無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法
【專利摘要】本發(fā)明公開了無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法，包括步驟：S1、推導(dǎo)超聲波在組織中不同方向下傳播的波速與介質(zhì)彈性系數(shù)之間的數(shù)學(xué)關(guān)系；S2、建立三層BP人工神經(jīng)網(wǎng)絡(luò)，并進(jìn)行訓(xùn)練；S3、實(shí)際測(cè)量時(shí)根據(jù)BP人工神經(jīng)網(wǎng)絡(luò)輸入標(biāo)準(zhǔn)采集組織中超聲波速信息，由波速反演即可得到生物組織彈性系數(shù)。本發(fā)明以正交各向異性彈性模型取代了傳統(tǒng)的各向同性彈性模型來(lái)表征人體組織，使得這種建模更加貼近人體真實(shí)情況；以BP人工神經(jīng)網(wǎng)絡(luò)為工具并采用一種特殊的網(wǎng)絡(luò)輸入形式，解決了傳統(tǒng)反演方法必須考慮反演迭代初值和精度不足的問(wèn)題；本發(fā)明方法無(wú)需提供超聲波速傳播方向與組織彈性坐標(biāo)系之間的角度關(guān)系，使其更適宜運(yùn)用于臨床檢測(cè)。
【專利說(shuō)明】
無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于生物組織彈性測(cè)量領(lǐng)域，具體的說(shuō)，是涉及無(wú)初值依賴和角度依賴的 正交各向異性彈性系數(shù)反演方法。
【背景技術(shù)】
[0002] 人體組織彈性的改變與其病理變化有著緊密的聯(lián)系，是許多疾病的早期預(yù)警信 號(hào)，在臨床上，醫(yī)生往往通過(guò)觸診和叩診定性地獲知患者的病變位置的彈性情況，并以此為 依據(jù)做出初步診斷，該種方法的問(wèn)題在于診斷結(jié)果依賴于醫(yī)生的主觀判斷且受限于醫(yī)生的 經(jīng)驗(yàn)。因此，發(fā)展一種定量的、無(wú)創(chuàng)的、適于臨床檢測(cè)設(shè)備的生物組織彈性測(cè)量方法對(duì)于醫(yī) 學(xué)診斷有著重大意義。
[0003] 利用超聲波速測(cè)量的方法反演組織彈性系數(shù)是一種實(shí)用的間接測(cè)量方法。如在肝 硬度檢測(cè)里廣泛使用的瞬時(shí)彈性測(cè)量技術(shù)，就是利用肝臟中剪切波傳播速度與組織剪切模 量的理論關(guān)系，由測(cè)得的波速來(lái)反演計(jì)算組織的彈性系數(shù)。
[0004] 使用該種反演方法的基礎(chǔ)在于對(duì)生物組織的力學(xué)特性建模，由于不同的模型對(duì)應(yīng) 不同的本構(gòu)方程，其彈性系數(shù)與超聲波速的對(duì)應(yīng)關(guān)系有著顯著的區(qū)別。最簡(jiǎn)單的就是將各 向同性純彈性介質(zhì)作為生物體組織的力學(xué)模型，例如超聲剪切波速與材料剪切模量的關(guān)系 在各向同伸純強(qiáng)伸介席中為：
[0005]
[0006] 式中Cs為剪切波速，G為介質(zhì)剪切彈性模量，P為介質(zhì)密度。由此，獲得剪切波速后 便可以得到:剪切彈性模量G = CS2P。但是，生物體組織的力學(xué)屬性是非常復(fù)雜的，包含各向 異性、非線性、可壓縮性以及頻率依賴性等性質(zhì)。單純地使用各向同性純彈性介質(zhì)模型模擬 生物組織無(wú)法滿足臨床診斷對(duì)于精度的要求。在這種情況下，以各向異性彈性介質(zhì)為模型 的超聲傳播波速的研究被提出。Stephen F. Levinson在其研究中，使用橫向各向同性 (Transverse isotropic)純彈模型模擬了青娃骨豁肌的力學(xué)特性，這種模型在垂直于其介 質(zhì)對(duì)稱軸的任何方向上彈性相同，有5個(gè)獨(dú)立的待求彈性系數(shù)。類似地，Ravi Namani等人也 采用橫向各向同性模型研究大腦白質(zhì)的力學(xué)性能（因?yàn)榇嬖谄叫欣w維結(jié)構(gòu)）；Jae-Young Rho在研究中使用正交各向異性純彈模型表征了人體脛骨的皮質(zhì)骨，有9個(gè)獨(dú)立的待求彈性 系數(shù)。
