使用MATLAB的k-Wave工具箱进行超声CT成像

使用MATLAB的k-Wave工具箱进行超声CT成像。k-Wave专门用于模拟声波在非均匀介质中的传播，非常适合进行超声衍射CT 和全波形反演这类前沿研究。

利用k-Wave进行超声CT仿真的核心工作流程：

k-Wave仿真核心步骤与代码框架

基于k-Wave进行透射式超声CT（重建声速分布）仿真的简化代码框架和说明。这里以最常见的2D仿真为例。

初始化仿真网格与定义介质

这是设置"虚拟实验环境"的第一步，定义计算区域和介质属性。

matlab 复制代码

% 清除环境并添加k-Wave路径
clear; close all;
addpath(genpath('path_to_your_kWave_toolbox')); % 替换为你的k-Wave路径

% 1. 定义模拟的物理网格（单位：米）
dx = 1e-4;                  % 网格间距 (决定空间分辨率)
Nx = 256;                   % x方向网格数
Ny = 256;                   % y方向网格数
kgrid = kWaveGrid(Nx, dx, Ny, dx);

% 2. 定义背景介质属性（例如水）
medium.sound_speed = 1500 * ones(Nx, Ny); % 声速矩阵 (m/s)
medium.density = 1000 * ones(Nx, Ny);     % 密度矩阵 (kg/m^3)

% 3. 定义待成像目标（例如一个高声速圆形体）
[X, Y] = meshgrid(1:Nx, 1:Ny);
circle_mask = (X - Nx/2).^2 + (Y - Ny/2).^2 < (Nx/8).^2;
medium.sound_speed(circle_mask) = 1600;   % 目标声速更高
% medium.density(circle_mask) = 1200;     % 可同时修改密度

设置声源与传感器

模拟CT扫描中围绕物体的发射和接收换能器阵列。

matlab 复制代码

% 1. 定义超声源（发射换能器） - 采用平面波源阵列
source_mask = zeros(Nx, Ny);
source_mask(1:2, Ny/4:3*Ny/4) = 1; % 左侧一条线作为源
source.p_mask = source_mask;
source.p = createCWSignals(kgrid.t_array, 1e6, 1e6, 1); % 生成1MHz脉冲信号

% 2. 定义传感器阵列（接收换能器） - 分布在物体另一侧
sensor_mask = zeros(Nx, Ny);
sensor_mask(end-1:end, Ny/4:3*Ny/4) = 1; % 右侧一条线作为接收阵列
sensor.mask = sensor_mask;
% 记录压力随时间变化的全波形数据
sensor.record = {'p'};

运行k-Wave仿真

执行声波传播的数值计算，这是计算量最大的部分。

matlab 复制代码

% 设置模拟时间（要保证声波穿过整个区域）
kgrid.t_array = makeTime(kgrid, medium.sound_speed_min);

% 输入参数并运行模拟
input_args = {'PlotLayout', true, 'PlotSim', true}; % 可选：实时绘图
sensor_data = kspaceFirstOrder2D(kgrid, medium, source, sensor, input_args{:});
% sensor_data.p 包含了每个传感器位置记录的压力时间序列

从数据中重建图像

对于透射CT，最直接的方法是计算飞行时间来重建声速。

matlab 复制代码

% 1. 从传感器数据中提取飞行时间 (ToF)
% 例如，找到每个接收通道信号首次到达的峰值时间
tof_data = zeros(size(sensor_data.p, 2), 1);
for i = 1:size(sensor_data.p, 2)
    signal = sensor_data.p(:, i);
    [~, idx] = max(envelope(signal)); % 使用包络检测峰值
    tof_data(i) = kgrid.t_array(idx);
end

% 2. 将ToF数据转换为投影数据（正弦图）
% 这里需要根据你的源-传感器几何关系来组织数据。
% 一个简单例子：对于多个角度，重复仿真并收集ToF

% 3. 使用CT重建算法（如滤波反投影FBP）重建声速扰动图
angles = 0:1:179; % 假设旋转了180个角度
sinogram = [];    % 这里应将每个角度的tof_data排列成sinogram
% ... (数据排列代码)
reconstructed_image = iradon(sinogram, angles, 'linear', 'Ram-Lak', 1.0, Nx);
% reconstructed_image 即为重建的声速分布图像

参考代码超声CT成像仿真 www.youwenfan.com/contentcsn/95802.html

要点与进阶

模式选择 ：上述框架是透射模式 。若想仿真反射/散射模式 ，需将源和传感器放在同侧，并重建反射体图像，通常使用合成孔径聚焦技术。

matlab 复制代码

% 反射模式SAFT重建的核心思路（伪代码）
for each 发射源位置
    for each 接收传感器位置
        计算从源到成像点到传感器的双程时间
        将接收信号中对应时间的幅值叠加到成像点
    end
end

计算资源 ：k-Wave仿真（特别是3D或高分辨率）非常消耗内存和计算时间。务必从小网格（如128x128） 开始测试。
学习路径：
- 从官方示例开始 ：运行 k-Wave Toolbox/Examples 下的示例，特别是 example_xxx_tomography 相关文件，这是最快的学习方式。
- 理解每个参数 ：仔细阅读 help kspaceFirstOrder2D 和文档，理解 medium.alpha_coeff（衰减）、PML（吸收边界）等参数的影响。
- 进阶-全波形反演 ：这是k-Wave最强大的应用之一。你可以基于k-Wave的正演引擎，构建目标函数，利用优化工具箱（如 fmincon）或专门的FWI代码包进行反演，但这需要深厚的数值优化功底。