Zusammenfassung
Ultraschall ist eine sich im Gewebe ausbreitende mechanische Welle, die von den lokal vorherrschenden akusto-mechanischen Gegebenheiten in ihrem Ausbreitungsverhalten beeinflusst wird. Durch geeignete Verarbeitung der rückgestreuten und vom Ultraschallwandler empfangenen Signale kann daher auf Gewebeparameter, wie lokal wirkende Kompressionsmodule, Massendichte, Schallgeschwindigkeit, den isotropen Streukoeffizienten, aber auch auf die lokal wirkende Gewebeabsorption rückgeschlossen werden. Eine Disziplin, die in den letzten Jahren vermehrt Aufmerksamkeit in den wissenschaftlichen Publikationen zur medizinischen Ultraschallbildgebung gefunden hat, ist die Quantitative Ultraschall(QUS)-Analyse. In diesem Beitrag analysieren wir verschiedene Algorithmen zur Schätzung der örtlich hochaufgelösten Gewebeabsorption. Denn es wurde gezeigt, dass die Bereitstellung von farbcodierten Overlays von Absorptionsparametern über die herkömmlichen B‑mode-Ultraschall-Bilder, die ausschließlich die Morphologie darstellen, die diagnostische Qualität wesentlich verbessern kann.
Abstract
Ultrasound is a mechanical wave propagating in tissue influenced by the locally prevailing acousto-mechanical conditions in terms of its propagation behavior. Through appropriate processing of the backscattered signals received by the ultrasonic transducer, tissue parameters, such as locally acting bulk modules, mass density, speed of sound, isotropic scattering coefficient, as well as locally acting tissue absorption, can be estimated. A discipline that has received increasing attention in scientific publications about medical ultrasonic imaging in recent years is the quantitative ultrasound (QUS) analysis, which tries to estimate these locally acting tissue parameters with great accuracy. In this article, we analyze different algorithms for estimating locally highly resolved tissue absorption parameters. It has been shown that the provision of color-coded overlays of tissue attenuation through conventional B‑mode ultrasonic images that show the morphology only is of great diagnostic value.
Avoid common mistakes on your manuscript.
1 Einleitung
Brustkrebs ist die zweithäufigste krebsbedingte Todesursache bei Frauen und eine von acht Frauen wird in ihrem Leben die Diagnose Brustkrebs gestellt bekommen. Teilweise sind diese sehr bösartig und neigen daher zu rascher Metastasierung und schnellem Wachstum, weshalb selbst eine jährliche Vorsorgeuntersuchung nicht immer in der Lage ist Frühformen sicher zu detektieren. Gut behandelbar sind gewisse Arten aber nur, wenn sie entdeckt werden, bevor sie eine Größe im oberen Millimeterbereich erreichen also einer Größe, die bei Selbstuntersuchung durch Palpieren kaum entdeckt werden kann. Bruströntgen, Mammographiebilder liefernd, sind immer noch die Diagnosemodalität der Wahl jedoch ist diese aufwändiger, nicht in allen gynäkologischen Praxen niedergelassener Ärzte verfügbar und sie stellt eine zwar geringe aber immerhin vorhandene Strahlenbelastung für die Patientin dar. Ebenfalls Befunde von hoher diagnotischer Qualität liefert die Magnetresonanztomographie, allerdings ist deren Einsatz in der regelmäßigen Vorsorge aus Kostengründen nicht möglich. Die Ultraschall-Diagnostik im klinischen Einsatz, die über sogennante B‑mode (brightness mode) Bilder nur die alleinige Morphologie der Brust darzustellen in der Lage ist, erreicht noch nicht die Aussagekraft, die von der Mammographie, bzw. der Magnetresonanztomographie erreicht wird.
Die Abtastung der Brust um möglicherweise vorhandene Knoten zu entdecken, nützt die Tatsache, dass maligne Prozesse andere mechanische Eigenschaften als das normale Brustgewebe aufweisen und daher ertastet werden können [1]. Ultraschall ist eine sich mit der lokalen Schallgeschwindigkeit und mit einer von den lokalen mechanischen Parametern des Mediums abhängigen Dämpfung ausbreitende Störung des Gleichgewichtszustandes. Es ist daher naheliegend, dass aus dem Ausbreitungsverhalten dieser mechanischen Wellen durch geeignete, allerdings hochkomplexe, Verarbeitung der Ultraschall-Signale auf die lokal wirkenden Parameter, wie Massendichte \(\rho(x,y,z)\), Kompressionsmodul \(K(x,y,z)\), etc. rückgeschlossen werden könnte.
