基于超高斯辅助S变换的扩展带宽粘弹性介质剪切波衰减估计新方法

　　为解决传统剪切波弹性成像(SWE)中粘度估计对预定义流变学模型的依赖及二维傅里叶变换(2D-FT)方法在噪声环境下频率带宽受限的问题，研究人员开发了超高斯辅助衰减S变换方法(SAGA-ST)。该方法通过集成超高斯窗与倾斜频率-波数(f-k)分析，显著扩展了衰减估计的可用带宽，在仿真模型、组织仿体及离体牛肝实验中均表现出优于2D-FT和广义S变换(GST-SFK)的精度与鲁棒性，为复杂组织粘弹性表征提供了更灵活准确的工具。

　　

在生物医学工程和临床诊断领域，超声剪切波弹性成像（SWE）已成为量化软组织机械特性的重要无创技术。传统方法多聚焦于组织弹性参数的测量，但生物组织本质上是粘弹性的，粘度作为关键生物标志物对提高诊断准确性具有重要价值。现有粘度估计方法主要分为三类：基于流变学模型的方法、无模型方法以及新兴的物理信息神经网络（PINN）方法。然而，模型依赖性强、噪声敏感度高以及频率带宽受限等问题，严重制约了复杂组织粘弹性行为的精准捕获。

二维傅里叶变换（2D-FT）虽是计算相位速度频散曲线的常用方法，但其对测量噪声高度敏感，导致频率-波数（f-k）谱质量下降，衰减估计仅限于窄频率范围。广义S变换（GST-SFK）虽能提供更优的频谱估计，但其基于高斯窗的设计在衰减估计中存在固有偏差。针对这些局限性，本研究提出了一种创新性方法——超高斯辅助衰减S变换（SAGA-ST），通过引入超高斯窗和频率依赖的缩放因子，有效扩展了剪切波衰减估计的频率带宽，并显著降低了变异系数。

本研究由AGH克拉科夫大学机器人技术与机电一体化系的Piotr Kijanka和Ramin Almasi团队完成，成果发表在《Computers in Biology and Medicine》。研究人员首先通过解析仿真相验证了方法的理论可行性，随后在添加高斯噪声的仿真数据、定制粘弹性组织仿体以及离体牛肝实验中进行多维度验证。关键技术包括：超高斯窗函数的设计、时频域S变换处理、倾斜波数分析和全宽半高（FWHM）测量。离体实验采用us4R-lite系统与线性阵列探头，通过声辐射力（ARF）激发剪切波，并基于多位置采集（MTL）方案获取粒子速度数据。

2.1. S-transform-based method (GST-SFK)

通过广义S变换对信号进行时频分解，使用频率依赖的高斯窗计算f-k分布。该方法通过调整缩放因子β优化变换分辨率，但固定β值限制了其在宽频带衰减估计中的性能。

2.2. Super-Gaussian assisted attenuation S-transform-based method (SAGA-ST)

SAGA-ST采用超高斯窗（SG窗口）替代传统高斯窗，其窗口函数通过指数幂次m（本研究设为6）和频率依赖的缩放因子β(f)动态调整时频分辨率。通过线性变化的β值（从0 Hz的100至1500 Hz的0.003），该方法在保持高频率分辨率的同时有效扩展了可用带宽。

2.4. Shear wave attenuation calculation from f-k spectrum

基于FWHM原理计算频率依赖的衰减系数，通过平面波传播假设和几何扩散校正（√x因子）减少测量偏差。该方法在仿真中显示出与理论值的高度一致性，且对噪声鲁棒性显著优于传统方法。

4.1. Analytical SW motion data

在三种Zener粘弹性数字仿体（P_A1-P_A3）上的测试表明：SAGA-ST在无噪声条件下衰减偏差中位数低于±1%，在SNR低至35 dB时仍保持稳定。相比之下，2D-FT在高频区（>700 Hz）出现显著偏差，而GST-SFK虽精度高但系统低估衰减值达20%。

4.2. TM viscoelastic phantoms

在定制组织仿体（P_V1-P_V3）上，SAGA-ST在55V-25V电压范围内均能稳定估计衰减曲线，其与2D-FT在低频段（<700 Hz）高度一致，且在高频段未出现2D-FT的异常散射现象。系数变异（CV）分析显示SAGA-ST的变异度显著低于2D-FT。

4.3. Ex vivo bovine liver

离体牛肝实验进一步验证了方法的临床适用性。SAGA-ST将可靠衰减估计的频率范围扩展至1000 Hz，而2D-FT仅在400 Hz以下保持稳定。两组不同位置的测量结果均显示出高度可重复性。

研究结论表明，SAGA-ST方法通过超高斯窗和动态缩放因子的创新设计，有效解决了传统方法在剪切波衰减估计中的频率限制和噪声敏感性问题。其优势体现在：1) 扩展可用带宽至1500 Hz，助力高频区组织分化；2) 在低信噪比条件下仍保持高精度；3) 为粘弹性组织表征提供更全面的频谱信息。该技术为开发基于宽频衰减特性的新型生物标志物奠定了理论基础，在肝脏纤维化、肿瘤定性等疾病的精准诊断中具有广阔应用前景。未来工作将聚焦于在体验证和临床转化研究。