)振荡。这种情形如701所示。根据β(r)＞0，与深度存在由(-p)给出的微分，τ_y(r _t,z)在该范围内有振荡现象。例如，来自囊肿和血管的1阶散射HF信号是低信号，然后接收信号可以称为混响的多重散射噪声为主，通常是具有非线性传播时延τ_n(r)～τ_y(r)/2的三阶多重散射噪声，如第9,291,493号美国专利中所介绍的。在HF接收信号以三阶散射噪声为主的区域内测量的NPDτ_y(r _t,z)因此产生如702所示的下降τ_y(r _t,z)。τ_y(r _t,z)对于该区域中β(r)的估算是无用的，并且根据本发明的估算过程给出了该问题的解决方案。

由于在测量τ_y(r _t,z)中的噪声/信号比很高，τ_y(r _t,z)与z的直接微分会产生非常嘈杂的估算β(r _t,z)，对于以混响为主的区域，该估算在微分中也会产生潜在的噪声非零偏移。因此，挑战在于提供具有足够低噪声/不确定性的充分估算β(r _t,z)，并且本发明设计了一种稳健的方法，用于根据测量的非线性传播时延(nonlinear propagationdelay，简称NPD)τ_y(r _t,z)针对空间估算域(spatial estimation region，简称SER)内的(r _t,z)以及空间测量域(spatial measurement region，简称SMR)内的(r _t,z)估算非线性弹性参数(nonlinear elasticity parameter，简称NEP)β(r _t,z)。

图8给出了测量情形的示例性说明，其中800示出了组织区域801的表面处的线性阵列，该组织区域包括具有动脉粥样硬化斑块803的分叉动脉802。804示出了具有原点位于位置r _t的轴805的HF发射波束，定义了波束轴Γ(r)上在深度z处的点，如r(r _t,z)＝r _t+ze _t所示。SER和SMR的典型示例示出为806和807。701示出了测量的NPDτ_y(r _t,z)，类似于图7中示出的内容。估算值示出为808，其中在斑块内获得特别高的值809，而810示出了动脉血液区域内的低

动脉内的HF接收信号以多重散射噪声为主，根据图7的讨论给出了降低的τ_y，其中，根据本发明的估算通过比较从τ_y值下降的血液中进入以噪声为主的信号之前的τ_y值与离开均匀血液区域时的τ_y值来给出该区域的估算值，其中τ_y达到HF接收信号以一阶散射为主的高值，如下面所讨论的。通过血液区域的正向传播具有血液的传播速度和NEP，因此，根据等式(6)的推算获得，而从HF散射信号获得的τ_y(r _t,z)以血液区域内的多重散射噪声为主。然而，当z进入强散射斑块时，HF接收信号重新开始以一阶散射为主，并且τ_y(r _t,z)再次反射例如，将z进入动脉之前的τ_y(r _t,z)与z离开动脉之后的τ_y(r _t,z)进行比较，可以估算动脉内血液的β，例如使用下面讨论的W＝0的理念。由于斑块中的高值β，在动脉周围组织的导数趋于平稳之前，斑块内的导数会增加τ_y。

非线性弹性参数的估算

该方法的中心部分是关于β(r)和其它参数的估算泛函数(estimationfunctional，简称EF)的最小化。估算泛函数是以下各项的加权组合

i)所述测量的NPDτ_y(r _t,z)与模型之间的差值的距离函数F_τ(·)，用于所述SER内的给定的一组NEP估算，其中τ_y和都在等式(6)中给出；以及

ii)围绕所述SER的所述NEP估算的局部变化的度量函数F_g(·)。

此类估算泛函数的示例如下

受约束：β_min＜β(r _t，z)＜β_max (7)

距离函数和度量函数满足以下要求和示例，

F_k(0)＝0 k＝d,g (8)

典型形式为F_k，如下所示

F_k(x)＝|x|^p or

图9中给出了距离函数和度量函数的示例，其中901示出了F_k(x)＝|x|，即p＝1，902示出了F_k(x)＝|x|²，即p＝2，903示出了F_k(x)的最后一种形式，其中x₁＝1，p₁＝1，p₂＝2。