Jene bildgebende Disziplin im medizinisch Ultraschall, die sich mit der Schätzung von mechanischen Parametern des untersuchten Gewebes beschäftigt, nennt sich Quantitativer Ultraschall (Quantitative Ultrasound QUS) [2, 3] und sie hat in den letzten Jahren einen enormen Aufschwung erfahren, da die Schätzergebnisse, wenn sie lokal gut aufgelöst und als auswählbares, farbcodiertes overlay zum Standard-B-mode Bild angeboten werden, dem Diagnostiker wertvolle zusätzliche Information bieten können.
In diesem Beitrag werden Algorithmen diskutiert und deren Schätzqualität untersucht, die sich ausschließlich mit der Schätzung und Darstellung von Gebeweabsorptionsparametern befassen. Er ist wir folgt gegliedert. Im Abschn. 2 wird die Literatur zur Theorie der Schallabsorption diskutiert, der Abschn. 3 behandelt kurz die Abbildungsmodalität Ultraschall B‑mode und legt die notwendige Signalverarbeitung dar, die zu kontrastreichen Bilder führt, im Abschn. 4 werden verschiedene Schätzalgorithmen beschrieben und deren Eigenschaften abgeleitet. Diese Algorithmen basieren, nachdem die Absorption eine (nicht-)lineare Funktion der spektralen Zusammensetzung des sich ausbreitenden Ultraschallpulses ist, auf guten Schätzern der spektralen Leistungsdichte. Daher werden in diesem Abschnitt auch Spektraldichteschätzer erwähnt. Abschn. 4.2 legt die Theorie zur Methode der Momente (MoM) [4,5,6] dar, jener Schätzmethode, die einerseits auch nichtlineare Absorptionseigenschaften des Mediums zu schätzen gestattet und sich andererseits als sehr leistungsfähig herausgestellt hat. Der Beitrag schließt mit einer Darstellung von Schätzergebnissen, deren Diskussion und einem kurzen Ausblick.
2 Dämpfungseigenschaften biologischer Gewebe
Die lokal wirkende Dämpfung auf die sich ausbreitende Ultraschallwelle ist abhängig von der Schallabsorption und der Schallstreuung im Medium. Die Schallabsorption in einem Medium hat als physikalische Ursachen die innere Reibung, beschrieben über und abhängig von der Viskosität des Fluids, die Wärmeleitung, die durch das vom idealen adiabatischen Verhalten abweichende und zu irreversiblen, dem Schallfeld Energie entziehenden Wärmeausgleichsvorgängen führt und die molekulare Absorption, die im Wesentlichen von der Konzentration von Salzen (spezifisch bei Meereswasser ist es das Magnesiumsulfat MgSO\({}_{4}\) [7]) im Medium bestimmt wird.
Ferner die Schallstreuung, die ebenfalls dem propagierenden Wellenfeld Energie entzieht und die je nach Wandlertyp auch Ausbreitungsverluste umfasst, die häufig mit \(1/r\) als Funktion der zurückgelegten Distanz r wirken, sowie nahezu isotrope Streuung, die abhängig von der Konzentration und Größe der streuend wirkenden Partikeln ist. Meist handelt es sich um relativ zur Wellenlänge \(\lambda\) sehr kleine jedoch in hoher Volumenskonzentration wirkende Partikel [8], im biologischen Gewebe also Zellen und anderen Strukturen der Morphologie.
