申请/专利权人：西安交通大学

申请日：2020-10-27

公开（公告）日：2024-04-05

公开（公告）号：CN112528731B

主分类号：G06N3/084

分类号：G06N3/084;G06F18/10;G06F18/214;A61B8/06;A61B8/08;G06N3/0464;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：基于双回归卷积神经网络的平面波波束合成方法及系统，方法包括：多角度平面波回波信号采集与预处理：采集多角度平面波回波信号，然后对单角度平面波回波信号预处理，获取射频信号立方体；模型训练：以单角度平面波射频信号立方体为输入，以基于延时叠加算法的多角度平面波复合数据为标签，用随机梯度下降法对预先构建的双回归卷积神经网络进行训练；模型预测：以单角度平面波射频信号立方体作为输入，基于训练好的双回归卷积神经网络，预测多角度平面波波束合成后的数据；之后经过信号解调、对数压缩、坐标变换的步骤得到平面波图像。本发明还提供一种实现上述方法的系统。本发明在不降低帧率的情况下提高了平面波成像质量。

主权项：1.一种基于双回归卷积神经网络的平面波波束合成方法，其特征在于，包括以下步骤：步骤S1、多角度平面波回波信号采集与预处理：采集多角度平面波回波信号，然后对单角度平面波回波信号预处理，获取射频信号立方体；获取射频信号立方体的具体方法如下：根据换能器不同通道接收像素点的信号延时，获取每个像素点的动态孔径信号，组成射频信号立方体，作为输入数据进行后续模型训练；步骤S2、模型训练：以单角度平面波射频信号立方体为输入，以基于延时叠加算法的多角度平面波复合数据为标签，用随机梯度下降法对预先构建的双回归卷积神经网络进行训练；步骤S3、模型预测：以单角度平面波射频信号立方体作为输入，基于训练好的双回归卷积神经网络，预测多角度平面波波束合成后的数据；之后经过信号解调、对数压缩、坐标变换的步骤得到平面波图像；所述双回归卷积神经网络的损失函数为一个多任务损失函数，其由初始回归损失、双向回归损失两部分组成；所述初始回归损失、双向回归损失均使用均方误差计算；双回归卷积神经网络的损失函数为： 其中，N表示样本数目，为初始回归损失，为双向回归损失，λ是预设的调节因子；其中和均使用均方误差MSE计算，具体计算公式如下：

全文数据：

权利要求：

百度查询： 西安交通大学 基于双回归卷积神经网络的平面波波束合成方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD