ESTIMATION OF THE SIZE OF STRUCTURAL FORMATIONS IN ULTRASOUND IMAGING THROUGH STATISTICAL ANALYSIS OF THE ECHO SIGNAL

封面

如何引用文章

全文:

详细

The paper considers a fundamentally new approach to solving the problem of determining the size of structural formations in ultrasonic diagnostics, based on the theoretically justified possibility of estimating the size of inhomogeneities of the studied medium by analyzing the statistical characteristics of the ultrasonic signal scattered on these inhomogeneities. This possibility is conditioned by the fact that the statistical distribution of the ultrasound image data varies from Rayleigh distribution to Reiss distribution depending on the relation between the coherence area size of the scattered signal and the beamwidth. The work aims at the development of a new method of statistical data analysis, which will effectively detect a significant coherent component in the echo signal and thereby be used as a mathematical tool to estimate the size of medium inhomogeneities in ultrasound imaging. Such approach to the analysis of ultrasound images would provide a possibility of quantitative estimation of structural formations and thereby would increase significantly the information value of ultrasound diagnostics and possibility of pathology detection at early stages of its formation that opens perspectives for treatment efficiency increase.

作者简介

T. Yakovleva

Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences

编辑信件的主要联系方式.
Email: tan-ya@bk.ru
Russian Federation, Moscow

N. Kulberg

Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences

Email: tan-ya@bk.ru
Russian Federation, Moscow

D. Leonov

Moscow Center for Diagnostics and Telemedicine, MPEI

Email: tan-ya@bk.ru
Russian Federation, Moscow

参考

  1. Rice S.O. Mathematical Analysis of Random Noise // Bell Syst. Tech. Journal. 1944. V. 23. P. 282–322.
  2. Cai R. Statistical Characterization of the Medical Ultrasound Echo Signals. Sci Rep. 2016. V. 6. P. 39379.
  3. Parker K.J. Shapes and distributions of soft tissue scatterers. Physics in Medicine and Biology. Volume 64, Issue 17, 5 September 2019, article number 175022.
  4. Mohana Shankar P. A general statistical model for ultrasonic backscattering from tissues // IEEE Trans Ultrason Ferroelectr Freq Control. 2000. V. 47. № 3. P. 727–36. https://doi.org/10.1109/58.842062
  5. Martínez-Graullera O., Yagüe-Jiménez V., Romero M. P. and Ibáñez Rodríguez A. Improving ultrasonic medical image quality by attenuation of the secondary lobes // IEEE International Ultrasonics Symposium. 2019. P. 1286–1289. https://doi.org/10.1109/ULTSYM.2019.8926260
  6. Physical Principles of Medical Ultrasonics, 2nd ed, C.R. Hill (Editor), J.C. Bamber (Editor), G.R. ter Haar (Editor), ISBN: 978-0-471-97002-6, 2004, 528 P.
  7. Yakovleva T.V., Kulberg N.S. Noise and Signal Estimation in MRI: Two-Parametric Analysis of Rice-Distributed Data by Means of the Maximum Likelihood Approach. American Journal of Theoretical and Applied Statistics. 1013. V. 2. № 3. P. 67–79.
  8. Яковлева Т.В. Теоретическое обоснование математических методов совместного оценивания параметров сигнала и шума при анализе райсовских данных // Компьютерные исследования и моделирование. 2016. Т. 8. № 3. С. 445–473.https://doi.org/10.20537/2076-7633-2016-8-3-445-473
  9. Яковлева Т.В., Кульберг Н.С. Методы математической статистики как инструмент двухпараметрического анализа магнитно-резонансного изображения // Информатика и ее применения. 2014. Т. 8. Вып. 3. С. 79–89.
  10. Yakovleva T. Peculiarities of the Rice Statistical Distribution: Mathematical Substantiation // Applied and Computational Mathematics. 2018. V. 7. № 4. P. 188–196. Science Publishing Group. https://doi.org/10.11648/j.acm.20180704.12
  11. Vetsheva N.N., Reshetnikov R.V., Leonov D.V., Kulberg N.S., Mokienko O.A. Diagnostic value of lung ultrasound in COVID-19: systematic review and meta-analysis // Digital Diagnostics. 2020. V. 1. № 1. P. 13–26. https://doi.org/10.17816/DD46834

补充文件

附件文件
动作
1. JATS XML
2.

下载 (31KB)
3.

下载 (673KB)

版权所有 © Т.В. Яковлева, Н.С. Кульберг, Д.В. Леонов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».