Research and Application of Seismic Frequency Extension technology Based on Ghost Wave Attenuation and Non-stationary Multi-order Differential Algorithm
-
摘要: 高分辨率地震资料可以达到更精细的井震标定结果，能更清晰地进行构造解释与储层刻画，同时对薄层具有更好的识别能力。为提高地震分辨率，需要对地震数据进行拓频处理。常规地震拓频方法通常在频率域进行，易受到高频噪音影响，降低资料可靠性。本文提出一种基于鬼波处理与多阶差分结合的时域拓频技术，仅通过原始地震道数次积分与差分运算便能拓宽地震频带，积分及差分结果在高斯窗口内进行振幅匹配以保证处理前后振幅一致性。与差分结果进行加权融合，高阶差分设置较小权值以避免高频噪声的影响，提高算法的抗噪性。本理论模型及实际地震资料处理分析结果表明，该方法能有效提高地震资料分辨率。Abstract: High-resolution seismic data can realize better well seismic calibration results,clearer structural interpretation and reservoir characterization, and also hold better identification ability of thin layers. In order to improve seismic resolution, it is necessary to carry out frequency extension processing on seismic data. The conventional seismic spectral broadening method used to be carried out in the frequency domain is susceptible to high-frequency noise and thus reduces the reliability of the data. In this paper we propose a time-domain frequency extension technology which is based on the combination of ghost wave processing and non-stationary multi-order differential resolution. The sesmic spectral can be broaded merely through multiple times of integration and differential operation, whose results are performed amplitude matching at Gaussian window to ensure the consistency of the amplitude before and after the processing. Weighted fusion is performed on the difference results, the high-order difference is assigned a smaller weight to avoid the influence from the high-frequency noise, and thus improve the anti-noise performance of the algorithm. The theoretical models and processing results of the field seismic data show that the algorithm can effectively improve the resolution of seismic data.
-
Keywords:
- de-ghosting /
- differential /
- spectral broaden /
- Gaussian window
-
新型冠状病毒感染（COVID-19）具有较强传染性[1]，根据《新型冠状病毒感染诊疗方案（试行第十版）》，将有心血管疾病（含高血压）、慢性肺疾病病、糖尿病、慢性肝病、肾脏疾病、肿瘤等基础病者定义为重型/危重型高危人群[2]。
本文回顾分析柳州市柳铁中心医院收治COVID-19患者584例，其中糖尿病患者肺部COVID-19 225例；无糖尿病患者感染COVID-19 359例，比较两组COVID-19胸部高分辨CT表现特点；定义发病与CT检查间隔7 d为急性期，分析糖尿病患者合并COVID-19感染急性期肺部影像特点。提高糖尿病者感染COVID-19影像学认识，进一步为临床诊断提供依据并改善预后。
1. 材料与方法
1.1 研究人群
收集2022年12月14日至2023年1月10日期间在柳州市柳铁中心医院以上呼吸道感染就医患者2679例，其中胸部CT表现阳性且抗原或核酸检测阳性的患者1099例，排除图像伪影较重者；无空腹血糖或糖化血红蛋白者；最终纳入584例患者，其中男性359例，女性225例，年龄范围60～99岁，平均年龄（76±9）岁；无糖尿病患者359例；糖尿病患者225例，糖尿病病史不等，本组病例中以病史10年以上者多见，糖尿病病史10年以上102人；225例患者住院期间糖化血红蛋白HbA1c＞6.5％。
