《Ultrasonics》：Spatial-angular baseband delay multiply and sum beamforming with coherence factor for 3D power Doppler imaging
编辑推荐：
摘要三维功率多普勒成像技术能够实现微血管网络的体积可视化，但基于矩阵阵列的3D PDI仍受限于其较小的有效孔径以及元件灵敏度较低的问题。本研究提出了空间角度基带延迟乘积求和波束形成技术及其相干性加权版本SA-DMAS-CF，旨在提升3D PDI的质量。SA-DMAS在统一的基带D
摘要
三维功率多普勒成像技术能够实现微血管网络的体积可视化，但基于矩阵阵列的3D PDI仍受限于其较小的有效孔径以及元件灵敏度较低的问题。本研究提出了空间角度基带延迟乘积求和波束形成技术及其相干性加权版本SA-DMAS-CF，旨在提升3D PDI的质量。SA-DMAS在统一的基带DMAS框架下整合了多次平面波传输的所有延迟通道数据，而SA-DMAS-CF则进一步通过体素级相干性加权来抑制非相干成分。通过点目标模拟、交叉微管模拟、 phantom实验以及无对比剂大鼠脑、无对比剂大鼠肾、无对比剂小鼠脑和经颅增强型大鼠脑的体内3D PDI实验，对这些提出的波束形成技术进行了评估。在模拟实验中，SA-DMAS-CF具有最小的半高全宽（0.181毫米）和最低的旁瓣水平（?84.97分贝），同时在交叉微管模拟中实现了最高的信噪比，基于峰谷值分析也得到了最小的最小可分离距离。在phantom实验中，SA-DMAS-CF展现出最小的半高全宽和最强的旁瓣抑制效果。在体内实验中，SA-DMAS-CF在无对比剂大鼠脑、无对比剂大鼠肾、无对比剂小鼠脑以及经颅增强型大鼠脑成像中分别实现了37.81、89.09、24.85和41.11分贝的最高信噪比，而传统DAS方法的相应数值仅为7.29、27.20、1.48和24.66分贝。这些结果表明，SA-DMAS-CF能有效提升基于矩阵阵列的3D PDI的空间分辨率、血管与背景的分离度以及弱血流的可视化能力。
引言
微血管网络不仅是器官灌注的末端通道，也是氧气和营养物质输送、代谢废物清除以及局部血流调节的关键界面。因此，微血管结构并非单纯的形态学特征，更是反映器官功能及疾病进展的重要生物标志物[1]。在大脑中，微循环对神经血管耦合至关重要，其结构与灌注异常与脑小血管疾病、中风、认知功能障碍以及神经退行性疾病密切相关[2]、[3]。在肾脏中，肾损伤与功能衰退往往伴随着肾内微血管灌注的改变以及微循环动态的紊乱。这类微血管与微流量的异常是急性肾损伤、慢性肾病以及糖尿病肾病的重要指标[4]、[5]。其他器官和肿瘤中也普遍存在类似的微血管异常。因此，一种能够快速、无创且反复地显示微血管网络及缓慢血流的技术，对于疾病的早期诊断和治疗监测具有极高的价值。
近年来，超快超声功率多普勒成像技术已成为微血管成像领域的关键技术[6]、[7]。与传统逐行聚焦扫描不同，超快超声利用平面波传输以极高的帧率成像整个视野，同时通过多角度平面波的相干叠加，在很大程度上保持时间性能的同时提升图像质量、对比度和分辨率[8]。该技术的核心优势在于能够在短时间内获取整个视野的大量时间样本，从而提高检测缓慢且微弱血流所需的血流敏感度[9]。微血管网络成像的另一个重要方法是基于奇异值分解的空间时间杂波过滤技术[9]、[10]。该技术利用组织杂波、血流信号与噪声在空间时间相干性上的差异，比传统的高通滤波技术更能有效分离血流信号。
在此基础上，超快PDI技术已从二维微血管成像发展到三维成像[11]、[12]。与2D PDI相比，3D PDI更适用于表征复杂的血管网络，因为它能减少切片选择偏差，捕捉三维结构和血流信息，也更符合器官固有的三维血管结构特征[7]、[13]、[14]、[15]。矩阵阵列为体积PDI提供了重要实现途径，但基于矩阵阵列的3D PDI仍受限于相对较小的有效孔径、较低的元件灵敏度以及与频率相关的栅瓣效应，这些问题都会导致点扩散函数变宽，增加旁瓣和栅瓣伪影，降低信噪比，并影响弱血流的可见度[12]、[16]、[17]、[18]、[19]。