[0007] 當(dāng)使用正交各向異性純彈模型仿真生物組織反演求解其彈性系數(shù)時(shí)，波速與彈性 系數(shù)之間的關(guān)系非線性度很高，傳統(tǒng)方法是建立非線性方程組并采用牛頓迭代法求解，這 一方法主要存在兩方面問(wèn)題:一是初值問(wèn)題。迭代初值的正確選取才能確保迭代序列的收 斂和解的正確性，而且若將該方法運(yùn)用于臨床則測(cè)量者每一次測(cè)量都需要根據(jù)情況設(shè)置一 次迭代初值，算法適應(yīng)性不足。二是角度依賴問(wèn)題，算法要求測(cè)量者準(zhǔn)確獲知超聲傳播方向 與組織彈性坐標(biāo)系之間的角度關(guān)系。此條件易在組織離體實(shí)驗(yàn)室環(huán)境下獲取而不易在臨床 載體測(cè)量中獲取。所以，需要一種更適于運(yùn)用在臨床中的測(cè)量方法。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于提供無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方 法，解決了現(xiàn)有生物組織彈性系數(shù)的測(cè)量方法存在初值依賴和角度依賴而造成適應(yīng)性不足 的問(wèn)題。
[0009] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0010]無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法，包括步驟：
[0011] Sl、以正交各向異性純彈性介質(zhì)為力學(xué)模型表征生物組織，結(jié)合彈性波場(chǎng)理論和 正交各向異性純彈性介質(zhì)的本構(gòu)方程，推導(dǎo)超聲波在組織中不同方向下傳播的波速與介 質(zhì)彈性系數(shù)之間的數(shù)學(xué)關(guān)系，作為整個(gè)反演算法的基礎(chǔ)；
[0012] S2、建立三層BP人工神經(jīng)網(wǎng)絡(luò)，BP人工神經(jīng)網(wǎng)絡(luò)的輸入基于相關(guān)角度的數(shù)據(jù)形式， 并在設(shè)置好網(wǎng)絡(luò)參數(shù)后進(jìn)行訓(xùn)練，該三層分別為輸入層、隱層、輸出層；
[0013] S3、BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)到誤差要求后，實(shí)際測(cè)量時(shí)根據(jù)BP人工神經(jīng)網(wǎng)絡(luò)輸入 標(biāo)準(zhǔn)采集組織中超聲波速信息，由波速反演即可得到待求的生物組織彈性系數(shù)。
[0014] 以正交各向異性彈性模型取代傳統(tǒng)各向同性模型表征生物組織，更符合組織的實(shí) 際情況，即對(duì)病理的表征更為準(zhǔn)確。
[0015] BP人工神經(jīng)網(wǎng)絡(luò)的輸入為超聲波速，在臨床檢測(cè)中，測(cè)量者可以獲得的信息是超 聲波傳播波速(波傳播方向與各向異性組織坐標(biāo)系之間的角度無(wú)法獲?。?。并且生物組織中 超聲波速與組織彈性系數(shù)呈高度非線性的復(fù)雜關(guān)系，若采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)輸入方法，即構(gòu) 建一個(gè)角度下的波速輸入一一組彈性系數(shù)輸出的映射關(guān)系，則會(huì)使訓(xùn)練出來(lái)的網(wǎng)絡(luò)無(wú)法達(dá) 到令人滿意的預(yù)測(cè)精度。鑒于此，本發(fā)明研究BP人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，擬從輸入數(shù)據(jù)結(jié) 構(gòu)入手提供網(wǎng)絡(luò)的反演準(zhǔn)確性。發(fā)明實(shí)例中采用基于相關(guān)角度下超聲波速的輸入形式，大 大提尚了網(wǎng)絡(luò)精度。