Insgesamt ist Absorption ein sehr komplexer Prozess, der sich aber für die Ausbreitung ebener Wellenfelder gut über die Beziehung
charakterisieren lässt [9]. Grundsätzlich wäre die Frequenzabhängigkeit der Gewebedämpfung in Np/m als kohärenter Einheit anzugeben, in der Medizin ist es jedoch üblich auf die Feldgröße Schalldruck abzustellen und in der Einheit dB/cm anzugeben, auch wird diese nicht bezogen auf die Kreisfrequenz, sondern auf die Frequenz in Hertz. In der Gl. 1 ist \(\alpha(\omega)\) in dB/cm die frequenzabhängige Dämpfungskonstante, die typisch, da ja die Schalldruckamplitude exponentiell mit der Distanz abnimmt, im logarithmischen Maß in dB/cm für jede interessierende Kreisfrequenz \(\omega\) angegeben wird, \(\alpha_{0}\) ist ein frequenzunabhängiger Dämpfungsterm, der bei biologischem Gewebe zu null angenommen werden kann, \(\alpha_{1}\) ist der Vorfaktor (angegeben in dB/(MHz\({}^{y}\) cm)) und y ist der Dämpfungsexponent. Beide Parameter \(\alpha_{1}\) und y sind das Medium (normales Brustgewebe bzw. maligne Prozesse) charakterisierende Konstanten, die es aus den Ultraschalldaten zu schätzen gilt. Das frequenzabhängige Verhalten, welches über die Gl. 1 beschrieben wird, bedeutet auch, und das wird später relevant werden, dass bei breitbandiger Anregung des Wandlers mit zunehmendem Ausbreitungsweg sich auch die Form des Spektrums und die Frequenz des spektralen Maximums zu niedrigeren Frequenzen hin verschiebt, einem Faktum, dass von einem guten Schätzer idealerweise mitberücksichtigt werden sollte.
Wie man aus dem Vergleich der Einträge in der Tab. 1 entnehmen kann, unterscheiden sich die Gewebe der Brust jeweils in zumindest einem Parameter voneinander und auch von den zu diagnostizierenden gutartigen und bösartigen Tumoren. Daraus kann geschlossen werden, dass durch eine overlay-Darstellung in B‑mode Bildern ein zusätzlicher diagnostischer Kontrast erwartet werden kann, selbst dann, wenn die Schätzwerte der Dämpfungsparameter einen gewissen bias und eine vergleichsweise hohe Varianz aufweisen.
3 Grundlegende Verarbeitung der Ultraschall-Signale
Das zu untersuchende Volumen wird, wie in der Abb. 1 schematisch dargestellt, vom oben befindlichen Ultraschall-Wandler, der üblicherweise aus vielen (bis zu 512) einzeln elektronisch ansteuerbaren Wandlerelementen besteht, angeregt. Das Zusammenwirken über eine phasengesteuerte Anregung erlaubt dann sowohl ein Schwenken des ’Ultraschall-Strahls’ als auch ein Fokussieren, um auch noch tiefer im Gewebe befindliche Strukturen mit einer beugungsbegrenzten Abbildungsleistung darstellen zu können. Die Anregesignale sind üblicherweise im niedrigen Megahertzbereich (2,5 MHz bis 15 MHz) und besitzen eine große relative Bandbreite (ermittelt, wie im medizinischen Ultraschall üblich @ \(-6\) dB) von bis zu 70 %, was bedeutet, dass es sich im Wesentlichen um eine einzelne Sinusschwingung (mit Anteilen des An- und Ausschwingens) handelt.
Ein Beispiel für ein resultierendes B‑mode (brightness mode) Bild ist in der Abb. 2 dargestellt. Hier sieht man einen Ausschnitt aus einem sogenannten Sector-Scan in dem man auch eine keisförmige Struktur mit vom Hintergrund abweichender Dämpfung und dem darunter sich einstellenden ’Schatten’ erkennt. Damit dieses Bild eine über der Tiefe annähernd gleichbleibende Helligkeit aufrecht erhält, muss, der angenommenen Gewebedämpfung folgend, über einen sogenannten time-gain-compensation (TGC) Verstärker die teils dramatische Amplitudenabnahme mit zunehmender Tiefe der Rückstreuintensität korrigiert werden. Diese Funktionalität erklärt dann auch die Schattenbildung hinter einem stärker als durchschnittlich dämpfenden Volumen, da der TGC hier zu gering kompensierend wirkt.
4 Schätzung der Dämpfungsparameter
Da die Parameter \(\alpha_{1}\) und y einer Potenzfunktion (Gl. 1, allerdings mit \(\alpha_{0}=0\)) angewandt auf den spektralen Gehalt eines propagierenden und teilweise rückgestreuten Ultraschall-Pulses zu schätzen sind, ist es günstig, wenn eine möglichst große spektrale Breite des Ultraschall-Signals zur Verfügung steht, einer Forderung, die auch der räumlichen Auflösung des Ultraschall-Systems entgegenkommt, aber nur durch starke Bedämpfung des Ultraschall-Wandlers (akustischer Sumpf) zu erreichen ist [9, 11].
