CN118299039B

CN118299039B - 一种超声检测仪的三维成像及交互方法

Info

Publication number: CN118299039B
Application number: CN202410443124.0A
Authority: CN
Inventors: 蔡伟忠; 许培达; 梁成民
Original assignee: Dongguan Sonostar Technology Co ltd
Current assignee: Dongguan Sonostar Technology Co ltd
Priority date: 2024-04-12
Filing date: 2024-04-12
Publication date: 2025-01-21
Anticipated expiration: 2044-04-12
Also published as: CN118299039A

Abstract

本发明公开了一种超声检测仪的三维成像及交互方法，包括以下步骤：得到贴合的探头形态；通过反馈信息确定探头压力；获得多层次、多角度的超声波信号；根据多频超声波信号，评估每个信号的稳定性和清晰度；采用自适应滤波和波束成形处理，得到优化后的超声波信号；采用逆向信号处理和时间‑频率分析，获取目标区域的几何和物质特性，并调整超声波的发射参数实现动态聚焦；根据动态聚焦参数和优化后的超声波信号，重建结构和得到三维图像；根据生成的三维图像，识别图像中的关键特征；根据标记出的三维图像中的关键特征获得针对性的诊断辅助信息。本发明的超声检测仪的三维成像及交互方法能够自动识别病变、提供辅助诊断和增强用户交互体验。

Description

一种超声检测仪的三维成像及交互方法

技术领域

本发明涉及信息技术领域，具体涉及一种超声检测仪的三维成像及交互方法。

背景技术

在当前的医疗实践中，超声检测仪是一种广泛应用的诊断工具，能够提供实时、非侵入性的医学影像，对于多种疾病的诊断和监测至关重要。尽管传统超声系统在临床上已经取得了显著的应用成效，但仍存在一些局限性和挑战，特别是在适应性、图像质量和用户交互方面。随着医疗技术的快速发展，对超声检测系统的要求也在不断提高，迫切需要新一代超声检测仪来满足更高的临床需求。首先，传统超声探头的形状和硬度限制了其在不同曲面和复杂解剖结构上的应用。对于不规则的体表面或深部组织，固定形态的探头难以实现与被检测表面的良好贴合，这可能导致图像模糊或信号损失，影响诊断的准确性和可靠性。因此，开发能够自适应不同曲面和提供优化接触的超声探头系统成为一个迫切的需求。其次，随着医疗诊断对细节分辨率和深度感知的要求不断提高，传统超声技术在多层次和多角度成像能力上的限制逐渐显现。需要一种能够提供更丰富深度信息和高分辨率图像的技术，以便更精确地检测和分析体内的微小结构和复杂组织。此外，现有的超声检测系统大多依赖于操作者的经验和技能，这在一定程度上限制了超声检测的普遍性和标准化。对于非专业人员，操作复杂的超声设备进行精确的诊断可能是一个挑战。最后，随着精准医疗和个性化治疗的兴起，对于更加智能化和自动化的诊断工具的需求日益增长。然而，现有的超声检测系统在智能化程度上尚有提升空间，特别是在自动识别病变、提供辅助诊断和增强用户交互体验方面。因此，尽管超声检测技术在过去几十年中取得了显著进步，但仍面临着一系列挑战，需要通过技术创新来进一步提升其在现代医疗诊断中的应用效能和普及性。

发明内容

为了解决上述背景技术存在的技术问题，本发明的目的之一在于提供了一种超声检测仪的三维成像及交互方法，包括以下步骤：

S0，根据被检测对象的表面特征，采用基于深度学习算法驱动的可变形超声探头，得到与各种曲面贴合的探头形态；

S1，通过实时监测探头与被检测表面的接触情况，获取接触力和面积的反馈信息，确定探头压力；

S2，根据探头压力和表面特征信息，采用多频超声波发射技术，调节发射频率适应不同深度和组织类型的检测需求，获得多层次、多角度的超声波信号；

S3，根据不同深度和角度的多频超声波信号，采用傅里叶变换和小波变换，确定多频超声波信号在时间和频率域内的特性，评估每个信号的稳定性和清晰度；

S4，根据信号的稳定性和清晰度评估结果，采用自适应滤波和波束成形，对原始超声波信号进行定向增强和干扰抑制，得到优化后的超声波信号；

S5，通过优化后的超声波信号，采用逆向信号处理和时间-频率分析，获取目标区域的几何和物质特性，并调整超声波的发射参数，包括焦点深度、焦点位置和焦点区域的大小，实现动态聚焦；

