2012年12月27日
本文描述了一种能够获取光学不透明流体中或通过光学不透明几何结构的二维速度场的回声粒子图像测速(EPIV)系统,并报道了在管道流动中的验证性测量结果。
本实验的目标是获取哈根-佐伊流(Hagen Zoi flow)中二维瞬时速度场,也称为层流管流。通过回流管流系统中水和甘油各占50%的混合液,演示了回声粒子图像测速(E-P-I-V)或E-P-I-V验证测量。本研究所采用的管流系统利用水族泵维持恒定压头以驱动流体流动。
将相控阵超声探头安装在流动系统的管壁上,并实时采集B模式超声图像。流体中加入中空玻璃微球或示踪粒子,这些粒子可精确跟随流体的运动。随后采集超声图像,传输至计算机,并转换为与商用粒子图像测速软件兼容的图像格式。
将互相关算法应用于连续的超声B模式图像,以计算二维速度场。最终,通过分析这些矢量场来计算感兴趣的流动参数,例如集合平均剪切应力和涡量。尽管该技术可为基本流体动力学提供见解,但它也可并经常用于实际流动系统中,包括生物医学应用,例如动脉或心室间血流。
我们正在进行的使用液化生物质和流体的实验引起了我们对这一技术的兴趣。要建立EP IV系统,首先启动泵,这将使循环管道以恒定速率开始流动。
接下来,将水性外用凝胶涂抹于超声探头上。该凝胶可最大限度减少超声波束在探头表面与管道之间传播时的信号损失。然后,使用带有穿壁管道接头的特制探头支架,将超声探头固定在管道外壁上,并启动超声设备。
所有系统启动后,超声屏幕将显示实时图像流。线性探头默认以二维模式采集EPIV测量数据。首先,称取适量的名义直径为10微米的空心玻璃微球干重,使其加入流动系统后的最终浓度约为每百万重量份17份。
接下来,从水槽中提取一定体积的液体,并将颗粒加入该液体中,形成浓缩的颗粒溶液。当颗粒被引入流动系统时,可作为超声造影剂或示踪颗粒。通过将浓缩的颗粒溶液搅拌至水槽的水中,将其加入循环管流系统中。
随后可在超声监测仪上观察到玻璃微球。数分钟后,玻璃微球将在整个系统中均匀分布,因此该操作中最困难的环节之一是获取清晰的高分辨率超声图像。为了最大限度地提高图像质量,我们根据对流速的先验估计,调整增益焦点和动态范围。
我们通过实时分析超声图像进一步优化这些参数。使用超声控制面板上的深度调节旋钮,将图像深度设置为3厘米。接着,使用2D增益旋钮调节整体图像增益,以提高图像亮度,使仪器面板中的示踪颗粒清晰可见。
调节时间增益补偿滑块,以减弱管壁产生的散射,并补偿超声信号随深度增加而出现的衰减。这将消除二维模式下管壁上下方多余的图像。控制面板顶部的旋钮从左至右分别对应宽度、聚焦频率和帧率。
使用这些旋钮进一步调整图像,以获得尽可能高的物理分辨率、频率和帧率用于分析。然后将探头工作频率调节至10兆赫兹,并将帧率设置为每秒49.5帧。请注意,这四个参数本质上是相互关联的。
因此,对于给定的超声图像扫描,空间分辨率和时间分辨率之间存在权衡。由于横向分辨率有限,玻璃微球在图像中会沿横向方向模糊,呈现为椭球状。当参数优化完成后,即可在仪器的超声控制面板上开始采集数据。
按下“新建实验”按钮以开始新实验。在患者信息下,将“pipe flow”输入为姓氏,将日期输入为名字。
在患者 ID 字段中输入测试编号。当达到预设的 1000 至 1,500 张图像上限时,超声扫描将自动开始。扫描持续进行时,将启动新的扫描循环。
调整成像参数,直至种子颗粒清晰对焦,且每个 interrogation 区域内约有 10 个颗粒。如需重新启动扫描记录循环,请按下超声控制面板上的冻结按钮。当获取足够数量的理想图像后,按下冻结按钮。
接下来,按下超声控制面板上的 C 循环按钮。选择所有图像,以将全部超声图像纳入分析集。选定用于分析的图像后,按下图像存储按钮,以保存所选的超声图像集。
保存图像后,按下超声控制面板上的归档按钮。当系统提示时,从小窗口中选择要保存到本地硬盘的目标动态回放序列。然后使用鼠标光标选择“结束检查”。
按下归档按钮,然后使用鼠标光标先选择“更多”,再选择“磁盘管理”。此操作将把保存的cyl环或cyl环序列传输至运行粒子图像测速对称性(PIV)软件的计算机。图像采集并保存后,必须将超声图像从医学数字成像与通信(DICOM)文件转换为联合图像专家小组(JPEG)图片文件,以便进行分析。
使用运行 DICOM 转 jpeg 点 m 的 MATLAB 脚本将 DICOM 文件转换为 JPEG 图像。该脚本为本单位自行开发,出于教育目的可从下方所示网址获取。文件转换完成后,在软件中打开 Law Vision 公司的 Davi 软件。
双击 davi 图标,选择新建项目,然后选择 PIV。在工具栏中,选择导入图像,然后选择通过编号文件导入。接着在下拉菜单中,找到存储 JPEG 超声图像的文件夹,并双击该图像序列中的第一张图像。
这将导入此编号集合中的所有超声图像,以定义仅包含液体的分析感兴趣区域。应用掩膜以创建掩膜,输入坐标,使用基于DICOM文件信息和像素尺寸知识的两个x和y坐标点来确定矩形区域。接下来,在dvu的主控制面板中,单击当前项目下方的标签页,其中包含已导入的图像。