4.1 Die spectral-log-difference Methode
Zur Parameterschätzung bietet sich, wenn y zunächst zu 1,00 angenommen wird, die einfache spectral-log-difference Methode (SLD) [6, 12] an, wie sie in Gl. 3 definiert ist. Geht man von den beiden Amplitudendichtespektren \(S_{p}(f)\) und \(S_{d}(f)\) aus, die für ein proximales (Index p, in der Tiefe \(d_{p}\) liegend) und ein distales (Index d, in der Tiefe \(d_{d}\) liegend) Analysefenster über einen geeigneten Spektraldichteschätzer [13] berechnet werden, so folgt für den Quotienten \(Y(f)\), entsprechend der angenommenen exponentiellen Abnahme des Schalldruckpegels
Der Faktor 4 in obiger Gleichung berücksichtigt den gesamten Hin- und Rückpfad der Schallausbreitung und auch noch die Tatsache, dass Feldgrößen, also Schalldruck und nicht Leistungsgrößen, also Schallintensitäten betrachtet werden. Ferner wird in Gl. 2 umgestellt von der Kreisfrequenz \(\omega\) in rad/s als bestimmender Parameter auf die Frequenz f, angegeben in Hertz.
Nach dem Logarithmieren der Gl. 2 folgt
Angewandt auf verrauschte Messergebnisse muss \(\alpha(f)\) allerdings über eine lineare Ausgleichsrechnung aus der Steigung der implizit angenommenen Geraden berechnet werden (siehe Abb. 3 in Türkis). Der offensichtliche Nachteil dieses Schätzers liegt in der Tatsache, dass er jedenfalls die Bedingung \(y=1{,}00\) (also eine Gerade) erzwingt und somit auch nur für den Parameter \(\alpha_{1}(\omega)\) nicht allgemein erwartungstreu sein kann.
Wesentlich günstigere Eigenschaften zeigt die Methode der Momente [6], die im folgenden Abschnitt behandelt wird.
4.2 Methode der Momente (MoM)
Die hier vorgestellte Methode beruht auf der von Claes et al. [4,5,6] für homogene, reine Fluide entwickelten method-of-moments und sie wird in dieser Arbeit angewandt auf medizindiagnostische Fragestellungen. Ebenso wie die einfache SLD-Methode basiert die MoM auf Amplitudendichtespektren, die trotz Ultraschall-Speckles, wie sie in der Abb. 2 gut zu erkennen sind, niedrige Schätzvarianzen aufweisen müssen. Der hierzu eingesetzte Schätzer basiert auf dem Periodogram nach Welch [13]. Die Spektren werden dabei, wie in der Abb. 1 angedeutet jeweils über \(N_{a}\) B‑mode Scans azimutal und über \(N_{r}\) Abtastwerte in radialer Richtung gemittelt. Die verwendeten Parameterwerte sind in der Tab. 2 zu finden.
Die Methode der Momente nützt die aus der Stochastik bekannten Momente \(m_{k}=\mathbb{E}\{X^{k}\},\;k=1,2,\dots\) gebildet über den Erwartungswert \(\mathbb{E}\{\cdots\}\) der Zufallsvariablen X, die als integrales Maß der Wahrscheinlichkeitsdichtefunktion auch deren Form zu charakterisieren erlaubt [14], also einer Eigenschaft, die gut geeignet erscheint, die dämpfungsbedingte Verschiebung des spektralen Maximums ebenfalls zu erfassen.
Man betrachtet, wie in der Abb. 1 dargestellt, drei in unterschiedlicher Tiefe des Gewebes befindliche Bereiche der Ausdehnung \(N_{r}\) in radialer und \(N_{a}\) in azimutaler Richtung, über die die jeweiligen Amplitudenspektren \(S_{p}(\omega)\), \(S_{m}(\omega)\) und \(S_{d}(\omega)\) gemittelt gebildet werden. Die Indizes \(\mid_{d}\), \(\mid_{m}\), und \(\mid_{p}\) bedeuten distales, zentrales und proximales Fenster.
