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() 一种超表面材料转换器结构的参数优化方法和超声探头技术_技高网

一种超表面材料转换器结构的参数优化方法和超声探头技术

技术编号:41112787 阅读:4 留言:0更新日期:2024-04-25 14:04
本发明专利技术涉及超声探头技术领域,具体涉及一种超表面材料转换器结构的参数优化方法和超声探头。方法,包括,步骤S1,预设定一包括n层超表面的转换器,初始化转换器的超表面参数,依次建立超声经过的每一层超表面的传播函数;步骤S2,基于传播函数,计算转换器相对于超声的变换函数;步骤S3,提供一数据集,对数据集设置相对应的标签;步骤S4,训练一分类神经网络,在训练过程中调整超表面参数,训练完成后获得每一层调整后的超表面参数;本发明专利技术通过推算获得所需要的超表面参数信息,并制备相应的超表面转换器,超表面转换器可以实现对超声波信息的直接处理来达到智能探头的效果。

【技术实现步骤摘要】

本专利技术涉及超声探头,具体涉及一种超表面材料转换器结构的参数优化方法和超声探头


技术介绍

1、目前的超声探头将超声信号转换为电信号的材料多为使用压电陶瓷,压电陶瓷可以将超声信号线性地转化为电信号,压电陶瓷的工作原理是基于压电效应,即在施加压力或电场时会产生电荷分布不均匀,从而产生电势差。从而将超声信号转换为电信号,但是压电陶瓷本身并不具备信号处理的功能。超声信号通常包含丰富的信息,如频率、振幅、相位等,这些信息对于后续的应用至关重要。然而,压电陶瓷只能将超声信号转换为电信号,无法处理其中的超声信息。


技术实现思路

1、本专利技术的目的在于,提供一种超表面材料转换器结构的参数优化方法,解决以上技术问题;

2、本专利技术的目的还在于,提供一种超声探头,解决以上技术问题。

3、本专利技术所解决的技术问题可以采用以下技术方案来实现:

4、一种超表面材料转换器结构的参数优化方法,包括,

5、步骤s1,预设定一包括n层超表面的转换器,初始化所述转换器的超表面参数,依次建立超声经过的每一层所述超表面的传播函数;

6、步骤s2,基于所述传播函数,计算所述转换器相对于超声的变换函数;

7、步骤s3,提供一数据集作为训练数据,对所述数据集设置相对应的标签;

8、步骤s4,启动训练一分类神经网络,在训练过程中调整所述超表面参数,训练完成后获得每一层调整后的所述超表面参数;

9、步骤s5,根据所述调整后的所述超表面参数制备获得相应的所述转换器;

10、其中n为正整数。

11、优选的,步骤s1中,所述超表面参数具备相对应的投射矩阵和相位变换矩阵,每一层所述超表面的传播函数的公式为,

12、ul_out=f(trans,phase)(ul_in)

13、其中ul_in为进入所述超表面的超声,ul_out表示从该层所述超表面出去的超声,trans表示所述投射矩阵,phase表示所述相位变换矩阵。

14、优选的,步骤s2中,所述变换函数的公式为,

15、out=m(x)

16、其中,x表示初次进入所述转换器的超声,m(x)表示所述转换器输出的超声结果,所述传播函数和所述变换函数的对应关系为,

17、

18、其中,ul_out_i表示第i层所述超表面出去的超声,i为1至n的正整数。

19、优选的,所述数据集为超声图像数据,输入所述转换器的所述超声图像数据和所述转换器输出的超声图像结果具备相同的尺寸,所述标签和所述超声图像数据具备相同尺寸。

20、优选的,步骤s4包括,

21、步骤s41,在训练过程中,将输入的超声数据传递至所述超表面,通过计算每一层的所述传播函数获得输出的超声数据;

22、步骤s42,将输出的超声数据与所述标签进行比较,计算损失函数;

23、步骤s43,使用优化器和学习率来最小化损失函数,用以调整所述超表面参数;

24、步骤s44,完成训练,获取所述调整后的超表面参数。

25、优选的,步骤s4中,采用均方误差作为所述损失函数,adam作为所述优化器,所述学习率设置为0.1。

26、优选的,步骤s1中,训练一用于将超声映射到神经网络层的神经网络模型,每一层的所述超表面采用所述神经网络模型获得解析式,步骤s4中所述分类神经网络中所有的神经网络层使用所述神经网络模型进行解析,获取所述调整后的超表面参数。

27、优选的,步骤s1中,采用衍射耦合波分析算法计算所述超表面参数对应的所述投射矩阵和所述相位变换矩阵。

28、优选的,所述超表面参数为所述超表面的纳米柱结构的二维数值。

29、一种超声探头,包括,

30、声透镜,用于聚焦接收到的超声信号;

31、匹配层,连接所述声透镜,用于传递所述超声信号;

32、转换器,所述转换器为采用所述的超表面材料转换器结构的参数优化方法获得的所述转换器,连接所述匹配层,用于将所述超声信号转换为超声波;

33、压电层,连接所述转换器,用于将所述超声波转换为电信号。

34、本专利技术的有益效果:由于采用以上技术方案,本专利技术通过推算获得所需要的超表面参数信息,并制备相应的超表面转换器,超表面转换器可以实现对超声波信息的直接处理来达到智能探头的效果。

本文档来自技高网...

【技术保护点】

1.一种超表面材料转换器结构的参数优化方法,其特征在于,包括,

2.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤S1中,所述超表面参数具备相对应的投射矩阵和相位变换矩阵,每一层所述超表面的传播函数的公式为,

3.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤S2中,所述变换函数的公式为,

4.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,所述数据集为超声图像数据,输入所述转换器的所述超声图像数据和所述转换器输出的超声图像结果具备相同的尺寸,所述标签和所述超声图像数据具备相同尺寸。

5.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤S4包括,

6.根据权利要求5所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤S4中,采用均方误差作为所述损失函数,adam作为所述优化器,所述学习率设置为0.1。

7.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤S1中,训练一用于将超声映射到神经网络层的神经网络模型,每一层的所述超表面采用所述神经网络模型获得解析式,步骤S4中所述分类神经网络中所有的神经网络层使用所述神经网络模型进行解析,获取所述调整后的超表面参数。

8.根据权利要求2所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤S1中,采用衍射耦合波分析算法计算所述超表面参数对应的所述投射矩阵和所述相位变换矩阵。

9.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,所述超表面参数为所述超表面的纳米柱结构的二维数值。

10.一种超声探头,其特征在于,包括,

...

【技术特征摘要】

1.一种超表面材料转换器结构的参数优化方法,其特征在于,包括,

2.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤s1中,所述超表面参数具备相对应的投射矩阵和相位变换矩阵,每一层所述超表面的传播函数的公式为,

3.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤s2中,所述变换函数的公式为,

4.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,所述数据集为超声图像数据,输入所述转换器的所述超声图像数据和所述转换器输出的超声图像结果具备相同的尺寸,所述标签和所述超声图像数据具备相同尺寸。

5.根据权利要求1所述的超表面材料转换器结构的参数优化方法,其特征在于,步骤s4包括,

6.根据权利要求5所述的超表面材料转换器结构的参数优化方法...

【专利技术属性】
技术研发人员:黄孟钦朱瑞星请求不公布姓名
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:

网友询问留言 已有0条评论
  • 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。

1