W(r _t,z)是管理模型偏离测量的NPDτ_y的惩罚的空间距离加权项，而V(r _t,z)是管理NEP估算β(r _t,z)中快速变化的惩罚的空间变化加权项。V(r _t,z)减少会放宽平滑度要求，例如在NEP估算中预计会有较大渐变的区域，例如在两种材料之间产生强反射的相当平坦的界面处。在此类具有不同声阻抗的材料之间的相当平坦的界面处，反射的SNR很高，并且预计在此类位置，需要W≈1和V≈0，因为很可能即将过渡到一种新材料，因为NEP估算β发生了变化。相反，如果一个区域具有高度非相干HF接收信号，预计SNR会更低，因此可以放松对偏差的惩罚，即W趋向于0，而V趋向于高值η，使得在H中占主导地位，从而抑制NEP估算β的快速变化。

这些权重可以沿着横向和轴向波束方向应用。W的作用是检测强散射体，例如镜面反射，通常源自两种材料之间的界面。有用的公式如下

V(r _t,z)＝η[1-W(r _t,z)]b) (10)

其中，e₀(r _t,z)是零LF传输(p＝0)的接收RF数据的包络，h_Tλand h_T3λ分别是对～1和3个波长的平均低通滤波器的脉冲响应。包络的这两种低通滤波形式的比率用作高通滤波器，识别局部散射偏离周围扩散散射的区域。对每次传输归一化加权因子，将沿着每条接收线的最大值缩放为W_max＝1。然后，在该实验中，根据等式(10b)获得V(r_t,z)，其中，由操作员调整加权因子η以获得最佳性能。此外，一实施例还提供了一种用于使用机器学习技术的计算机自适应调整η的方法。

此外，一实施例还提供了在评估功能权重W(r _t,z)和V(r _t,z)时使用测量的τ_y(r _t,z)。例如，根据等式9b，可以在增加V(r _t,z)的同时使用意外缓慢增加τ_y(r _t,z)来减小W(r _t,z)。如图7和图8所示，HF接收信号以多重散射噪声为主的区域Ω，例如来自囊肿或血管内部的多重散射噪声，可以通过z处的τ_y(r _t,z)意外下降来检测。因此，如果τ_y(r _t,z)＜k·L_z{τ_y(r _t,z/2)}，其中L_z是短低通滤波器，例如中值滤波器，k～1.5是参数，则设置W(r _t,z)＝0。

在图10中，1001示出了如何沿着发射光束在区间Z的一组离散区间i·dz中对测量的NPDτ_y(r _t,z)进行采样，如图所示，其中i＝1,2,…,I，如1002所示。然后，使用维度矢量I来表示测量的NPD

τ＝{τ₁,τ₂,...,τ_i,...,τ_I}＝{τ_y(z₀+idz)for i＝1,...,I} (11)

通常，具有dz～λ_H/4-λ_H，其中λ_H是HF波长，NPD的测量点数量通常是I～256-1024。

在过程的一种变形中，区间Z被进一步划分为等长的J个子区间，并被标记为j＝1,2,…,J，如1003所示，其中假设NEP参数β_j在每个子区间内是恒定的，如1004所示。子区间的最小长度通常由沿着发射光束轴的测量分辨率给出，该分辨率通常约为HF脉冲长度～3-4λ_H的量级，这意味着J～64-256。在每个子区间内，寻求每个区间内的非线性弹性参数NEP的恒定估算β_j，j＝1,2,…,J。i坐标数中每个j区间的终点为I(j)＝j·I/J，其中起点I(0)＝0。因此，给出每个区间#j内的NPD模型，如下所示

I(j-1)＜i≤I(j)for j＝1,…,J I(0)＝1I(J)＝I

并将参数矢量定义为

a＝{a_k}＝{β₁,β₂,…,β_J}k＝1,2,…,K K＝J (13)

对于等式(7)中定义的对z的梯度β，例如可以假设对位于第j个区间中心附近的值β_j之间的坐标#i进行线性插值。因此，可以通过矢量函数G(a)来表示梯度。

在过程的另一变形中，对沿着发射波束的每个NEP参数使用可变长度的J个子区间，并且希望改变每个子区间的子区间连接点和NEP参数β_j，以便找到模型对测量τ_y的最佳适应性。示意性示例如1005所示，其中NPD测量τ_y的总采样区间在区间I_Z中

然后，将总参数矢量定义为

a＝{a_k}＝{β₁,β₂,…,β_J,I(1),I(2),…,I(J-1)} (15)

