《Ultrasonics Sonochemistry》：Image-domain assessment and quantitative evaluation of acoustic cavitation using singular-value decomposition and magnitude-based spectral gating of B-mode imaging
编辑推荐：
声空化是一个瞬态且空间异质的过程，决定了高强度聚焦超声（high-intensity focused ultrasound, HIFU）暴露过程中的能量沉积与力学效应。主动B模式成像因其在临床超声系统中的易获取性而备受监测应用青睐；然而，治疗-成像耦合可能引入
声空化是一个瞬态且空间异质的过程，决定了高强度聚焦超声（high-intensity focused ultrasound, HIFU）暴露过程中的能量沉积与力学效应。主动B模式成像因其在临床超声系统中的易获取性而备受监测应用青睐；然而，治疗-成像耦合可能引入漂移条带伪影，这些伪影与空化背向散射信号重叠，从而损害灰度阈值法和基于感兴趣区域（region of interest, ROI）的量化效果。本文提出一种基于奇异值分解（singular-value decomposition, SVD）与幅度谱门控的图像域B模式框架，用于空化相关特征分离及时空定量分析。研究人员将B模式序列重排为时空矩阵，将其分解为奇异分量，并从有限帧堆叠中重建出全场的空化相关图像特征映射。高度相干的分量被分配给准稳态的HIFU相关回波与背景散射，而候选空化分量则根据其频谱幅度分布进行筛选，从而抑制本B模式序列中观察到的条带成分，同时保留间歇性的候选空化相关图像波动。在蛋清白蛋白聚丙烯酰胺凝胶及离体牛肝中的实验表明，所提方法能够抑制条带伪影、提高帧间一致性，并比传统灰度阈值法更早检测到空化的发生。图像导出的空化面积随声压和脉冲长度增加而增大，并与暴露后轴向损伤形态的变化趋势一致。这种无监督方法既不需要训练数据，也无需手动选择ROI，因此为治疗性超声暴露过程中空化相关特征的回溯性可视化与量化提供了一种实用的基于图像的度量手段。
基于SVD与幅度谱门控的B模式超声图像域空化评估研究解读
一、研究背景与研究目的
声空化（acoustic cavitation）是指液体中气泡在声场作用下的生长与坍缩过程，在高强度聚焦超声（high-intensity focused ultrasound, HIFU）等治疗性超声应用中起着决定性作用。空化不仅影响局部压力场分布、增强微流场和机械应力，还直接调控组织对超声暴露的生物响应。然而，空化也是一大不确定性来源——受控的空化可提升治疗效率，而无序的气泡活动则可能导致组织破坏或靶外损伤。因此，空化不应被视为二值事件，而应作为一种动态场变量加以追踪，包括其起始时间、空间范围、持续性与衰减特性。
目前已有多种空化监测方法，包括被动空化检测（passive cavitation detection, PCD）、阵列式声学映射、主动超声成像以及高帧率B模式或多普勒可视化。其中，主动B模式成像因易于集成至现有超声平台并能提供直观的空间信息而具有吸引力。但在HIFU暴露期间采集的B模式序列会受到声泄漏、条带伪影、混响和组织背景波动等因素污染，这些干扰信号常与空化背向散射信号重叠，使得常规的灰度阈值法和固定感兴趣区域（region of interest, ROI）测量不可靠。因此，亟需一种能够在结构化干扰条件下稳健提取空化相关图像特征的方法。
本研究旨在开发并验证一种基于奇异值分解（singular-value decomposition, SVD）的框架，用于在主动B模式成像过程中分离并量化候选空化相关的图像特征。该方法利用背景回波、暴露诱导干扰与间歇性空化背向散射之间在时空相干性和时域频谱特征上的差异，通过谱门控识别空化相关分量并进行全场重建，从而无需预设ROI即可追踪空化特征的时空演变。该研究的创新意义在于：从标准B模式序列中提供一种更稳健、不依赖操作者的图像域读出手段，便于回顾性治疗评估及不同暴露条件下的相对比较。该论文发表于《Ultrasonics Sonochemistry》。
二、关键技术方法
研究人员采用的主要技术方法包括：
- 1.
时空矩阵构建与奇异值分解（SVD）：将B模式图像序列按时间顺序排列成时空矩阵，并对其进行SVD分解，得到空间正交矩阵U、奇异值对角矩阵Δ和时序正交矩阵V*。SVD可将图像序列分解为不同时空相干性的分量。
- 2.
基于幅度谱门控的成分判别：对时序奇异分量进行傅里叶变换获得频谱幅度分布，据此区分三类成分：高度相干且低频稳定的HIFU相关回波（第一大奇异分量）、具有周期性频谱特征的条带伪影（中等奇异值）、以及频谱分布较宽且间歇性出现的候选空化信号。
- 3.
成分重建与空化映射：将经谱门控筛选出的候选空化分量重新组合，重建为全场的空化相关图像特征图，进而计算空化面积随时间的变化曲线。
该方法无需训练数据或手动ROI选择，是一种完全无监督的图像域处理流程。实验中使用了蛋清白蛋白聚丙烯酰胺凝胶和离体牛肝两种模型，在不同声压和脉冲长度条件下进行验证。
三、研究结果
3.1 条带伪影抑制与帧间一致性改善
实验结果表明，所提出的SVD与谱门控方法能有效抑制B模式序列中的漂移条带伪影。与传统灰度阈值法相比，处理后图像的帧间一致性显著提高，空化区域的检测更加稳定可靠。
3.2 空化起始检测提前
通过对比空化面积随时间的变化曲线，研究发现该方法检测到空化起始的时间点明显早于传统灰度阈值法。这表明SVD框架能够更灵敏地捕获早期空化信号，而不会被背景噪声或伪影所掩盖。
3.3 空化面积随声参数的系统性变化
在凝胶和离体牛肝模型中，图像导出的空化面积均随声压增大和脉冲长度延长而增加。这一趋势与暴露后轴向损伤形态的变化规律一致，证实了该方法输出的空化面积指标具有物理相关性。
3.4 无监督操作的可行性
整个处理流程无需人工标注训练数据或手动勾画ROI，所有步骤均为自动执行。这提高了方法的可重复性和实用价值，尤其适用于大规模回顾性数据分析。
四、讨论与结论
在讨论部分，研究人员指出，SVD之所以适用于此任务，是因为不同物理来源的回波信号具有不同的时空相干性：准稳态的HIFU驱动回波高度相干，条带伪影呈现结构化的周期性，而空化背向散射则表现为间歇性和快速时空变化。这种相干性差异为SVD分解提供了天然的分离基础。研究还讨论了有限帧堆叠长度（4秒/120帧）对分离效果的影响，以及在更高帧率或更长序列下可能获得的性能提升。此外，研究人员强调，尽管当前实现中将第一个奇异分量统一归为HIFU相关成分，但在不同暴露或采集条件下，HIFU信号可能分布在多个前导奇异分量中，因此实际使用时需根据数据特点灵活调整。
研究结论部分原文翻译如下：在蛋清白蛋白聚丙烯酰胺凝胶和离体牛肝中的实验表明，所提出的方法抑制了条带伪影，改善了帧间一致性，并且比传统灰度阈值法更早检测到空化起始。图像导出的空化面积随声压和脉冲长度增加而增大，且与暴露后轴向损伤形态的变化趋势一致。这种无监督方法既不需要训练数据也不需要手动选择感兴趣区域（ROI），因此为治疗性超声暴露期间空化相关特征的回溯性可视化和量化提供了一种实用的基于图像的度量手段。
