автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.13, диссертация на тему:Разработка алгоритмов и устройств улучшения характеристик ультразвуковых эхотомоскопов для контроля и диагностики биологических объектов

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРИБОРОСТРОЕНИЯ

И ИНФОРМАТИКИ

НАГУЛИН СЕРГЕЙ НИКОЛАЕВИЧ

РАЗРАБОТКА АЛГОРИТМОВ И УСТРОЙСТВ УЛУЧШЕНИЯ ХАРАКТЕРИСТИК УЛЬТРАЗВУКОВЫХ ЭХОТОМОСКОПОВ ДЛЯ КОНТРОЛЯ И ДИАГНОСТИКИ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ

специальность 05 11 13 - Приборы и методы контроля природной среды, веществ, материалов и изделий

На правах рукописи

АВТОРЕФЕРАТ

на соискание ученой степени кандидата технических наук

Москва 2007

003057834

Работа выполнена в Московском государственном университете приборостроения и информатики

Научный руководитель доктор технических наук, профессор

Шатерников В Е,

Официальные оппоненты

доктор технических наук Самокрутов А А кандидат технических наук Белильников В И

Ведущая организация ФГУ «Всероссийский Научно - Исследовательский и Испытательный Институт Медицинской Техники»

Защита диссертации состоится «23» мая 2007 г в 13 часов на заседании диссертационного совета Д 212 119 01 при Московском государственном университете приборостроения и информатики по адресу 107846, г Москва, ул Стромынка, 20

С диссертацией можно ознакомиться в библиотеке МГУПИ

Автореферат разослан «16» апреля 2007 г

диссертационного совета д т н , проф

Ученый секретарь

Филинов В В

Общая характеристика работы

Актуальность темы. В настоящее время для диагностики и контроля качества движущейся жидкости и биологических объектов в нефтехимии, технике и медицине, необходимо измерять линейную скорость движения жидкой среды, частот)' пульсаций тканей, а также исследовать внутреннюю структуру Для решения этих задач широко применяется ультразвуковой метод, на основе которого создано большое количество ультразвуковых эхотомоскопов таких известных фирм как Philips, General Electric, Siemens, Toshiba и др

Для определения скорости движущейся жидкой среды применяется ультразвуковой доплеровский метод Данная задача осложнена тем, что принимаемый эхо-сигнал представляет собой смесь полезного доплеровского сигнала движущейся жидкой среды с сигналами мешающих отражений от неподвижных и медленно движущихся тканей, превышающих полезный сигнал по уровню на 40 - 60 дБ Наличие помехи в принимаемом эхо-сигнале, приводит к ошибкам при оценке скорости движения жидкости Для режекции этой помехи, в приемном тракте ультразвукового эхотомоскопа обычно применяются фильтры высоких частот, которые имеют существенные недостатки, такие как наличие длительных переходных процессов, потеря значительной части отсчетов сигнала вследствие большого порядка фильтра, искажение сигнала в случае несовпадения сигнала помехи с выбранным базисом полиномов Таким образом, в настоящее время актуальна задача разработки алгоритма режекции помехи от неподвижных и медленно движущихся тканей

Также объектом контроля является внутренняя структура тканей биологических объектов При выполнении сканирования структур объектов с применением конвексных ультразвуковых датчиков, осуществляется преобразование формата изображения из полярных координат в декартовы для отображения на мониторе При этом наилучшее качество ультразвукового изображения обеспечивает метод R — Q интерполяции Проблемы его реализации связаны с необходимостью вычисления нелинейных функций вида -Jx, arctg(x),

Их, которые реализуются только табличным методом с использованием элементов памяти большого объема В связи с этим актуальна задача по разработке способов уменьшения используемых вычислительных ресурсов и сокращения объемов памяти при реализации ашоритма К-в интерполяции на программируемых логических интегральных схемах (ПЛИС)

Для получения высококачественного изображения структур необходимо разработать алгоритм формирования составного изображения с несколькими сфокусированными областями для ультразвукового эхотомоскопа

Определение частоты пульсаций структур по интенсивности отраженного эхо-сигнала автокорреляционным методом осложняется наличием в принимаемом сигнале большого количества шумов, а также отражений от других объектов, которые создают кратковременные ложные пики в автокорреляционной функции Проблема обычно решается путем увеличения времени накопления сигнала для вычисления АКФ, а также ее временным усреднением, что приводит к снижению способности динамичного отслеживания частоты Для решения данной проблемы необходимо разработать алгоритм расчета частоты пульсаций с возможностью отслеживания кратковременных изменений частоты и устойчивой работой при наличии шумов и артефактов

Решение вышеуказанных задач весьма актуально, так как позволит улучшить характеристики ультразвуковых эхотомоскопов при контроле параметров движущейся жидкости, измерении частоты пульсаций и исследовании структуры биологических объектов

Целью настоящей диссертационной работы является разработка алгоритмов обработки ультразвуковых сигналов, представленных в цифровой форме, способов их реализации и устройств улучшения характеристик эхотомоскопов для контроля движущихся жидких сред и биологических объектов

Для достижения поставленной в данной работе цели решаются следующие задачи

- Исследование различных методов цифровой обработки сигналов в ультразвуковых диагностических комплексах,

- Разработка алгоритмов компенсации помехи, создаваемой неподвижными и медленно движущимися тканями, в режиме цветового догперовского картирования на основе метода максимальной энтропии,

- Исследование характеристик алгоритма итерационного поворота вектора и его применение для построения приемного тракта ультразвукового эхотомоскопа,

- Разработка алгоритма выделения частоты пульсаций движущихся тканей и средств для его тестирования,

- Разработка способа формирования составного ультразвукового изображения в режиме динамической фокусировки

Методы исследования. В работе использованы методы линейной алгебры, теории случайных процессов, численные методы, математическое моделирование Экспериментальные исследования проведены на оригинальных установках с использованием современной измерительной аппаратуры и ультразвуковых фантомов

Научная новизна настоящей работы заключается в следующем

- Определены характеристики оценки спектра по максимуму энтропии применительно к задаче выделения доплеровского сигнала движущейся жидкой среды на фоне мешающих отражений от неподвижных и медленно движущихся тканей,

- Разработаны алгоритмы выделения доплеровского сигнала движущейся жидкой среды на основе использования линейного предсказывающего фильтра,

- На основе детального анализа погрешностей, возникающих при вычислениях по алгоритму итерационного поворота вектора, получена

оценка эффективности использования данного алгоритма в цифровом приемном тракте ультразвукового эхотомоскопа,

- Разработан алгоритм преобразования формата ультразвукового изображения методом итерационного поворота вектора,

- Разработан способ формирования составного ультразвукового изображения в режиме динамической фокусировки,

- Разработан алгоритм выделения частоты пульсаций движущихся тканей ультразвуковым методом и средства для его тестирования

Достоверность полученных результатов и обоснованность научных положений подтверждаются соответствием результатов теоретических исследований и расчетов, математического моделирования и экспериментальных исследований, а также техническими и клиническими испытаниями