本研究经柳州市柳铁中心医院伦理委员会批准，同意开展本项研究（意见号KY2023-056-01），且本研究不需要患者知情。
1.2 CT扫描技术
采用西门子drive扫描仪，患者仰卧位，头先进或足先进，吸气后屏气，扫描范围从肺尖到膈顶。扫描参数：管电压120 kV，管电流80～120 mA，层间距0.625 mm，层厚1 mm。图像采用高分辨算法重建。
1.3 影像分析
有两名主治及以上放射科诊断医师独立完成，并由1名主任医师审核，在PACS工作站上分别选择肺窗（窗宽和窗位为1600和 -600），纵隔窗（窗宽和窗位为350和45）观察并分析图像。
具体指标包括：①病变分布：单叶、单肺和双肺；②病变部位：周围（即胸膜下）、中央（沿支气管血管束）及混合；③病变形态：结节（1 cm以内）、斑片（3 cm）、大片（大于3 cm）；④病变密度：磨玻璃样、网格状、实变、混合型、病变密度均匀、不均匀；⑤病变边缘：模糊、清晰；⑥伴随病变：膜增厚、胸腔积液。
1.4 统计学分析
采用SPSS 21.0软件，根据患者有无糖尿病将患者分为两组，比较两组患者相关的HRCT表现特征。定义发病与CT检查时间间隔＜7 d为急性期，分析急性期糖尿病合并COVID-19与非糖尿病合并COVID-19两组患者HRCT表现特征。
组间计数资料统计采用分类变量的卡方检验，定量数据进行独立样本t检验，P＜0.05表示差异有统计学意义。
2. 结果
糖尿病患者感染COVID-19与非糖尿病患者感染COVID-19两组患者肺部病变密度（网格、密度不均匀）、边缘（病灶边缘模糊）比较差异均有统计学意义，糖尿病组肺内病灶实变多见，且病灶密度均匀且边缘清晰（图1和图2）。两组病变在发病部位、分布、形态及伴随征象差异无统计学意义；急性期肺内病变在糖尿病患者肺部COVID-19与非糖尿病患者肺部COVID-19两组患者肺部HRCT表现比较，网格影在急性期非糖尿病组患者中更多见。两组具体影像学征象对照及比较结果详见表1、表2和表3。
![]()
图 1 男性，63岁，发热3 d，无糖尿病，HRCT显示双肺外周胸膜下GGO，密度不均匀，部分病灶边缘模糊Figure 1. A 63-year-old man, a patient without diabetes mellitus, presented with a fever for 3 days, HRCT demonstrates peripheral subpleural ground glass opacities (GGO) in both lungs, with some lesions showing uneven density and blurred edges![]()
图 2 女，65岁，糖尿病病史9年，餐后血糖控制不佳，咳嗽3 d肺内多发实变样，病变边缘清晰Figure 2. A 65-year-old female with a history of diabetes for 9 years and elevated blood sugar after meals, presented with a cough for 3 days. HRCT shows multiple lung lesions with clear lesion edges表 1 有无糖尿病两组患者的HRCT表现特征一览表Table 1. HRCT features in patients with and without diabetes mellitus项目 组别 统计检验 无糖尿病/例（％） 有糖尿病/例（％） $\chi^2 $ P 病变数量 多发 359（100.00） 224（99.50） 1.590 0.206 累及部位 单叶 3（0.84） 0（0.00） 1.890 0.169 单肺 7（1.95） 2（0.89） 1.026 0.311 双肺 351（97.77） 220（97.78） 0.000 0.996 病变分布 周围（胸膜下） 114（31.75） 83（36.89） 1.631 0.202 中央（血管周） 6（1.67） 6（2.67） 0.681 0.409 混合性 239（66.57） 137（60.89） 1.949 0.163 病变形态 结节（1 cm） 159（44.29） 109（48.44） 0.962 0.327 斑片状（3 cm） 275（76.60） 178（79.11） 0.501 0.479 大片状（＞3 cm） 240（66.85） 149（66.22） 0.025 0.875 病变密度 GGO 314（87.47） 189（84.00） 1.390 0.238 实变 41（11.42） 37（16.44） 3.017 0.082 网格影 127（35.38） 54（24.00） 8.369 0.004** 不均匀 313（87.19） 181（80.44） 4.823 0.028** 均匀 77（21.45） 59（26.22） 1.764 0.184 病变边缘 模糊 344（95.82） 205（91.11） 5.448 0.020* 清晰 19（5.29） 18（8.00） 1.709 0.191 伴随病变 血管增粗 26（7.24) 25（11.11） 2.597 0.107 胸膜增厚 203（56.55） 130（57.78） 0.086 0.770 胸水形成 54（15.04） 27（12.00） 1.071 0.301 注：*-P<0.05，**-P<0.01。 