《Ultrasonics》：Multi-objective optimization of virtual source distributions for ultrafast diverging wave imaging
编辑推荐：
超声成像中基于多目标遗传算法的虚拟源优化方法，提出复合mask加权策略提升图像质量与帧率平衡。实验表明优化虚拟源分布使FWHM减少50%，对比度比（CR）提升60%，且在减少VS数量时仍保持高帧率成像性能。
Zahraa Alzein|Marco Crocco|Daniele D. Caviglia|Hervé Liebgott
热那亚大学电气、电子、电信工程与船舶设计系（DITEN），意大利热那亚，16145
摘要
通过将虚拟源（VSs）放置在换能器后面，相干复合的分散波成像（DWI）技术解决了超快成像的视场（FOV）限制问题。这些虚拟源的数量和空间分布会影响图像质量和帧率，因此具有很高的研究价值。现有的方法使用确定性布局（例如线性、倾斜和阿基米德螺旋分布），这些布局在分辨率和对比度之间存在固有的权衡。然而，对于凸阵列来说，如何最佳地放置虚拟源以最大化图像质量尚未被研究。在这项研究中，我们提出了一种多目标遗传算法，该算法采用复合掩模加权策略——该策略源自合成孔径成像（SAI）中的发射波束展宽——来优化虚拟源的空间分布，从而在优化过程中提高波束相干性并减少伪影。该框架在不同数量的虚拟源情况下进行了评估，以量化在较少传输事件下的性能权衡。所提出的多目标框架优化了两个基于点扩散函数（PSF）的指标，即半高全宽（FWHM）和峰值旁瓣水平（PSL）。然后，计算图像质量指标，如对比度比（CR）和信噪比（SNR），作为对重建图像的独立验证措施。在仿真和实验试验中，与确定性方法相比，优化后的虚拟源分布使FWHM降低了多达50%，CR提高了60%，即使在传输事件减少的情况下也能保持这些改进。
引言
具有相干复合的超快成像已成为超声成像领域的一项变革性创新。能够以极高的帧率获取图像为各种应用铺平了道路，例如剪切波弹性成像[1]、全定量多普勒流成像[2]和功能性超声成像（fUS）[3]。特别是在小血管和微血管成像中，这种技术能够在短时间内快速收集高分辨率的空间和时间数据，大大提高了可视化和诊断准确性[4]、[5]。
早期的超快成像方法使用平面波（PWs）传输[6]、[7]。尽管它们的帧率很高，但由于需要顺序的边缘到边缘转向，特别是在用于腹部或盆腔成像的弯曲阵列中，PWs本质上限制了视场（FOV）。为了克服视场限制，Hasegawa和Kanai提出了使用分散波（DWs）传输的并行波束成形技术，他们的方法显示出与传统方法相当的图像质量[9]。在分散波成像中，相干复合过程类似于多元素合成孔径成像，其中来自多个换能器元素的信号被相干组合，从而形成扩展的有效孔径，从而提高信噪比（SNR）[10]。
利用从换能器后面放置的虚拟源（VSs）发出的球面波前的DWs已被用于凸阵列配置。Ghigo等人[11]研究了虚拟源的配置如何影响图像质量。观察到的性能几乎相同，这可能是由于仅使用了三个复合波。在[12]、[13]中引入了一种合成宽范围、非聚焦波前的替代方法。这种方法采用了一种简单的传输策略，即凸阵列的线性延迟轮廓。结果表明，波前遵循阿基米德螺旋轨迹，随着转向角度的变化而变化。另一种傅里叶域波束成形方法也被提出[14]，使用倾斜的分散波传输。虽然这种方法提高了图像质量，但其有效性仅限于方位角狭窄的区域。在[15]中，分析了三种生成分散波的传输策略：基于侧向虚拟源的分散波成像（latDWI）、基于倾斜虚拟源的分散波成像（tiltDWI）和基于阿基米德螺旋的成像（AMI）。latDWI的分辨率优于其他方法，但代价是轴向瓣水平更强，导致图像对比度最差。相比之下，tiltDWI和AMI提供了改进的图像对比度，尽管分辨率略有下降。
关于使用凸阵列的DWs的现有研究主要集中在确定性分布或特定的传输策略上。虽然以前的方法在分辨率和对比度方面有所改进，但它们受到固定配置的限制。例如，均匀间隔的虚拟源分布无法解释成像场中波束相干性和旁瓣水平的空间变化。同样，像倾斜分散波或阿基米德螺旋这样的传输策略虽然在特定区域内有效，但受到方位角依赖性的限制，可能无法在整个视场内提供均匀的性能。在DWs中，虚拟源的空间分布和数量对帧率和图像质量之间的基本性能权衡有重要影响。由于每个虚拟源对应一个单独的传输事件，因此可实现的帧率与虚拟源的数量成反比。增加虚拟源的数量可以通过相干复合多个分散波前来提高图像质量和对比度，但代价是帧率的降低。因此，在保持原始非聚焦波成像的高帧率的同时实现高图像质量是非常重要的。