S6，根据动态聚焦参数和优化后的超声波信号，重建被检测对象的三维结构，获得连续且完整的三维图像；

S7，根据生成的连续的三维图像，识别图像中的关键特征，并对关键特征进行标记和分类；

S8，根据标记出的三维图像中的关键特征，通过特征匹配的方法，将图像中的特征与临床知识库中的已知病理特征进行匹配，获得针对性的诊断辅助信息。

本发明优选的技术方案在于，在S0中，利用卷积神经网络对被检测对象的表面进行实时图像捕获和分析，识别表面的几何特征，包括曲率、纹理和不规则形状；通过微机械结构中的压电驱动器，调整控制参数驱动探头材料发生形变，对探头的形态进行调整，实现与被检测表面的精确贴合，得到与不同曲面贴合的探头形态。

本发明优选的技术方案在于，在S1中，当检测到接触力和接触面积的变化时，通过传感器获取模拟信号，模拟信号包括接触力和面积的反馈信息，并转换为数字信号；转换后的数字信号由控制器接收，并根据预设的PID控制算法分析数字信号，确定是否需要对探头施加的压力进行调整。

本发明优选的技术方案在于，在S2中，获取患者指定组织类型和检测深度的信息，包括组织的声学阻抗、预期的检测深度和目标区域的解剖特征；根据检测需求，若需求为高分辨率的浅层成像，则选择高频超声波发射频率；

通过声学模拟系统模拟探头与检测表面的接触情况，评估声波在指定条件下的耦合效果，若模拟结果显示声波耦合效果低于预设效果阈值，则增加探头压力直至达到最佳耦合状态。

本发明优选的技术方案在于，在S3中，通过快速傅里叶变换获取多频超声波信号的振幅谱，若振幅谱显示信号在指定频段有高能量峰值，则判断该信号在该频段具有高能量集中；

采用快速傅里叶变换算法分析信号的相位谱，若相位谱连续且变化平缓，则认为信号在相应频率下稳定性高于预设稳定性阈值；采用快速傅里叶变换的降噪算法处理信号，若噪声水平降低后信号清晰度提升，则确定降噪处理有效；通过快速傅里叶变换分析不同频率分量的衰减特性，若低频分量比高频分量衰减慢，则判断低频信号的传播距离比高频信号的传播距离远。

本发明优选的技术方案在于，在S4中，采用最小均方误差算法初始化自适应滤波器，根据原始超声波信号的统计特性，设定初始滤波器系数。

本发明优选的技术方案在于，在S5中，使用超声波探测器接收反射回波信号，获取原始的时间-空间数据，该数据包含目标区域的初步声波反射信息。

本发明优选的技术方案在于，在S6中，采用表面重构技术，整合多角度获取的数据，通过超声波信号的时间延迟和强度差异，重建被检测对象的三维结构，获得连续且完整的三维图像。

本发明优选的技术方案在于，在S7中，关键特征包括组织边界、质地模式和异常区域，分类包括定位肿瘤、囊肿或其他结构异常，并根据关键特征的形状、大小和位置对关键特征进行描述。