即，总共K＝2J-1个参数。将G(a)定义为主要是a的β部分的梯度，但可能还包括梯度项中的连接点I(j)，j＝1,2,…,J-1。

然后，将等式(7、8)转换为

将H(a+h)评估为h中的二阶给出了

其中一阶导数是矢量，二阶导数是矩阵。微分细节给出了

微分可以通过数值和解析两种方法得到。关于h和等于零的上述近似H(a+h)的微分给出了

等于零给出了众所周知的牛顿-拉普森迭代过程

a _n+1＝a _n+h(a _n)受约束：β_min＜α_n+1，j＜β_max j＝1，2，...，J

参数的可观性由二阶导数矩阵的可逆性决定。

例如，使用距离和梯度度量的L²范数，即F_d(x)＝F_g(x)＝x²，则等式(7)的离散形式可以是

W＝{W_iδ_ij}V＝{V_iδ_ij} (21)

其中，在本领域的任何技术人员可以根据等式(8、9)引入其它范数的情况下，在最小化H(a)的过程中，从参数矢量a开始并添加变化矢量h，该变化矢量非常小，以至于可以使用一阶泰勒展开式，如下所示

关于h和等于零的上述近似H(a+h)的微分给出了

其中，S_τ(a)和S_G(a)是NPD模型和梯度模型对参数矢量变化的灵敏度矩阵。当区间之间的连接点是参数的一部分时，可以方便地用数值方法估算灵敏度矩阵。求解了h的等式(23)，给出了迭代方案

这就产生了迭代估算方案，如下所示

α _n+1＝α _n+h(α _n) (24)

受约束：β_min＜α_n+1，j＜β_max J＝1，2，...，J

其中，α_n+1,j是α_j＝β_j的第(n+1)次估算。

参数矢量α的可观性由矩阵的可逆性S_τ(a)^TWS_τ(a)+S_G(a)^TVS_G(a)决定，这是本领域技术人员已知的标准分析。从图3中可以看到，对于软组织估算的足够宽泛的约束是β_min≈1.5和β_max≈3.1。

对于用于确定τ_y(r _t,z)的HF接收信号中的低噪声，可以依靠等式(20、24)中的两个约束。当HF接收信号以多重散射噪声为主时，根据上面的讨论，可以取W＝0。

保持区间I(j)之间的连接点恒定给出了上述算法的简化形式。在这种情况下，参数矢量降低至a＝{β_j},j＝1...,J，NPD模型和梯度模型可以写成线性矩阵运算符和G(a)＝Ga，灵敏度矩阵是S_τ(a)＝A和S_G(a)＝G。

以上说明，本领域技术人员可以通过一系列离散算法来最小化等式(7、16、21)中的泛函数。求取相邻发射光束的结果的平均值也是有用的。等式(16、19)中的泛函数也可以由本领域的任何技术人员扩展以包括相邻发射波束，如等式(7)中对R_t的积分所给出的。本领域的任何技术人员都可以引入用于最小化H(a)的若干其它算法。

在等式(15)的参数矢量中包含了参数区间的过渡点。在某些情况下，它可以通过保持一组固定区间来提供更稳定的优化，并且潜在地允许更大数量的间隔J。还可以引入参数区间J的数目作为要优化的一部分的参数，例如通过将等式(15)中的参数矢量扩展到

a＝{a_k}＝{β₁,β₂,…,β_J,I(1),I(2),…,I(J-1),J}K＝2J (25)

然后，可以优化参数区间J的数目作为上述估算算法的一部分。它可以帮助对一组给定的J值进行等式(15)中的参数矢量的优化，并选择考虑计算时间的最低值H(a)的J值。

应当注意的是，利用交叉发射和接收波束估算的NPD也可以用于处理利用沿着或靠近HF发射波束轴的HF接收波束轴获得的反向散射HF信号，例如在第7641613号、第8038616号、第8550998号以及第9291493号美国专利中所描述的，以抑制多重散射噪声并估算接收HF反向散射信号的非线性散射。反向散射图像在距离上具有较好的空间分辨率，也是目前常用的图像类型，而交叉波束方法可以更准确地估算NPD和PFD的空间变化，且受多重散射噪声的影响较小。

为了很好地抑制HF反向散射接收信号中的多重散射噪声，使用相等的HF发射和反向散射接收波束是有利的，如第9291493号美国专利中所描述的。对于图像像素深度z_k＝ct_k/2的一阶HF反向散射接收信号的短深度区间的时间傅立叶变换，其中t_k是该像素的信号的到达时间，可以进行建模，如下所示

