学术研究报告：基于无参考方法的软组织超声衰减系数估计技术

作者及机构
本研究由Md. Hadiur Rahman Khan和Md. Kamrul Hasan（通讯作者）共同完成，两位作者均来自孟加拉国工程技术大学（Bangladesh University of Engineering and Technology, BUET）电气与电子工程系。研究成果发表于2019年的期刊《Biomedical Signal Processing and Control》（第50卷，121-133页）。

学术背景

研究领域与动机
超声衰减系数（Attenuation Coefficient, AC）的准确估计是定量评估软组织微观结构特征（如病理状态）的关键参数。传统AC估计方法依赖参考体模（reference phantom）数据以消除系统效应（如衍射、发射脉冲的影响），但这种方法存在局限性：参考体模的声学特性可能与样本不匹配，导致估计偏差。因此，本研究提出了一种无参考的AC估计方法（Reference-Free Average Attenuation Estimation, RFAAE），旨在避免参考数据的使用，同时通过信号处理技术有效抑制系统效应。

研究目标
开发一种基于组织反射函数（Tissue Reflectivity Function, TRF）和点扩散函数（Point Spread Function, PSF）分离的AC估计方法，通过包络信号分析和带通滤波技术，直接从样本射频（Radio-Frequency, RF）数据中提取衰减特征。

研究方法与流程

1. TRF与PSF分离

研究采用改进的非参数倒谱分析（non-parametric cepstral analysis）技术从RF信号中分离TRF和PSF。具体步骤包括：
- 倒谱计算：对RF信号的幅值对数谱进行逆傅里叶变换，得到倒谱系数。
- 低通滤波：通过截止频率（cut-off quefrency）设计滤波器，分离PSF（集中于低频）和TRF（分布于全频段）。
- PSF重构：利用Wiener滤波器优化PSF估计，并通过Hilbert变换提取包络信号以平滑噪声。

2. 包络功率谱建模与带通滤波

• 包络提取：对TRF和PSF信号分别进行Hilbert变换，生成包络信号以消除不连续性和噪声干扰。
  
• 带通滤波：基于衍射效应的高通特性（低频失真显著），设计带通滤波器（8–20 MHz）提取中心频率（fc）附近的衰减功率谱，避免衍射干扰。
  

3. 邻域加权平均与回归分析

• 邻域加权：在均匀组织区域内，对中心频率的功率谱进行指数加权平均，减少随机散射影响。
  
• 线性拟合：通过深度方向的回归线斜率计算AC值，斜率与衰减系数直接相关。
  

实验验证

研究通过三类数据验证RFAAE方法的有效性：
1. 组织仿体（Tissue-Mimicking Phantoms, TM）：包括均匀（类型A、B）和异质（类型C、D）仿体，已知AC值（0.5–0.95 dB/cm-MHz）。
2. 活体乳腺数据：3名女性参与者的RF数据，ROI选取均匀区域。
3. 活体肝脏数据：17名参与者（14例正常肝、3例脂肪肝）。

主要结果

1. TM仿体实验

• 准确性：RFAAE估计的AC值与实际值偏差<10%。例如，类型A仿体（实际AC=0.5 dB/cm-MHz）的估计值为0.48±0.24 dB/cm-MHz。
  
• 鲁棒性：与传统方法（如Spectral Shift、Spectral Difference）相比，RFAAE在深度方向上表现更稳定（图11）。
  

2. 活体数据

• 乳腺组织：AC估计值为0.44±0.23 dB/cm-MHz，与文献报道的脂肪组织范围（0.35–0.60 dB/cm-MHz）一致。
  
• 肝脏组织：正常肝和脂肪肝的AC值分别为0.55±0.21 dB/cm-MHz和0.61±0.20 dB/cm-MHz，符合临床研究结果。
  

3. 与传统方法对比

• 参考依赖性：传统方法（如SNAAE、SCAAE）需参考体模，而RFAAE无需外部数据，避免了因参考-样本声学差异导致的偏差。
  
• 计算效率：基于1D块和邻域加权的设计，RFAAE在保持高空间分辨率的同时降低了计算复杂度。
  

结论与价值

科学意义
RFAAE方法通过TRF-PSF分离和包络谱分析，首次实现了无参考的AC估计，解决了传统方法因参考体模不匹配引入的系统误差问题。其核心创新点包括：
1. 改进的倒谱滤波技术，提升PSF估计精度；
2. 包络功率谱的带通滤波策略，有效抑制衍射效应；
3. 邻域加权回归算法，增强估计稳定性。

应用价值
该方法可直接应用于临床超声设备，为肝纤维化、乳腺肿瘤等疾病的定量诊断提供更可靠的衰减参数，尤其适用于参考数据难以获取的场景（如术中实时成像）。

研究亮点

1. 无参考创新：首次提出完全依赖样本数据的AC估计框架。
   
2. 技术融合：结合倒谱分析、Hilbert包络和带通滤波，多维度优化信号处理流程。
   
3. 临床兼容性：在TM仿体和活体数据中均验证了方法的普适性，为未来临床转化奠定基础。
   

其他价值

研究还揭示了衍射效应对AC估计的影响机制（图4、图5），为后续超声系统设计（如换能器聚焦优化）提供了理论依据。