Практическая значимость и реализация результатов работы. Впервые в нашей стране с участием автора создан многофункциональный эхотомоскоп с режимом цветового доплеровского картирования «Сономед-500» и фетальный монитор с автоматическим анализом кардиотокограмм «Сономед-200», о чем имеется акт внедрения Данные модели ультразвуковых приборов успешно прошли приемочных технические испытания, клинические испытания, зарегистрированы в Министерстве здравоохранения и социального развития и серийно производятся на предприятии ЗАО «Спектромед» (г Москва)

Апробация работы. Основные результаты работы докладывались и обсуждались на VII Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» (Сочи, 2004 г), II евразийском конгрессе "Медицинская физика-2005" (Москва, 2005 г), 9-й Международной научно-технической конференции «Цифровая обработка сигналов и ее применение» - DSPA-2007 (Москва, 2007 г )

Публикации. По теме диссертации опубликовано 7 печатных работ, из которых 4 - в изданиях, включенных в перечень ВАК

Структура и объем работы Диссертационная работа состоит из введения, четырех глав, заключения, 5 приложений и списка литературы, содержащего 94 источника Материал диссертации изложен на 136 стр машинописного текста, содержит 6 таблиц, 48 рисунков

Основные положения и результаты, выносимые на защиту:

- Результаты исследования характеристик оценки спектра по максимуму энтропии применительно к сигналу движущейся жидкой среды на фоне мешающих отражений от неподвижных и медленно движущихся тканей,

- Алгоритмы выделения доплеровского сигнала движущейся жидкости на основе использования линейного предсказывающего фильтра,

- Результаты исследования погрешностей в цифровом приемном тракте ультразвукового эхотомоскопа, возникающих при вычислениях по алгоритму итерационного поворота вектора,

- Алгоритм преобразования формата ультразвукового изображения методом итерационного поворота вектора,

- Способ формирования составного ультразвукового изображения в режиме динамической фокусировки,

- Алгоритм выделения частоты пульсаций движущихся тканей ультразвуковым методом и средства для его тестирования

Содержание работы

Во введении обоснована актуальность диссертационной работы, сформулированы цель исследования и решаемые задачи, приведены основные положения и результаты, выносимые на защиту

Первая глава посвящена рассмотрению методов и средств построения ультразвуковых диагностических систем Приводятся общие структурные схемы построения современных ультразвуковых эхотомоскопов, описываются основные режимы их работы В главе рассматриваются методы обработки ультразвукового сигнала, используемые при формировании серошкального изображения

Анализируются методы обработки доплеровского сигнала, используемые для вычисления частоты сердечных сокращений плода, измерения линейной скорости движущейся жидкой среды, а также методы обработки сигнала в режиме цветового доплеровского картирования Указаны «слабые места» данных методов и поставлены задачи исследования, решение которых является целью диссертационной работы В главе описываются принципы построения приборов с расширенной компьютерной обработкой для решения вышеуказанных задач

Вторая глава посвящена исследованию и разработке методов режекции сигналов движущихся тканей в режиме цветового доплеровского картирования (ЦЦК), когда для расчета скорости используются всего 8-16 отсчетов эхо-сигнала Рассматривается возможность подавления помехи путем применения метода максимальной энтропии (ММЭ) Отличительной особенностью ММЭ по сравнению с другими методами адаптивной обработки сигналов является то, что его реализация не требует больших вычислительных затрат, и становится возможной адаптивная режекция помехи непосредственно на этапе формирования изображения ЦЦК в реальном масштабе времени

ММЭ относится к параметрическим методам спектрального анализа сигналов в цифровой форме В отличие от традиционных методов оценки спектра, использующих дискретное преобразование Фурье, ММЭ основывается на представлении анализируемого сигнала моделью авторегрессии, причем параметры модели рассчитываются из поступающих входных данных

Оценка спектра методом максимальной энтропии сигнала, для последовательности отсчетов входного сигнала хп, п - 0, , N -1, имеет вид

^шэ(У)= й ~ > (1)

Н+1>м,ехр(-у277/М/)Г

ы

где Ы - темп дискретизации сигнала, /- частота сигнала ограничивается частотой Найквиста, те, -1/(2Д?)</<1/(2Л/), а значения аи),к = 1,2, ,М находятся по рекуррентным формулам

= + я„„ ап_1т_к, к = 1,2, ,т-1, /и = 2,3, ,М (2а)

атя=щ^---;-, от = 1,2, ,М, (26)

ХК,* ^ак+етк етк}

к-0

где с1п=хк, е]к=хм, к = 0,1, ,N-2 при т = \,

ет* = еи-,*+> + а»чы, т = 2,Ъ, ,М (2г)

С использованием формул (2а) - (2г) производится вычисление коэффициентов аМк,к = \,2, ,М линейного предсказывающего фильтра М-го порядка

Для исследования характеристик спектра ММЭ формулу (1) можно представить в эквивалентном виде

^^(Зиехр ПЫПГ (3)

(г) = + + + аи^г + амм (4)

где характеристический полином

В режиме ЦЦК помеха, создаваемая неподвижными и медленно движущимися тканями, характеризуется следующими признаками

- энергия помехи существенно больше (на 40 — 60 дБ) энергии сигнала движущейся жидкости,

- средняя частота помехи значительно ниже средней частоты сигнала движущейся жидкости,

- помеха имеет существенно более узкую полосу частот по сравнению с сигналом движущейся жидкости

Таким образом, задача выделения сигнала движущейся жидкой среды на фоне помехи может рассматриваться как задача разрешения двух спектральных компонент, когда уровень одной из компонент изменяется в широком диапазоне

значений от величин порядка уровня второй компоненты до величин на 40-60 дБ превышающих этот уровень

Оценка спектра ММЭ является нелинейной, и, соответственно, анализ ее характеристик при конечном числе отсчетов сигнала в шумах связан со сложными нелинейными преобразованиями случайных процессов. В настоящей работе использован поход, в соответствии с которым аналитические соотношения для характеристик ММЭ получаются в асимптотическом случае, когда длина отрезка наблюдения стремится к бесконечности, а затем с помощью моделирования показывается, что полученные аналитические соотношения могут быть успешно использованы и при конечном числе отсчетов сигнала

Поскольку помеха имеет очень узкую полосу частот, то будем представлять ее в виде квазигармонического сигнала Для этого случая показано, что при бесконечном увеличении отрезка наблюдения коэффициенты предсказывающего фильтра произвольного порядка М имеют вид

ам * =--"ЦтехрО2^), к = 1,2, ,М, (5)

р + М

где р = а2/Аг- отношение мощности шума к мощности помехи, А, -соответственно амплитуда и частота помехи, ст2 - дисперсия шума

С учетом соотношения (5) полином 9?и (г) (4) можно представить следующим образом

м

Им (7) = [г, - ¿/ехр(у 2л-/с (6)

¿31--У*.-

М{2р + М + \)

Из полученной зависимости видно, что при р« 1 и М »1 величина <1 близка к единице, и, как следует из формул (6), один из корней характеристического полинома находится близко к единичной окружности

в точке =г/ехр(_/2л/~0). В результате чего спектральная оценка ММЭ (3) будет иметь резко выраженный пик на частоте / = /0 В работе показано, что остальные

корни г2,г3, , полинома при эхом лежат достаточно далеко от

единичной окружности и слабо влияют на вид спектральной оценки ММЭ Разлагая полином 91,, (г) в ряд Тейлора в окрестности частоты /0 и, ограничившись первыми членами разложения, получаем