本发明优选的技术方案在于，在S8中，采用特征提取算法对定位的感兴趣区域进行分析，提取形态学、纹理、强度和动态变化特征，确定图像中的关键特征点和标记异常。

与现有技术相比，本发明具有如下有益效果：

本发明提供了一种超声检测仪的三维成像及交互方法。在技术方案上，通过实现对探头形态的自动调整，以确保与不同体表和解剖结构的最佳贴合，显著提高了成像质量和诊断的准确性；通过动态调节探头压力和超声波参数，本发明能够适应各种深度和组织类型，捕获清晰的多层次和多角度图像，从而为临床提供更全面的诊断信息。此外，利用先进的图像处理和重构技术，本发明能够从获取的图像中精确地识别和描述关键特征，如组织边界和异常区域，进一步增强了诊断的可靠性。通过将图像特征与临床知识库进行匹配，本发明能够为医生提供针对性的诊断辅助信息，大幅提升诊断效率。总体上，本发明为医疗诊断提供了一种更高效、准确和用户友好的超声检测解决方案，满足了现代医疗对高质量诊断工具的需求，具有明显的智能化。

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，下面将对实施例或现有技术描述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为实施例一的一种超声检测仪的三维成像及交互方法的流程图；

图2为实施例一的获得多层次、多角度的超声波信号方法的流程图；

图3为实施例一的识别图像中的关键特征以及标记分类方法的流程图。

具体实施方式

下面结合实施例进一步阐述本发明。这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法，通常按照本领域常规条件或按照制造厂商建议的条件；所使用的原料、试剂等，如无特殊说明，均为可从常规市场等商业途径得到的原料和试剂。本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

实施例一

如图1-3，本实施例提供一种超声检测仪的三维成像及交互方法，具体包括以下步骤：

S0，根据被检测对象的表面特征，采用基于深度学习算法驱动的可变形超声探头，通过探头材料的柔性和微机械结构的调整，得到与各种曲面贴合的探头形态。

利用卷积神经网络对被检测对象的表面进行实时图像捕获和分析，识别表面的几何特征，包括曲率、纹理和不规则形状。通过微机械结构中的压电驱动器，调整控制参数驱动探头材料发生形变，对探头的形态进行调整，实现与被检测表面的精确贴合，得到与不同曲面贴合的探头形态。通过集成在探头中的传感器实时监测材料变形情况和超声波传播效果，获取当前探头形态与超声波传输效率的实时数据。若传感器数据表明超声波传输效率低于预期，则调整压电驱动器的控制参数，优化探头形态提高超声波的传播效率。通过用户界面展示探头当前形态、传感器数据及超声波图像信息，获取探头工作状态。若用户界面显示的数据未达到预设的检测标准，则重新使用卷积神经网络分析传感器数据，确定形态调整策略。持续监测探头性能和超声波图像质量，若探头形态与被检测对象的贴合度未达到最优，则根据卷积神经网络重新进行表面特征的识别和分析。通过闭环反馈机制，动态适应被检测对象表面的变化，不断优化探头形态，直至达到最佳的超声波传输效果。

例如，在人体皮肤表面上检测深度为2cm处的肿块，探头初始形态为平面形态，适用于大多数平坦表面。超声波传播效率目标值为95％。利用卷积神经网络对皮肤表面进行实时图像捕获，卷积神经网络识别出皮肤表面的几何特征，包括曲率为0.01cm^-1的轻微弯曲，纹理复杂度为中等，以及一些小的不规则形状。微机械结构中的压电驱动器根据CNN分析结果调整探头形态，以实现与皮肤的精确贴合，探头从平面形态变形为轻微弯曲形态，以贴合曲率为0.01cm^-1的皮肤表面。探头内置传感器实时监测材料的变形情况和超声波传播效果，初次测量显示超声波传播效率为85％，低于目标值95％。根据传感器反馈，调整压电驱动器的控制参数，进一步优化探头形态，经过调整，探头形态更好地贴合皮肤，超声波传播效率提高至92％。通过用户界面展示探头当前形态、传感器数据及超声波图像信息，探头形态调整后，超声波传播效率为92％，仍未达到目标值95％。CNN再次分析传感器数据，确定新的形态调整策略，根据CNN的分析，再次调整探头形态，最终超声波传播效率达到目标值95％。系统持续监测探头性能和超声波图像质量，确保探头形态与皮肤表面的贴合度保持在最佳状态，通过闭环反馈机制，探头形态动态适应皮肤表面的微小变化，保持超声波传播效率在95％以上，成功检测到皮肤下2cm处的肿块。

