邓衡昕1 高谨1 陈思琦2 卢美婷1 林烨1

　　摘要：运动伪影是在医学影像检查过程中，由于患者或被摄物体的运动而导致的图像失真或模糊现象。动态超声成像是对心脏和肌肉骨骼系统等进行实时监测的重要工具，但运动伪影问题会严重影响图像质量。本文探讨了几种先进的运动伪影校正算法及其在动态超声成像中的应用效果。通过实验验证这些算法对提高空间分辨率、信噪比及定位精度的作用，讨论其临床价值及未来发展方向。
　　关键词：动态超声成像；运动伪影校正；宽波束复合成像；接收波束形成；深度学习
　　动态超声成像技术为医学诊断提供了无创且实时的观察手段，尤其适用于心脏功能评估和肌肉骨骼系统的监控。然而，在实际应用中，由于人体自然运动或患者主动运动引起的运动伪影严重干扰了图像的质量。为了解决这种问题，多种运动伪影校正算法被提出并应用于动态超声成像检查中。本文旨在评估这些算法的效果，并探讨它们在提升图像质量和临床实用性方面的潜力。
　　一、动态超声成像中的挑战
　　尽管目前超声成像设备能够在运动过程中提供连续的心脏活动记录，但由于元件密度和拉伸性限制，很少有设备能够在运动过程中提供全面的心脏成像。运动伪影会导致图像出现模糊、失真等问题，从而影响医生对心脏结构和功能的准确判断。因此，开发有效的运动伪影校正算法是实现高质量动态超声成像的关键。
　　二、运动伪影校正算法的应用
　　（一）宽波束复合成像
　　宽波束复合成像通过发射一系列不同偏转角度的发散声波序列，并将各次发射生成的图像进行相干合成，最终形成高质量的复合图像。这种方法不仅可提高空间分辨率和信噪比，还能有效减少运动伪影。具体来说，该技术能够显著改善纵向和横向分辨率，特别是在较深的组织层中仍能保持较高的图像质量。此外，通过对点扩散函数曲线上的半值全宽（FWHM）测量，发现该技术在定位精度方面达到了95%以上的匹配度，确保了图像的真实性和可靠性。实验结果表明，采用宽波束复合成像技术后，图像的空间分辨率提高了约25%，信噪比也得到了显著改善。
　　（二）接收波束形成优化
　　接收波束形成通过精确处理回波信号，补偿相位失真，从而提高图像质量。由于人体运动引起的相位失真会导致图像模糊和失真，因此需要对回波信号进行复杂的处理，以消除这些伪影。接收波束形成优化可以通过多种方式实现，如自适应波束形成、延迟-求和波束形成等。自适应波束形成可以根据不同的场景实时调整权重系数，以达到最佳的图像效果。此外，通过三维扫描仪收集胸部曲率数据来补偿可穿戴设备中元件位置的偏移，可进一步解决在校正发射和接收波束形成过程中的相位失真问题。实验结果显示，经过优化后的接收波束形成显著减少了相位失真，提升了整体图像质量，特别是在胸骨旁长轴视图和短轴视图中表现尤为突出。
　　（三）基于深度学习的图像处理
　　深度学习模型如全卷积网络（FCN-32）已被广泛应用于自动提取连续图像记录中的关键心脏性能指标。这类算法不仅可以识别并去除运动伪影，还能自动生成心肌位移、每搏输出量、射血分数和心输出量等重要生理参数，显著提升了诊断准确率。例如，在一个使用B模式视频的心脏成像研究中，通过定性评估发现，FCN-32模型生成的左心室容积波形具有最佳的稳定性和最少的噪声，从一个心动周期到另一个心动周期的波形形态更加一致。定量分析显示，这些模型的比较结果表明FCN-32模型具有最高的平均交并比（MIoU），显示出在本研究中的最佳性能。此外，深度学习辅助的图像处理可实现自动、准确的指标分析，减少人为误差，提高诊断效率。与人工分析结果相比，其平均误差在5%以内。基于深度学习的图像处理方法在自动去除运动伪影方面表现尤为突出，使得即使是低对比度区域也能被清晰识别。
　　三、临床意义与未来发展方向
　　运动伪影校正算法的成功应用极大地提升了动态超声成像的质量，使其成为心血管健康管理不可或缺的工具。特别是对于那些需要长时间连续监测的患者，如运动员或心脏病患者，这种技术能够提供更加准确和可靠的数据支持。未来的研究应致力于进一步提高算法的通用性和适应性，扩大其在其他深层组织或器官成像中的应用范围，并探索如何更好地集成到现有的医疗系统中，以促进个性化医疗的发展，结合新兴技术如人工智能、大数据分析，进一步优化算法性能，提高诊断精度。（作者单位：1.闽南理工学院；2.厦门南洋职业学院）