一种无创高精度血管壁弹性成像的方法.pdf

本发明公开了一种无创高精度血管壁弹性成像的方法，该方法通过分析血管壁纵切面的B-mode超声成像的射频数据或视频数据；对采集的射频数据或视频数据离线分析，得到每帧射频数据或视频数据的位移场；利用FIR二维差分滤波器，对射频数据或视频数据的位移场滤波，获得纵切面上的各应变分量：沿超声发射束轴向应变分量εxx、横向应变分量εzz及剪切应变分量εxz；提出Von Mises应变投影参数ζVM-longiProj及其计算公式，对Von Mises应变投影参数ζVM-longiProj成像，实现无创高精度血管壁弹性成像。本发明能够精确定量化对血管壁弹性成像，其结果优于现有的其他血管壁应变成像方法。

1.  一种无创高精度血管壁弹性成像的方法，其特征在于，包括以下步骤：
1)在带有心电同步监测仪的超声仪器上，对血管壁纵切面进行成像，成像中对血管壁的每个采集面利用心电同步监测仪采集平稳舒张期内时间序列超声数据，得到B-mode超声成像的射频数据或视频数据；
2)对采集的射频数据或视频数据离线分析，预处理去噪后进行运动场估计，利用散斑跟踪算法对时间序列射频数据进行运动估计，利用2阶光流场运动估计方法对时间序列视频图像数据进行运动估计，得到每帧射频数据或视频数据的位移场；
3)利用FIR二维差分滤波器，对射频数据或视频数据的位移场滤波，得到纵切面沿超声发射束轴向应变分量ε_xx、横向应变分量ε_zz及剪切应变分量ε_xz；
4)对纵切面上的Von Mises应变投影参数ζ_VM-longiProj成像，其中，纵切面成像的VonMises应变投影参数ζ_VM-longiProj按下面公式计算：
ζVM-longiProj=23(ϵxx-ϵzz)2+3((ϵxx69)2+ϵzx2)---(1).]]>

2.  如权利要求1所述的一种无创高精度血管壁弹性成像的方法，其特征在于，步骤3)中，FIR二维差分滤波器h_D(n₁,n₂)如下：
h_D(n₁,n₂)＝c·h(n₁,n₂)W₂(n₁,n₂) (2)
其中，h(n₁,n₂)为带宽限制在的脉冲响应函数，
h(n1,n2)=-n1wm2J2(wmn12+n22)2π(n12+n22)(n1,n2)≠(0,0)0(n1,n2)=(0,0)---(3)]]>
式中：w₁及w₂为二维频域坐标；n₁及n₂为二维时域坐标；J₂(n)是一阶贝塞尔函数；
w_m为截止频率，推荐取值其中N取11；
一维汉宁窗W1(n)=0.5+0.5cosπnN0,(|n|≤N)---(4)]]>
二维环形汉宁窗W2(n1,n2)=W1((n12+n22)---(5)]]>
其中系数c为常数，其取值应满足当h_D(n₁,n₂)对斜坡信号滤波后得到单位阶跃信号。

3.  如权利要求2所述的一种无创高精度血管壁弹性成像的方法，其特征在于，将FIR二维差分滤波器h_D(n₁,n₂)与射频数据或视频数据的位移场进行卷积，得到纵切面沿超声发射束轴向应变分量ε_xx、横向应变分量ε_zz及剪切应变分量ε_xz，具体公式如下：
ε_xx＝u₁(x,z)*h_D(n₁,n₂) (6)
ε_zz＝u₂(x,z)*h_D(n₂,n₁) (7)
ϵxz=12(u1(x,z)*hD(n2,n1)+u2(x,z)*hD(n1,n2))---(8)]]>
其中，u₁(x,y)为x方向位移分量，u₂(x,y)为z方向位移分量。

一种无创高精度血管壁弹性成像的方法
【技术领域】
本发明涉及一种血管壁的成像方法，具体涉及一种无创高精度血管壁弹性成像的方法。
【背景技术】
血管壁超声弹性成像因其无创性近年来成为国际研究的热点问题。血管壁超声应变参数成像主要经历了3个发展阶段：1)首先提出的一维应变，主要对沿超声声束方向的轴向应变参数成像；2)提出利用2维应变张量的各个应变分量参数成像(如轴向应变、横向应变和剪切应变)，分别描述血管壁沿声束方向和垂直声束方向的应变特性；2)对横截面的血管壁弹性描述，提出了利用柱坐标系下的应变张量的各个分量(如径向应变、周向应变和剪切应变)分别描述其径向、周向及剪切变形。