虽然之前的研究已经探索了确定性的虚拟源分布，但本研究提出了一个多目标进化优化框架，旨在最小化半高全宽（FWHM）和峰值旁瓣水平（PSL）。该优化框架借鉴了相关领域中的先前工作，其中多目标方法已成功应用于解决复杂的权衡问题。在稀疏阵列配置中，已经采用了模拟退火[16]和遗传算法[17]等优化算法来提高横向分辨率并抑制旁瓣，同时最小化活动元素的数量[18]。这些方法在需要高空间分辨率和低伪影水平的应用中显著提高了图像质量。同样，在声源定位[19]和雷达系统[20]中，进化优化技术也被用来优化阵列几何形状，确保即使在高噪声水平或复杂传播环境下也能准确检测到声源。
选择了MATLAB中的全局优化工具箱（Global Optimization Toolbox）中的多目标遗传算法MOGA进行优化，因为与其他方法相比，它在初步结果上表现更好[22]。通过集成复合掩模权重来增强优化框架，这些权重之前是从合成孔径成像（SAI）的发射波束展宽中得出的。这些权重使用封闭形式的方法映射到DWI中，如我们之前的工作[23]中详细说明的。复合掩模在优化过程中调整每个虚拟源对各个网格点的贡献。优化使用了不同数量的虚拟源（20、10、6和4），以系统地探索图像质量和帧率之间的权衡，并评估该方法在提高帧率的同时保持诊断图像质量方面的适应性。随后使用计算机模拟数据和实验数据验证了优化的虚拟源分布。所提出的多目标优化框架用于虚拟源（VS）分布，设计为离线校准程序。在成像之前使用代表性模拟数据执行优化算法，以确定平衡图像质量和帧率的最佳虚拟源空间配置。一旦获得这些优化配置，它们就会在实时超快成像采集过程中固定使用，而不会产生额外的计算开销。因此，该方法完全兼容高帧率成像，因为计算密集型的优化不会干扰实时数据采集或处理。
总之，本工作的贡献如下：
- 1.
我们提出了一个多目标优化框架，用于找到分散波成像中虚拟源的空间分布，以提高图像质量。
- 2.
我们将复合掩模波束展宽集成到优化中，以便在优化过程中对每个虚拟源对每个图像点的贡献进行加权。
- 3.
通过仿真和实验，我们展示了与确定性分布相比，优化的虚拟源分布可以改善图像质量，即使在传输事件减少的情况下也是如此。
本文的其余部分组织如下：第2节详细介绍了材料和方法，包括MOGA优化框架、评估指标和验证设置。第3节展示了结果，比较了优化后的虚拟源分布和确定性虚拟源分布，并强调了性能权衡。第4节总结了关键发现、它们对超快成像的影响以及未来的研究方向。
多目标优化框架
多目标优化框架
遗传算法（GA）是一种受生物进化过程启发的成熟优化技术[24]。在这项研究中，GA被用于优化DWI中凸阵列的虚拟源分布。优化过程使用了两个适应度函数：一个用于半高全宽（FWHM），另一个用于峰值旁瓣水平（PSL），这两个指标对于评估超声成像中的图像质量至关重要。为了实施优化，GA在MATLAB中执行
有无复合掩模的优化结果
通常称为帕累托最优前沿（Pareto-optimal front）[41]、[42]的一组非支配解（NDSs），是通过应用和不应用复合掩模对虚拟源（VS）分布进行优化得到的，分别用图3(a)和图3(b)展示。这些图表展示了平均FWHM和平均PSL之间的权衡，其中平均PSL的降低通常伴随着平均FWHM的增加，反之亦然。
讨论
在这项研究中，引入了一种多目标优化方法，该方法使用来自SAI的发射波束展宽映射的复合掩模权重，共同优化DWI中的两个基于PSF的图像质量指标，即横向分辨率（由FWHM量化）和与旁瓣相关的对比度（由PSL量化）。然后评估了诸如无回声囊肿的对比度比（CR）和均匀背景下的信噪比（SNR）等指标，作为独立的验证措施。
结论
本研究引入了一个多目标优化框架，用于优化分散波成像（DWI）中的虚拟源（VS）分布，其中遗传算法明确地将FWHM和PSL作为两个优化目标，显著提高了图像质量。优化后的配置实现了FWHM减少了50%和CR提高了60%，优于确定性分布。即使在虚拟源数量减少的情况下，这些改进仍然得以保持
CRediT作者贡献声明
Zahraa Alzein：撰写——原始草稿、验证、软件、方法论、调查、数据管理、概念化。Marco Crocco：监督、审阅。Daniele D. Caviglia：监督、资金获取。Hervé Liebgott：监督、方法论、概念化、审阅。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Daniele D. Caviglia报告称获得了热那亚大学的财务支持。
致谢
本材料基于在ISO 9001:2015试点设施中进行的工作。这项工作是在里昂大学（Université de Lyon）的LABEX PRIMES（ANR-11-LABX-0063）框架内完成的。