选择标记为批处理的表格。这将从操作列表中使用PIV加PIV时间序列树启用Davi的矢量处理窗口,以进行批处理。选择多步法,并将 interrogation 窗口尺寸从64像素×64像素逐步减小至12像素×12像素,重叠率为50%。将相对矢量范围限制设为全部,绝对矢量范围限制设为5像素。然后应用中值滤波器以抑制噪声并平滑矢量场。
接下来进行矢量处理,在矢量计算参数菜单中勾选“数据范围等于矢量计算中使用的遮罩区域”。请注意,矢量计算参数的最佳选择取决于流场几何结构、流动特性、图像分辨率、示踪粒子密度以及所需的定量流动分析。在批量处理界面左侧设置完所有所需参数后,选择需要处理的图像总数。
单击“开始处理”。这将使用互相关算法计算连续超声图像之间的位移场。要分析处理后的数据,请将 DAVO 中的 UCV 矢量场导出为 txt 文件。
在项目界面的 JPEG 图像分支下执行此操作时,选择矢量位移分支。在工具栏中,选择导出选项卡,然后选择文件类型。
请求 e txt。创建一个导出文件夹并选择导出。接着,通过运行 MATLAB 脚本在 MATLAB 中打开该文件。
导出的矢量场命名为 B-X-X-X-X-X do TXT,其中 X 表示从 1 到 99,999 递增的数字。每个文件包含四列数据,可通过记事本查看:第一列为图像中矢量的 x 位置,第二列为图像中矢量的 y 位置,第三列为位移的 x 分量(即流向位移),第四列为位移的 y 分量,用于描述壁面法向位移。为计算速度矢量场 U 作为 X 和 Y 的函数(其中 X 和 Y 对应超声图像中的空间坐标),首先需将以像素为单位测量的位移场 D(X, Y) 利用图像缩放参数 M(单位为米/像素)转换为以米为单位的位移场。
接下来,将位移场除以经超声扫描校正后图像间的时间间隔 delta T,其中 delta T 等于帧率(单位为帧每秒)的倒数,再加上位移场除以超声图像扫过图像宽度所需的时间。综上所述,U(X, Y) 等于 M 乘以 D(X, Y) 除以 delta T。DICOM 格式本身存储了文件结构,提供了计算图像缩放参数 M 和经扫描校正的时间间隔 delta T 所需的信息。在本研究中,M 等于 77 微米/像素,FPS 等于 49.5,B 等于 25,047 像素/秒。
最后,计算集合平均速度矢量场,同时获取平均速度及其他感兴趣流动参数的法向分布。为了展示EPIV的实用性并评估测量不确定性,按照本视频所述方法获取了二维瞬时速度场和层流管道流动数据。该瞬时矢量图显示了每隔四列的速度矢量,背景颜色等高线图对应速度的大小。速度矢量的二维空间位置用D/D和X/D表示,其中D是从上壁面测量的径向位置。
D 为管道直径,X 为从管道入口开始测量的流向位置。沿列分布的速度矢量呈现出明显的抛物线形状,表明测量结果与管道流动的预期速度分布一致。通过对 1000 个瞬时矢量图进行平均计算得到的系综平均矢量图,反映了平均速度场的分布情况。
这还将平均化瞬时矢量场中的随机噪声误差。速度矢量主要沿流向方向。最大速度出现在管道中心线上。
在管壁处,流速降至零,且流动大致对称。此处展示了通过对水平方向上逐行进行平均得到的集合平均矢量图,获得沿管道半径的平均流向速度分布。同时给出了层流管流的理论平均速度分布。以上结果基于实验条件得出。
EPIV测量结果与预期的Higgin Pozo分布曲线在靠近管道中心线处吻合最好,在靠近管壁处最差。靠近管壁处的较大差异可能是由于超声波在管道壁的曲面处发生强烈的反射和折射,导致这些区域图像强度较高;管壁处的高强度信号会掩盖颗粒的强度信号,从而引起测量误差。随着该技术的发展,研究工程或生物流动系统中流体动力学的研究人员现在能够获取在光学不透明流体中或通过光学不透明几何结构内的速度场时空变化信息。
观看本视频后,您应能充分理解回声粒子图像测速(EPIV)的工作原理、其局限性,以及如何利用商用超声设备构建和操作 EPIV 系统。
查看完整文字稿并访问数千部科学视频
本文介绍了一种回波粒子图像测速(EPIV)系统,该系统旨在捕捉光学不透明流体中的二维速度场。文中展示了在层流管道流动中的验证测量结果,以演示该系统的性能。
回波粒子图像测速技术(EPIV)能够对光学不透明系统中的流体速度场进行无创、高分辨率的测量,有助于深入理解复杂生物系统和工程流体中的传质现象。该技术通过提供关于质量、动量和能量传输的定量、空间分辨数据,在早期靶点验证和临床前模型开发阶段帮助降低流体动力学假设带来的风险。在直接光学观测受限的临床前系统中,例如高黏性生物材料或组织模拟体模,EPIV获得的速度场可显著提升模型的预测可靠性。
EPIV 作为一种基于假设的流体动力学评估工具,整合到发现工作流程中,位于早期配方筛选与临床前功能验证之间,尤其适用于光学不透明限制了传统成像方法的情况。