上述所有应变参数成像，都只能描述血管壁沿某个特定方向的应变。即使采用了多个应变分量共同描述血管壁沿不同方向的变形，其结果仍然无法提供对血管壁整体弹性特性的定量化描述。此外，现有的应变参数抗噪能力较差，其结果重现性差，无法为血管壁弹性提供准确的成像依据。
此外，目前主要的研究集中在对血管壁横截面弹性成像，其主要原因在于试图通过对其径向运动的描述反映血管壁弹性特性。然而径向应变的推导是基于笛卡尔坐标系和圆柱坐标系之间的坐标变换，本质上仍然是沿特定方向的应变描述。此外，对血管壁横截面B超成像因受其侧壁声影影响，血管壁本身成像不清晰，通常需要对图像修正后再分析。针对此问题，近年来又发展了多角度扫描超声成像技术，通过波束合成在空间多个不同角度实现超声波束聚焦成像，并最终利用所有的轴向位移合成出不同角度上的水平位移和垂直位移，再求出径向及周向应变。该方法技术实现上比常规B超复杂，结果稍好于常规超 声获得的数据。但是本质上，都属于特定方向的应变成像。
血管壁纵切面B超成像能够克服侧壁声影的影响，其成像结果大大优于横截面B超成像结果。但是，对于血管壁纵切面弹性成像，目前只是利用沿超声波束发射方向的轴向应变，垂直于波束方向的横向应变及剪切应变来描述。这些应变参数只能描述特定方向的变形，其结果在实际含噪条件下无法准确刻画血管壁弹性特性。
综上所述，血管壁纵切面B超成像的超声数据有其处理优势，但目前仍缺乏有效的力学参数来有效刻画血管壁纵切面的力学特性。
【发明内容】
本发明的目的在于针对现有血管壁应变成像技术的不足，提供了一种无创高精度血管壁弹性成像的方法。
为实现上述目的，本发明采用如下的技术方案：
一种无创高精度血管壁弹性成像的方法，包括以下步骤：
1)在带有心电同步监测仪的超声仪器上，对血管壁纵切面进行成像，成像中对血管壁的每个采集面利用心电同步监测仪采集平稳舒张期内时间序列超声数据，得到B-mode超声成像的射频数据或视频数据；
2)对采集的射频数据或视频数据离线分析，预处理去噪后进行运动场估计，利用散斑跟踪算法对时间序列射频数据进行运动估计，利用2阶光流场运动估计方法对时间序列视频图像数据进行运动估计，得到每帧射频数据或视频数据的位移场；
3)利用FIR二维差分滤波器，对射频数据或视频数据的位移场滤波，得到纵切面沿超声发射束轴向应变分量ε_xx、横向应变分量ε_zz及剪切应变分量ε_xz；
4)对纵切面上的Von Mises应变投影参数ζ_VM-longiProj成像，其中，纵切面成像的VonMises应变投影参数ζ_VM-longiProj按下面公式计算：
ζVM-longiProj=23(ϵxx-ϵzz)2+3((ϵxx69)2+ϵzx2)---(1).]]>
本发明进一步改进在于，步骤3)中，FIR二维差分滤波器h_D(n₁,n₂)如下：
h_D(n₁,n₂)＝c·h(n₁,n₂)W₂(n₁,n₂) (2)
其中，h(n₁,n₂)为带宽限制在的脉冲响应函数，
h(n1,n2)=-n1wm2J2(wmn12+n22)2π(n12+n22)(n1,n2)≠(0,0)0(n1,n2)=(0,0)---(3)]]>
式中：w₁及w₂为二维频域坐标；n₁及n₂为二维时域坐标；J₂(n)是一阶贝塞尔函数；
w_m为截止频率，推荐取值其中N取11；
一维汉宁窗W1(n)=0.5+0.5cosπnN0,(|n|≤N)---(4)]]>
二维环形汉宁窗W2(n1,n2)=W1((n12+n22)---(5)]]>
其中，系数c为常数，其取值应满足当h_D(n₁,n₂)对斜坡信号滤波后得到单位阶跃信号。
本发明进一步改进在于，将FIR二维差分滤波器h_D(n₁,n₂)与射频数据或视频数据的位移场进行卷积，得到纵切面沿超声发射束轴向应变分量ε_xx、横向应变分量ε_zz及剪切应变分量ε_xz，具体公式如下：
