血管內超聲成像技術是冠脈檢查新的"金標準", 超聲彈性成像技術與血管內超聲成像相結合, 在斑塊分類和檢測斑塊易損程度上具有重要的應用價值。本文通過建立模擬血管分層結構的仿真模型, 利用血管壁在心動周期內的收縮/舒張, 得到不同血壓值下的血管壁組織位移分布, 從而獲得組織應變。通過對不同壓力間隔的血管壁彈性圖進行分組對比獲得了在一個心動周期內成像效果最佳的血壓差組合; 在最佳壓力差條件下, 通過仿真復合不同生物力學特性的斑塊模型, 驗證了該方法能有效地識別不同楊氏模量的斑塊特性。上述研究工作不僅具有較強的理論參考價值, 在臨床應用中也具有重要的指導意義和應用前景。
引用本文： 錢馨然, 顧天明, 焦陽, 司法, 崔崤峣. 基于血管內超聲彈性成像的動脈斑塊識別. 生物醫學工程學雜志, 2015, 32(3): 656-661. doi: 10.7507/1001-5515.20150119 復制
引言
血管內超聲成像(intravascular ultrasound, IVUS)是一種目前用于評估動脈粥樣斑塊形態、動脈粥樣硬化藥物治療和非藥物性干預進程以及動脈粥樣硬化易損程度的重要手段[1]。臨床使用的血管內超聲灰階成像可以根據采集到的回聲信號強度區別動脈斑塊的組成，低回聲代表高脂質病變，中等回聲代表纖維斑塊，而高回聲代表鈣化組織。動脈病變斑塊往往是非均勻質地，各種強度的回聲信號也非獨立存在，而是呈混合狀態。為更好地識別不同性質的斑塊，從而判斷斑塊易損性，目前基于血管內超聲成像的斑塊識別技術主要有射頻數據分析(analysis of IVUS radiofrequency，IVUS-RF)[2]和虛擬組織學(IVUS virtual histology，IVUS-VH)[1]等，但這些方法都是基于對不同性質斑塊回聲信號時域或頻域特性的大量先驗知識的積累，應用存在一定局限性。
1991年，Ophir等[3]初次提出超聲彈性成像技術，利用超聲換能器采集軟組織受力形變前后的超聲信號，計算其位移分布，繼而得到組織的彈性圖像[4]，以此反映生物組織的彈性信息，現今被廣泛應用于臨床，如乳腺、前列腺等器官的檢查。近年來，有研究表明[5]將超聲彈性成像技術運用到血管內超聲成像技術上，不僅能夠提供血管壁彈性等參量圖像，更加能夠通過分辨高低應變區域，識別冠脈血管內不同斑塊的相對生物力學特性。與前兩種技術相比，血管內超聲彈性成像技術對斑塊識別準確性更高，區分脂質斑塊和纖維斑塊的特異性更強，更具有臨床應用價值。
但目前彈性成像技術尚未應用于商業化血管內超聲系統。本課題組在國家科技支撐計劃項目的資助下，開展超高頻血管內超聲成像探頭與系統的研發工作。本文的工作針對課題組自行研制的中心頻率為50~60 MHz的微型血管內超聲換能器與成像系統，進行斑塊識別軟件包的前期研究，通過有限元模型模擬仿真血管壁組織在正常血壓波動范圍內的形變過程，組合不同血壓值下的血管壁組織位移，分析壓力間隔對血管內超聲彈性成像的效果影響；同時在最佳壓力差條件下，評估血管內超聲彈性成像方法對不同性質斑塊識別的效果。從而為血管內超聲彈性成像功能在課題組自主研發的血管內超聲成像系統上的實際應用奠定了基礎。
1 技術原理
1.1 時域互相關位移估計及應變估計
組織受到擠壓前的信號a(t)和擠壓后的超聲信號b(t)之間會有如下關系[6]，即
| $ {\rm{ }}b(t){\rm{=}}a\left({t+\tau } \right), $ |
其中τ代表兩個信號的時延。一般情況下，超聲信號在生物組織中的傳播速度約1 450 m/s。因此只要估計出兩個信號的時延，就可以計算出組織的位移值。
本文中采用的位移估計方法為經典時域互相關估計方法，其原理是根據采集到的壓縮前、后兩組超聲信號，進行互相關系數計算，如式(2)所示，找到兩組信號最大相關處，即可獲得時延τ，從而計算出組織的位移值u(t)，如式(3)所示。