Y_p(z_k,r _t,ω)＝U(ω)∫d²r_t1H_t(z_k,r _t-r _t1,ω)²σ_p(r _t1) (26)

其中组合的HF反向散射H_be和HF发射H_t是H_tH_br＝H_t ²，因为HF反向散射接收波束和HF发射波束相等，如图6中601所示。z方向上的反向散射观测单元由HF脉冲长度定义，并因此是短的。

然后，仅通过在固定深度处对HF反向散射接收信号图像进行横向滤波，就可以获得非常有用的HF反向散射接收信号的合成聚焦，如下所示

H_f(z_k,r _t,ω)＝∫d²r_t2W_rt(z_k,r _t-r _t2,ω)H_t(z_k,r _t2,ω)²

为了最小化H_f在横向r _t上的宽度，选择滤波器核W_rt，使得傅立叶变换H_f在横向上的相位梯度为零。用F_rt{}表示横向坐标中的傅里叶变换，卷积给出了

F_rt{H_f(z_k,r _t,ω)}＝F_rt{W_rt(z_k,r _t,ω)}F_rt{H_t(z_k,r _t,ω)²} (28)

其中，k _t是横向平面中的傅立叶坐标，A_rt是减少旁瓣的切趾函数。尤其是所谓的维纳型滤波器和匹配滤波器，如下所示

F_rt{W_rt(z_k,r _t,ω)}＝(F_rt{H_t(z_k,r _t,ω)²})^*

其中，μ是要在实际情况下调整以获得良好性能的噪声参数。等式(28、29)包括相位校正和切趾。

根据等式(20、24)的估算可以在图5的处理单元511中用等式(3)的线性传播速度的空间变化估算来模拟H_t(z_k,r _t,ω)。然后，本领域技术人员可以将等式(28、29)中的滤波器核应用于等式(27)中，以产生合成聚焦的HF反向散射接收信号，同时抑制多重散射噪声并通过横向滤波校正波阵面像差。

根据等式(3)的估算值可以使用这些值来估算在非均匀介质中产生的用于HF发射波束和HF交叉波束和反向散射接收波束的波阵面像差的阵列元素信号延迟和幅度校正[8、9]。本发明描述了两种用于估算延迟和幅度校正的方法，用于将发射波束和/或接收波束从阵列孔径S_rf聚焦到焦点r _f上。假设S_rf包括阵列中元素总数中的K个元素的集合，其中r _k是阵列元素#k的中心。

在第一种方法中，首先对通过具有空间变化传播速度c₀(r)的异质物体从r _f焦点中的点源到实际阵列孔径的波传播进行数值模拟。将阵列元素#k的中心r _k处的模拟波函数写为g(r _k,r _f,ω)，其中ω是焦点r _f处的点源的角频率。应当注意的是，g(r _k,r _f,ω)是r _f处点源的格林函数。然后，通过滤波器对每个元素的发射脉冲进行滤波

H(r _k,r _f,ω)＝A(r _k,r _f)g(r _k,r _f,ω)^*k＝1,...,K (30)

其中，A(r _k,r _f)是穿过实际孔径S_rf的发射脉冲的选定幅度切趾函数。g的相位表示均匀介质中波束形成的标准聚焦延迟，又与g的振幅一起表示对由于空间变化的传播速度引起的波阵面像差的最佳振幅和延迟校正[8、9]。然而，该滤波器的主要分量是相位的线性分量，其表示对波阵面像差的延迟校正。

利用射线声学技术可以获得一种计算机密集度较低的方法。将定义为阵列前面实际区域的空间平均值c₀(r)。在[18]中给出了垂直于声波阵面通过的声射线r(s)的众所周知的微分方程。

其中，s是沿着射线的弧长(即，r(s)是射线的标尺表示)，n(r)是材料的空间变化的折射率。为了将发射波束或接收波束聚焦到焦点r _f上，对从焦点r _f到阵列元素#k的中心r _k的声射线r _fk(s)的等式(31)进行了数值模拟。然后，计算元素#k的波束转向延迟，如下所示

其中，al(r _k,r _f)是从r _f到r _k的声射线r _fk(s)的声长。

为了获得最佳结果，应该如上所述对波束进行3D扫描以获得c₀(r)的3D图像。对于波阵面像差的校正，机械仰角扫描的阵列应该是1.75D型，沿着仰角方向具有更大的元素，用于波束聚焦和像差校正。利用全矩阵阵列，可以同时沿着方位和仰角方向获得电子聚焦和波束控制。