ε_xx＝u₁(x,z)*h_D(n₁,n₂) (6)
ε_zz＝u₂(x,z)*h_D(n₂,n₁) (7)
ϵxz=12(u1(x,z)*hD(n2,n1)+u2(x,z)*hD(n1,n2))---(8)]]>
其中，u₁(x,y)为x方向位移分量，u₂(x,y)为z方向位移分量。
与现有技术相比，本发明一种无创高精度血管壁弹性成像的方法具有如下的技术效 果：
1)该方法对纵切面血管壁弹性成像提出了新的力学指标－Von Mises应变投影参数，并对其进行成像；与现有应变参数相比，Von Mises应变参数的物理意义为变形矩阵的线性组合，因此能够反映组织的整体变形特性，从而最真实地表达出组织弹性；而现有的其他应变分量仅能反映沿某个特定方向的变形特性，只能用于某个方向的变形描述，无法准确刻画血管壁弹性特性；
2)Von Mises应变投影参数与现有的所有应变分量相比抗噪能力强，在较大功率噪声背景中，仍能反映出血管壁的弹性特性；
3)因血管壁的径向运动与超声束方向不同，应变估计易受到力学伪影影响，Von Mises应变投影参数与现有的所有应变分量相比，能克服此种影响；
4)实验技术方面利用心电同步监测可以准确提取心脏舒张期内的数据，有效克服运动伪影。
【附图说明】
图1为血管壁斑块模型图；
图2(a)为轴向应变ε_xx加噪声后的引起的各应变参数变化误差曲线图；
图2(b)为横向应变ε_zz加噪声后的引起的各应变参数变化误差曲线图；
图2(c)为剪切应变ε_xz加噪声后的引起的各应变参数变化误差曲线图；
图3(a)为血管壁斑块的杨氏模量分布图；
图3(b1)为轴向应变ε_xx分布图；
图3(b2)为加噪声后的轴向应变ε_xx分布图
图3(c1)为剪切应变ε_xz分布图；
图3(c2)为加噪后剪切应变ε_xz分布图；
图3(d1)为横向应变ε_zz分布图；
图3(d2)为加噪后横向应变ε_zz分布图；
图4(a1)为Von Mises投影应变参数ζ_VM-longiProj分布图；
图4(a2)为Von Mises等效应变ε_eq分布图；
图4(b1)为对轴向应变ε_xx加入噪声后的投影应变参数ζ_VM-longiProj分布图；
图4(b2)为对轴向应变ε_xx加入噪声后的Von Mises等效应变ε_eq分布图；
图4(c1)为对剪切应变ε_xz加入噪声后的投影应变参数ζ_VM-longiProj分布图；
图4(c2)为对剪切应变ε_xz加入噪声后的Von Mises等效应变ε_eq分布图；
图4(d1)为对横向应变ε_zz加入噪声后的投影应变参数ζ_VM-longiProj分布图；
图4(d2)为对横向应变ε_zz加入噪声后的Von Mises等效应变ε_eq分布图；
图5为带心电同步显示的超声图像；
图6(a1)和(a2)为B超颈动脉血管壁相邻两帧时间序列图像；
图6(b)为估计的光流场图；
图6(c)为Von Mises应变投影参数叠加到原始B-mode图像。
【具体实施方式】
下面结合附图和具体实施例对本发明作进一步详细描述。
本发明一种无创高精度血管壁弹性成像的方法，包括以下步骤：
1)在带有心电同步监测仪的超声仪器上，对血管壁纵切面进行成像，成像中对血管壁的每个采集面利用心电同步监测仪采集平稳舒张期内时间序列超声数据，得到B-mode超声成像的射频数据或视频数据；
2)对采集的射频数据或视频数据离线分析，预处理去噪后进行运动场估计，利用散斑跟踪算法对时间序列射频数据进行运动估计，利用2阶光流场运动估计方法对时间序列 视频图像数据进行运动估计，得到每帧射频数据或视频数据的位移场；
3)利用FIR二维差分滤波器，对射频数据或视频数据的位移场滤波，得到纵切面沿超声发射束轴向应变分量ε_xx、横向应变分量ε_zz及剪切应变分量ε_xz；
4)对纵切面上的Von Mises应变投影参数ζ_VM-longiProj成像，其中，纵切面成像的VonMises应变投影参数ζ_VM-longiProj按下面公式计算：