[0016] 基于相關(guān)角度的數(shù)據(jù)形式的優(yōu)勢(shì)在于:在臨床超聲測(cè)量時(shí)測(cè)量者往往無(wú)法獲知超 聲入射方向與待測(cè)組織坐標(biāo)系之間的夾角，但通過(guò)改變超聲探頭的放置角度可以精確得知 兩次放置之間的夾角，因此這種數(shù)據(jù)輸入形式是臨床上較容易實(shí)現(xiàn)的。
[0017] 具體地，所述步驟Sl中，超聲波在組織中不同方向下傳播的波速與介質(zhì)彈性系數(shù) 之間的數(shù)學(xué)關(guān)系，包括：
[0018] 超聲波在正交各向異性純彈性介質(zhì)中傳播時(shí)，傳播波速與介質(zhì)彈性系數(shù)以及傳播 角度之間的關(guān)系，具體為：
[0022] Clj為正交各向異性純彈性介質(zhì)彈性張量，V為超聲波速，P為介質(zhì)密度，假設(shè)生物組 織的三維介質(zhì)坐標(biāo)系包含X、Y、Z軸，則Θ為入射超聲波與介質(zhì)坐標(biāo)系X軸的夾角#為入射超 聲波與Y軸的夾角。
[0023] 當(dāng)超聲波速與生物組織彈性系數(shù)以及傳播角度之間關(guān)系確定后，即可通過(guò)關(guān)系式 生成BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程需要大批量數(shù)據(jù)，臨床采集這些 信息顯然難度極大，由公式推導(dǎo)不僅保證了正確性，也保證了算法的高效性。
[0024]所述步驟S2中，進(jìn)行訓(xùn)練的過(guò)程為：
[0025] S21、取輸出層節(jié)點(diǎn)數(shù)量與正交各向異性純彈性介質(zhì)的彈性系數(shù)矩陣[Clj]中獨(dú)立 參數(shù)相同，以正常人人體組織彈性系數(shù)分布均值為參考，在參考值附近生成大量正態(tài)分布 的彈性系數(shù)Clj作為訓(xùn)練時(shí)的輸出參數(shù)。
[0026]所述步驟S3的具體實(shí)現(xiàn)過(guò)程為：
[0027] S31、對(duì)于任意一個(gè)未知入射角度Θ下的情況，同時(shí)采集與之相關(guān)的多個(gè)波速作為 一組BP人工神經(jīng)網(wǎng)絡(luò)的輸入；
[0028] S32、根據(jù)黃金分割算法調(diào)整優(yōu)化隱層神經(jīng)節(jié)點(diǎn)數(shù)量。
[0029] 所述步驟S31中，采集的與入射角度Θ相關(guān)的10個(gè)波速，該10個(gè)波速分別為角度θ，θ ±5°，θ±1〇°下的縱波波速Vl和介質(zhì)點(diǎn)的剪切波波速VQS。
[0030] 基于相關(guān)角度的數(shù)據(jù)形式的優(yōu)勢(shì)還在于:為每一個(gè)孤立的Θ角下的波速數(shù)據(jù)，提供 了可化為固定三角函數(shù)關(guān)系的其他波速;使用上述10個(gè)波速作為BP人工神經(jīng)網(wǎng)絡(luò)輸入量， 以及其對(duì)應(yīng)的彈性系數(shù)作為輸出進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，訓(xùn)練好之后的網(wǎng)絡(luò)即可作為一個(gè)波速-彈性系數(shù)的映射工具。
[0031 ] 根據(jù)Komomorov定理，對(duì)于任意連續(xù)函數(shù)，可以由一個(gè)三層網(wǎng)絡(luò)來(lái)精確，但需要調(diào) 整隱含層節(jié)點(diǎn)數(shù)，節(jié)點(diǎn)數(shù)過(guò)少會(huì)導(dǎo)致網(wǎng)絡(luò)非線性映射能力不足，過(guò)量則會(huì)影響訓(xùn)練收斂性 和時(shí)間，以及訓(xùn)練能達(dá)到的最小誤差。