Ршэ{Л*-:-;---2 (7)

А(р + М) \М(2р + М +1) Из формулы (7) видно, что спектральная оценка Ршэ(/) имеет в точке / = /0 максимальное значение, равное

^=^ТТ(2Р + М + 1У(Р + МУ (8)

р м

Величина зависит как от отношения уровня шума к уровшо сигнала р , так и от длины предсказывающего фильтра. Таким образом, можно сделать вывод о том, что оценка спектра ММЭ гармонического сигнала в шумах является асимптотически несмещенной, а величина спектрального пика зависит как от отношения уровня шума к уровню сигнала, так и от длины предсказывающего фильтра Из формул (7), (8) было получено выражение для полуширины спектра 1\<-А1) по уровню 0 55„,„

АГ =1_Р_

"°5 л М(2р + М + 1)

Результаты моделирования подтвердили правомерность полученных

аналитических зависимостей при конечном числе отсчетов

С целью получения спектральной оценки с более высоким разрешением,

чем периодограмма, применена экстраполяция последовательности отсчетов

входного сигнала х„, п = 0,.,Nвне интервала наблюдения с помощью

предсказывающего фильтра Для сигнала, состоящего из двух гармоник в шумах

на рис 1 приведены различные спектральные оценки периодограмма (кривая 1),

оценка спектра ММЭ (кривая 2) и спектральная оценка на основе экстраполяции

сигнала вне интервала наблюдения (кривая 3) Отношение мощности гармоники с

частотой /2 = 0 094 к мощности шума составляет величину +30 дБ, а для гармоники с частотой /,=0 133 - 0 дБ Видно, что в данном случае периодограмма и оценка спектра ММЭ не являются удовлетворительными, в то время как метод экстраполяции сигнала вне интервала наблюдения позволяет различать спектральные составляющие входного сигнала о

ш"

«

га

Ч

>*

I-

1 -20

с

£

<

-40

-60

0

Рис 1 Периодограмма (1), спектральная оценка ММЭ(2), спектральная оценка, полученная с помощью метода экстраполяции (3) сигнала, состоящего из двух гармоник в шумах

Предложено использование ММЭ во временной области по двум направлениям

- компенсация помехи на основе линейной фильтрации с предсказанием

- заполнение ФВЧ экстраполированными данными с целью исключения влияния переходной характеристики фильтра

Третья глава посвящена применению алгоритма итерационного поворота вектора (ИПВ) для построения приемного тракта ультразвукового эхотомоскопа Проводится анализ погрешностей вычислений, обусловленных конечным числом итераций алгоритма и конечной разрядностью обрабатываемых данных На

055 0 094 0 133 0 172 0 211 0 250

Частота

основе полученных оценок погрешностей оценивается уменьшение аппаратных затрат за счет использования данного алгоритма по сравнению со стандартными методами

В соответствии с алгоритмом ИПВ на каждой г-той итерации угол поворота имеет значение, равное

а новые координаты и угловое положение вектора задаются рекуррентными формулами

где г = 1, 2,3, , а £ принимает значение +1 или —1, в зависимости от направления вращения вектора, параметр т - одно из трех возможных значений 0,+ 1,-1 В зависимости от конкретного значения параметра т систему координат называют круговой (w = 1), линейной (т = 0) или гиперболической (т = -1)

Возможны два варианта вращения вектора Первый вариант, называемый VECTORING, соответствует случаю, когда определяются модуль и аргумент вектора при выборе направления вращения по знаку координаты yt, те = sign (у,) Во втором варианте, называемом ROTATION, определяются новые координаты вектора при повороте на заданный угол При этом направление вращения выбирается по знаку текущего значения угла поворота, т е l=sign(zt)

Сравнение устройств, реализующих стандартный алгоритм и алгоритм ИПВ, проводилось при условии обеспечения в обоих случаях одинаковой точности вычислений Отношение количества сложений Qcm при стандартном методе поворота к аналогичному параметру Qlm3 при реализации алгоритма ИПВ имеет вид

а, = arctgim112!'0^), i = 1,2,3,

(9)

z^z-lrn^a

-I

(10)

(П)

где г - разрядность обрабатываемых данных, - разрядность используемых констант

График зависимости (11) приведен на рис 2 Выигрыш алгоритма ИПВ по сравнению со стандартным методом поворота зависит от разрядности обрабатываемых данных На практике в цифровом приемном тракте ультразвукового эхотомоскопа выполняется обработка 16 - 20-ти разрядных данных Соответственно, как следует из полученной зависимости, при реализации операции поворота вектора методом ИПВ объем вычислительных затрат сокращается приблизительно в 1 5 раза

Рис 2 Выигрыш по аппаратурным затратам при повороте вектора с помощью алгоритма ИПВ

Далее в работе рассмотрена реализация на основе алгоритма ИПВ следующих этапов обработки сигналов ультразвукового эхотомоскопа

- детектирование (выделение огибающей эхо-сигнала),

- сжатие динамического диапазона эхо-сигнала,

- преобразование форматов ультразвуковых изображений для скан-конвертера

Показано, что за счет быстрой сходимости алгоритма ИПВ, число итераций п при выполнении детектирования может быть небольшим, не превышающим

величину п0=гоипс1(г/2) + 1, где г - разрядность обрабатываемых данных В случае выполнения сжатия динамического диапазона с помощью алгоритма ИПВ, достигается значительное сокращение необходимого объема постоянной памяти

Алгоритм преобразования формата ультразвукового изображения в процессе секторного сканирования включает в себя двухэтапную процедуру, в которой с наибольшими вычислительными затратами связан этап преобразования декартовых координат в полярные Поскольку соседние пиксели имеют близкие значения координат, то для вычисления значений координат текущего пикселя, целесообразно использовать координаты предыдущего

Рис 3 Итерационный процесс формирования полярных координат пикселей ультразвукового изображения

Полученные рекуррентные формулы для вычисления полярных координат каждой строки из NL пикселей имеют вид =Rt+ A sin б1, cos в,

= VECTORING (Х,+1, Y^)

(Д cos0,+1,A sm6>+1) = ROTATION (A cos0,,A sm<?„|) + p' = 1.2,3, ,NL,

где Л', - число пикселей в одной строке. Перед формированием кадра изображения задаются начальные значения угла 0,, и величины (Д ■ созв0)/К, (Л-зтв^/К, а перед формированием каждой строки - значение Лс/К. Итерационный процесс формирования полярных координат пикселей изображения представлен в графическом виде на рис. 3.

Четвертая глава посвящена реализации ультразвуковых комплексов с расширенной компьютерной обработкой «Сономед-500» и «Сономед-200», созданных с участием автора.

Рис. 4. Варианты конструктивного исполнения прибора «Сономед-500»

Прибор «Сономед-500» является представителем многофункциональных ультразвуковых эхотомоскопов. В приборе реализован полный набор режимов работы, присущий многофункциональной системе с дуплексным сканированием. Конструктивно прибор реализован в виде модулей расширения IBM PC, за счет чего прибор может иметь конструктивное исполнение как в специализированных корпусах, так и в стандартном корпусе IBM PC, Внешний вид прибора изображен на рис, 4.

