Real-time quantitative sonoelastography in an ultrasound research system

Abstract

Quantitative Sono-Elastographie ist eine neue Technologie für die Ultraschall Bildgebung, die Radiologen maligne Tumoren ohne Risiko der strahlungsinduzierten Krebs (d.h. Mammographie) zu erfassen können. Aufgrund gefunden Rechenkomplexität in der aktuellen Algorithmen, Implementierung von Echtzeit-Anwendungen, die Prüfungsverfahren profitieren wurde jedoch noch nicht berichtet. Zusätzlich, aktuelle Schätzer für die Darstellung eine Elastizität Bilder vorhanden Artefakte der hohen Schätzung Varianz, die die Techniker in die Gegenwart steifer Massen irreführen könnten und zwar, falsch-positive Diagnose zu erzeugen. In dieser Arbeit wird eine GPU-basierte Elastographie-System entwickelt und an einem Forschungsultraschallgeräten implementiert. Quantitative Elastizität in Echtzeit bei 2 FPS mit einer Verbesserung Rechenzeitfaktor aus 26 wird gezeigt. Validierung der Systemgenauigkeit Anzeige wurde, auf Gelatinebasis Gewebe Phantome durchgeführt., waren niedrige Vorspannung der Elastizitätswerte berichtet wurde (4,7 %) bei geringe Anregungsfrequenzen nachahmt. Ausserdem wird eine neue Elastizität Schätzer auf quantitative Sono-Elastographie basiert eingeführt. Ein lineares Problem wurde entlang der seitlichen Abmessung modelliert und eine Regularisierung Methode wurde implementieren. Elastizität Bilder mit niedriger Vorspannung wurde darstellen (1,48 %) sowie seine Leistung in einer Brust kalibrierte Phantom mit verbesserter CNR (47,3 dB) im Vergleich mit anderen Schätzer ausgewertet sowie die Verringerung Seiten Artefakte bereits erwähnt in der Literatur (PD: 22,7 dB, 1DH 28,7 dB) gefunden. Diese zwei Beitrag profitieren, die Umsetzung und Entwicklung weiterer Elastographie Techniken, die eine verbesserte Qualität der Elastizität Bilder liefern könnten und somit eine verbesserte Genauigkeit der Diagnose.

Quantitative sonoelastography is an alternative technology for ultrasound imaging that helps radiologist to diagnose malignant tumors with no risk of radiation-induced cancer (i.e. mammography). However, due to the high computational complexity found in the current algorithms, implementation of real-time systems that could benefit examination procedures has not been yet reported. Additionally, elasticity maps depicted from current estimators feature artifacts of high estimation variance that could mislead the technician into the presence of stiffer masses, generating false positive diagnosis. In this thesis, a GPU-based elastography system was designed and implemented on a research ultrasound equipment, displaying quantitative elasticity in real-time at 2 FPS with an improvement computational time factor of 26. Validation of the system accuracy was conducted on gelatin-based tissue mimicking phantoms, where low bias of elasticity values were reported (4.7%) at low excitation frequencies. Additionally, a new elasticity estimator based on quantitative sonoelastography was developed. A linear problem was modeled from the acquired sonolastography data along the lateral dimension and a regularization method was implemented. The resulting elasticity images presented low bias (1.48%), enhanced CNR and reduced lateral artifacts when evaluating the algorithm’s performance in a breast calibrated phantom and comparing it with other estimators found in the literature. These two contribution benefit the implementation and development of further elastography techniques that could provide enhanced quality of elasticity images and thus, improved accuracy of diagnosis.