| $ {R_{ab}}\left(\tau \right)=\int\limits_{-\infty }^\infty {a\left(t \right)b\left({t-\tau } \right){\rm{d}}t} $ |
| $ u\left(t \right)=\frac{{c \cdot \tau \left(t \right)}}{2} $ |
應變估計則采用一維有限差分法，利用下式進行計算：
| $ {\varepsilon _{AB}}=\frac{{\Delta {t_1}-{\Delta _{{t_2}}}}}{{{\Delta _{{t_1}}}}}, $ |
其中A、B分別是壓縮前、后兩個窗中心，壓縮后對應位置為A′、B′，即互相關函數最大值的對應位置，Δt1和Δt2分別為兩個窗的時延，εAB即為AB窗的應變。本文中選取窗長為一個周期采到點數的5倍(5×采樣頻率/中心頻率)，重疊率為95%。
1.2 仿真模型及方法
1.2.1 有限元模型
正常的動脈血管結構大體可分為內膜、中膜、外膜三層，從血管中心到血管壁組織，共存在4層組織邊界：①腔內-內膜；②內膜-中膜；③中膜-外膜；④外膜-外周組織。血管腔內-內膜由于彈性和密度差異較大，構成強反射界面；內膜-中膜界面，彈性和密度變化較小，聲阻抗變化不大，構成一個次回聲區域；中膜-外膜界面，由于成分不同，彈性和密度變化較大，再次構成一個強回聲界面[7]。因此動脈血管超聲圖像呈現雙層模式，而動脈粥樣硬化斑塊一般處于內膜與中膜之間。利用有限元模型建立如圖 1(a)所示的模擬血管結構模型，分為包含有斑塊結構的中膜層和外膜層，斑塊結構楊氏模量為50 kPa，中膜層及外膜層組織的楊氏模量分別為100 kPa和70 kPa[8-9]。血管各層直徑參考的是內膜-中膜厚度(intima-media thickness, IMT)，正常內膜厚度為0.1~0.5 mm，內膜太薄，對壓力變化影響很小，而斑塊主要存在與中膜層中，IMT≤0.8 mm為正常，0.8 mm＜IMT＜1.3 mm為增厚。因此確定模型中血管腔直徑1.5 mm，中膜厚度1 mm，外膜厚度1 mm(外膜厚度影響不大，可取近似值)。同時假設組織為線彈性材料，材料泊松比為0.495[8]，邊界條件：以血管內表面為應力邊界，施加模擬人體真實血壓大小的應力絕對值，血管外表面為固定邊界，產生的網格如圖 1(b)所示。
圖1
血管仿真模型
(a)楊氏模量分布圖；(b)有限元網格圖
Figure1. Simulation model of the blood vessel(a) Young's modulus figure; (b) finite element meshing
1.2.2 超聲信號仿真
本文的模擬仿真是采用本實驗室自主研發的超高頻血管內超聲系統(探頭中心頻率50 MHz，每秒可采集30幀圖像)中斑塊識別軟件包進行前期研究。因此仿真中換能器中心頻率設置為50 MHz，采樣頻率設置為600 MHz(大于中心頻率的10倍)。
彈性成像的基礎條件是組織受到一個外部或內部激勵，在力學作用下產生位移變化。人體其他組織如乳腺、前列腺等進行彈性成像時，激勵通過采用外部應力施加。而血管內超聲彈性成像技術不需要在人體外額外提供外部激勵，而是利用心動周期中血壓的改變，血管壁組織產生徑向收縮與舒張，從而對感興趣區域(region of interest, ROI)產生一定量的位移變化，再連續采集或定血壓采集信號獲取血管壁位移信息，即可對血管組織進行彈性成像[10]。血管內超聲彈性成像是通過計算不同壓力條件下血管壁組織的位移變化而得到的：選取較小壓力值對應的一組超聲射頻(radio frequency，RF)信號作為壓縮前(Pre-deformation)數據，較大壓力值對應的超聲RF信號作為壓縮后(Post-deformation)數據，再利用1.1中的時域互相關方法進行位移估計獲取應變值。
