【技术实现步骤摘要】
本专利技术属于计算机视觉与超声影像结合的，涉及一种将机器学习方法应用于超声成像的系统，旨在实现高强度聚焦超声(hifu)干扰的去除。
技术介绍
1、在临床研究和实践中，高强度聚焦超声(hifu)作为一种非侵入性消融肿瘤的技术变得越来越具有吸引力，因为它能够缩短恢复时间并降低并发症风险。近年来，hifu已成功用于治疗一些软组织疾病，例如子宫肌瘤、肝癌以及其他疾病。在这种无创治疗过程中，实时医学影像监测手术过程对于准确消融病变组织并尽量减少对健康组织的损伤至关重要。然而，实时监测一直以来都是该领域所面临的长期挑战。
2、与mri相比，超声影像具有实时成像的优势。然而，hifu系统与超声影像系统之间存在射频干扰，因为这两个系统都涉及到声学信号的传输。即使hifu治疗的声学信号的基波频率通常低于成像信号的基波频率，但其高阶谐波仍然会显著污染成像信号，导致超声影像出现"过度曝光"的现象。通常情况下，临床实践中解决这个问题的方法是交替进行hifu照射和超声成像，这样就放弃了对hifu治疗的实时监测，同时也延长了治疗过程。因此，开发能够有效消除hifu声学干扰的超声成像方法具有重要的价值。
技术实现思路
1、为克服现有技术的不足，本专利技术旨在提出新的高强度聚焦超声hifu干扰去除方法、设备。为此，本专利技术采取的技术方案是，基于鲁棒性主成分分析的hifu干扰去除方法，步骤如下：
2、第一步，进行体外组织和活体实验，利用verasonics系统采集高强度聚焦超声hifu开
3、第二步，从频域角度构建rpca框架所需的x矩阵，并将其分解为低秩矩阵l与稀疏矩阵s，从l中获取恢复后的频谱图；
4、第三步，进行超声成像
5、(1)使用逆傅里叶变换获取恢复后的时域通道数据，并进行波束合成和角度复合；
6、(2)通过希尔伯特变换对射频数据进行解调，获取相应的包络图像，经过对数压缩后获得无干扰的b-mode影像。
7、第二步详细步骤如下：
8、(1)对每一通道数据进行一维傅里叶变换，获取一维频谱。将128通道数据的频谱组合成128列的二维频谱图；
9、(2)将二维频谱图的首尾相接，形成一维序列；将5帧无干扰的频谱序列与1帧干扰帧的频谱序列组合成待分解矩阵x；
10、(3)使用rpca矩阵分解框架将x矩阵分解为低秩矩阵l和稀疏矩阵s；
11、(4)从低秩矩阵l中提取干扰帧对应的频谱序列，并恢复为128通道的频谱数据。
12、第二步的步骤(3)详细步骤如下：
13、采用通过矩阵分解方法实现pca的鲁棒主成分分析rpca方法：上述矩阵x被分成两个部分：低秩l和稀疏s，即x＝l+s，分解程序可以被表述为以下等级最小模型：
14、
15、这里，代表矩阵的等级，作为矩阵奇异值的稀疏规范化项，代表矩阵中非零元素的数量，衡量矩阵s的稀疏程度，由于秩函数和范数的非凸性，解决这个最小化问题是一个复杂的np-hard问题，为了得到这个问题的近似解，将原来的非凸优化问题放松为一个新的凸优化问题：
16、
17、其中表示矩阵l的核常数，由矩阵奇异值之和给出；被视为矩阵的1范数，由矩阵中每个向量的大小之和给出；超参数，其中n和m是x的维数。rpca算法通过主成分跟踪法求解，使用增强的拉格朗日乘数(alm)算法进行迭代计算，具体地：首先构建扩增的拉格朗日量：
18、
19、其中y是拉格朗日乘数矩阵，υ是超参数。之后，求解和以最小化l，并更新拉格朗日乘数，直到它根据以下公式收敛：
20、yk+1＝yk+υ(x-lk-sk)。
21、基于鲁棒性主成分分析的hifu干扰去除系统，包括计算机和超声成像系统verasonics，verasonics采集高强度聚焦超声hifu开启前和hifu开启时的超声成像数据，每帧数据由128个通道数据组成；
22、计算机中：
23、一、从频域角度构建rpca框架所需的x矩阵，并将其分解为低秩矩阵l与稀疏矩阵s，从l中获取恢复后的频谱图；
24、二、进行超声成像
25、(1)使用逆傅里叶变换获取恢复后的时域通道数据，并进行波束合成和角度复合；
26、(2)通过希尔伯特变换对射频数据进行解调，获取相应的包络图像，经过对数压缩后获得无干扰的b-mode影像。
27、本专利技术的特点及有益效果是：
28、本专利技术提出了一个基于坐标注意力的多尺度高分辨率胸部疾病分类网络，旨在提取病灶的关键细节特征，以及捕捉尺寸和位置的变化。首先，该网络采用并行高分辨率网络为骨干，能够获取病灶精确的细节特征，从而识别不同病理之间细小的差别，同时其中的多分辨率特征交换和融合模块可获取多尺度感受野捕捉丰富的上下文信息。其次，采用动态卷积模块，提取图像中病灶的多尺度信息，从而适应病变尺寸变化。此外，将坐标注意力机制引入高分辨率网络，通过捕获位置信息和通道关系，使网络聚焦于病灶区域、提取关键位置特征。最后，为了缓解数据集中存在的样本数据的类不平衡性问题，使用加权焦点损失函数，可使网络更有效地依据疾病分类的难易程度调节对应的权重。本专利技术能够提高多标签胸部疾病的分类精度，在胸部疾病的诊断和治疗中有很大的潜力。
29、本专利技术通过实验证明了一个假设，即矩阵分解方法可用于消除b-mode引导图像中的hifu声学干扰，实现对hifu治疗的实时监控。体外和体内实验在临床环境中证实了所提出的频域rpca方法的可行性。该新方法在动态观察hifu诱导的组织损伤方面具有优势，并全面评估了hifu前、hifu中和hifu后的时间序列。这项新技术具有巨大的潜力，可以克服现有实时监测hifu消融的困难。
本文档来自技高网...【技术保护点】
1.一种基于鲁棒性主成分分析的HIFU干扰去除方法，其特征是，步骤如下：
2.如权利要求1所述的基于鲁棒性主成分分析的HIFU干扰去除方法，其特征是，第二步详细步骤如下：
3.如权利要求1所述的基于鲁棒性主成分分析的HIFU干扰去除方法，其特征是，第二步的步骤(3)详细步骤如下：
4.一种基于鲁棒性主成分分析的HIFU干扰去除系统，包括计算机和超声成像系统Verasonics，Verasonics采集高强度聚焦超声HIFU开启前和HIFU开启时的超声成像数据，每帧数据由128个通道数据组成；
【技术特征摘要】
1.一种基于鲁棒性主成分分析的hifu干扰去除方法，其特征是，步骤如下：
2.如权利要求1所述的基于鲁棒性主成分分析的hifu干扰去除方法，其特征是，第二步详细步骤如下：
3.如权利要求1所述的基于鲁棒性主成分分析的hifu干扰去除方法，其特...
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。