S1，通过实时监测探头与被检测表面的接触情况，获取接触力和面积的反馈信息，采用闭环控制的方法自动调节探头施加的压力，确定最佳的探头压力。

当检测到接触力和接触面积的变化时，通过传感器获取模拟信号，模拟信号包括接触力和面积的反馈信息，并转换为数字信号。转换后的数字信号由控制器接收，并根据预设的PID控制算法分析数字信号，确定是否需要对探头施加的压力进行调整。若数字信号分析结果显示需要调整压力，则发出相应的指令，引导增加或减少对探头的压力。改变压力后的新接触情况再次通过传感器进行捕获，并通过数据采集系统转换为数字信号，形成一个闭环反馈系统。重新分析调整后的接触数据，并判断是否达到了最佳探头压力设置。若未达到最佳压力，则调整输出指令，再次进行探头压力调整。通过人机界面展示实时接触力、接触面积以及探头压力调整的状态，并提供调整控制参数的选项，允许操作者根据探头性能和实时数据进行手动干预和优化；根据实时监测数据和反馈数据，调整控制参数，并分析探头长期运行数据，识别潜在的性能改进点，并自动或手动调整控制算法的参数以实现最佳压力控制。

例如，获取目标接触力为0.5N，初始接触力为0.2N，因为探头与皮肤的接触不完全，PID控制参数比例系数P＝0.1，积分系数I＝0.01，微分系数D＝0.005。压力传感器检测到的初始接触力为0.2N，传感器的模拟信号转换为数字信号，控制器接收到接触力为0.2N的信息。控制器通过PID算法计算压力调整量，由于实际接触力低于目标接触力，需要增加压力。误差＝目标接触力-实际接触力＝0.5N-0.2N＝0.3N，增加的压力＝P误差+I×误差积分+D×误差变化率。若当前周期内误差积分为0.03N，误差变化率为0.1N/s，则增加的压力＝0.1×0.3+0.01×0.03+0.005×0.1＝0.0335。压力调整根据PID算法的结果，控制系统发出指令，增加探头压力0.0335N，新的探头压力变为0.2N+0.0335N＝0.2335N。反馈和再分析新的接触情况再次被传感器捕获并转换为数字信号，控制器接收到0.2335N的接触力信息。重新应用PID算法，发现接触力仍低于目标值，继续调整。人机界面交互人机界面显示当前接触力为0.2335N，未达到目标接触力，操作者可以选择手动调整PID参数或允许系统继续自动调整。长期性能优化随着系统的持续使用，控制器收集长期运行数据，分析性能改进点，如根据实际操作中接触力的变化情况自动调整PID控制参数，以实现更快的响应和更稳定的控制性能。