表 2 COVID-19急性期糖尿病患者与非糖尿病患者的临床信息Table 2. Clinical information on patients with and without diabetes in the acute phase of COVID-19项目 组别 统计检验 无糖尿病（n=221） 有糖尿病（n=142） t P 发病时间/d 4.74±2.12 4.45±2.28 1.211 0.227 年龄 78.00±9.37 75.85±8.63 2.203 0.028* 注：急性期定义为发病时间＜7 d。*-P<0.05。 表 3 COVID-19急性期糖尿病患者与非糖尿病患者的HRCT特征一览表Table 3. HRCT characteristics in patients with and without diabetes in the acute phase of COVID-19项目 特征 组别 统计检验 无糖尿病（n=221）
/
例（％）有糖尿病（n=142）
/
例（％）$\chi^2 $ P 病变数量 多发 221（100.00） 141（99.50） 1.590 0.206 累及部位 单肺 6（2.71） 2（1.41） 0.685 0.408 双肺 214（96.83） 138（97.18） 0.036 0.849 病变分布 周围（胸膜下） 65（29.41） 49（34.51） 1.042 0.307 中央（血管周） 5（2.26） 5（3.52） 0.511 0.475 混合性 153（69.23） 90（63.38） 1.377 0.248 病变形态 结节/树丫（1 cm） 86（38.91） 63（44.37） 1.062 0.303 斑片状（3 cm） 161（72.85） 110（77.46） 0.973 0.324 大片状（＞3 cm） 157（71.04） 100（70.42） 0.016 0.899 病变密度 GGO 190（85.97） 121（85.21） 0.041 0.840 实变 30（13.57） 28（19.72） 2.431 0.119 网格影 82（37.10） 35（24.65） 6.141 0.013* 不均匀 188（85.07） 117（82.39） 0.460 0.497 均匀 49（22.17） 38（26.76） 0.999 0.318 病变边缘 模糊 212（95.93） 130（91.55） 3.041 0.081 清晰 11（4.98） 11（7.75） 1.164 0.281 伴随病变 血管增粗 17（7.69） 18（12.68） 2.465 0.116 胸膜增厚 129（58.37） 85（59.86） 0.079 0.779 胸水形成 35（15.84） 20（14.08） 0.207 0.649 注：*-P<0.05。 3. 讨论
COVID-19是一种基因组结构不同于其他呼吸道病毒且侵袭性和传播性较强的β属特殊毒株，通过S蛋白与人血管紧张素转化酶-2（ACE2）互相作用感染人呼吸道黏膜上皮细胞、Ⅱ型肺泡上皮细胞和肺间质以及微血管血栓形成和多系统脏器受累等改变[3-4]。人群普遍易感，重型及危重型多见于合并基础病者如糖尿病。COVID-19感染主要依靠病毒核酸检测确诊，核酸检测存在时间长和假阴性，HRCT有助于提高COVID-19的检出率和诊断准确率[5]，部分患者核酸阴性影像却具有典型病毒性肺炎征象，国家卫生健康委员会《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》中[6]，将CT表现纳入临床诊断依据。
本研究分析了584例新型冠状病毒感染（COVID-19）HRCT表现阳性的患者，统计结果显示多数影像学征象与文献一致[3-4,7-16]。225例糖尿病患者新型冠状病毒感染后双肺HRCT表现在发病部位、分布、形态及伴随征象与常规人群感染COVID-19无明显差异，均表现为双肺多发、周围（胸膜下）分布为主的结节、斑片及大片磨玻璃及实变影；病变密度均匀与否及病变边缘改变差异有统计学意义；发病与CT检查间隔小于7 d分组，糖尿病组患者COVID-19和非糖尿病组患者COVID-19之间，病变密度网格影改变差异有统计学意义。病变的HRCT征象如密度、形态和边缘因其病理特征和病变程度的不同多呈现不均匀磨玻璃、实变影及网格影，边缘多表现为模糊。
本研究结果显示糖尿病组患者COVID-19肺炎早期病变即出现密度均匀和病变边缘清晰的表现，文献报道较少。尸体解剖证实COVID-19主要是引起深部气道、间质和肺泡损伤为特征的炎性反应[17]，糖尿病患者COVID-19感染肺部病变HRCT显示网格影少于非糖尿病组，说明糖尿病患者感染COVID-19时肺泡渗出为主，间质受累少见，有研究显示小叶内间隔增厚是COVID-19肺炎的独立预测因子之一[18-19]，而糖尿病合并COVID-19感染，肺内网格影少见，这可能与糖尿病患者自身免疫有关。渗出为主是否是糖尿病患者易发生重症原因，需要进一步研究证实。
总之，糖尿病患者合并COVID-19肺炎，HRCT表现双肺多发，周围分布为主，渗出为主，网格影少见，病变密度均匀、病变边缘相对清晰。合并或者不合并胸膜改变。基础病是COVID-19感染后发生重症的主要原因之一，熟悉糖尿病患者合并COVID-19肺炎HRCT征象，为临床治疗及评估预后提供依据。