В приборе использован разработанный алгоритм формирования составного изображения в режиме динамической фокусировки. Алгоритм включает два основных этапа: компенсацию задержек системы фокусировки и формирование переходной зоны между фрагментами изображения. Компенсация задержек

системы фокусировки осуществлялась управлением тактовыми импульсами АЦП, а формирование переходной зоны - суммированием перекрытых фрагментов изображения с переменными весовыми коэффициентами

Фетальный монитор «Сономед-200» предназначен для контроля состояния плода человека Данный контроль осуществляется на основе анализа кривой, которая соответствует зависимости частоты пульсаций структур сердца от времени Прибор осуществляет расчет частоты пульсаций с применением разработанного алгоритма (рис 5)

Рис 5 Алгоритм расчета частоты пульсаций, используемый в фетальном мониторе «Сономед-200»

Полосовой фильтр обеспечивает выделение полезного диапазона доплеровских частот и подавление спектральных составляющих, порождаемых мешающими отражениями После вычисления огибающей сигнала, производится вычисление автокорреляционной функции (АКФ), с использованием буфера данных размером 4 с Размер буфера выбран исходя из нижней границы измеряемых частот - 0,5 Гц На основании оценки качества, производится усреднение АКФ по времени, что позволяет снизить число артефактов По

усредненной АКФ определяется приблизительная частота пульсаций, используемая при расчете размера буфера для вычисления второй автокорреляционной функции, по которой также определяется частота пульсаций и оценивается качество, но уже с большей точностью.

В данной главе также изложены методы тестирования фетальных к ар л и о мо н ит о ров и приведены результаты сравнения «С он о мед-2 00» с приборами ведущих мировых производителей. Продемонстрировано, что прибор «Сономед-200» обеспечивает наиболее высокую точность выделения частоты пульсаций в различных условиях эксплуатации.

На рис. 6 представлены два варианта реализации прибора: в виде приставки к компьютеру Notebook и в специализированном корпусе.

Рис, 6. Варианты конструктивного исполнения прибора «Сон о мед-200» Основные результаты работы

1. Исследованы методы режекции помехи, создаваемой неподвижными и медленно движущимися тканями, в режиме цветового доплсровского картирования.

2. Определены характеристики оценки спектра по максимуму энтропии применительно к задаче выделения доплеровского сигнала движущейся жидкости на фоне мешающих отражений от неподвижных и медленно движущихся тканей;

3 Разработан алгоритм эффективной режекции сигнала движущихся тканей, основанный на экстраполяции отсчетов сигнала вне интервала наблюдения с применением метода максимальной энтропии и последующей фильтрацией

4 Исследован алгоритм итерационного поворота вектора в параметризованной системе координат, исследована его сходимость Получены аналитические зависимости для оценки погрешности алгоритма, на основании которого сделан вывод о целесообразности применения алгоритма

5 Разработан эффективный алгоритм преобразования формата ультразвукового изображения из полярных координат в декартовые координаты с применением итерационного поворота вектора, что позволило реализовать метод К - в интерполяции на ПЛИС

6 Разработан способ формирования составного ультразвукового изображения с несколькими сфокусированными зонами, на котором основан режим динамической фокусировки

7 Разработан устойчивый к артефактам алгоритм расчета частоты пульсаций структур ультразвуковым методом с применением автокорреляционной обработки

8 Разработаны методики тестирования фетальных мониторов, основанные на имитации пульсирующих структур биологического объекта

9 С участием автора разработаны ультразвуковые приборы «Сономед-200» и «Сономед-500», прошедшие клинические испытания и получившие регистрационные удостоверения Минздравсоцразвития России

10 Сравнение прибора «Сономед-200» с фетальными мониторами ведущих мировых производителей показало, что он не только соответствует лучшим зарубежным аналогам, но даже имеет преимущество в отслеживании кратковременных изменений частоты пульсаций

Список публикаций по теме диссертации

1 Нагулин Н Е, Нагулин С Н Цифровое преобразование ультразвуковых изображений методом итерационного поворота вектора //Труды VII Международной научно- практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права», книга «Приборостроение» -М МГАПИ, 2004 - С 180-186

2 В М Колтун, С Н Нагулин Методы тестирования алгоритмов расчета частоты сердечных сокращений для ультразвукового фетального монитора //Сборник материалов 2-го Евразийского конгресса по медицинской физике и инженерии "Медицинская физика -2005" (21-24 июня 2005 г, Москва) С 311-312

3 Нагулин Н Е , Нагулин С Н Использование метода максимальной энтропии для режекции помехи в ультразвуковых системах цветового доплеровского картирования //Контроль Диагностика -2006 -№4 - С 31-34

4 Нагулин Н Е, Нагулин С Н Многофункциональный ультразвуковой эхотомоскоп "Сономед-500" с расширенной компьютерной обработкой // Военно-медицинский журнал -2006 -Т327 -№11 -С 55 -56.

5 Нагулин Н Е , Нагулин С Н , Шарапов А А Ультразвуковые диагностические приборы с расширенной компьютерной обработкой // Приборы - 2006 - № 12 -С 20-24

6 Нагулин Н Е, Нагулин С Н Алгоритм параллельного БПФ для транспъютероподобных процессоров // ТРУДЫ Российского научно-технического общества радиотехники, электроники и связи имени А С Попова, Серия «Цифровая обработка сигналов и ее применение», Выпуск IX - 2, С 550-552

7 Нагулин Н Е , Нагулин С Н Применение алгоритма итерационного поворота вектора для построения приемного тракта ультразвукового сканера // Контроль Диагностика -2007 -№8 Статья принята к печати

Подписано к печати 04 04 07г Формат 60x90 1/16, объем 1,5 п л Тираж 80 экз, Заказ № 258 Отпечатано ООО "Ново-Пресс"

Принятые сокращения и обозначения.

Введение.

Глава 1. Методы и средства построения ультразвуковых диагностических систем для медицинской диагностики.

1.1 Режимы зондирования и формирования ультразвукового изображения

1.2 Методы обработки сигналов в приемном тракте эхотомоскопа.

1.2.1 Формирование полутоновых ультразвуковых изображений.

1.2.2 Доплеровские измерения.

1.2.3 Цветовое доплеровское картирование.

1.3 Цифровое преобразование формата ультразвуковых изображений.

1.4 Программно-аппаратные средства ультразвуковых эхотомоскопов.

1.5 Выводы по главе 1.

Глава 2. Разработка и исследование методов режекции сигналов движущихся тканей.

2.1 Методы режекции сигналов движущихся тканей, используемые в ультразвуковых системах ЦДК.

2.2 Оценка параметров полезного сигнала и помехи в шумах методом максимальной энтропии.

2.3 Использование метода максимальной энтропии для режекции помехи в режиме ЦДК.

2.3.1 Применение спектральной оценки ММЭ для оценки параметров сигнала движущейся жидкой среды.

2.3.2 Оценка параметров сигнала движущейся жидкой среды на основе линейной экстраполяции вне интервала наблюдения.

2.3.3 Режекция помехи во временной области с помощью ММЭ.

2.4 Выводы по главе 2.

Глава 3. Методы построения тракта обработки ультразвукового сигнала на основе итерационных алгоритмов.

3.1. Итерационный алгоритм поворота вектора в параметризованной системе координат.

3.1.1. Общий вид алгоритма ИПВ.

3.1.2 Сходимость алгоритма.

