準静的超音波エラストグラフィからひずみ画像を回復するための確率的フィルタリングアプローチ

背景：モデルベースの再構築アルゴリズムは、現実的な有限要素（FE）またはバイオメカニカルモデルの制約を使用して、準静的エラストグラフィー画像の従来のひずみベースの方法に対する潜在的なものを示しています。ただし、モデルの制約と超音波データ、および測定ノイズの間の不一致を適切に処理することは依然として困難です。 方法：この論文では、準静的超音波エラストグラフィにおけるひずみイメージングの推定のためのKalmanフィルタリングアルゴリズムの使用について調査します。提案された戦略は、生体力学モデルを介した変位分布と、観測方程式を介した超音波由来の測定値を定式化します。このフィルタリング戦略を通じて、不一致は1つのガウスホワイトノイズとして定量的にモデル化され、超音波データの測定ノイズは別の独立したガウスホワイトノイズとしてモデル化されます。運動学的関数の最適な推定、つまり完全な変位と速度フィールドは、このカルマンフィルターを介して計算されます。その後、ひずみ画像は、推定変位フィールドから簡単に計算できます。 結果：提案されたフレームワークの精度と堅牢性は、最初に制御された条件で合成データで評価され、このフレームワークのパフォーマンスは、エラストグラフィファントムと有利な結果を持つ患者から収集された実際のデータで評価されます。 結論：私たちのアルゴリズムの可能性は、適切な生体力学的モデルの制約の下で機械的に意味のあるひずみの分布を提供することです。私たちのフレームワークにプロセスノイズと測定ノイズを導入することにより、モデルデータの不一致と測定ノイズに対処し、その後、機械的に意味のあるひずみが、カルマンフィルターを介して最小平均二乗誤差（MMSE）感覚で推定されます。

BACKGROUND: Model-based reconstruction algorithms have shown potentials over conventional strain-based methods in quasi-static elastographic image by using realistic finite element (FE) or bio-mechanical model constraints. However, it is still difficult to properly handle the discrepancies between the model constraint and ultrasound data, and the measurement noise. METHODS: In this paper, we explore the usage of Kalman filtering algorithm for the estimation of strain imaging in quasi-static ultrasound elastography. The proposed strategy formulates the displacement distribution through biomechanical models, and the ultrasound-derived measurements through observation equations. Through this filtering strategy, the discrepancies are quantitatively modelled as one Gaussian white noise, and the measurement noise of ultrasound data is modelled as another independent Gaussian white noise. The optimal estimation of kinematic functions, i.e. the full displacement and velocity field, are computed through this Kalman filter. Then the strain images can be easily calculated from the estimated displacement field. RESULTS: The accuracy and robustness of our proposed framework is first evaluated in synthetic data in controlled conditions, and the performance of this framework is then evaluated in the real data collected from elastography phantoms and patients with favourable results. CONCLUSIONS: The potential of our algorithm is to provide the distribution of mechanically meaningful strain under a proper biomechanical model constraint. We address the model-data discrepancy and measurement noise by introducing process noise and measurement noise in our framework, and then the mechanically meaningful strain is estimated through the Kalman filter in the minimum mean square error (MMSE) sense.