本研究的局限在性，两组病例未纳入临床指标及氧饱和度与患者影像改变进行相关性分析；糖尿病组患者病史长短及血糖控制情况感染后机体反应是否存在差异；此外糖尿病往往合并心脑血管病变，并发症有无是否与肺内病灶改变及预后的研究尚需进一步研究。
-
![]()
图 2 DR算法处理前后对比图
Figure 2. Comparison of raw data and DR results on the opposite-polarity and negative-polarity synthetic trace
![]()
图 3 LDDR算法处理前后对比图
Figure 3. Comparison of ghost data and combined algorithm results on the opposite-polarity and negative-polarity synthetic trace
![]()
图 4 图2及图3中LDDR算法结果频谱
Figure 4. The spectrum of LDDR algorithm results in Fig.2 and Fig.3
![]()
图 6 本文方法处理前后道集频谱
Figure 6. The comparison of spectrum befrore and after processing by the method in this paper
-
[1] FENG X K, WANG Y F, WANG X J, et al. The application of high-resolution 3D seismic acquisition techniques for carbonate reservoir characterization in China[J]. The Leading Edge, 2012, 31(2): 168−179. DOI: 10.1190/1.3686914.
[2] MOLDOVEANU N, COMBEE L, EGAN M, et al. Over/under towed-streamer acquisition: A method to extend seismic bandwidth to both higher and lower frequencies[J]. The Leading Edge, 2007, 26(1): 41−58. DOI: 10.1190/1.2431831.
[3] AMUNDSEN L, ZHOU H, REITAN A, et al. On seismic deghosting by spatial deconvolution[J]. Geophysics, 2013, 78(6): V267−V271. DOI: 10.1190/geo2013-0198.1.
[4] 刘建磊, 王修田. 海上地震虚反射相位剔除法反褶积[J]. 海洋地质与第四纪地质, 2002,22(4): 117−122. DOI: 10.16562/j.cnki.0256-1492.2002.04.018. LIU J L, WANG X T. Deconvolution by phase spectrum deghosting in marine seismic survey[J]. Marine Geology & Quaternary Geology, 2002, 22(4): 117−122. DOI: 10.16562/j.cnki.0256-1492.2002.04.018. (in Chinese).
[5] 夏同星, 刘垒, 明君, 等. 渤海湾 X 油田气云区地震资料关键处理技术研究[J]. 石油物探, 2018,57(2): 283−291. DOI: 10.3969/j.issn.1000-1441.2018.02.014. XIA T X, LIU L, MING J, et al. Key processing technologies of seismic data for a gas cloud area in the X oilfield, Bohai Bay Basin[J]. Geophysical Prospecting for Petroleum, 2018, 57(2): 283−291. DOI: 10.3969/j.issn.1000-1441.2018.02.014. (in Chinese).
[6] 韦红, 宋俊亭, 田涛, 等. 基于相控的振幅补偿法在渤海 B 油田储层预测中的应用[J]. CT理论与应用研究, 2021,30(6): 681−690. DOI: 10.15953/j.1004-4140.2021.30.06.03. WEI H, SONG J T, TIAN T, et al. Application of Amplitude compensation method based on phase control in reservoir prediction of Bohai B Oil[J]. CT Theory and Applications, 2021, 30(6): 681−690. DOI: 10.15953/j.1004-4140.2021.30.06.03. (in Chinese).