[0032]所述步驟S32中，根據(jù)黃金分割算法調(diào)整優(yōu)化隱層神經(jīng)節(jié)點(diǎn)數(shù)量的過(guò)程為：
[0033]設(shè)A為輸入層節(jié)點(diǎn)數(shù)，B為輸出層節(jié)點(diǎn)數(shù)，L為隱層節(jié)點(diǎn)數(shù)，L2S黃金分割量，1^是1^2 的對(duì)稱點(diǎn)，并有：
[0034] Hi=(A+B)/2，H2=A+B+8
[0035] Li = 0.382*(H2-Hi)+Hi
[0036] L2 = 0.618*(H2-Hi)+Hi
[0037] 使用LdPL2*別作為隱層節(jié)點(diǎn)數(shù)對(duì)BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，比較訓(xùn)練后的網(wǎng)絡(luò) 輸出，若1^所對(duì)應(yīng)的網(wǎng)絡(luò)誤差較小，則保留范圍[H 1,L1];若1^所對(duì)應(yīng)的網(wǎng)絡(luò)誤差較小，則保 留范圍[L2，H 2]，對(duì)保留后的范圍繼續(xù)作上述黃金分割算法，直到最終保留范圍的上界等于 下界，即確定出網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)的最優(yōu)解。
[0038]以人體組織正常彈性系數(shù)分布范圍為參考，在參考值附近生成大量隨機(jī)數(shù)作為 訓(xùn)練時(shí)的輸入樣本;生成隨機(jī)超聲傳播角度并按照相關(guān)角度關(guān)系拓展角度數(shù)量，以前述推 導(dǎo)的彈性系數(shù)一波速關(guān)系為基礎(chǔ)，生成對(duì)應(yīng)的波速作為訓(xùn)練時(shí)的輸出樣本;設(shè)定預(yù)期的訓(xùn) 練目標(biāo)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0039] BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練得當(dāng)后，在臨床檢測(cè)中只需按照神經(jīng)網(wǎng)絡(luò)輸入標(biāo)準(zhǔn)采集組織 中超聲波速信息，即可通過(guò)網(wǎng)絡(luò)反演得到確定的9個(gè)組織彈性系數(shù)。
[0040]本發(fā)明的有益效果為：
[0041]本發(fā)明在BP人工神經(jīng)網(wǎng)絡(luò)一旦訓(xùn)練得當(dāng)，即形成超聲波速一生物組織彈性系數(shù)的 映射關(guān)系，之后測(cè)量者可規(guī)避傳統(tǒng)反演算法中選取迭代初值這一操作步驟，提升了其穩(wěn)定 與可靠性;大大減弱算法的角度依賴性，在沒有精確獲得超聲傳播方向與組織彈性坐標(biāo)系 之間角度關(guān)系的情況下也可以進(jìn)行組織彈性系數(shù)反演，從而使得這種反演方法可能運(yùn)用于 臨床檢測(cè)。
【附圖說(shuō)明】
[0042]圖1是本發(fā)明-實(shí)施例所依照的生物組織彈性坐標(biāo)系以及與超聲傳播角度的關(guān)系。 [0043]圖2是本發(fā)明-實(shí)施例作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入的10個(gè)波速的示意圖。
[0044] 圖3是本發(fā)明-實(shí)施例使用的BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。
[0045] 圖4是本發(fā)明-實(shí)施例實(shí)驗(yàn)組BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)函數(shù)圖。
[0046] 圖5是本發(fā)明-實(shí)施例對(duì)照組BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)函數(shù)圖。