应当注意的是，对于等式(27-29)中的合成聚焦，可以沿着方位和仰角方向使用固定聚焦的HF发射波束和接收波束，因为合成聚焦是通过对HF接收信号图像进行滤波来完成的。空间变化的c₀(r)估算也可以用作迭代的“弯曲射线”估算过程中的起始参数，以估算空间变化的线性波传播速度和吸收，例如根据断层摄影方法[13-17]。

上述方法和仪器提供了定量组织图像，该定量组织图像用于改进对诸如癌症和动脉粥样硬化斑块之类的组织疾病的检测。当疾病组织和一些周围组织的3D数据可用时，它还可以用于人工智能(artificial intelligence，简称AI)检测和表征此类疾病。

因此，尽管已经示出、描述和指出了应用于本发明优选实施例的本发明的基本新颖特征，但是应当理解的是，本领域技术人员可以在不脱离本发明精神的情况下，在所示装置的形式和细节以及它们的操作方面进行各种省略、替换和改变。

还明确表示，以基本上相同的方式执行基本相同的功能以实现相同结果的那些元素和/或方法步骤的所有组合都在本发明的范围内。此外，应当认识到，结合本发明的任何公开形式或实施例示出和/或描述的结构和/或元素和/或方法步骤可以作为设计选择的一般问题并入任何其它公开或描述或建议的形式或实施例中。因此，本发明仅由所附权利要求的范围限定。

参考文件：

[1]美国专利US7 641 613

[2]美国专利US8 038 616

[3]美国专利US8 550 998

[4]美国专利US9 291 493

[5]美国专利US7 727 156

[6]美国专利US8 182 428

[7]美国专利申请US15/821 211

[8]美国专利US6 905 465

[9]美国专利US7 273 455

[10]美国专利申请16/258 251

[11]Hasgall PA、DiGennaro F、Baumgartner C、Neufeld E、Gosselin MC、PayneD、A、Kuster N：“生物组织的热参数和电磁参数数据库”，3.0版，2015年9月1日，DOI:10.13099/VIP21000-030.www.itis.ethz.ch/database https://www.itis.ethz.ch/virtual-population/tissue-properties/overview/

[12]Hartmann B：“液体中声速的势能效应”，《美国声学学会杂志》，第65卷第6期，1979年6月，第1392-1396页

[13]Kvam J、、Solberg S、Myhre O F、Rodrigues-Morales、Angelsen B A J：“使用双频超声的非线性体积弹性成像”，《美国统计学会杂志》，第146卷第4期(2019年：第2492-2500页)

[14]Kvam J、Holm S、Angelsen B：“利用Ballou规则进行更好的组织分类”，《美国声学学会进展》，2018年5月14日，http://dx.doi.org(DOI number)

[15]Hormati A、Jovanovi I、Roy O、Vetterli M：“基于弯曲射线模型的稳健超声走时层析成像”，《医学成像2010年：超声成像、断层摄影和治疗》，Ed:J D’Hooge、S AMcAleavey，《国际光学工程学会论文集》，第7629卷，76290I

[16]Li C、Duric N、Littrup P、Huang L：“超声断层摄影在活体乳房声速成像中的应用”，《生物医学超声》，2009年10月；第35卷第10期，第1615-1628页

[17]Opielinski K J、Pruchnicki P、Gudra T、Podgorski P、Krasnicki T、KurczJ、Sasiadek M：“乳腺弹性体模结构的超声透射层析成像与US、CT、MRI的比较”，《声学档案》，第38卷第3期，第321-334页(2013年)

[18]Opielinski K J、Pruchnicki P、Szymanowski P、Szeoieniec W K、SzwedaH,Swis E、Jozwik M、Tenderenda M、Bulkowski M：“多模态超声计算机辅助断层摄影：一种识别乳腺病变的方法”，《计算机医学成像和图形学》，第65卷第2018期，第102-114页

[19]Huang L、Shin J、Chen T、Lin Y、Intrator M、Hanson K、Epstein K、Sandoval D、Williamson M：“两个平行换能器阵列的乳腺超声断层摄影：初步临床结果”，《医学成像2015年：超声成像和断层摄影》，Ed:J.G.Bosch、N Duric，《国际光学工程学会论文集》，第941916卷

[20]Angelsen B A J：“超声成像—波、信号和信号处理”，挪威特隆赫姆EmantecAS，2000年4月30日