[7] ZHANG X W, HAN L G, ZHANG F J, et al. An inverse Q-filter algorithm based on stable wavefield continuation[J]. Applied Geophysics, 2007, 4(4): 263−270. DOI: 10.1007/s11770-007-0040-9.
[8] ZHANG C, ULRYCH T J. Seismic absorption compensation: A least squares inverse scheme[J]. Geophysics, 2007, 72(6): R109−R114. DOI: 10.1190/1.2766467.
[9] ZHANG G L, WANG X M, HE Z H. A stable and self-adaptive approach for inverse Q-filter[J]. Journal of Applied Geophysics, 2015, 116: 236−246. DOI: 10.1016/j.jappgeo.2015.03.012.
[10] CHENG Q S, CHEN R, LI T. Simultaneous wavelet estimation and deconvolution of reflection seismic signals[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(2): 377−384. DOI: 10.1109/36.485115.
[11] Van der BAAN M, PHAM D T. Robust wavelet estimation and blind deconvolution of noisy surface seismic[J]. Geophysics, 2008, 73(5): V37−V46. DOI: 10.1190/1.2965028.
[12] ROSA A L R, ULRYCH T J. Processing via spectral modeling[J]. Geophysics, 1991, 56(8): 1244−1251. DOI: 10.1190/1.1443144.
[13] 管西竹, 陈宝书, 符力耘, 等. 基于波动方程的上下缆地震数据鬼波压制方法研究[J]. 地球物理学报, 2015,58(10): 3746−3757. DOI: 10.6038/cjg20151025. GUAN X Z, CHEN B S, FU L Y, et al. The study of a deghosting method of over/under streamer seismic data based on wave equation[J]. Chinese Journal of Geophysics, 2015, 58(10): 3746−3757. DOI: 10.6038/cjg20151025. (in Chinese).
[14] DANILO R V. Stochastic sparse-spike deconvolution[J]. Geophysics, 2008, 73(1): R1−R9. DOI: 10.1190/1.2790584.
[15] LU W K, LI F Y. Seismic spectral decomposition using deconvolutive short-time Fourier transform spectrogram[J]. Geophysics, 2013, 78(2): V43−V51. DOI: 10.1190/geo2012-0125.1.
[16] RAM I, COHEN I, RAZ S. Multichannel deconvolution of seismic signals using statistical MCMC methods[J]. IEEE Transactions on Signal Processing, 2010, 58(5): 2757−2770. DOI: 10.1109/tsp.2010.2042485.
[17] 陈传仁, 周熙襄. 小波谱白化方法提高地震资料的分辨率[J]. 石油地球物理勘探, 2000,35(6): 703−709. doi: 10.3321/j.issn:1000-7210.2000.06.003 CHEN C R, ZHOU X X. Improving resolution of seismic data using wavelet spectrum whitening[J]. Oil Geophysical Prospecting, 2000, 35(6): 703−709. (in Chinese). doi: 10.3321/j.issn:1000-7210.2000.06.003
[18] 计子琦, 张学强, 张海江, 等. 基于VMD的随掘地震超前探测信号谱白化方法研究[J]. CT理论与应用研究, 2021,30(2): 148−160. DOI: 10.15953/j.1004-4140.2021.30.02.02. JI Z Q, ZHANG X Q, ZHANG H J, et al. Research on spectral whitening method of seismic while drilling ahead detection signals based on VMD[J]. CT Theory and Applications, 2021, 30(2): 148−160. DOI: 10.15953/j.1004-4140.2021.30.02.02. (in Chinese).
[19] AMUNDSEN L, ZHOU H. Low-frequency seismic deghosting[J]. Geophysics, 2013, 78(2): WA15−WA20. DOI: 10.1190/geo2012-0276.1.
[20] SAJID M, GHOSH D. A fast and simple method of spectral enhancement[J]. Geophysics, 2014, 79(3): V75−V80. DOI: 10.1190/geo2013-0179.1.
[21] SAJID M, GHAZALI A R. Nonstationary differential resolution: An algorithm to improve seismic resolution[J]. Geophysics, 2018, 83(3): V149−V156. DOI: 10.1190/geo2016-0614.1.
下载:
计量
- 文章访问数: 410
- HTML全文浏览量: 153
- PDF下载量: 36
