[发明专利]一种引入机器学习的超声合成孔径成像方法及装置

说明书

本发明公开了一种引入机器学习的超声合成孔径成像方法及装置，首先，通过一维线性超声换能器阵列采集稀疏扫查方式下的合成孔径回波信号；然后，采用机器学习进行相关信号的预测来解决由于稀疏扫查方式下导致的回波信号空间排布稀疏的问题；最后，基于延时叠加算法（DAS）实现超声合成孔径聚焦成像。通过机器学习的优化处理后，相较于传统合成孔径聚焦技术（SAFT），大大提高了合成孔径聚焦成像的效率和成像质量，同时降低旁瓣等对成像结果的影响。本发明具有扫查速度快，重建图像精度高的特点，有利于超声合成孔径成像技术在无损检测和医疗诊断中的推广和应用。

技术领域

本发明涉及高时间、高空间分辨率超声成像技术领域，尤其是涉及一种引入机器学习的超声合成孔径成像方法及装置。

背景技术

合成孔径聚焦（Synthetic Aperture Focusing Technique，SAFT）超声成像是20世纪70年代发展起来的一种比较有潜力的成像方法，其最初思想可以追溯到20世纪50年代发展起来的合成孔径雷达（Synthetic Aperture Radar，SAR）技术。它最初引入超声成像时，是以点源传感器在被测物体的表面上扫查，接收来自物体内部各点的散射声信号并加以存储，然后对不同接收位置上传感器接收的声信号进行适当的延时并叠加，以获得被成像区域的逐点聚焦声学图像。与传统的超声成像方法不同，合成孔径聚焦成像可以利用较小的传感器孔径获得较高的分辨率和对比度。SAFT技术要求采样和存储每一个孔径点的整个回波信号，即全波采样，其重建理论涉及波束成形（Beamforming，BF）比较复杂，无论对硬件或软件都有较高的要求。近年来，诸多改进方案被引入，如多阵元合成孔径聚焦（Multi-element Synthetic Aperture Focusing，M-SAF）、合成聚焦（Synthetic Focusing，SF）、合成发射孔径（Synthetic Transmit Aperture，STA）、合成接收孔径（Synthetic ReceiveAperture，SRA）等。这些改进方法更多的是采用子孔径（Sub-aperture）交叠来实现抑制旁瓣和提高分辨率的功能，但在实际处理过程中却极大地增加了需要传输和存储的回波信号数量，牺牲了成像速度。

发明内容

为解决现有技术的不足，实现提高成像速度和高精度成像的目的，本发明采用如下的技术方案：

一种引入机器学习的超声合成孔径成像方法，包括如下步骤：

步骤S1：利用超声相控阵系统，基于合成发射孔径模式，采集通过探测对象后的超声反射回波信号；超声相控阵系统包括一组阵元，合成发射孔径模式是将多个阵元作为子孔径，在一组阵元上间隔发射信号；通过子孔径模式，一方面能够解决单阵元发射信噪比低的问题，另一方面在提高数据采集效率的同时，有效地覆盖检测目标视野，相较于传统扫查补进为1的阵元，避免了大量的收发过程降低了采集数据的效率；

步骤S2：根据间隔发射的子孔径对应的超声反射回波信号，构建一对间隔数据集，作为机器学习模型的输入和输出；

步骤S3：训练机器学习模型，通过一个间隔数据集预测与其对应的另一个间隔数据集；

步骤S4：基于合成发射孔径模式，通过训练好的机器学习模型，将稀疏扫查的超声反射回波信号，扩展成密集扫查的超声反射回波信号；

步骤S5：对重构后的超声反射回波信号进行合成孔径聚焦处理，重建相当于密集收发条件下的波束。

进一步地，所述超声相控阵系统包括一维线性传感器阵列，各阵元之间等间距。

进一步地，所述步骤S2中，对接收的超声反射回波信号进形预处理，保留超声回波信号，对超声回波信号进行标准化：

其中，表示超声回波信号，表示标准化处理后的信号，和分别表示超声回波信号的均值和标准差。

进一步地，所述步骤S2中，分别获取两对间隔数据集，分别作为机器学习模型的训练数据集输入、输出，测试数据集输入、输出。