System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及超声成像,尤其涉及一种基于深度学习的超声剪切波弹性成像系统及方法。
技术介绍
1、传统超声弹性成像技术对于体内深部器官的弹性模量监测具有重要意义。使用时需要手持探头进行监测,但是容易受到呼吸和心跳等干扰,不能连续监测。
2、在现有技术中,传统超声弹性成像技术通常需要通过外部压力或振动来引发组织的变形,这种方式可能会对患者造成不适,同时也会影响成像结果;在对深部器官进行监测时,受到穿透深度和分辨率的限制,无法对深部器官刚度变化进行连续监测,也会影响成像质量。
技术实现思路
1、本专利技术的目的在于,提供一种基于深度学习的超声剪切波弹性成像系统,解决以上技术问题;
2、本专利技术的目的还在于,提供一种基于深度学习的超声剪切波弹性成像方法,解决以上技术问题;
3、一种基于深度学习的超声剪切波弹性成像系统,包括,
4、声波路径优化模块,通过声波预测模型生成最优传播路径;
5、超声贴片,连接所述声波路径优化模块,用于对待成像目标组织,按照所述最优传播路径发射和接收声波;
6、弹性模量生成模块,连接所述超声贴片,用于产生剪切波,并通过测量所述剪切波的速度生成弹性模量;
7、弹性成像模块,连接所述弹性模量生成模块,用于将所述弹性模量转化为超声图像。
8、优选地,所述超声贴片包括,
9、压电换能器,用于发射和接收声波;
10、控制电路板,连接所述压电换能器,用于控制
11、形状记忆层,位于靠近所述待成像目标组织的一侧,用于自动调整形状以适应所述待成像目标组织的体表曲率。
12、优选地,所述超声贴片的外表面设有包覆层,所述超声贴片通过生物粘合层粘合于所述待成像目标组织上。
13、优选地,所述压电换能器包括声波调节模块,用于根据所述待成像目标组织的深度调节得到最优声波频率,所述最优声波频率的计算式为,
14、fopt=2×dtarget×c
15、其中,fopt表示所述最优声波频率,dtarget表示所述待成像目标组织的深度,c表示声速。
16、优选地,所述弹性模量生成模块包括,
17、声辐射力脉冲产生单元,用于通过所述超声贴片引入声压脉冲,得到所述剪切波;
18、弹性模量计算单元,连接所述声辐射力脉冲产生单元,用于通过测量所述剪切波的速度计算得到所述弹性模量;
19、弹性模量显示单元,连接所述弹性模量计算单元,用于实时显示所述弹性模量。
20、优选地,所述声辐射力脉冲产生单元中声辐射力的计算式为,
21、farfi=2×α×i÷c
22、其中,farfi表示所述声辐射力,α表示声能吸收系数,i表示声压,c表示所述声速;
23、所述弹性模量的计算式为,
24、e=3×ρ×v×v
25、其中,e表示所述弹性模量,ρ表示所述待成像目标组织的密度,v表示所述剪切波的传播速度。
26、优选地,所述形状记忆层的调整温度的计算式为,
27、ttrans=tbody±δt
28、其中,ttrans表示所述调整温度,tbody表示所述待成像目标组织的体温,δt表示调节参数。
29、优选地,所述最优传播路径的计算式为,
30、popt=dnn(xtarget)
31、其中,popt表示所述最优传播路径,dnn表示所述声波预测模型,xtarget表示所述待成像目标组织的特性向量。
32、优选地,还包括弹性模量反馈模块,连接所述弹性模量生成模块,用于实时监测所述弹性模量,自动调整声波的激发强度和频率,得到调整后声波的激发参数,所述调整后声波的激发参数的计算式为,
33、pnew=adjust(p,δe)
34、其中,pnew表示所述调整后声波的激发参数,p表示当前声波激发参数,δe示所述弹性模量的变化量。
35、一种基于深度学习的超声剪切波弹性成像方法,用于所述的基于深度学习的超声剪切波弹性成像系统,包括,
36、步骤s1,所述声波路径优化模块通过所述声波预测模型生成所述最优传播路径;
37、步骤s2,所述超声贴片向所述待成像目标组织,按照所述最优传播路径发射和接收声波;
38、步骤s3,所述弹性模量生成模块通过测量所述剪切波的速度生成所述弹性模量;
39、步骤s4,所述弹性成像模块将所述弹性模量转化为所述超声图像。
40、本专利技术的有益效果是:由于采用以上技术方案,克服了传统超声弹性成像技术的局限性,能够连续监测体内深部器官的刚度变化,成像质量高。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的超声剪切波弹性成像系统,其特征在于,包括,
2.根据权利要求1所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述超声贴片包括,
3.根据权利要求1所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述超声贴片的外表面设有包覆层,所述超声贴片通过生物粘合层粘合于所述待成像目标组织上。
4.根据权利要求2所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述压电换能器包括声波调节模块,用于根据所述待成像目标组织的深度调节得到最优声波频率,所述最优声波频率的计算式为,
5.根据权利要求4所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述弹性模量生成模块包括,
6.根据权利要求5所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述声辐射力脉冲产生单元中声辐射力的计算式为,
7.根据权利要求2所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述形状记忆层的调整温度的计算式为,
8.根据权利要求1所述的基于深度学习的超声剪切波弹性成像系统,
9.根据权利要求1所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,还包括弹性模量反馈模块,连接所述弹性模量生成模块,用于实时监测所述弹性模量,自动调整声波的激发强度和频率,得到调整后声波的激发参数,所述调整后声波的激发参数的计算式为,
10.一种基于深度学习的超声剪切波弹性成像方法,其特征在于,用于权利要求1-9任意一项所述的基于深度学习的超声剪切波弹性成像系统,包括,
...【技术特征摘要】
1.一种基于深度学习的超声剪切波弹性成像系统,其特征在于,包括,
2.根据权利要求1所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述超声贴片包括,
3.根据权利要求1所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述超声贴片的外表面设有包覆层,所述超声贴片通过生物粘合层粘合于所述待成像目标组织上。
4.根据权利要求2所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述压电换能器包括声波调节模块,用于根据所述待成像目标组织的深度调节得到最优声波频率,所述最优声波频率的计算式为,
5.根据权利要求4所述的基于深度学习的超声剪切波弹性成像系统,其特征在于,所述弹性模量生成模块包括,
6.根据权利要求5所述的基于深度学习的超声剪切...
【专利技术属性】
技术研发人员:黄孟钦,朱瑞星,肖林芳,
申请(专利权)人:上海深至信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。