【具體實(shí)施方式】
[0047] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。本發(fā)明的實(shí)施方式包括但不限于 下列實(shí)施例。
[0048] 實(shí)施例
[0049] 無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法，包括步驟：
[0050] Sl、以正交各向異性純彈性介質(zhì)為力學(xué)模型表征生物組織，結(jié)合彈性波場(chǎng)理論和 正交各向異性純彈性介質(zhì)的本構(gòu)方程，推導(dǎo)超聲波在組織中不同方向下傳播的波速與介質(zhì) 彈性系數(shù)之間的數(shù)學(xué)關(guān)系。
[0051] 具體的推導(dǎo)過(guò)程如下：
[0052] 一、各向異性純彈介質(zhì)可由張量法表征。一個(gè)任意的微平面為考察對(duì)象，假設(shè)應(yīng)變 向量可分解為?ζ，_ξ (均不垂直或者平行于平面），將這三個(gè)應(yīng)變向量投影到空間坐
標(biāo)軸上即可得到應(yīng)變張量，應(yīng)力張量亦是如此定義。因此，胡克定律可以表示如下，如公式 α販
[0053]
[0054]此處σ表示正應(yīng)力，τ表示剪應(yīng)力，￡和丫分別表示正應(yīng)變和剪應(yīng)變。Clj是介質(zhì)的彈 性系數(shù)張量矩陣，有36個(gè)參數(shù)，亦即表征介質(zhì)力學(xué)特性的關(guān)鍵所在。對(duì)于一個(gè)正交各向異性 材料，其彈性系數(shù)矩陣[Cu]中共有9個(gè)獨(dú)立參數(shù)，如公式(2)所示。
[0055]
(2)
[0056] 二、將公式(2)帶入牛頓第二運(yùn)動(dòng)定律，可以得到介質(zhì)中質(zhì)點(diǎn)運(yùn)動(dòng)方程，如公式(3) 所示：
[0057]
(3)
[0058] U表示質(zhì)點(diǎn)的位移向量，ri，rj表示不同坐標(biāo)軸方向上的單位向量，t為時(shí)間變量，P 為介質(zhì)密度。線彈性波在某一介質(zhì)中的傳播規(guī)律可表示為公式(4):
[0059] Ui = aPi*exp[im(ruri-Vt) ] (4)
[0060] a為質(zhì)點(diǎn)振動(dòng)幅值，P表示質(zhì)點(diǎn)極化方向向量，m為波數(shù)，η為波面法線向量，V為波的 相速度。將公式(4)帶入公式(3)即可得到公式(5):
[0061] (Cijkmdjdm-pV25ik)Pk = 〇 (5)
[0062] d為波傳播方向的單位向量，δ為克羅內(nèi)克符號(hào)函數(shù)。依上式可知，使得Pk存在非零 解的條件是方程的特征行列式等于零，亦即公式(6):
[0063] Cijkmdjdm-pV25ik| =〇 (6)
[0064] 代入正交各向異性純彈性介質(zhì)彈性張暈Ciikffi，該行列式有如(7)形式。
=0 (7)
[0066] 將方向向量Cl1，cb，d3寫成入射角度形式則為：
[0067] ?Ι, ~ ms# ? ? Em # cos φ? sin ^ φ
[0068] 假設(shè)生物組織的三維介質(zhì)坐標(biāo)系包含Χ、Υ、Ζ軸，則θ為入射超聲波與介質(zhì)坐標(biāo)系X 軸的夾角，〃為入射超聲波與Y軸的夾角。如圖1所示。
[0069]步驟S2、建立三層BP人工神經(jīng)網(wǎng)絡(luò)(輸入層一隱層一輸出層），并在設(shè)置好網(wǎng)絡(luò)參 數(shù)后進(jìn)行訓(xùn)練。具體實(shí)現(xiàn)過(guò)程如下：
[0070]步驟S21、輸出層節(jié)點(diǎn)數(shù)為9,即正交各向異性彈性介質(zhì)的9個(gè)彈性系數(shù)，使用隨機(jī) 函數(shù)生成3000組正態(tài)分布的彈性系數(shù)Clj作為訓(xùn)練樣本的輸出，生成隨機(jī)數(shù)時(shí)以常見正常人 體軟組織的彈性系數(shù)為分布均值，具體參數(shù)如表1所示。