ζVM-longiProj=23(ϵxx-ϵzz)2+3((ϵxx69)2+ϵzx2)---(1).]]>
该参数近似表达了XZ平面上Von Mises等效应变，由于公式(1)是在y-方向分量未知条件下的计算近似，因此我们将ζ_VM-longiProj参数定义为Von Mises应变投影参数。
其中，步骤3)中，FIR二维差分滤波器h_D(n₁,n₂)如下：
h_D(n₁,n₂)＝c·h(n₁,n₂)W₂(n₁,n₂) (2)
其中，h(n₁,n₂)为带宽限制在的脉冲响应函数，
h(n1,n2)=1(2π)2∫R∫jw1exp(jw1n1+jw2n2)dw1dw2]]>
=-n1wm2J2(wmn12+n22)2π(n12+n22)(n1,n2)≠(0,0)0(n1,n2)=(0,0)---(3)]]>
式中：w₁及w₂为二维频域坐标；n₁及n₂为二维时域坐标；J₂(n)是一阶贝塞尔函数；
w_m为截止频率，推荐取值其中N取11；
一维汉宁窗W1(n)=0.5+0.5cosπnN0,(|n|≤N)---(4)]]>
二维环形汉宁窗W2(n1,n2)=W1((n12+n22)---(5)]]>
其中，系数c为常数，其取值应满足当h_D(n₁,n₂)对斜坡信号滤波后得到单位阶跃信号。
然后，将FIR二维差分滤波器h_D(n₁,n₂)与射频数据或视频数据的位移场进行卷积，即可得到纵切面沿超声发射束轴向应变分量ε_xx、横向应变分量ε_zz及剪切应变分量ε_xz，具体公式如下：
ε_xx＝u₁(x,z)*h_D(n₁,n₂) (6)
ε_zz＝u₂(x,z)*h_D(n₂,n₁) (7)
ϵxz=12(u1(x,z)*hD(n2,n1)+u2(x,z)*hD(n1,n2))---(8)]]>
其中，u₁(x,y)为x方向位移分量，u₂(x,y)为z方向位移分量。
上述Von Mises等效应变是一个来自材料力学的概念，它主要用于材料屈服的判定准则。它是材料整体变形的综合描述。对生物组织进行Von Mises应变参数超声成像的想法和工作国内外未见报道。但是，Von Mises等效应变的计算需要获得三维空间所有应变分量，而血管壁纵切面B超成像只能获取其中3个应变分量。因此，我们提出并研究了如公式(1)的近似公式并证明了它是Von Mises等效应变在XZ平面投影的很好的近似。
参见图1，其为血管壁斑块模型，此模型包含4部分组织结构，由外向内分别为肌肉、血管壁、软斑和脂质池。血管内壁中的软斑和脂质池均为椭球体。各个组织的物理参数如下表1所示。
表1：模型的组织参数

其中，E₁＝400000·exp(-(x²+y²-0.64)/3.751)
E₂＝200000·exp(-(x²+y²-0.25)/0.562651)
仿真的为平稳舒张期期间的血管壁力学特性，施加的外力为血管内壁承受10000N/m² 的径向压应力，边界条件为滚动支撑。
其中：Von Mises应变投影参数ζ_VM-longiProj的力学性能如下：
在纵切面XZ平面上，所有关于y分量的应变无法求出，因此，按照公式(1)，利用XZ平面上的3个应变分量ε_xx、ε_zz及ε_xz计算Von Mises应变投影参数ζ_VM-longiProj分布。下面将论证ζ_VM-longiProj具有很强的抗噪能力，并能够很好地近似3维Von Mises应变在X-Z平面的投影，与现有其他应变分量相比，ζ_VM-longiProj能够最好地反映组织弹性模量分布。
1、抗噪性对比分析
由于实际超声成像中对应变的估计结果均受到噪声的影响，因此对参数的鲁棒性进行分析是十分重要的。
通常在估计应变分量时会引入噪声。因此可分别对轴向应变ε_xx，横向应变ε_zz，剪切应变ε_xz这三个应变分量加入不同程度的噪声，讨论因加入这些噪声导致的对其他应变参数的影响。令ε_eq表示XZ平面的Von Mises等效应变，ζ_VM-longiProj为XZ平面的Von Mises应变投影参数。
