Medical ultrasound imaging using sparse arrays

Thumbnail Image

Files

master_Lehtonen_Ossi_2021.pdf (7.4 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2021-06-14

Department

Major/Subject

Complex Systems

Mcode

SCI3060

Degree programme

Master’s Programme in Life Science Technologies

Language

en

Pages

49+1

Series

Abstract

Sensor arrays and spatial signal processing are used in a variety of applications ranging from radar and wireless communications to radio astronomy and medical imaging. In order to achieve high spatial resolution, a large number of sensors with a regular geometry is typically needed. The number of sensors and consequently the hardware costs can be significantly reduced while maintaining resolution by using sparse array configurations. In medical ultrasound imaging, the cost of scanners can be reduced by using fewer sensors, or a higher resolution can be achieved with an equal number of sensors. In active sensing, sparse sensor arrays can match the imaging performance of uniform arrays in the far field by utilizing the co-array, a virtual array determined by array geometry and imaging mode. In the near field and with wideband transmission, such as in medical ultrasound, the co-array becomes spatially varying, which needs to be compensated for by the imaging method. Instead of using a large number of sensors with regular geometry, sparse arrays may acquire multiple component images that are combined. The component images are obtained by using and receive element weights calculated for different directions and distances in the near field. In this work, complex image addition in the near field is evaluated in simulated ultrasound imaging implemented with Field II, a program for simulating ultrasound transducer fields using linear acoustics. The near field weights provide a significant improvement over using far field weights in near field imaging. Several linear sparse array configurations are compared, including the Minimum-Redundancy Array. The configurations achieve similar resolution and contrast for array apertures typically used in medical ultrasound, evaluated with the full width of a point target at half of maximum intensity and contras-to-noise ratio respectively. Only small differences were found in the number of component images required by different array architectures to achieve similar image quality. Additionally, the near field imaging method is shown to produce artefacts which limit the minimum imaging range of sparse arrays. The artefacts are more prominent for larger apertures but can be mitigated by trading off sparsity to redundancy by adding sensors.

Anturiryhmiä ja spatiaalisia signaalinkäsittelymenetelmiä käytetään lukuisissa sovelluskohteissa, aina tutkista ja langattomasta viestinnästä radioastronomiaan ja lääketieteelliseen kuvantamiseen. Tavallisesti korkean paikkaresoluution saavuttamiseen tarvitaan suuri määrä antureita säännöllisessä muodostelmassa. Sensorien määrää ja sitä kautta laitekustannuksia voidaan vähentää käyttämällä harvoja anturiryhmiä ilman että resoluutio kärsii. Lääketieteellisessä kuvantamisessa ultraääniskannerien kustannuksia voidaan laskea käyttämällä vähemmän antureita, tai suurempi resoluutio voidaan saavuttaa samalla anturimäärällä. Aktiivisen kuvantamisen sovelluksissa harvat anturiryhmät voivat kaukokentässä saavuttaa samat kuvantamisominaisuudet kuin vastaava tasavälinen hyödyntäen virtuaalista anturiryhmää. Tämän virtuaalisen anturisarjan määrittää fyysisen anturisarjan geometria ja käytetty kuvantamismuoto. Lähikentässä ja laajakaistaisia signaaleja käytettäessä, kuten esimerkiksi lääketieteellisessä ultraäänikuvantamisessa, virtuaaliryhmä muuttuu paikasta riippuvaksi, mitä kuvantamismenetelmän täytyy kompensoida. Harva anturiryhmä ei voi hyödyntää suurta määrää säännöllisesti sijoitettuja sensoreita, ja sen sijaan kuva voidaan koostaa summaamalla yhteen useampi komponenttikuva. Nämä komponenttikuvat saadaan käyttämällä suunta- ja etäisyyskohtaisesti laskettuja lähetys- ja vastaanottopainokertoimia. Tässä työssä lähikentän komponenttikuvien summausmenetelmää arvioidaan simuloidulla ultraäänikuvantamisella. Simulaatiot toteutettu Field II -ohjelmalla, joka simuloi ultraäänianturien painekenttiä käyttäen lineaarista akustiikkaa. Lähikenttäpainokertoimet tuovat selvän parannuksen verrattuna kaukokenttäkerrointen käyttöön lähikentässä. Työssä vertaillaan useampaa lineaarista harvaa anturimallia, mukaan lukien redundanssin minimoiva anturiryhmä. Ultraäänikuvantamiselle tyypillisillä apertuureilla eri anturiryhmät saavuttivat samankaltaisen resoluution ja kontrastin, joita arvioitiin pistevasteen täydellä leveydellä puolessa täydestä intensiteetistä sekä kontrastit ja kohinan suhteella. Vain pieniä eroja saman kuvanlaadun saavuttamiseen tarvittavassa komponenttikuvien määrässä havaittiin. Lisäksi tutkittu lähikenttäkuvantamisen metodi tuottaa kuviin artefaktoja, jotka rajoittavat harvoilla anturiryhmillä kuvantamisen vähimmäisetäisyyttä. Artefaktit ovat voimakkaampia suuremmilla anturiryhmillä, mutta niitä voidaan vähentää lisäämällä ryhmiin lisää antureita, mikä laskee ryhmän harvuutta redundanssin kustannuksella.

Description

Supervisor

Koivunen, Visa

Thesis advisor

Rajamäki, Robin

Keywords

sparse sensor arrays, complex image addition, ultrasound imaging, near field

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202106207544

Collections

[dipl] Perustieteiden korkeakoulu / SCI