[0071 ]表1彈性系數(shù)Clj的數(shù)值范圍
[0073] 步驟S3、BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練得當(dāng)后，在臨床檢測(cè)中只需按照輸入標(biāo)準(zhǔn)采集組織 中超聲波速信息，即可通過(guò)網(wǎng)絡(luò)反演得到欲確定的9個(gè)組織彈性系數(shù)。具體實(shí)現(xiàn)過(guò)程為：
[0074] 步驟S31、IP人工神經(jīng)網(wǎng)絡(luò)的輸入是一種基于相關(guān)角度的數(shù)據(jù)格式。假設(shè)超聲波從 X-Y平面內(nèi)入射，對(duì)于任意一個(gè)未知入射角度Θ下的情況同時(shí)采集與之相關(guān)的10個(gè)波速，分 別為角度θ，Θ ±5°，Θ ± 10°下的縱波波速Vl與介質(zhì)點(diǎn)的剪切波波速VQS，將這10個(gè)波速作為一 組輸入，波速方向示意圖如圖2所示。
[0075] 步驟S32、根據(jù)黃金分割算法調(diào)整優(yōu)化隱層神經(jīng)節(jié)點(diǎn)數(shù)量。此處引入一種基于黃金 分割算法的神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)優(yōu)化方式，設(shè)A為輸入層節(jié)點(diǎn)數(shù)，B為輸出層節(jié)點(diǎn)數(shù)，L為 隱層節(jié)點(diǎn)數(shù)，U*黃金分割量，1^是1^的對(duì)稱點(diǎn)。并有：
[0076] Hi=(A+B)/2,H2=A+B+8
[0077] Li = 0.382*(H2-Hi)+Hi
[0078] L2 = 0.618*(H2-Hi)+Hi· (9)
[0079] 使用!^和"分別作為隱層節(jié)點(diǎn)數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，比較訓(xùn)練后的網(wǎng)絡(luò)輸出，若L1K 對(duì)應(yīng)的網(wǎng)絡(luò)誤差較小，則保留范圍[H1,L1];若1^所對(duì)應(yīng)的網(wǎng)絡(luò)誤差較小，則保留范圍[L 2, H2]。對(duì)保留后的范圍繼續(xù)作上述黃金分割算法，直到最終保留范圍的上界等于下界，即確 定出網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)的最優(yōu)解。在實(shí)施例中確定隱層節(jié)點(diǎn)數(shù)為8。至此，實(shí)施例所用BP人工 神經(jīng)網(wǎng)絡(luò)的總體結(jié)構(gòu)圖如圖3所示。
[0080] 隨機(jī)生成3000個(gè)角度Θ作為超聲波入射角，并根據(jù)網(wǎng)絡(luò)的輸入形式，針對(duì)每一個(gè)角 度計(jì)算出與之對(duì)應(yīng)的10個(gè)波速，將該網(wǎng)絡(luò)稱為實(shí)驗(yàn)組。為了驗(yàn)證這種輸入方式的優(yōu)越性另 外設(shè)置一個(gè)對(duì)照組，在對(duì)照組中僅使用Θ角下的2個(gè)波速，即縱波波速以及剪切波波速。對(duì)兩 組網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使用本發(fā)明提出的改進(jìn)網(wǎng)絡(luò)的實(shí)驗(yàn)組迭代約200次，遠(yuǎn)遠(yuǎn)少于普通輸入形 式的對(duì)照組所需的1200余次，如圖4、5所示。