将均值为0，方差从0.017～0.0205变化的高斯噪声(分别对应信噪比为60db～3db)加入到轴向应变ε_xx中，轴向应变含噪会影响到Von Mises应变投影参数ζ_VM-longiProj和VonMises等效应变的计算。因此分别对误差进行计算如下：
error=||ϵo-ϵn||2||ϵo||2]]>
ε_o为未加噪声的应变，ε_n为加入ε_xx噪声后计算的含噪应变。根据加入不同方差的高斯噪声绘制误差随噪声方差变化的曲线。误差曲线如图2a所示。
同理，对于横向应变ε_zz，剪切应变ε_xz，分别做与轴向应变ε_xx类似的误差分析处理。误差曲线如图2b和图2c所示。
图2a至图2c中3幅图分别显示出轴向应变ε_xx，横向应变ε_zz，剪切应变ε_xz在加入噪 声后，其本身以及Von Mises应变投影参数ζ_VM-longiProj和Von Mises等效应变ε_eq在受到噪声影响后其误差变化趋势。
三幅图均显示出轴向应变ε_xx，横向应变ε_zz，剪切应变ε_xz本身易受到噪声影响，抗噪能力差，而Von Mises应变投影参数ζ_VM-longiProj和Von Mises等效应变ε_eq在受到噪声影响后其误差变化较慢，受噪声影响小，抗噪能力强。
因此可以得出结论，Von Mises应变投影参数ζ_VM-longiProj抗噪能力强。同时可以看出，Von Mises应变投影参数ζ_VM-longiProj随方差变化曲线和Von Mises等效应变ε_eq十分接近，充分证明了ζ_VM-longiProj是对XZ平面Von Mises等效应变的很好的近似。
2、纵切面上的各应变参数成像图
参见图3a，其为血管壁弹性模量分布。首先给出现有常用的纵切面上的应变参数成像图，并对其抗噪性进行分析。图3b1、图3c1及图3d1分别给出了ε_xx，ε_xz和ε_zz应变参数的图像。图3b2、图3c2及图3d2给出了对ε_xx，ε_xz和ε_zz分别加入均值为0方差为0.0205的高斯噪声后的图像。
根据弹性模量分布特性，脂质池的弹性模量小于软斑弹性模量。弹性模量是组织抵抗外力变形能力的表述，因此其值越大表明抗变形能力越强。而应变是对组织变形能力的表述，因此，脂质池的变形能力必然大于软斑变形能力，即脂质池应变大于软斑应变。从图3(b1)颜色带指示的数值大小来看，斑块处ε_xx处于受压状态，其绝对值表明|ε_xx,lipidpool|＞|ε_{xx,softplaque}|，指示脂质池处的压应变大于软斑处的压应变。其结果与弹性模量反映的弹性特性符合。但是ε_xx加噪后的结果已难以应用。加噪后ε_xx图像(图3b2)中肌肉与血管壁从颜色(即数值)上不易区分，同时软斑也与血管壁的边界变得不易于分辨，软斑与其中的脂质池的对比也无法体现它们的杨氏模量有两个数量级的差距。
而图3(c1)(c2)表示的剪切应变ε_xz及其含噪图像以及图3(d1)(d2)表示的横向应变ε_zz及 其含噪图像中已无法分辨软斑和脂质池。
因此结果表明：现有应变参数中ε_xx优于其他两个应变。但是ε_xx的含噪图像却无法准确地表达血管壁弹性特性。而实际超声成像中应变估计必然存在噪声。
下面论证Von Mises应变投影参数ζ_VM-longiProj与现有应变成像参数相比，具有很好的鲁棒性，能够在含噪较大时(3db)仍真实地反映血管壁斑块弹性特性。
图4a1和图4a2分别给出了Von Mises应变投影参数ζ_VM-longiProj和Von Mises等效应变ε_eq的图像。图4b1、图c1及图4d1给出了由于ε_xx、ε_xz和ε_zz分别加入均值为0方差为0.0205的高斯噪声后计算的Von Mises应变投影参数ζ_VM-longiProj的图像。图4b2、图4c2及图4d2给出了由于ε_xx、ε_xz和ε_zz分别加入均值为0方差为0.0205的高斯噪声后计算的Von Mises等效应变ε_eq的图像。