Die Variable \(C(\omega,d)\) in Gl. 4 repräsentiert die Gesamtwirkung, allerdings ohne die Gewebeeigenschaften zu inkludieren, der Effekte, die vom Fokussieren und der Wirkung der Sende- und Empfangsapertur des Ultraschall-Wandlers verursacht werden, für die radiale Tiefe d.
Bildet man nun das i-te fraktionale Moment, \(m_{i,S}(d)\), \(i=\in\cal{R}\), entsprechend der Gl. 5
setzt für die Dämpfungskonstante \(\alpha(\omega)\) mit \(\alpha_{0}=0\) aus der Gl. 1 ein und erkennt dann, dass für die partielle Ableitung \(\partial_{d}m_{i,S}(d)\) gilt, dass diese aus dem \((i+y)\)-ten, fraktionalen Moment des Spektrums gebildet werden kann:
Unter der Annahme, dass das Spektrum \(S(\omega)\) eine Gauß’sche Form annimmt, dann kann \(\alpha_{1}(y)\) geschätzt werden (angedeutet durch \(\widehat{(\dots)}\)) zu [4]:
vorausgesetzt man schätzt über eine geeignete Methode davor den Dämpfungsexponenten \(\widehat{y}\).
4.3 Maximum-Likelihood-Schätzer
Bei der gemeinsamen Schätzung der beiden Unbekannten (\(\widehat{\alpha_{1}}\) und \(\widehat{y}\)) aus den vom Ultraschall-Wandler empfangenen Signalen kann auf einen sogenannten maximum-likelihood Schätzer zurück gegriffen werden, der, wie gezeigt werden kann [13] für große Datensätze asymptotisch optimale Schätzergebnisse, also solche, die die Cramér-Rao-Grenze mit Gleichheit erfüllen, zu liefern im Stande ist, wie dies schematisch in der Abb. 4 dargestellt ist.
4.4 Numerische Suche für \(\alpha_{1}\) und \(y\)
In dieser Arbeit wird nicht ein expliziter ML-Schätzer entwickelt, obwohl dies durchaus möglich erscheint, sondern auf ein numerisches Suchverfahren (ein sogenannter grid-search) zurückgegriffen, bei dem alle im kartesischen Produkt der sinnvollen, aus den Einträgen der Tab. 1 abgeleiteten, Parameterwerte (\(\{\alpha_{1}\times y\};\alpha_{1}=0{,}50\cdots 2{,}00;\;y=0{,}50\cdots 2{,}00\)) auftretenden Summen der Absolutbeträge der Abweichungen minimiert werden. Dies ist möglich, wenn angenommen werden kann, dass das den Ultraschall-Signalen überlagerte Rauschen einerseits eine weiße Spektraldichte und andererseits eine Gauß’sche Wahrscheinlichkeitsdichtefunktion besitzt.
Dabei wird wie folgt vorgegangen. Zunächst wird ein Referenzspektrum \(S_{\mathrm{ref}}(\omega,d_{\mathrm{ref}})\) betrachtet, das für einen sinnvoll bemessenen radialen und azimutalen Bereich aus einer geringen Tiefe \(d_{\mathrm{ref}}\) berechnet wird (siehe das proximale Fenster in Abb. 2). Dabei wird über \(N_{r}\) Abtastwerte in radialer und \(N_{a}\) B‑mode lines in azimutaler Richtung gemittelt, um den Einfluss der Ultraschall-Speckles zu minimieren. Dieses Referenzspektrum wird dann für jede Parameterpaarung \((\widehat{\alpha^{\prime}_{1}},\widehat{y^{\prime}})\) über dem gesamten interessierenden Auswertebereich (Tiefe d) propagiert (Gl. 8), mit dem tatsächlich für diesen Bereich berechneten Spektrum, entsprechend einer gewählten Metrik verglichen und jene Parameterpaarung gesucht, die optimal angepasst ist.
Hier stellt sich die Frage nach der geeigneten Metrik und in dieser Arbeit wird die Summe der Absolutwerte der Logarithmen der spektralen Differenzen gewählt, wie dies in der Abb. 5 dargestellt ist.