[0081]從圖5可以看到，兩組BP人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練階段均能達(dá)到完全一致的誤差精度。 但在進(jìn)行預(yù)測(cè)時(shí)，實(shí)驗(yàn)組的BPBP人工神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)明顯。為了驗(yàn)證網(wǎng)絡(luò)的預(yù)測(cè)性能以及對(duì) 不同范圍內(nèi)數(shù)據(jù)的適應(yīng)性，進(jìn)行了以下仿真實(shí)驗(yàn):仍然使用正態(tài)隨機(jī)函數(shù)產(chǎn)生3批組隨機(jī)數(shù) 作為待預(yù)測(cè)的彈性系數(shù)，每批3000組。待預(yù)測(cè)數(shù)據(jù)的隨機(jī)正態(tài)中心分別偏離訓(xùn)練數(shù)據(jù)的正 態(tài)中心20%，30%，40%，實(shí)驗(yàn)組和對(duì)照組神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)性能如表2所示。
[0082]表2仿真結(jié)果
[0084] #括號(hào)中百分比表示測(cè)試數(shù)據(jù)隨機(jī)正態(tài)中心與訓(xùn)練數(shù)據(jù)隨機(jī)正態(tài)中心的偏移差 異，偏移越大則測(cè)試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)差別越大，測(cè)試效果越能說(shuō)明網(wǎng)絡(luò)的普適性。
[0085] 本發(fā)明解決了傳統(tǒng)牛頓迭代法無(wú)法在缺乏角度信息的情況下反演彈性系數(shù)的問(wèn) 題，更適于運(yùn)用于臨床檢測(cè)；使用BP人工神經(jīng)網(wǎng)絡(luò)這一工具，規(guī)避了反演問(wèn)題中的初值問(wèn) 題，保障了算法的穩(wěn)定性和可靠性;并且與一般BP網(wǎng)絡(luò)相比，特殊的輸入數(shù)據(jù)結(jié)構(gòu)保障了預(yù) 測(cè)精度，使誤差控制在令人滿意并且穩(wěn)定的范圍之內(nèi)。
[0086] 按照上述實(shí)施例，便可很好地實(shí)現(xiàn)本發(fā)明。值得說(shuō)明的是，基于上述設(shè)計(jì)原理的前 提下，為解決同樣的技術(shù)問(wèn)題，即使在本發(fā)明所公開的結(jié)構(gòu)基礎(chǔ)上做出的一些無(wú)實(shí)質(zhì)性的 改動(dòng)或潤(rùn)色，所采用的技術(shù)方案的實(shí)質(zhì)仍然與本發(fā)明一樣，故其也應(yīng)當(dāng)在本發(fā)明的保護(hù)范 圍。
【主權(quán)項(xiàng)】
1. 無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法，其特征在于，包括步驟： 51、 以正交各向異性純彈性介質(zhì)為力學(xué)模型表征生物組織，結(jié)合彈性波場(chǎng)理論和正交 各向異性純彈性介質(zhì)的本構(gòu)方程，推導(dǎo)超聲波在組織中不同方向下傳播的波速與介質(zhì)彈性 系數(shù)之間的數(shù)學(xué)關(guān)系； 52、 建立三層BP人工神經(jīng)網(wǎng)絡(luò)，BP人工神經(jīng)網(wǎng)絡(luò)的輸入基于相關(guān)角度的數(shù)據(jù)形式，并在 設(shè)置好網(wǎng)絡(luò)參數(shù)后進(jìn)行訓(xùn)練，該三層分別為輸入層、隱層、輸出層； 53、 BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)到誤差要求后，實(shí)際測(cè)量時(shí)根據(jù)BP人工神經(jīng)網(wǎng)絡(luò)輸入標(biāo)準(zhǔn) 采集組織中超聲波速信息，由波速反演即可得到待求的生物組織彈性系數(shù)。2. 