人體在一個心動周期內的正常血壓動態范圍是80~120 mm Hg[11]。本文針對1.2.1中的有限元模型，模擬血管在血壓從80 mm Hg以5 mm Hg的間隔增加至120 mm Hg的形變過程，利用Field II軟件仿真每一血壓值(80、85、90……120 mm Hg)對應的共9組超聲RF信號數據。為比較組合不同血壓值對應的RF數據進行彈性成像時斑塊識別的效果差異，選取效果最佳的血壓差組合，將壓力變化范圍內得到的前4組數據(80、85、90、95 mm Hg)分別作為壓縮前信號，并以不同血壓差(5、10、15、20……40 mm Hg)對應的RF信號作為壓縮后信號，進行分組對比。由于人體心動周期血壓變化具有可重復性，因此本采集方法也具有重復性。
2 結果與討論
2.1 不同壓力間隔對血管內超聲彈性成像識別斑塊的影響
建立有限元模型之后，通過有限元計算，獲得施加壓力前后組織的位移變化值；將獲得的位移場變化值導入至Field II，生成模擬血管壁組織在壓縮前、后，由中心頻率為50 MHz換能器采集到，在不同壓力值下對應的9組超聲RF信號和B-mode成像，如圖 2(a)所示[9]。因血管斑塊與管壁組織散射系數相近，B-mode圖像中無法區分斑塊與血管壁組織。而彈性成像則可以根據斑塊與管壁組織楊氏模量不同，在相同壓力作用下，產生不同的位移變化(楊氏模量較大，則應變較小；楊氏模量較小，則應變較大)，從而可以有效地將斑塊從管壁組織中識別出來。以1.2.2中的分組對比方式，以80、85、90、95 mm Hg血壓對應的超聲RF數據作為壓縮前信號，以不同血壓差(5、10、15、20……40 mm Hg)對應的RF信號作為壓縮后信號，利用時域互相關位移估計方法, 組合求得血管壁組織位移分布及應變圖像。繼而利用斑塊在彈性圖中及仿真模型中[圖 1(a)]的面積比(彈性圖/仿真圖)來評價血管內超聲彈性成像斑塊識別的效果。具體步驟：①利用Snake活動輪廓模型，如圖 2(b)所示，對彈性圖中斑塊的可能邊界進行自動勾邊，以此圈定斑塊范圍；②對分割獲得的邊界內獲取斑塊面積，得到如圖 3所示的彈性圖/模型斑塊面積比曲線。
圖2
獲取斑塊面積
(a)B-mode成像圖；(b)Snake活動輪廓模型自動分割
Figure2. Acquisition of plaque area(a) B-mode gram; (b) the Snake active contour model
圖3
彈性圖/仿真圖面積比
Figure3.
Ratio of Elastogram/Simulation graph area
分析圖 3的結果，通過比較可以看出：
(1) 4條曲線的面積比均隨壓力差的增加呈上升趨勢，當壓力差在35~40 mm Hg時，面積比接近1，因此說明同一壓力值作為壓縮前信號，與不同壓力差的壓縮后信號進行組合計算，壓力差越大，誤差越小，與仿真模型中斑塊面積越相近。根據式(4)可理論分析這種結果，壓力差越大，血管壁組織相對形變越明顯，針對相同的壓縮前組織位移，應變越大，因此成像越清晰。
(2)垂直比較4條曲線，在相同壓力差條件下，如壓力差為30 mm Hg和40 mm Hg的情況下，壓縮前信號對應的壓力越大，誤差也呈減小趨勢。85 mm Hg和120 mm Hg的面積比(0.96)比80 mm Hg和120 mm Hg(0.94)的面積比結果更接近于1。說明增大壓縮前信號對應的壓力也能改善成像效果。但95 mm Hg作為壓縮前信號壓力值，在壓力差大于5 mm Hg的情況下，面積比結果卻不如90 mm Hg組，所以可得結論增大壓縮前信號壓力值只在壓力差較大的情況下幫助成像。
2.2 最佳壓力間隔條件下對不同性質斑塊的識別效果
根據2.1的結果選取面積比最大的壓力差組合，分別設定壓縮前信號和壓縮后信號對應的壓力為85 mm Hg和120 mm Hg，并建立高脂質(E=50 kPa)、纖維-脂質(E=400 kPa)、鈣化斑塊(E=1 500 kPa)三種不同性質的斑塊兩兩復合仿真模型，如圖 4(a1)、(b1)、(c1)所示，進行彈性成像[9]，并結合B-mode圖像幫助顯示斑塊形貌，如圖 4(a2)、(b2)、(c2)所示。
