本发明属于传感器位置和延迟校正,具体涉及一种基于神经网络的超声断层扫描系统换能器位置和延迟校正方法。
背景技术:
1、乳腺癌是女性发病率最高的癌症,因早期乳腺癌大部分没有明显特征,所以一旦发病很难得到好的治疗效果,因此乳腺癌的及早发现和及早治疗十分重要。
2、超声断层扫描在乳腺癌早期检测筛查及诊断等方面有很好的效果,能够在无电离辐射等损伤情况下快速采集数据,可以短期内多次重复检查。
3、超声断层扫描系统向被测组织发射超声波,并接收穿过被测组织的超声波信号,通过处理这些超声波数据来重建组织信息。反射式成像接收处理反射信号后得到基于反射率的病变组织的轮廓形状;透射式成像接收处理透射信号后得到病变组织内部的声速、衰减等定量信息。超声断层扫描系统兼顾两种成像方式进行图像重建,并将反射重建图像和透射重建图像进行融合,以达到更好的重建效果。
4、对于超声断层扫描系统而言,仍存在一些已有技术无法避免的系统误差,如换能器的延迟、位置偏差等,这些系统误差会影响到后续重建图像的质量,因此针对换能器位置和延迟的系统校正对提升最终成像质量而言,是很重要的一步。
5、超声断层扫描系统的换能器位置和延迟校正本质上是求解大规模非线性方程组。传统的方程组求解方法可分为两类,直接求解和迭代方法,然而这些传统方法求解过程计算量大,结果准确度也有待提高。
技术实现思路
1、本发明目的在于提供一种基于神经网络的超声断层扫描系统换能器位置和延迟校正方法,帮助提高超声断层扫描系统的最终成像质量。换能器位置和延迟校正的目标是寻找每个换能器实际位置、发送延迟和接收延迟。
2、为实现上述目的,本发明所提供方法的具体步骤包括:
3、问题转换:根据超声断层扫描系统采集到的渡越时间与换能器延迟、换能器位置之间的关系,将换能器位置和延迟校正问题转换为可用感知机神经网络进行求解的方程组形式;
4、神经网络结构:设计浅层神经网络,包括一个输入层,一个隐藏层,一个输出层,隐藏层中每个神经元节点的激活函数是恒等函数,且隐藏层权重中没有偏置项,输出层无权重,直接通过隐藏层节点计算配对换能器之间的渡越时间,作为输出结果;
5、网络输入输出:超声断层扫描系统采集到的每一个数据都有对应的发射端换能器和接收端换能器,网络模型的输入数据为换能器的配对信息,每一个配对对应一组向量,输出信息为配对换能器之间的渡越时间;
6、权重初始化:网络权重为所求解的近似解,近似解由各换能器的位置值和延迟值组成,其中位置值初始化为各换能器对应的系统设定坐标,延迟值初始化换能器平均响应延迟;
7、网络训练:每次迭代将指定批次大小的输入数据输送到神经网络中,在训练过程中,对网络输出与实际采集到的渡越时间进行计算得到损失值,并通过反向传播,利用优化器训练神经网络,更新网络权重,以获得和实际渡越时间尽可能接近的输出结果。
8、与现有技术相比,本发明有以下优点:
9、相较于利用传统数值优化算法求解方程组以实现系统校正的方法,本发明以训练神经网络的方式实现系统校正,该技术可应用于大规模系统校正问题,针对个数较多换能器位置和延迟校正问题,可在较短时间内获得较好校正结果。
1.一种基于神经网络的超声断层扫描系统换能器位置和延迟校正方法,其特征在于包括如下步骤:
2.根据权利要求1所述的基于神经网络的超声断层扫描系统换能器位置和延迟校正方法,其特征在于:
3.根据权利要求2所述的基于神经网络的超声断层扫描系统换能器位置和延迟校正方法,其特征在于:
4.根据权利要求1所述的基于神经网络的超声断层扫描系统换能器位置和延迟校正方法,其特征在于:
5.根据权利要求4所述的基于神经网络的超声断层扫描系统换能器位置和延迟校正方法,其特征在于: