基于宽频带声学超材料的超声无创穿颅成像方法及系统

技术领域

本发明涉及脑成像领域，特别是涉及一种基于宽频带声学超材料的超声无创穿颅成像方法及系统。

背景技术

由于颅骨对超声具有极强的衰减和畸变效应，现有的超声成像理论难以有效穿透颅骨各个部位实现颅内组织和血流成像(以下简称穿颅超声成像)。近年来，哈佛大学、麻省理工学院及法国郎之万研究所等全球知名研究机构先后开展了穿颅超声成像的前沿探索：2014年Shen等提出了新型经颅超声超材料的设计思想；2019年Cai等人提出了利用3D打印法制作水下超材料的通用方法为声学超材料的实际制作提供了新的方法；2015年Errico等研发了用于小动物的超高分辨超声脑成像系统；同年，Arvanitis等尝试了颅脑的被动超声成像方法；2019年Alexandre等首次在灵长类动物上进行了功能性超声脑成像。然而，受颅骨对声波的强畸变效应以及声学超材料机理研究不明等多方面因素影响，穿颅超声脑成像系统尚处于理论探索阶段且大多是有创穿颅成像。

目前对于穿颅超声成像的前言探索大多是有创成像，需要在去除或者削薄颅骨的基础上进行成像。基于此，有必要提供一种基于宽频带声学超材料的超声无创穿颅成像方法或系统，以增强声波对颅骨的穿透作用进而实现超声无创穿颅成像。

发明内容

本发明的目的是提供一种基于宽频带声学超材料的超声无创穿颅成像方法及系统，以增强声波对颅骨的穿透作用进而实现超声无创穿颅成像。

为实现上述目的，本发明提供了如下方案：

一种基于宽频带声学超材料的超声无创穿颅成像方法，包括：

获取不同的声学超材料参数的组合分别与颅骨作为整体所对应的反射信号；所述声学超材料参数包括平均粒径、掺杂比、厚度以及基体分子量；

根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合；所述训练好的三层BP神经网络以反射信号输入，以所述反射信号对应的声学超材料参数组合为输出；

判断所述待确定的声学超材料参数的组合是否在阈值空间内；

若在，则利用所述待确定的声学超材料参数的组合制备声学超材料；

根据制备的声学超材料和分辨率模具进行超声无创穿颅成像；

若不在，则更新待确定的反射信号，并将更新后的待确定的反射信号替换所述待确定的反射信号，并返回所述根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合的步骤。

可选的，所述获取不同的声学超材料参数的组合分别与颅骨作为整体所对应的反射信号，具体包括：

根据所述不同的声学超材料参数的组合对应制备声学超材料；

将制备的声学超材料以及颅骨确定为待采集部分；

根据探头获取所述待采集部分的反射信号；所述反射信号为反射回波信号中幅值最小的信号。

可选的，所述获取不同的声学超材料参数的组合分别与颅骨作为整体所对应的反射信号，之后还包括：

对不同的声学超材料参数的组合对应的反射信号进行归一化处理。

可选的，所述根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合，之前还包括：

根据所述不同的声学超材料参数的组合以及所述不同的声学超材料参数的组合对应的反射信号构建三层BP神经网络；

利用所述不同的声学超材料参数的组合训练所述三层BP神经网络。

一种基于宽频带声学超材料的超声无创穿颅成像系统，包括：

反射信号获取模块，用于获取不同的声学超材料参数的组合分别与颅骨作为整体所对应的反射信号；所述声学超材料参数包括平均粒径、掺杂比、厚度以及基体分子量；

声学超材料参数的组合确定模块，用于根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合；所述训练好的三层BP神经网络以反射信号输入，以所述反射信号对应的声学超材料参数组合为输出；

第一判断模块，用于判断所述待确定的声学超材料参数的组合是否在阈值空间内；

声学超材料制备模块，用于若在，则利用所述待确定的声学超材料参数的组合制备声学超材料；

超声无创穿颅成像模块，用于根据制备的声学超材料和分辨率模具进行超声无创穿颅成像；

待确定的反射信号更新模块，用于若不在，则更新待确定的反射信号，并将更新后的待确定的反射信号替换所述待确定的反射信号，并返回所述根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合的步骤。