圖4
不同性質斑塊組合模型及彈性成像圖
(a1)高脂質、纖維-脂質斑塊組合模型，(a2)彈性成像圖；(b1)高脂質、鈣化斑塊組合模型，(b2)彈性成像圖；(c1)纖維-脂質、鈣化斑塊組合模型，(c2)彈性成像圖
Figure4. Simulation models and elastogram results of the different plaque groupsHigh lipid and fiber-lipid plaque (a1), high lipid and calcified plaque (b1), and fiber-lipid and calcified plaque (c1) combination models and their elastogram result with B-mode gram (a2) (b2) (c2), respectively
由圖 4中三組結果可看出血管內超聲彈性成像方法結合心動周期血壓變化采集信號，選定最優壓力差組合，進行彈性成像區別不同性質斑塊效果良好，各組均邊界清晰，對比明顯。無論是高脂質和纖維-脂質斑塊，還是鈣化、纖維-脂質斑塊都能較好的區分，特異性強。對三種斑塊及血管中膜的應變結果進行統計分析，如圖 5所示(圖中上、下邊緣為最大及最小值，方框中較低線、中位線、較高線分別為下四分位數、中位數及上四分位數，中間小方框為平均數)，也可看出3種不同性質斑塊及血管壁組織(中膜)應變分區明顯。
圖5
三種斑塊及血管中膜應變結果統計分析
Figure5.
Statistical analysis of strain results for the 3 types of plaque and media
3 結論
針對課題組自主研發的超高頻血管內超聲成像系統，通過有限元模型構建血管壁組織、動脈粥樣硬化斑塊力學模型；根據人體正常心動周期內血壓變化值，采用Field II軟件仿真不同血壓作用下的血管內超聲RF信號；利用時域互相關方法在不同壓力差條件下，估計血管壁組織的位移分布，從而獲得產生血管內超聲彈性圖的最佳力學條件。仿真實驗證明這種方法可以有效地區分不同性質的斑塊，提高了血管內斑塊的識別準確率。以上研究工作不僅對下一步實驗研究具有較強的理論參考價值，在臨床心腦血管易損斑塊的診斷中也具有重要的指導意義和應用前景。
引言
血管內超聲成像(intravascular ultrasound, IVUS)是一種目前用于評估動脈粥樣斑塊形態、動脈粥樣硬化藥物治療和非藥物性干預進程以及動脈粥樣硬化易損程度的重要手段[1]。臨床使用的血管內超聲灰階成像可以根據采集到的回聲信號強度區別動脈斑塊的組成，低回聲代表高脂質病變，中等回聲代表纖維斑塊，而高回聲代表鈣化組織。動脈病變斑塊往往是非均勻質地，各種強度的回聲信號也非獨立存在，而是呈混合狀態。為更好地識別不同性質的斑塊，從而判斷斑塊易損性，目前基于血管內超聲成像的斑塊識別技術主要有射頻數據分析(analysis of IVUS radiofrequency，IVUS-RF)[2]和虛擬組織學(IVUS virtual histology，IVUS-VH)[1]等，但這些方法都是基于對不同性質斑塊回聲信號時域或頻域特性的大量先驗知識的積累，應用存在一定局限性。
1991年，Ophir等[3]初次提出超聲彈性成像技術，利用超聲換能器采集軟組織受力形變前后的超聲信號，計算其位移分布，繼而得到組織的彈性圖像[4]，以此反映生物組織的彈性信息，現今被廣泛應用于臨床，如乳腺、前列腺等器官的檢查。近年來，有研究表明[5]將超聲彈性成像技術運用到血管內超聲成像技術上，不僅能夠提供血管壁彈性等參量圖像，更加能夠通過分辨高低應變區域，識別冠脈血管內不同斑塊的相對生物力學特性。與前兩種技術相比，血管內超聲彈性成像技術對斑塊識別準確性更高，區分脂質斑塊和纖維斑塊的特異性更強，更具有臨床應用價值。
但目前彈性成像技術尚未應用于商業化血管內超聲系統。本課題組在國家科技支撐計劃項目的資助下，開展超高頻血管內超聲成像探頭與系統的研發工作。本文的工作針對課題組自行研制的中心頻率為50~60 MHz的微型血管內超聲換能器與成像系統，進行斑塊識別軟件包的前期研究，通過有限元模型模擬仿真血管壁組織在正常血壓波動范圍內的形變過程，組合不同血壓值下的血管壁組織位移，分析壓力間隔對血管內超聲彈性成像的效果影響；同時在最佳壓力差條件下，評估血管內超聲彈性成像方法對不同性質斑塊識別的效果。從而為血管內超聲彈性成像功能在課題組自主研發的血管內超聲成像系統上的實際應用奠定了基礎。
1 技術原理
1.1 時域互相關位移估計及應變估計
組織受到擠壓前的信號a(t)和擠壓后的超聲信號b(t)之間會有如下關系[6]，即
| $ {\rm{ }}b(t){\rm{=}}a\left({t+\tau } \right), $ |
其中τ代表兩個信號的時延。一般情況下，超聲信號在生物組織中的傳播速度約1 450 m/s。因此只要估計出兩個信號的時延，就可以計算出組織的位移值。
本文中采用的位移估計方法為經典時域互相關估計方法，其原理是根據采集到的壓縮前、后兩組超聲信號，進行互相關系數計算，如式(2)所示，找到兩組信號最大相關處，即可獲得時延τ，從而計算出組織的位移值u(t)，如式(3)所示。
| $ {R_{ab}}\left(\tau \right)=\int\limits_{-\infty }^\infty {a\left(t \right)b\left({t-\tau } \right){\rm{d}}t} $ |
| $ u\left(t \right)=\frac{{c \cdot \tau \left(t \right)}}{2} $ |
應變估計則采用一維有限差分法，利用下式進行計算：
| $ {\varepsilon _{AB}}=\frac{{\Delta {t_1}-{\Delta _{{t_2}}}}}{{{\Delta _{{t_1}}}}}, $ |
其中A、B分別是壓縮前、后兩個窗中心，壓縮后對應位置為A′、B′，即互相關函數最大值的對應位置，Δt1和Δt2分別為兩個窗的時延，εAB即為AB窗的應變。本文中選取窗長為一個周期采到點數的5倍(5×采樣頻率/中心頻率)，重疊率為95%。
1.2 仿真模型及方法
1.2.1 有限元模型
正常的動脈血管結構大體可分為內膜、中膜、外膜三層，從血管中心到血管壁組織，共存在4層組織邊界：①腔內-內膜；②內膜-中膜；③中膜-外膜；④外膜-外周組織。血管腔內-內膜由于彈性和密度差異較大，構成強反射界面；內膜-中膜界面，彈性和密度變化較小，聲阻抗變化不大，構成一個次回聲區域；中膜-外膜界面，由于成分不同，彈性和密度變化較大，再次構成一個強回聲界面[7]。因此動脈血管超聲圖像呈現雙層模式，而動脈粥樣硬化斑塊一般處于內膜與中膜之間。利用有限元模型建立如圖 1(a)所示的模擬血管結構模型，分為包含有斑塊結構的中膜層和外膜層，斑塊結構楊氏模量為50 kPa，中膜層及外膜層組織的楊氏模量分別為100 kPa和70 kPa[8-9]。血管各層直徑參考的是內膜-中膜厚度(intima-media thickness, IMT)，正常內膜厚度為0.1~0.5 mm，內膜太薄，對壓力變化影響很小，而斑塊主要存在與中膜層中，IMT≤0.8 mm為正常，0.8 mm＜IMT＜1.3 mm為增厚。因此確定模型中血管腔直徑1.5 mm，中膜厚度1 mm，外膜厚度1 mm(外膜厚度影響不大，可取近似值)。同時假設組織為線彈性材料，材料泊松比為0.495[8]，邊界條件：以血管內表面為應力邊界，施加模擬人體真實血壓大小的應力絕對值，血管外表面為固定邊界，產生的網格如圖 1(b)所示。
圖1
血管仿真模型
(a)楊氏模量分布圖；(b)有限元網格圖