Beide Diagramme spiegeln die selbe Faktenlage allerdings in unterschiedlicher Skalierung wider und man erkennt deutlich, dass im rechten Diagramm auch in größerer Tiefe gelegene Vergleichspunkte ähnlich gewichtet und damit bei der Schätzung gleichförmig berücksichtigt werden, wohingegen im linken Diagramm eine überproportionale Wirkung der aus geringer Tiefe ermittelten Spektren vorherrscht.
Das Resultat des grid-search, die Likelihood-Funktion, für einen ausgewählten Tiefenbereich und dem vollständigen Parametersatz ist grafisch in der Abb. 6 dargestellt. Man erkennt deutlich, dass bei einer Variation von y die Trajektorie einen wesentlich steilerern Verlauf zeigt, als bei einer Variation von \(\alpha_{1}\), was darauf hindeutet, dass y mit geringeren Schätzvarianz ermittelbar ist.
5 Ultraschall-Simulation
Die oben dargestellten Resultate wurden aus Daten berechnet, die von einer Simulation-Software, k-Wave [15, 16], erstellt wurden. Dies ist in der Forschung zu medizinischer Diagnostik üblich, da es Patientinnen, speziell, wenn diesen die Diagnose Brustkrebs gestellt wurde, nicht zugemutet werden kann, sich für Optimierungen der Algorithmen zur Verfügung zu stellen. k-Wave löst die nichtlineare, partielle, inhomogene Differenzialgleichung auch für ein strukturiertes Medium, dessen Massendichte, Schallgeschwindigkeit, Dämpfungsparameter, etc. für jedes Volumenelement separat spezifiziert werden können. Die für die dargestellten Medien gewählten Parametersätze sind in der Tab. 2 angegeben.
Um einen fairen Vergleich aller analysierten Ultraschall-Bilder zu ermöglichen, wurden alle Parameter, mit Ausnahme des jeweils variierten, bei allen Simulationen konstant gehalten, eine Tatsache, die auch erklärt, warum alle B‑mode Bilder ähnliche Grundstruktur aufzuweisen scheinen.
6 Ergebnisse der Schätzung
Für homogene numerische Phantome wurden die in der Tab. 3 aufgeführten Schätzergebnisse erhalten. Man erkennt, dass die Standardabweichung \(\sigma_{\widehat{\alpha_{1}}}\) genügend klein ist, um relevante Gewebearten (siehe Tab. 1) noch mit einer gewissen statistischen Sicherheit trennen zu können. Nur der Maximum-Likelihood-Schätzer liefert auch den Wert für den Dämpfungsexponenten y zuverlässig, wobei dessen Varianz nicht ausgewertet wurde.
Die Abb. 7 stellt, beispielhaft ein B‑mode Ultraschall-Bild (in Grauwerten) dar, dem die lokale Schätzung für den Parametersatz \(\alpha_{1}=1{,}25\,,\;y=1{,}00\) (entsprechend dem eines Karzinoms) als farbcodiertes overlay überlagert ist.
Welche räumliche Auflösung mit den Verfahren erzielbar ist wurde bisher noch nicht untersucht. Es ist jedoch geplant diese Untersuchungen systematisch ebenso durchzuführen, wie auch die Schätzung des Dämpfungsexponenten über eine weitere Farbdimension aufzunehmen.
7 Zusammenfassung
Quantitativer Ultraschall hat das Potenzial die diagnostische Qualität von Ultraschall-Morphologiebildern wesentlich zu verbessern und daher in der Brustkrebsvorsorge künftig eine bedeutendere Stellung einzunehmen. Die Gewebeabsorptionsparameter Vorfaktor und Dämpfungsexponent gemeinsam erlauben dabei eine gute Trennung von normalem, benignen, bzw. malignen Geweben der Brust. Die erwartungstreue Schätzung mit geringer Schätzvarianz dieser Parameter direkt aus den Ultraschall-Signalen stellt jedoch ein einigermaßen komplexes Problem dar, da, um diagnostisch sinnvoll zu sein, eine hohe örtliche Auflösung gefordert ist.
In diesem Beitrag wurden verschiedene Schätzalgorithmen untersucht, beginnend vom einfachsten, der spectral-log-difference Methode, über die Methode der Momente, die bereits in der Lage ist, sowohl die Abnahme der Leistungsdichte als auch die Verschiebung zu niedrigeren Frequenzen des Leistungsdichtespektrums zu berücksichtigen, bis hin zum Maximum-Likelihood-Schätzer, der die gemeinsame Schätzung beider Absorptions-Parameter mit geringer Schätzvarianz erlaubt.
