【技术实现步骤摘要】
面向有限视野采样的光声成像阵列信号预测方法与装置
[0001]本专利技术属于人工智能与生物医学工程领域,具体涉及一种面向有限视野采样的光声成像阵列信号预测方法与装置。
技术介绍
[0002]光声成像是一种非入侵式和非电离式的新型生物医学成像方法,其在生物组织内部结合了光学的高对比度和声学的高穿透性优点,在检测血氧含量、血管附近的恶性肿瘤方面具有极大的临床应用前景。阵列中超声换能器的数量、排布方式、排布密度对光声成像的结果有很大的影响,高质量的光声成像结果需要高密度的超声换能器阵元,大范围的空间排列以覆盖完整的探测视角。然而,受限于探测物体的几何形状与成像空间,被测物体周围无法放置视野全覆盖的高密度超声换能器阵列,并且此类阵列体积大,造价高,不易于临床大规模使用。小型的光声成像阵列包含的超声换能器数量少,它可以通过将超声换能器以特定方式排列,在有限的采样视野下,加快采样速度,但是存在图像重建的失真及伪影的干扰等缺陷。随着人工智能算法的发展,机器学习算法可以在有限采样条件下重建出高质量的光声成像,但是需要大量的已有图像数据集作为训练数据,训练成本较高,光声成像重建效率较低。
[0003]因此,亟需提出一种光声成像阵列信号预测方法,在有限视野的情况下,得到高质量的信号重建结果。
技术实现思路
[0004]针对现有技术的不足,提出了一种面向有限视野采样的光声成像阵列信号预测方法与装置。
[0005]本专利技术是通过以下技术方案实现的:
[0006]根据本专利技术实施例的第一方面,提供了 ...
【技术保护点】
【技术特征摘要】
1.一种面向有限视野采样的光声成像阵列信号预测方法,其特征在于,所述方法包括:通过光声成像阵列中的超声换能器探测被测物体组织反射的声压信号,将声压信号转化为电信号,并对电信号进行平稳性检验;通过自相关函数和偏自相关函数选取截尾数量和拖尾数量,再将截尾数量和拖尾数量进行两两组合基于贝叶斯信息准则确定光声成像阵列信号预测模型的阶数;根据阶数确定自回归滑动平均模型,再与LSTM网络进行加权以此构建光声成像阵列信号预测模型;将经平稳性检验后得到的电信号输入至光声成像阵列信号预测模型进行预测,当光声成像阵列信号预测模型输出的光声信号数量达到预设的超声换能器数量时结束预测,得到预测的光声信号。2.根据权利要求1所述的面向有限视野采样的光声成像阵列信号预测方法,其特征在于,对电信号进行平稳性检验包括:所述电信号表示为一个M
×
N矩阵,N是单个超声换能器采集的信号长度,M是超声换能器数量;对矩阵进行展开,将大小为(1,M
×
N)的向量记为信号S
t
;对信号S
t
进行ADF检验和KPSS检验,当检验结果ADF值等于1且KPSS值等于0,则通过检验;若检验结果ADF值不等于0或KPSS值不等于1,对信号s
t
进行差分处理,直至通过平稳性检验。3.根据权利要求1所述的面向有限视野采样的光声成像阵列信号预测方法,其特征在于,通过自相关函数和偏自相关函数选取截尾数量和拖尾数量,再将截尾数量和拖尾数量进行两两组合基于贝叶斯信息准则确定光声成像阵列信号预测模型的阶数包括:通过绘制自相关滞后系数图和偏相关滞后系数图选择截尾数量和拖尾数量,将截尾数量和拖尾数量进行两两组合计算每个组合的贝叶斯信息准则,得到贝叶斯信息准则矩阵;查找BIC矩阵中最小元素的位置,将该最小元素的位置记为第a行、第b列,光声成像阵列信号预测模型的阶数p=a
‑
1、q=b
‑
1。4.根据权利要求3所述的面向有限视野采样的光声成像阵列信号预测方法,其特征在于,光声成像阵列信号预测模型的表达式为:s
k
(t)=αm
k
(t)+βn
k
(t)=α(γ0+γ1s
t
‑1+
…
+γ
p
S
t
‑
p
+ε
t
+c1ε
t
‑1+
…
+c
q
ε
t
‑
q
)+βn
k
(t)其中,s
k
(t)是光声成像阵列信号预测模型对第k个超声换能器采集的信号的预测结果,m
k
(t)是自回归滑动平均模型对第k个超声换能器采集的信号的预测结果,n
k
(t)是LSTM网络对第k个超声换能器采集的信号的预测结果,α和β是权重系数,α+β=1;
i
是自回归系数,i=0,1
…
p,S<...
【专利技术属性】
技术研发人员:王若凡,施钧辉,陈锋,祝婧,李驰野,孟彧仟,王铉皓,
申请(专利权)人:之江实验室,
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。