3.1.3. Вычисление элементарных функций с помощью алгоритма ИПВ.

3.2 Методическая ошибка алгоритма ИПВ.

3.3 Применение алгоритма ИПВ для построения цифрового приемного тракта ультразвукового сканера.

3.3.1 Этапы обработки ультразвукового эхо-сигнала с использованием операции поворота вектора.

3.3.2. Реализация операции поворота вектора.

3.3.3. Выполнение операции детектирования.

3.3.4. Сжатие динамического диапазона.

3.3.5. Преобразование форматов ультразвуковых изображений на основе алгоритма ИПВ.

3.4. Выводы по главе 3.

Глава 4. Реализация ультразвуковых комплексов с расширенной компьютерной обработкой.

4.1. Особенности построения ультразвуковых приборов с расширенной компьютерной обработкой.

4.2. Многофункциональный ультразвуковой эхотомоскоп «Сономед-500»

4.2.1. Фронтальный модуль.

4.2.2. Канал визуализации.

4.2.3. Канал спектральной обработки доплеровских сигналов.

4.2.4. Канал цветового доплеровского картирования.

4.3. Компенсация задержек системы фокусировки и сшивка фрагментов изображений в режиме динамического фокуса.

4.4. Фетальный монитор «Сономед-200».

4.4.1 Алгоритм вычисления частоты пульсаций.

4.4.2 Методы тестирования алгоритмов расчета ЧСС для ультразвукового фетального монитора.

4.5. Выводы по главе 4.

В настоящее время для диагностики и контроля качества движущейся жидкости и биологических объектов в нефтехимии, технике и медицине, необходимо измерять линейную скорость движения жидкой среды, частоту пульсаций тканей, а также исследовать внутреннюю структуру биологических объектов. Для решения этих задач широко применяется ультразвуковой метод, на основе которого создано большое количество ультразвуковых эхотомоскопов таких известных фирм как Philips, General Electric, Siemens, Toshiba и др.

Для определения скорости движущейся жидкой среды применяется ультразвуковой доплеровский метод. Данная задача осложнена тем, что принимаемый эхо-сигнал представляет собой смесь полезного доплеровского сигнала движущейся жидкой среды с сигналами мешающих отражений от неподвижных и медленно движущихся тканей, превышающих полезный сигнал по уровню на 40 - 60 дБ. Наличие помехи в принимаемом эхо-сигнале, приводит к ошибкам при оценке скорости движения жидкости. Для режекции этой помехи, в приемном тракте ультразвукового эхотомоскопа обычно применяются фильтры высоких частот, которые имеют существенные недостатки, такие как: наличие длительных переходных процессов, потеря значительной части отсчетов сигнала вследствие большого порядка фильтра, искажение сигнала в случае несовпадения сигнала помехи с выбранным базисом полиномов. Таким образом, в настоящее время актуальна задача разработки алгоритма режекции помехи от неподвижных и медленно движущихся тканей.

Также объектом контроля является внутренняя структура тканей биологических объектов. При выполнении сканирования структур объектов с применением конвексных ультразвуковых датчиков, осуществляется преобразование формата изображения из полярных координат в декартовы для отображения на мониторе. При этом наилучшее качество ультразвукового изображения обеспечивает метод R-0 интерполяции. Проблемы его реализации связаны с необходимостью вычисления нелинейных функций вида л[х, arctg(x), Их, которые реализуются только табличным методом с использованием элементов памяти большого объема. В связи с этим актуальна задача по разработке способов уменьшения используемых вычислительных ресурсов и сокращения объемов памяти при реализации алгоритма R-Q интерполяции на программируемых логических интегральных схемах (ПЛИС).

Для получения высококачественного изображения структур необходимо разработать алгоритм формирования составного изображения с несколькими сфокусированными областями для ультразвукового эхотомоскопа.

Определение частоты пульсаций структур по интенсивности отраженного эхо-сигнала автокорреляционным методом осложняется наличием в принимаемом сигнале большого количества шумов, а также отражений от других объектов, которые создают кратковременные ложные пики в автокорреляционной функции. Проблема обычно решается путем увеличения времени накопления сигнала для вычисления АКФ, а также ее временным усреднением, что приводит к снижению способности динамичного отслеживания частоты. Для решения данной проблемы необходимо разработать алгоритм расчета частоты пульсаций с возможностью отслеживания кратковременных изменений частоты и устойчивой работой при наличии шумов и артефактов.

Решение вышеуказанных задач весьма актуально, так как позволит улучшить характеристики ультразвуковых эхотомоскопов при контроле параметров движущейся жидкости, измерении частоты пульсаций и исследовании структуры биологических объектов.

Целью настоящей диссертационной работы является разработка алгоритмов обработки ультразвуковых сигналов, представленных в цифровой форме, способов их реализации и устройств улучшения характеристик эхотомоскопов для контроля движущихся жидких сред и биологических объектов.

Для достижения поставленной в данной работе цели решаются следующие задачи:

- Исследование различных методов цифровой обработки сигналов в ультразвуковых диагностических комплексах;

- Разработка алгоритмов компенсации помехи, создаваемой неподвижными и медленно движущимися тканями, в режиме цветового доплеровского картирования на основе метода максимальной энтропии;

- Исследование характеристик алгоритма итерационного поворота вектора и его применение для построения приемного тракта ультразвукового эхотомоскопа;

- Разработка алгоритма выделения частоты пульсаций движущихся тканей и средств для его тестирования;

- Разработка способа формирования составного ультразвукового изображения в режиме динамической фокусировки.

Методы исследования. В работе использованы методы линейной алгебры, теории случайных процессов, численные методы, математическое моделирование. Экспериментальные исследования проведены на оригинальных установках с использованием современной измерительной аппаратуры и ультразвуковых фантомов.

Научная новизна настоящей работы заключается в следующем:

- Определены характеристики оценки спектра по максимуму энтропии применительно к задаче выделения доплеровского сигнала движущейся жидкой среды на фоне мешающих отражений от неподвижных и медленно движущихся тканей;

- Разработаны алгоритмы выделения доплеровского сигнала движущейся жидкой среды на основе использования линейного предсказывающего фильтра;

- На основе детального анализа погрешностей, возникающих при вычислениях по алгоритму итерационного поворота вектора, получена оценка эффективности использования данного алгоритма в цифровом приемном тракте ультразвукового эхотомоскопа;

- Разработан алгоритм преобразования формата ультразвукового изображения методом итерационного поворота вектора;

- Разработан способ формирования составного ультразвукового изображения в режиме динамической фокусировки;

- Разработан алгоритм выделения частоты пульсаций движущихся тканей ультразвуковым методом и средства для его тестирования.

Достоверность полученных результатов и обоснованность научных положений подтверждаются соответствием результатов теоретических исследований и расчетов, математического моделирования и экспериментальных исследований, а также техническими и клиническими испытаниями.

Практическая значимость и реализация результатов работы.

Впервые в нашей стране с участием автора создан многофункциональный эхотомоскоп с режимом цветового доплеровского картирования «Сономед-500» и фетальный монитор с автоматическим анализом кардиотокограмм «Сономед-200», о чем имеется акт внедрения. Данные модели ультразвуковых приборов успешно прошли приемочных технические испытания, клинические испытания, зарегистрированы в Министерстве здравоохранения и социального развития и серийно производятся на предприятии ЗАО «Спектромед» (г. Москва).