Literatur
Shiina T, Nightingale KR, Palmeri ML et al (2015) Guidlines and recommendations for clinical use of ultrasound elastography: Part 1: basic principles and terminology. Ultrasound Med Biol 41(5):1126–1147
Ghoshal G, Oelze ML (2010) Improved scatterer property estimates from ultrasound backscatter using gate-edge correction and a Pseudo-Welch technique. IEEE Trans UFFC 57(12):2828–2832
Nam K, Zagzebski JA, Hall TJ (2013) Quantitative assessment of in vivo breast masses using ultrasound attenuation and backscatter. Ultrason Imaging 35(2):146–161
Claes L, Hülskämper LM, Baumhögger E, Feldmann N, Chatwell RS, Vrabec J, Henning B (2019) Acoustic absorption measurement for the determination of the volume viscosity of pure fluids. TM 86(S1):S2–S6
Claes L, Johannesmann S, Baumhögger E, Henning B (2019) „Quantification of frequency-dependent absorption phenomena“, Proceedings Acoustical Society of America; https://asa.scitation.org/toc/pma/38/1. Zugegriffen: 29.07.2022
Brandner DM, Cai X, Foiret J, Ferrara KW, Zagar BG (2021) Estimation of tissue attenuation from ultrasonic B‑Mode images spectral-log-difference and method-of-moments algorithms compared. Sensors 21(7):2548
Urick R (1983) Principles of underwater sound, 3. Aufl. McGraw-Hill, New York
Brandner D (2020) Sound field simulation in breast cancer research, master’s thesis, Johannes Kepler University Linz, Austria; https://epub.jku.at/obvulihs/content/titleinfo/5341564. Zugegriffen: 29.07.2022
Szabo TL (2014) Diagnostic ultrasound imaging: inside out, 2. Aufl. Elsevier, Amsterdam (available at: https://www.sciencedirect.com/book/9780123964878/diagnostic-ultrasound-imaging-inside-out)
Opielińskia KJ, Pruchnickia P, Szymanowskibc P, Szepieniecc WK, Szwedac H, Świśc E, Jóźwikcd M, Tenderendae M, Bułkowskif M (2018) Multimodal ultrasound computer-assisted tomography: An approach to the recognition of breast lesions. Comput Med Imaging Graph 65:102–114. https://doi.org/10.1016/j.compmedimag.2017.06.009
Lerch R, Sessler G, Wolf D (2009) Technische Akustik — Grundlagen und Anwendungen. Springer, Heidelberg, Berlin, New York
Coila AL, Lavarello R (2018) Regularized spectral log difference technique for ultrasonic attenuation imaging. IEEE Trans Ultrason Ferroelectr Freq Control 65(3):378–389
Kay SM (1993) Fundamentals of statistical signal processing — estimation theory. Prentice Hall, Englewood Cliffs
Gardner WA (1990) Introduction to random processes with applications to signals and systems, 2. Aufl. McGraw-Hill, New York
Treeby BE, Cox BT, Jaros J $$k$$-Wave a MATLAB toolbox for the time domain simulation of acoustic wave fields“, User Manual, Ver. 1.1.; http://www.k-wave.org/manual/k-wave_user_manual. Zugegriffen: 29.07.2022
Treeby B; http://www.k-wave.org/. Zugegriffen: 29.07.2022
Danksagung
This work has been supported by the LCM K2-Center within the framework of the Austrian COMET-K2 Programme.
Funding
Open access funding provided by Johannes Kepler University Linz.
Author information
Authors and Affiliations
Corresponding author
Additional information
Hinweis des Verlags
Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.
Rights and permissions
Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de.
About this article
Cite this article
Brandner, D.M., Zagar, B.G. Schätzung der Gewebeabsorption aus medizinischen Ultraschall-Bildern. Elektrotech. Inftech. 139, 535–543 (2022). https://doi.org/10.1007/s00502-022-01044-x
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00502-022-01044-x
Schlüsselwörter
- Qantitativer Ultraschall (QUS)
- Absorptionsschätzung
- Spectral Log Difference
- Method of Moments
- Simulation