可选的，所述反射信号获取模块具体包括：

声学超材料制备单元，用于根据所述不同的声学超材料参数的组合对应制备声学超材料；

待采集部分确定单元，用于将制备的声学超材料以及颅骨确定为待采集部分；

反射信号确定单元，用于根据探头获取所述待采集部分的反射信号；所述反射信号为反射回波信号中幅值最小的信号。

可选的，还包括：

归一化处理模块，用于对不同的声学超材料参数的组合对应的反射信号进行归一化处理。

可选的，还包括：

三层BP神经网络构建模块，用于根据所述不同的声学超材料参数的组合以及所述不同的声学超材料参数的组合对应的反射信号构建三层BP神经网络；

三层BP神经网络训练模块，用于利用所述不同的声学超材料参数的组合训练所述三层BP神经网络。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像方法及系统，根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合，即通过神经网络方法寻找反射信号与超材料制备参数(平均粒径、掺杂比、厚度以及基体分子量)之间的映射关系，最终制备反射信号最小的声学超材料。本发明利用声学超材料增强穿透颅骨的特性，无需去除或者削薄颅骨进行脑成像研究。即本发明以增强声波对颅骨的穿透作用进而实现超声无创穿颅成像。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像方法流程示意图；

图2为探头工作流程示意图；

图3为分辨率模具示意图；

图4为根据所述分辨率模具进行超声无创穿颅成像示意图；

图5为本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于宽频带声学超材料的超声无创穿颅成像方法及系统，以增强声波对颅骨的穿透作用进而实现超声无创穿颅成像。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像方法流程示意图，如图1所示，本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像方法，包括：

S101，获取不同的声学超材料参数的组合分别与颅骨作为整体所对应的反射信号；所述声学超材料参数包括平均粒径、掺杂比、厚度以及基体分子量。

S101具体包括：

根据所述不同的声学超材料参数的组合对应制备声学超材料。

将制备的声学超材料以及颅骨确定为待采集部分。

根据探头获取所述待采集部分的反射信号；所述反射信号为反射回波信号中幅值最小的信号。

根据探头获取所述待采集部分的反射信号的目的是间接超声超材料与颅骨作为整体的透射信号能量。因为如果想要对颅骨内部结构进行成像，穿透颅骨的能量需要很高，也就是透射能量很大。但对于实际临床而言，测量透射信号不实际，需要在颅骨内部设置探头接收能量。又因为能量＝透射+反射+吸收，同一颅骨吸收的能量保持不变，所以在总能量不变的情况下，反射能量越小，相应的透射能量越大。因此整体的反射最小信号，也可以看成是透射最大信号，即穿透最高能量。

利用探头的工作模式1采集声学超材料与颅骨作为整体的反射信号R，反射信号是一个具体幅值。

该测量反射信号的方法(探头的模式1)由探头的不同阵元数来完成，奇数阵元数发射脉冲超声波，声波经过材料、颅骨上下表面后有反射回波信号返回，偶数阵元数则接收经超材料及颅骨组合体后的该回波射频数据(RF)。因为声波经材料、颅骨上下表面后均有回波反射信号，该材料及颅骨作为整体后的反射信号，是所有反射回波信号中衰减最为强烈的，故其幅值最小。反射信号的选择方法为：对偶数阵元数接收到的所有回波信号进行排序，遍历得到的最小值视为材料及颅骨作为整体后的反射信号。具体的工作流程如图2所示。

通过不同的声学超材料参数的组合(平均粒径A、掺杂比B、厚度C以及基体分子量D)，制备N组(N>1000)超材料，依次采集其与颅骨作为整体的反射信号。

声学超材料参数的具体组合规则如下：平均粒径A从1μm以10μm步长增加到60μm，即[1μm，60μm]阈值范围，10μm步长，共6组；掺杂比B从1％以5％步长增加到50％，即[1％，50％]阈值范围，5％步长，共10组；厚度C从1mm以1mm步长增加到10mm，即[1mm，10mm]阈值范围，1mm步长，共10组；基体分子量D有1700，2200两组。总共有N＝6*10*10*2＝1200组材料。N值根据阈值与步长的调整，也随之可变。

S101之后还包括：

对不同的声学超材料参数的组合对应的反射信号进行归一化处理。即进行最大最小值标准化处理，即是将某一具体反射信号的观察值与该N组反射信号中的最小值的差为分子，然后以该N组反射信号的最大值与该N组反射信号的最小值的差为分母，两者相除即可得到经过归一化处理的数值。具体采集到反射信号利用离差标准化进行相应处理之后，所有数值范围全部都存在于[0，1]，消除了数据间的大小差异，使所有数据均落在函数的敏感区域内。归一化处理的公式如下