根據(jù)權(quán)利要求1所述的無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法， 其特征在于，所述步驟S1中，超聲波在組織中不同方向下傳播的波速與介質(zhì)彈性系數(shù)之間 的數(shù)學(xué)關(guān)系，包括： 超聲波在正交各向異性純彈性介質(zhì)中傳播時(shí)，傳播波速與介質(zhì)彈性系數(shù)以及傳播角度 之間的關(guān)系，具體為：將方向向量山，(12，(13寫成入射角度形式則為：為正交各向異性純彈性介質(zhì)彈性張量，V為超聲波速，P為介質(zhì)密度，假設(shè)生物組織的 三維介質(zhì)坐標(biāo)系包含X、Y、Z軸，則0為入射超聲波與介質(zhì)坐標(biāo)系X軸的夾角，#為入射超聲波 與Y軸的夾角。3. 根據(jù)權(quán)利要求2所述的無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法， 其特征在于，所述步驟S2中，進(jìn)行訓(xùn)練的過(guò)程為： S21、以正常人人體組織彈性系數(shù)分布均值為參考，在參考值附近生成大量正態(tài)分布的 彈性系數(shù)Cu作為訓(xùn)練時(shí)的輸出參數(shù)。4. 根據(jù)權(quán)利要求3所述的無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法， 其特征在于，所述步驟S21中，取輸出層節(jié)點(diǎn)數(shù)量與正交各向異性純彈性介質(zhì)的彈性系數(shù)矩 陣[Cd中獨(dú)立參數(shù)相同。5. 根據(jù)權(quán)利要求4所述的無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法， 其特征在于，所述步驟S3的具體實(shí)現(xiàn)過(guò)程為： 531、 對(duì)于任意一個(gè)未知入射角度0下的情況，同時(shí)采集與之相關(guān)的多個(gè)波速作為一組 BP人工神經(jīng)網(wǎng)絡(luò)的輸入； 532、 根據(jù)黃金分割算法調(diào)整優(yōu)化隱層神經(jīng)節(jié)點(diǎn)數(shù)量。6. 根據(jù)權(quán)利要求5所述的無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法， 其特征在于，所述步驟S31中，采集的與入射角度0相關(guān)的10個(gè)波速，該10個(gè)波速分別為角度 0，0 ± 5°，0 ± 10°下的縱波波速Vl和介質(zhì)點(diǎn)的剪切波波速Vqs。7.根據(jù)權(quán)利要求5所述的無(wú)初值依賴和角度依賴的正交各向異性彈性系數(shù)反演方法， 其特征在于，所述步驟S32中，根據(jù)黃金分割算法調(diào)整優(yōu)化隱層神經(jīng)節(jié)點(diǎn)數(shù)量的過(guò)程為： 設(shè)A為輸入層節(jié)點(diǎn)數(shù)，B為輸出層節(jié)點(diǎn)數(shù)，L為隱層節(jié)點(diǎn)數(shù)，L2為黃金分割量，[^是!^的對(duì) 稱點(diǎn)，并有： Hi=(A+B)/2，H2 = A+B+8 Li = 0.382*(H2_Hi)+Hi L2 = 0.618*(H2-Hi)+Hi 使用1^和1^分別作為隱層節(jié)點(diǎn)數(shù)對(duì)BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，比較訓(xùn)練后的網(wǎng)絡(luò)輸出， 若1^所對(duì)應(yīng)的網(wǎng)絡(luò)誤差較小，則保留范圍[HhU];若1^所對(duì)應(yīng)的網(wǎng)絡(luò)誤差較小，則保留范圍 [L2，H 2]，對(duì)保留后的范圍繼續(xù)作上述黃金分割算法，直到最終保留范圍的上界等于下界，即 確定出網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)的最優(yōu)解。
【文檔編號(hào)】G06F17/50GK106055853SQ201610621777
【公開日】2016年10月26日
【申請(qǐng)日】2016年7月29日
【發(fā)明人】林江莉, 陳科, 陳亞俊
【申請(qǐng)人】四川大學(xué)