多项研究表明，波束形成技术是决定体积PDI图像质量的核心因素。由于简单性、计算效率高以及稳定性，延迟求和波束形成技术至今仍被广泛使用[7]。但其抑制旁瓣、栅瓣以及非相干背景噪声的能力较为有限。基于相干性的方法，包括相干因子和空间角度相干因子，已被用于抑制非相干噪声和轴外伪影，且能有效提升PDI的对比度和分辨率[20]。这些方法利用空间和角度相干性来增强血流信号并抑制背景噪声。近期，基于相干性的零点减除成像技术将NSI的高分辨率特性与SACF的高对比度性能相结合[12]，不过该方法需要较长的采集时间才能提升信噪比[21]。魏等人研究表明，空间相干性可通过采用体素级归一化元素间相干性估计来替代传统延迟求和技术，从而有效抑制因稀疏孔径采样产生的背景非相干杂波，显著提升超快体积微泡成像的质量[22]、[23]。
另一种常见的波束形成策略是延迟乘积求和波束形成技术。该技术通过将延迟后的通道数据进行成对乘法运算，从而增强相干成分并抑制非相干成分[16]、[24]、[25]。DMAS技术在2D B模式成像中已被广泛研究[24]、[26]、[27]、[28]，也有不少研究探讨其在2D PDI中的应用潜力。区域滞后有符号DMAS技术通过利用广义相干因子自适应选择区域滞后，并结合子孔径相干性平滑处理，提升了PDI图像质量。但由于矩阵阵列的孔径有限，子孔径分割方式可能会进一步缩小有效孔径，因此不太实用[29]。沈等人通过将角域DMAS与互补子集传输技术以及基于时间乘积求和的新型功率多普勒估计算法相结合，提升了超快PDI的性能。在角域DMAS中，首先通过DAS技术从每次平面波传输中重建低分辨率图像，然后再沿传输方向进行DMAS处理。该框架利用的是经波束形成的低分辨率图像之间的角度相干性，而非直接使用接收通道数据。尽管这种策略提升了PD图像的对比度，但接收通道间的空间相干性及其与角度相干性的协同作用尚未得到充分挖掘[30]、[31]。在3D PDI中，Yociss等人证明，将幅度调制技术与基带DMAS结合使用可以提升血管对比度[32]。不过，传统基带DMAS是针对每次传输单独应用后再进行合成，未能充分利用超快平面波传输所具备的联合空间角度相干性。
在本研究中，我们提出了用于高质量3D PDI的空间角度基带DMAS技术及其相干因子加权版本SA-DMAS-CF。SA-DMAS在基带DMAS框架下同时整合了接收通道和传输信息，而SA-DMAS-CF则进一步通过体素级相干因子加权来抑制杂波、旁瓣和栅瓣伪影。我们通过点目标模拟、交叉微管模拟、phantom实验以及多种体内3D PDI实验，将这些提出的波束形成技术与DAS、SACF以及传统基带DMAS进行了比较，并通过定性和定量分析评估了它们的性能。
章节节选
方法
本节的组织结构如下：首先介绍3D PDI所用的信号表示方法及波束形成公式，随后描述模拟设计、phantom实验以及体内成像方案，最后阐述3D PDI的处理流程以及用于评估图像质量的定量指标。
为降低计算成本，所有波束形成技术都是基于解调后的复数基带同相/正交通道数据实现的[16]。以下内容中将使用相应的符号表示
结果
本节通过模拟实验、phantom实验以及多种体内实验，对所提出的SA-DMAS和SA-DMAS-CF波束形成技术进行了评估，并将其与DAS、SACF以及传统基带DMAS进行了比较。
讨论
基于矩阵阵列的3D PDI技术虽适合微血管网络的体积可视化，但其图像质量仍受到矩阵阵列较小有效孔径、较低元件灵敏度、较低中心频率以及与频率相关的栅瓣伪影等因素的限制。这些硬件缺陷会降低有效信噪比，使得弱血流信号难以从残留的杂波和背景噪声中分离出来，尤其是当使用传统的DAS波束形成技术时。在此
结论
本研究提出了用于基于矩阵阵列实现高质量3D PDI的SA-DMAS和SA-DMAS-CF技术。通过在基带DMAS框架下同时利用接收通道和传输信息，SA-DMAS相比传统DMAS能更好地重建微血管结构。而通过添加体素级相干性加权，SA-DMAS-CF不仅能进一步抑制非相干背景信号和栅瓣伪影，还能增强弱血流信号的强度。通过模拟实验、phantom实验以及多种体内实验
CRediT作者贡献声明
李志强：撰写——审阅与编辑、撰写——初稿、软件开发、方法设计、数据整理、概念构思。张祖成：撰写——初稿、图像可视化、结果验证、概念构思。罗建文：撰写——审阅与编辑、项目监督、资源协调、项目管理、资金筹集。
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究部分得到了中国国家自然科学基金（项目编号：62531004、62027901、82372561、62171442）以及北京市自然科学基金（项目编号：7252066、L2611016）的资助。
Zhiqiang Li|Zucheng Zhang|Jianwen Luo
清华大学医学院生物医学工程系，北京100084，中国