Апробация работы. Основные результаты работы докладывались и обсуждались на VII Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» (Сочи, 2004 г.), II евразийском конгрессе "Медицинская физика-2005" (Москва, 2005 г.), 9-й Международной научно-технической конференции «Цифровая обработка сигналов и ее применение» - DSPA-2007 (Москва, 2007 г.).

Публикации. По теме диссертации опубликовано 7 печатных работ, из которых 4 - в изданиях, включенных в перечень ВАК.

Структура и объём работы. Диссертационная работа состоит из введения, четырёх глав, заключения, 5 приложений и списка литературы, содержащего 94 источника. Материал диссертации изложен на 136 стр. машинописного текста, содержит 6 таблиц, 48 рисунков.

4.5. Выводы по главе 4

1. При мелкосерийном производстве оборудования использование микросхем - контроллеров шин сторонних производителей является более предпочтительным по сравнению с реализацией интерфейса в ПЛИС. Для ультразвуковых приборов класса «СОНОМЕД - 500» оптимальным выбором интерфейса взаимодействия с ПК является шина PCI, а для приборов класса

СОНОМЕД - 200» - USB 2.0. Это связано с тем, что данные шины обеспечивают необходимую скорость пропускания, а также тем, что существует большой выбор контроллеров этих шин и средств разработки.

2. При построении аппаратуры по предложенной идеологии, за счет использования в составе высокопроизводительного компьютера, производится не только управление прибором и формирование изображения на экране дисплея, но также выполняется часть первичной обработки и последующая постобработка ультразвуковых данных. Использование при обработке стандартных компьютерных комплектующих (звуковых карт и т.д.) позволяет сократить не только стоимость прибора, но и время, затрачиваемое на его разработку.

3. Предложенный алгоритм компенсации задержек системы фокусировки и сшивания изображения в режиме динамического фокуса позволяет формировать высокое качество изображения при работе со всеми типами датчиков.

4. Разработанная методика тестирования позволят сравнивать фетальные мониторы как с применением шаблонных (используя фетальный симулятор), так и с применением реальных записей и определять качество формирования кривой ЧСС без вмешательства в их электронику.

5. Прибор «СОНОМЕД - 200», построенный по технологии расширенной компьютерной обработки, обладает характеристиками, не уступающими приборам ведущих производителей, построенным без использования в своей основе ПК, а также дополнительным набором сервисных возможностей.

Заключение

Важным преимуществом цифровых устройств является использование сложных алгоритмов обработки сигналов, реализация которых в аналоговых устройствах не представляется возможной. Реализации функций цифровой обработки сигналов, за счет использования стандартных программно-аппаратных средств персонального компьютера, позволяет существенно снизить стоимость прибора, сократить время разработки и реализовать многие сервисные возможности приборов высокого класса. Предложенные алгоритмы цифровой обработки сигналов реализуются в приборе, построенном по этой идеологии.

Основным методом борьбы с помехой от медленно движущихся тканей в режиме ЦДК является применение фильтров режекции с крутой частотой среза и большой степенью подавления сигнала в полосе режекции. Разработаны эффективные алгоритмы компенсации помехи, основанные на оценке параметров помехи по методу максимальной энтропии. Особенностью данного метода является то, что оценка спектра сигнала имеет резко выраженный пик на частоте помехи, что позволяет точно оценить ее параметры.

Исследован алгоритм итерационного поворота вектора в параметризованной системе координат и его сходимость. Был произведен анализ погрешности алгоритма, на основании которого сделан вывод о целесообразности применения алгоритма для построения приемного тракта ультразвукового эхотомоскопа. Алгоритм итерационного поворота вектора при той же погрешности результата, что и традиционные методы, позволяет сократить вычислительные ресурсы минимум в 1,5 раза и сократить объем используемого ПЗУ для хранения констант. Алгоритм ИПВ применен в разработанных приборах на следующих этапах обработки ультразвуковых данных: детектирование, сжатие динамического диапазона и операции преобразования формата ультразвукового изображения.

Разработан алгоритм формирования составного ультразвукового изображения в режиме динамического фокуса, который включает в себя два основных этапа: компенсацию задержек системы фокусировки и формирование переходной зоны между фрагментами изображения (сшивка изображений). Компенсация задержек системы фокусировки осуществлялась задержкой момента запуска АЦП, а формирование переходной зоны -суммированием перекрытых фрагментов изображения с переменными весовыми коэффициентами.

Разработанный алгоритм расчета ЧСС для применения в фетальном мониторе основан на вычислении автокорреляционной функции. Выбор времени накопления сигнала для вычисления АКФ является серьезной практической проблемой. Для подавления шумов, присутствующих во входном сигнале, целесообразно увеличивать время накопления сигнала, но для отслеживания быстрых изменений периода сигнала, необходимо его сокращать. Разработанный алгоритм позволяет отслеживать кратковременные изменения частоты пульсаций и обеспечивает устойчивую работу при наличии в сигнале шумов и артефактов. Применение разработанных методов тестирования фетальных мониторов, позволило оптимизировать параметры алгоритма и обеспечить характеристики, не уступающие приборам ведущих мировых производителей.

Результаты диссертационной работы успешно внедрены и используются в приборах «Сономед-500» (многофункциональный эхотомоскоп с режимом цветового доплеровского картирования) и «Сономед-200» (фетальный монитор с автоматическим анализом кардиотокограмм). Данные модели ультразвуковых приборов успешно прошли приемочных технические испытания, клинические испытания, зарегистрированы в Министерстве здравоохранения и социального развития и серийно производятся на предприятии ЗАО «Спектромед» (г. Москва).

1. Домаркас В. Й., Пилецкас Э.Л. Ультразвуковая эхоскопия. -Л.: Машиностроение. 1988

2. Осипов Л.В. Ультразвуковые диагностические приборы: Практическое руководство для пользователей. М.: Видар, 1999.

3. Лелюк В.Г., Лелюк С.Э. Ультразвуковая ангиология. -М.: Реальное время, 1999

4. Физика визуализации изображений в медицине: в 2-х томах. Т. 2: Пер. с англ. / Под ред. С. Уэба. М.: Мир, 1991.

5. Wells P.N.T., Ziskin Marvin С., "New Techniques and Instrumentation in Ultrasonography", Churchill Livingstone Inc., 1980.

6. Reneman Robert S., Hoeks Arnold P.G., "Doppler Ultrasound in the Diagnosis of Cerebrovascular Disease", John Wiley & Sons Ltd., 1982.

7. Evans D.H., "Doppler Ultrasound: Physics, Instrumentation, and Clinical Applications", John Wiley & Sons Ltd, 1989.

8. McDicken W.N., Diagnostic "Ultrasonics: Principles and Use of Instruments", Longman Group UK limited, 1991.

9. Babikian Viken L., Wechsler Lawrence R., "Transcranial Doppler Ultrasonography", Mosby-Year Book Inc., 1993.

10. Color duplex sonography: principles and clinical applications. Edited by Karl-Jurgen and Franz Fobbe. Thieme Medical Publishers, N. Y., 1995

11. Bjorn A. J. Angelsen, "Ultrasound Imaging Waves, Signals, and Signal Processing", Emantec, Norway, 2000

12. A. Boos, M. Schraag, "Method and apparatus for calculating the fetal heart", US Patent No 5,170,791,1992.

13. J. L. Muller, R. G. Hohlfeld, "System for measuring the period of a quasi-periodic signal", US Patent No 5,584,295, 1996.