Figure1. Simulation model of the blood vessel(a) Young's modulus figure; (b) finite element meshing
1.2.2 超聲信號仿真
本文的模擬仿真是采用本實驗室自主研發的超高頻血管內超聲系統(探頭中心頻率50 MHz，每秒可采集30幀圖像)中斑塊識別軟件包進行前期研究。因此仿真中換能器中心頻率設置為50 MHz，采樣頻率設置為600 MHz(大于中心頻率的10倍)。
彈性成像的基礎條件是組織受到一個外部或內部激勵，在力學作用下產生位移變化。人體其他組織如乳腺、前列腺等進行彈性成像時，激勵通過采用外部應力施加。而血管內超聲彈性成像技術不需要在人體外額外提供外部激勵，而是利用心動周期中血壓的改變，血管壁組織產生徑向收縮與舒張，從而對感興趣區域(region of interest, ROI)產生一定量的位移變化，再連續采集或定血壓采集信號獲取血管壁位移信息，即可對血管組織進行彈性成像[10]。血管內超聲彈性成像是通過計算不同壓力條件下血管壁組織的位移變化而得到的：選取較小壓力值對應的一組超聲射頻(radio frequency，RF)信號作為壓縮前(Pre-deformation)數據，較大壓力值對應的超聲RF信號作為壓縮后(Post-deformation)數據，再利用1.1中的時域互相關方法進行位移估計獲取應變值。
人體在一個心動周期內的正常血壓動態范圍是80~120 mm Hg[11]。本文針對1.2.1中的有限元模型，模擬血管在血壓從80 mm Hg以5 mm Hg的間隔增加至120 mm Hg的形變過程，利用Field II軟件仿真每一血壓值(80、85、90……120 mm Hg)對應的共9組超聲RF信號數據。為比較組合不同血壓值對應的RF數據進行彈性成像時斑塊識別的效果差異，選取效果最佳的血壓差組合，將壓力變化范圍內得到的前4組數據(80、85、90、95 mm Hg)分別作為壓縮前信號，并以不同血壓差(5、10、15、20……40 mm Hg)對應的RF信號作為壓縮后信號，進行分組對比。由于人體心動周期血壓變化具有可重復性，因此本采集方法也具有重復性。
2 結果與討論
2.1 不同壓力間隔對血管內超聲彈性成像識別斑塊的影響
建立有限元模型之后，通過有限元計算，獲得施加壓力前后組織的位移變化值；將獲得的位移場變化值導入至Field II，生成模擬血管壁組織在壓縮前、后，由中心頻率為50 MHz換能器采集到，在不同壓力值下對應的9組超聲RF信號和B-mode成像，如圖 2(a)所示[9]。因血管斑塊與管壁組織散射系數相近，B-mode圖像中無法區分斑塊與血管壁組織。而彈性成像則可以根據斑塊與管壁組織楊氏模量不同，在相同壓力作用下，產生不同的位移變化(楊氏模量較大，則應變較小；楊氏模量較小，則應變較大)，從而可以有效地將斑塊從管壁組織中識別出來。以1.2.2中的分組對比方式，以80、85、90、95 mm Hg血壓對應的超聲RF數據作為壓縮前信號，以不同血壓差(5、10、15、20……40 mm Hg)對應的RF信號作為壓縮后信號，利用時域互相關位移估計方法, 組合求得血管壁組織位移分布及應變圖像。繼而利用斑塊在彈性圖中及仿真模型中[圖 1(a)]的面積比(彈性圖/仿真圖)來評價血管內超聲彈性成像斑塊識別的效果。具體步驟：①利用Snake活動輪廓模型，如圖 2(b)所示，對彈性圖中斑塊的可能邊界進行自動勾邊，以此圈定斑塊范圍；②對分割獲得的邊界內獲取斑塊面積，得到如圖 3所示的彈性圖/模型斑塊面積比曲線。
圖2
獲取斑塊面積
(a)B-mode成像圖；(b)Snake活動輪廓模型自動分割
Figure2. Acquisition of plaque area(a) B-mode gram; (b) the Snake active contour model
圖3
彈性圖/仿真圖面積比
Figure3.