从图2b的抗噪能力分析上看，剪切应变ε_xz加入噪声对ζ_VM-longiProj和Von Mises等效应变ε_eq的影响最大。从图4c1和图4c2结果上看，来自ε_xz的噪声对ζ_VM-longiProj和ε_eq的影响也是最大。从图4b1、图4c1和图4d1的结果可以看出，Von Mises应变投影ζ_VM-longiProj图像在受到各种噪声干扰后仍然能够比较好地刻画斑块特性，软斑与血管壁的边界易于分辨，软斑与其中的脂质池也清晰易分。
仿真结果同时给出了Von Mises等效应变ε_eq的仿真结果。无论从不同组织结构的区分程度，还是反映各个组织的应变大小关系方面ε_eq均是最优的。但是实际成像中ε_eq是无法得到的。因为ε_eq的计算是基于3维空间的所有应变分量，而对XZ平面超声成像时无法获取有关y分量的信息。而Von Mises应变投影ζ_VM-longiProj与其结果十分接近，并且能够很好的反映弹性模量分布。在这个意义下，Von Mises应变投影ζ_VM-longiProj是基于现有二维应变分量信息的对ε_eq的最好近似的力学参数。
根据前面对弹性模量分布特性，脂质池的弹性模量小于软斑弹性模量。因此，脂质池 的变形能力必然大于软斑弹性模量。分析图4a1、图4b1、图4c1、图4d1和图4a2、图4b2、图4c2、图4d2颜色条指示的大小，可以看出，Von Mises应变投影ζ_VM-longiProj和VonMises等效应变ε_eq在脂质池的数值都大于其在软斑处的数值，因此满足脂质池的变形能力大于软斑变形能力的正确描述。即使在各种噪声干扰下，上述描述依然正确。
因此，Von Mises应变投影ζ_VM-longiProj和Von Mises等效应变ε_eq对血管壁的弹性特性的描述均能反映血管壁弹性特性(如图3a所示)。
结论：Von Mises等效应变ε_eq和Von Mises应变投影参数ζ_VM-longiProj都是能够作为描述血管壁弹性模量分布的新的力学参数。ζ_VM-longiProj是一种抗噪能力强，实际可实现的成像效果好的新的血管壁弹性成像参数。而Von Mises等效应变ε_eq是一个在2维超声成像平面上不可求的力学参数。专利提出的Von Mises应变投影参数ζ_VM-longiProj是对Von Mises等效应变ε_eq的很好地近似，因此可作为2维XZ成像平面上描述血管壁弹性特性的最优参数。
此仿真结果对于血管壁横截面各应变参数比较同样成立，在此不再赘述。
具体实施例：
受试者平卧，利用一台带有心电同步监测仪的超声设备，采集颈动脉血管壁在平稳心舒期的B-mode成像数据。图5为带心电同步显示的超声图像。
图6a1至图6a2为选取相邻近的2帧B超颈动脉血管壁图像进行离线数据处理分析，首先使用光流场算法计算图6a1和a2这两帧图像中血管及周边组织的位移估计，位移场如图6b所示，再用FIR二维差分滤波器对位移场滤波，最后根据提出的方法可以求出VonMises应变投影参数并对其成像，图6c为Von Mises应变投影参数叠加到原始B-mode图像上的结果，清楚表示B-mode图像上血管壁及斑块的定量化的弹性分布图，Von Mises等效应变数值越大，表示其弹性越小。
综上所述，(1)本发明提出利用B超成像技术对新的力学成像参数-Von Mises应变投影参数成像。该参数抗噪能力强，并能克服力学伪影。(2)Von Mises应变投影参数是变形矩阵的线性组合，因而它所以它必然能够反映组织的整体变形特性，克服了现有应变参数仅能刻画局部特性方向变形的缺点。(3)Von Mises应变投影参数为实际不可求的Von Mises等效应变ε_eq在XZ平面的很好的逼近，具有很高的鲁棒性，能够在含噪水平较高时仍真实反映血管壁弹性特性。克服了现有应变参数鲁棒性差及对噪声敏感的缺点；(4)发展了相应的实验技术方法，利用心电同步监测，提取心动周期内舒张期的时间序列图像或视频数据，克服成像中的运动伪影。