14. S. L. Leon, B. S. Hopkins, "Fetal heart rate monitoring apparatusl", US Patent No 3,934,577, 1976.

15. R.J. Dunki-Jacobs and others, "Color flow imaging system utilizing a frequency domain adaptive wall filter", US Patent No 5,349,525, 1994.

16. P. J. Phillips, "Method and apparatus for medical ultrasound flash suppression", US Patent No 6,287,258, 2001.

17. C. Kasai, K. Namekawa, A. Koyano, R. Omoto "Real-Time Two-Dimensional Blood Flow Imaging Using an Autocorrelation Technique," IEEE Trans. Sonics Ultrasonics, vol. SU-32, pp. 458-464, 1985.

18. King-Yuen Wong, Zoran Banjanin, Dong-Chyuan Liu "Method and system for selectively smoothing color flow images in an ultrasound system", US Patent No 5,860,928, 1999.

19. S. F. Forestieri, R. S. Spratt, "Temporal filtering of color Doppler signal data", US Patent No 5,357,580, 1994.

20. J. A. Smith, Matthew Ellis, R. F. Saunders, A. L. Hall, "Color adaptive averaging", US Patent No 5,467,770, 1995.

21. I. M. Guracar, "Energy weighted parameter spatial/temporal filter", US Patent No 5,860,930, 1999.

22. Juin-Jet Hwang, L. S. Pflugrath "Ultrasonic diagnostic image flash suppression technique", US Patent No 5,782,769, 1998.

23. Moo Ho Bae, Ki Jong Lee, "Color imaging display method and apparatus for color flow imaging system", US Patent No 6,402,694, 2002.

24. R. N. Phelps, Z. B. Banjanin, Jin Kim, "Acoustic scan conversion method and apparatus for velocity flow", US Patent No 5,429,137, 1995.

25. Z. Z. Stroll et all, VLSI for image rotation, VLSI Signal Processing, IEEE Press, 1984.

26. Дж. Офир, Н.Ф. Маклад. Цифровые преобразователи УЗ- изображения для медицинской диагностики. ТИИЭР, т. 67, № 4, 1979, стр. 251-263.

27. D. Е. Robinson and Р. С. Knight, Interpolation scan conversion in pulse-echo ultrasound, Ultrasound Imaging, no. 4, pp. 297-310, 1982.

28. M. H. Lee, A study on performance improvements in the ultrasound B-scan system, Phys. D. Thesis, Seoul, Korea, 1985.

29. S. С. Leavitt et all, A scan conversion algorithm for displaying ultrasound images, HP Journal, vol. 34, no. 10, pp. 30-34,1983.

30. Нагулин H.E. Отечественные ультразвуковые медицинские приборы// Военно- медицинский журнал, т. CCCXXI, № 3, март, 2000, стр. 41-43.

31. О R. Andraka " A survey of CORDIC algorithms for FPGA based computers", in Proceedings of the 1998 ACM/SIGDA sixth international symposium on Field programmable gate arrays (FPGA '98), Feb. 22-24, 1998, Monterey, CA. pp. 191-200.

32. J. Vails, "Evaluation of CORDIC algorithms for FPGA design", Journal of VLSI signal processing, 32, pp. 207-222, 2002.

33. M. O'Donnell, W.E. Engeler, J.J. Bloomer, J.T. Pedicone, "Method and apparatus for digital phased array imaging", US Patent No 4,983,970, 1991.

34. M. O'Donnell, W.E. Engeler, J.J. Bloomer, J.T. Pedicone, "Dynamic phase focus for coherent imaging beam formation", US Patent No 5,111,695, 1992.

35. J.N. Wright, C.R. Cole, A. Gee, "Method and apparatus for receive beamformer system", US Patent No 5,685,308, 1997.

36. R. Schwann, G.Kappen, "CORDIC based postprocessing of ultrasound beamformer data", Proc. of the 9th International Student Conference on Electrical Engeineering "POSTER 2005", Prague, May, 26,2005.

37. Banerjee, A.S. Dhar and Swapna Banerjee, "FPGA realization of a CORDIC Based FFT processor for biomedical signal processing", Microprocessor & Microsystems, vol. 25/3, pp. 131-142, May, 2001.

38. Рабинер JI., Гоулд Б. Теория и применение цифровой обработки сигналов / Пер. с англ.; Под ред. Ю. И. Александрова. М.: Мир, 1978.

39. Оппенгейм А., Шафер Р. Цифровая обработка сигналов . М.: Связь, 1979.

40. Введение в цифровую фильтрацию. / Под ред. Р. Богнера и А. Константинидаса. -М.: Мир, 1976.

41. Хемминг Р. Цифровые фильтры. М.: Сов. Радио, 1980 г.

42. Гольденберг JI.M., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов: Справочник. М.: Радио и связь, 1985 г.

43. Голд Б., Рэйдер Ч. Цифровая обработка сигналов: Пер. с англ. / Под ред. A.M. Трахтмана. -М.: Сов. радио, 1973.

44. Лэм Г., Аналоговые и цифровые фильтры: Расчет и реализация. -М.:Мир, 1982.

45. S. Bjserum, Н. Torp, and К. Kristoffersen, "Clutter filter design for ultrasound color flow imaging", IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 49, no. 2, pp. 204-216,2002.

46. Yoichi Ogasawara, Yasuhiko Abe, Ryoichi Kanda, "Ultrasound diagnostic apparatus", US Patent No 5,913,824, 1999.

47. C. Kargel, G. Hobenreich, B. Trummer, M. F. Insana, "Adaptive clutter rejection filtering in ultrasound strain-flow imaging", IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 50, no. 7, pp. 824 835, 2003.

48. E. S. Chornoboy, "Initialization for improved IIR filter performance", IEEE Trans. Signal Processing, vol. 40, no. 3, pp. 543 550, 1992.

49. A. P. Kadi and T. Loupas, "On the performance of regression and step-initialized IIR clutter filters for color Doppler systems in diagnostic medical ultrasound", IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 42, no. 5, pp. 927-937,1995.

50. S. M. Torres, D. S. Zrnic, "Ground Clutter Canceling with a Regression Filter", Journal of Atmospheric and Oceanic Technology, vol. 16, no. 10, pp. 1364-1372,1999.

51. D.E. Kruse and K.W. Ferrara, "A new high resolution color flow system using an eigendecomposition-based. adaptive filter for clutter rejection", IEEE Trans. Ultrason. Ferroelect. Freq. Contr., vol. 49, no. 5, pp. 1384 -1399, 2002.

52. H. Torp, "Clutter rejection filters in color flow imaging: a theoretical approach", IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 44, no. 2, pp. 417 -424, 1997.

53. A. Heimdal, and H. Torp, "Ultrasound Doppler measurements of low velocity blood flow: limitations due to clutter signals from vibrating muscles", IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 44, no. 4, pp. 873 881, 1997.

