内镜超声成像优化：线性约束最小方差与SASB算法结合

"这篇论文提出了一种新的内镜超声成像算法——SASB-MV，它结合了线性约束最小方差（MV）准则和合成孔径连续声束合成（SASB）技术，旨在解决SASB算法中由于渡越时间误差导致的图像伪影问题。通过固定虚拟源点聚焦、构建样本协方差矩阵、利用MV准则生成权值矢量以及计算高分辨率回波信号值，SASB-MV算法显著提升了成像质量和分辨率。在Field II仿真环境下，与动态接收聚焦（DRF）算法和原始SASB算法比较，SASB-MV算法的横向分辨率和图像对比度都有显著提升。" 在这篇研究中，作者主要关注的是超声成像领域的一个重要问题，即如何提高内镜超声成像的质量。传统的合成孔径连续声束合成（SASB）方法在处理渡越时间误差时可能会导致图像出现伪影，影响成像效果。为了解决这个问题，研究者提出了一个新的算法——SASB-MV，它结合了线性约束最小方差准则，以优化图像质量。 SASB-MV算法的工作流程分为三个关键步骤：首先，对每个虚拟源点执行固定聚焦操作，收集成像点的超声回波信号矢量；其次，利用这些信号矢量构建样本协方差矩阵，并基于线性约束最小方差准则来生成权重向量；最后，通过权值矢量与超声回波信号矢量的结合，计算出高分辨率的回波信号值，从而得到更清晰的图像。 在实际应用中，研究人员在Field II仿真平台上进行了散射点和圆形暗斑的仿真实验，实验结果显示，SASB-MV算法在横向分辨率上比DRF算法提高了59.1%，比SASB算法提高了31.2%。同时，图像对比度相对于DRF算法和SASB算法分别提高了44.7%和16.2%。这些提升意味着新算法能提供更准确的诊断信息，对于临床医学检查和治疗具有重要意义。 SASB-MV算法是针对超声内镜成像的一种创新性改进，通过线性约束最小方差准则的应用，有效地减少了渡越时间误差带来的影响，提高了图像质量和分辨率。这一成果不仅在理论研究上有价值，也为实际医疗诊断提供了更可靠的技术支持。