Ratio of Elastogram/Simulation graph area
分析圖 3的結果，通過比較可以看出：
(1) 4條曲線的面積比均隨壓力差的增加呈上升趨勢，當壓力差在35~40 mm Hg時，面積比接近1，因此說明同一壓力值作為壓縮前信號，與不同壓力差的壓縮后信號進行組合計算，壓力差越大，誤差越小，與仿真模型中斑塊面積越相近。根據式(4)可理論分析這種結果，壓力差越大，血管壁組織相對形變越明顯，針對相同的壓縮前組織位移，應變越大，因此成像越清晰。
(2)垂直比較4條曲線，在相同壓力差條件下，如壓力差為30 mm Hg和40 mm Hg的情況下，壓縮前信號對應的壓力越大，誤差也呈減小趨勢。85 mm Hg和120 mm Hg的面積比(0.96)比80 mm Hg和120 mm Hg(0.94)的面積比結果更接近于1。說明增大壓縮前信號對應的壓力也能改善成像效果。但95 mm Hg作為壓縮前信號壓力值，在壓力差大于5 mm Hg的情況下，面積比結果卻不如90 mm Hg組，所以可得結論增大壓縮前信號壓力值只在壓力差較大的情況下幫助成像。
2.2 最佳壓力間隔條件下對不同性質斑塊的識別效果
根據2.1的結果選取面積比最大的壓力差組合，分別設定壓縮前信號和壓縮后信號對應的壓力為85 mm Hg和120 mm Hg，并建立高脂質(E=50 kPa)、纖維-脂質(E=400 kPa)、鈣化斑塊(E=1 500 kPa)三種不同性質的斑塊兩兩復合仿真模型，如圖 4(a1)、(b1)、(c1)所示，進行彈性成像[9]，并結合B-mode圖像幫助顯示斑塊形貌，如圖 4(a2)、(b2)、(c2)所示。
圖4
不同性質斑塊組合模型及彈性成像圖
(a1)高脂質、纖維-脂質斑塊組合模型，(a2)彈性成像圖；(b1)高脂質、鈣化斑塊組合模型，(b2)彈性成像圖；(c1)纖維-脂質、鈣化斑塊組合模型，(c2)彈性成像圖
Figure4. Simulation models and elastogram results of the different plaque groupsHigh lipid and fiber-lipid plaque (a1), high lipid and calcified plaque (b1), and fiber-lipid and calcified plaque (c1) combination models and their elastogram result with B-mode gram (a2) (b2) (c2), respectively
由圖 4中三組結果可看出血管內超聲彈性成像方法結合心動周期血壓變化采集信號，選定最優壓力差組合，進行彈性成像區別不同性質斑塊效果良好，各組均邊界清晰，對比明顯。無論是高脂質和纖維-脂質斑塊，還是鈣化、纖維-脂質斑塊都能較好的區分，特異性強。對三種斑塊及血管中膜的應變結果進行統計分析，如圖 5所示(圖中上、下邊緣為最大及最小值，方框中較低線、中位線、較高線分別為下四分位數、中位數及上四分位數，中間小方框為平均數)，也可看出3種不同性質斑塊及血管壁組織(中膜)應變分區明顯。
圖5
三種斑塊及血管中膜應變結果統計分析
Figure5.
Statistical analysis of strain results for the 3 types of plaque and media
3 結論
針對課題組自主研發的超高頻血管內超聲成像系統，通過有限元模型構建血管壁組織、動脈粥樣硬化斑塊力學模型；根據人體正常心動周期內血壓變化值，采用Field II軟件仿真不同血壓作用下的血管內超聲RF信號；利用時域互相關方法在不同壓力差條件下，估計血管壁組織的位移分布，從而獲得產生血管內超聲彈性圖的最佳力學條件。仿真實驗證明這種方法可以有效地區分不同性質的斑塊，提高了血管內斑塊的識別準確率。以上研究工作不僅對下一步實驗研究具有較強的理論參考價值，在臨床心腦血管易損斑塊的診斷中也具有重要的指導意義和應用前景。