54. Ahmed Elnokrashy, Abou-Bakr M. Youssef and Yasser M. Kadah, "Nonparametric clutter rejection in Doppler ultrasound using principal component analysis," Proc. SPIE Medical Imaging, San Diego, February 2003.

55. Yasser M. Kadah, "Spatio-temporal analysis of color Doppler information using independent component analysis," Proc. SPIE Medical Imaging, San Diego, February 2002.

56. A. Hyvarinen and E. Oja, "Independent component analysis: algorithms and application" Neural Networks 13. pp. 411 -430,2000.

57. C.M. Gallippi, K.R. Nightingale, and G.E. Trahey, "Blind source separation-based adaptive filtering of physiological and ARFI-induced tissue, blood, and cyst fluid motion, in-vivo", Proc. IEEE Ultrason. Symp, 2003, vol.1, pp. 841- 846.

58. C.M. Gallippi, K.R. Nightingale, and G.E. Trahey, "BSS-based filtering of physiological and ARFI-induced tissue and blood motion", Ultrasound in Med. & Biol., vol. 29, no. 11, pp. 1583 1592,2003.

59. S. Bjserum, H. Torp, "Statistical evaluation of clutter filters in color flow imaging", Ultrasonics, no. 38, pp. 376 380,2000.

60. Lindsay I. Smith. A Tutorial on Principle Component Analysis. Personal Publication (Available at http://csnet.otago.ac.nz/cosc45362. /student tutorials/ principal components.pdf), February, 2002.

61. M.R. Sturgill, "Maximum entropy velocity estimator for ultrasonic flow imaging system", US Patent No 5,107,841.

62. R.B. Peterson, "Ultrasonic color flow imaging using autoregressive processing", US Patent No 5,226,420.

63. R.A. Hager, D.W. Clark, K.E. Thiele, J.F. Witt, "Ultrasound clutter filter", US Patent No 6,689,064.

64. J.P. Burg, "Maximum Entropy Spectral Analysis", 37th Annual Meeting, Soc. Explor. Geophys., Oklahoma, 1967.

65. Kay, Steven M., "Modern Spectral Estimation Theory and Application", Prentice Hall, 1988.

66. Z.B. Banjanin, J. Kim, C. Zobkiw, S.R. Marquis, "Ultrasonic Doppler imager having a spatially smoothed control signal for adaptive tissue rejection filter", US Patent No 5,494,037.

67. T.J, Ulrych, T.N. Bishop, "Maximum entropy spectral analysis and autoregressive decomposition", Rev. Geophys., vol. 13, No 1, pp. 183 200, 1975.

68. L.S. Griffits, "High resolution spectral estimates obtained using data extrapolation", Proc. IEEE Int. Conf. ASSP-8, pp. 584 587, 1980.

69. S.J. Johnsen, N. Andersen, "On power estimation in maximum entropy spectral analysis", Gephys., vol. 43, No 4, pp. 584 587, 1978.

70. N. Andersen, "On the calculation of filter coefficients for maximum entropy spectral analysis", Gephys., vol. 39, No 1, pp. 69 72, 1974.

71. Лутра A.K., Стайнберг Т. Изображение целей на основе метода максимальной энтропии, ТИИЭР, т. 70, JMb 1, стр. 115- 116, 1982.

72. W.D. White, "Angular spectra in radar applications", IEEE Trans., vol. AES-15, pp. 895-899, 1979.

73. T. Thorvaldsen, " Maximum entropy spectral analysis in antenna spatial filtering", IEEE Trans., vol. AP-28, pp. 556 560, 1980.

74. Гейбриел У.Ф. Спектральный анализ и методы сверхразрешения с использованием адаптивных решеток, ТИИЭР, т. 68, № 6, стр. 19-32, 1980.

75. А.К. Jain, S. Ranganath, "Extrapolation algorithms for discrete signals with application in spectral estimation", IEEE Trans. Acoust., Speech, Signal Proc., vol. ASSP-29, No 4, pp. 830-845, 1981.

76. H. Ocura, Y. Yosuda, "Spectral analysis and subtraction of noise in radar signals", IEEE Trans. Aerospace., Electron. Systems, vol. AES-17, No 1, pp. 62 -71,1981.

77. J.E. Shore, "Maximum cross-entropy spectral analysis", IEEE Trans. Acoust., Speech, Signal Proc., vol. ASSP-29, No 2, pp. 230-236, 1981.

78. E. K. Hung, R.W. Herring, "Simulation experiments to compare the signal detection properties of DFT and MEM spectra", IEEE Trans. Acoust., Speech, Signal Proc., vol. ASSP-29, No 5, pp. 1084- 1089, 1981.

79. T. Dyson, S.S. Rao, "Equal observation interval comparison of maximum entropy and weighted overlapped segment averaging spectrum estimation techniques", IEEE Trans. Acoust., Speech, Signal Proc., vol. ASSP-29, No 4, pp. 919-922,1981.

80. S.T. Alexander, E.H. Satorius, J.R. Zeidler, "Linear prediction and maximum entropy spectral analysis of finite bandwidth signals in noise", Proc. IEEE Int. Conf. ASSP-6, pp. 188 191,1978.

81. L. Marple, "High resolution autoregressive spectrum analysis using noise power cancellation", Proc. IEEE Int. Conf. ASSP-6, pp. 345 348, 1978.

82. S. Kay, "Improvement of autoregressive spectral estimates in presence of noise", Proc. IEEE Int. Conf. ASSP-6, pp. 357 360, 1978.

83. J.E. Voider, "The CORDIC trigonometric computing technique", IRE Trans. Electron. Comput., vol.EC- 3, pp. 330-334, Sept. 1959.

84. J.S. Walther "A unified algorithm for elementary functions", 1971 Proc, Joint Spring Comput. Conf., pp. 379-385, 1971.

85. Байков В.Д., Смолов В.Б. Специализированные процессоры; итерационные алгоритмы и структуры. М.: Радио и связь, 1985.

86. СБИС для распознавания образов и обработки изображений: Пер. с англ./Под. ред. К. Фу. -М: Мир. 1988.

87. М. Lohning, Т. Hentschel and G. Fettweis, "Digital down conversion in software radio terminals", Test and Control Technology, 40(5): 191 -194,2003.

88. Jarkko Vuori and Jorma Skytta, "Implementation of a digital phase-locked loop using CORDIC algorithm," in Proc. IEEE ISCAS. '96, pp. 164-167, 1996.

89. E. Antelo, J.D. Bruguera, T. Lang and E.L. Zapata, "Error analysis and reduction for angle calculation using the CORDIC algorithm", ", IEEE Trans. Comput., vol. 46, no. 11, pp. 1264- 1271, 1997

90. A.M. Despain, "Fourier transform computers using CORDIC iterations", IEEE Trans. Comput., vol. C-23, no. 10, pp. 993- 1001, 1974.

91. Нагулин H.E., Скосырев C.B., Шарапов A.A. Система формирования УЗ изображения в реальном масштабе времени// Доклады 3-ей Международной конференции «Радиоэлектроника в медицинской диагностике», 29 сентября -1 октября 1999 г., Москва, стр. 121 122.

92. Digital Receive Signal Processor AD6620 Data Sheet. Analog Devices, Inc., 1998.

93. M.B. Медведев, E.B. Юдина. Задержка внутриутробного развития плода. -М.: РАВУЗДПГ, 1998.