S102，根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合；所述训练好的三层BP神经网络以反射信号输入，以所述反射信号对应的声学超材料参数组合为输出。隐含层节点数通过下式来确定，

S102之前还包括:

根据所述不同的声学超材料参数的组合以及所述不同的声学超材料参数的组合对应的反射信号构建三层BP神经网络。

利用所述不同的声学超材料参数的组合训练所述三层BP神经网络。

具体的训练过程为：

采用Adam优化算法，sigmoid激活函数，学习率0.01，误差精度0.008，损失函数为均方误差MSE:

如出现过拟合现象，采用dropout正则化方法处理模型。

在测试集上完成对训练好的神经网络的测试，模型性能评价指标为：MSE以及平均绝对误差(MAE)

S103，判断所述待确定的声学超材料参数的组合是否在阈值空间内。

S104，若在，则利用所述待确定的声学超材料参数的组合制备声学超材料。分辨率模具制备是使用聚二甲基硅氧烷(PDMS)包裹细金属丝制作而成，金属丝间距为1mm-5mm不等的5个模具，其中3mm模具实物图见图3。分辨率模具长宽厚尺寸为50mm*20mm*2mm。

S105，根据制备的声学超材料和分辨率模具进行超声无创穿颅成像。

本发明由发射/接收探头、声学超材料、颅骨及分辨率模具四部分构成(装置图见图4)。探头在工作模式1下时，连接声学超材料、颅骨，测量其二者作为统一体的反射信号；探头在工作模式2下，连接声学超材料、颅骨以及分辨率模具。反射信号测量以及成像分辨率模具都是在装有脱气蒸馏水的水槽中进行。测量反射信号时，将人的颅骨置于水槽内，将超声探头经超材料放置于该处骨片上方，利用探头模式1采集超材料与颅骨整体的反射信号；成像分辨率模具时，将人的颅骨置于水槽内，分辨力模具与颅骨骨片平行，置于颅骨内部，并于距枕骨大孔2cm左右处的骨片下方活动。将超声探头经超材料放置于该处骨片上方，利用探头模式2超快复合平面波成像方法对颅骨内的分辨率模具进行成像。

S106，若不在，则更新待确定的反射信号，并将更新后的待确定的反射信号替换所述待确定的反射信号，并返回所述根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合的步骤。

图5为本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像系统结构示意图，如图5所示，本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像系统，包括：反射信号获取模块501、声学超材料参数的组合确定模块502、第一判断模块503、声学超材料制备模块504、超声无创穿颅成像模块505和待确定的反射信号更新模块506。

反射信号获取模块501用于获取不同的声学超材料参数的组合分别与颅骨作为整体所对应的反射信号；所述声学超材料参数包括平均粒径、掺杂比、厚度以及基体分子量；

声学超材料参数的组合确定模块502用于根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合；所述训练好的三层BP神经网络以反射信号输入，以所述反射信号对应的声学超材料参数组合为输出。

第一判断模块503用于判断所述待确定的声学超材料参数的组合是否在阈值空间内。

声学超材料制备模块504用于若在，则利用所述待确定的声学超材料参数的组合制备声学超材料。

超声无创穿颅成像模块505用于根据制备的声学超材料和分辨率模具进行超声无创穿颅成像。

待确定的反射信号更新模块506用于若不在，则更新待确定的反射信号，并将更新后的待确定的反射信号替换所述待确定的反射信号，并返回所述根据待确定的反射信号和训练好的三层BP神经网络确定待确定的声学超材料参数的组合的步骤。

所述反射信号获取模块501具体包括：声学超材料制备单元、待采集部分确定单元和反射信号确定单元。

声学超材料制备单元用于根据所述不同的声学超材料参数的组合对应制备声学超材料。

待采集部分确定单元用于将制备的声学超材料以及颅骨确定为待采集部分。

反射信号确定单元用于根据探头获取所述待采集部分的反射信号；所述反射信号为反射回波信号中幅值最小的信号。

本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像系统，还包括：归一化处理模块。

归一化处理模块用于对不同的声学超材料参数的组合对应的反射信号进行归一化处理。

本发明所提供的一种基于宽频带声学超材料的超声无创穿颅成像系统，还包括：三层BP神经网络构建模块和三层BP神经网络训练模块。

三层BP神经网络构建模块用于根据所述不同的声学超材料参数的组合以及所述不同的声学超材料参数的组合对应的反射信号构建三层BP神经网络。

三层BP神经网络训练模块用于利用所述不同的声学超材料参数的组合训练所述三层BP神经网络。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。