S2，根据最佳探头压力和表面特征信息，采用多频超声波发射技术，调节发射频率适应不同深度和组织类型的检测需求，获得多层次、多角度的超声波信号。

获取患者指定组织类型和检测深度的信息，包括组织的声学阻抗、预期的检测深度和目标区域的解剖特征。根据检测需求，若需求为高分辨率的浅层成像，则选择高频超声波发射频率。通过声学模拟系统模拟探头与检测表面的接触情况，评估声波在指定条件下的耦合效果，若模拟结果显示声波耦合效果低于预设效果阈值，则增加探头压力直至达到最佳耦合状态。根据组织的声学阻抗特性，调整超声设备的声束聚焦参数，包括改变聚焦深度和聚焦范围。若组织阻抗高于预设阻抗阈值，则改变聚焦模式增强声波的穿透力和反射信号质量。计算超声波信号在不同组织中的平均传播时间，并据此调整脉冲重复频率，若传播时间长于预设时间阈值，则降低脉冲重复频率避免信号叠加。根据目标结构的大小和形状，通过声学成像算法计算并调整最佳脉冲宽度，提高对细小结构的分辨率。对不同深度的回波信号实施实时增益调整，确保信号的均衡接收，对于弱信号区域，提高增益以提高信号质量。获取初步超声波图像后，通过时间增益补偿软件模块对图像深度方向上的亮度不均问题进行调整，若深部图像亮度低于预设亮度阈值，则在深部区域提高时间增益补偿值。调整超声设备的动态范围，若图像显示出过饱和或过暗区域，则优化动态范围设置来改善图像质量。利用图像处理算法分析获取的超声波信号，若图像中存在噪点，则应用算法进行降噪处理，并通过边缘增强的方法改善图像清晰度。

例如，获取病人肌肉组织的超声成像信息，预期的检测深度为2厘米，已知肌肉的声学阻抗大约为7MRayls，为了高分辨率浅层成像，选择了一个发射频率为10MHz的高频超声探头。通过声学模拟系统模拟探头与皮肤表面的接触，初步模拟显示探头压力为10kPa时声波耦合效果不理想，逐渐增加探头压力至30kPa，直至耦合效果满足预设效果阈值。根据肌肉组织的声学阻抗特性，调整超声设备的声束聚焦参数，若聚焦深度设定为5厘米，以便更好地对焦于肌肉组织。当检测到组织阻抗高于预设阻抗阈值8MRayls时，将聚焦模式由标准模式切换至深层聚焦模式，以增强声波在深层组织的穿透力和反射信号质量。在不同组织中，超声波信号的平均传播时间计算为13微秒。据此调整脉冲重复频率至5kHz，当发现传播时间长于预设时间阈值15微秒时，将重复频率降低至4kHz以避免信号叠加。根据目标肌肉纤维的大小和形状，计算出最佳脉冲宽度为1微秒，这将有助于提高对肌肉纤维细小结构的分辨率。在进行成像时，对不同深度的回波信号进行实时增益调整，对于从深度2厘米处返回的信号，增益被调整至20dB以确保信号的均衡接收。在深度为5厘米的弱信号区域，增益调整至25dB以提高信号质量。获取初步图像后，通过时间增益补偿软件模块对图像深度方向上的亮度进行调整，若深部图像亮度低于预设亮度阈值80％，则在深部区域提高TGC值至95％。调整超声设备的动态范围，发现图像在深度5厘米处呈现过暗现象，将动态范围从60dB调整至70dB以改善图像质量。最后，通过图像处理算法分析获取的超声波信号，检测到图像中存在噪点水平为5％。应用降噪算法将噪点比例降至2％，并通过边缘增强算法改善图像清晰度，提高目标肌肉纤维的可视边缘对比度从原来的10％提高至30％。

S3，根据不同深度和角度的多频超声波信号，采用傅里叶变换和小波变换，确定多频超声波信号在时间和频率域内的特性，评估每个信号的稳定性和清晰度。

通过快速傅里叶变换获取多频超声波信号的振幅谱，若振幅谱显示信号在指定频段有高能量峰值，则判断该信号在该频段具有高能量集中。采用快速傅里叶变换算法分析信号的相位谱，若相位谱连续且变化平缓，则认为信号在相应频率下稳定性高于预设稳定性阈值。获取信号的连续小波变换结果，通过时间-频率分辨率分析，若信号在指定时间点的频率成分清晰，则确定信号在该时间点的清晰度高于预设清晰度阈值。采用离散小波变换获取信号的能量分布图，若能量分布均匀且具有局部能量峰值，则判断信号中存在突变点或非平稳特征。根据离散小波变换结果，提取信号的时频特征，包括瞬时频率和局部波形，若时频特征表现出规律性变化，则认为信号动态变化过程中的特征明显。采用快速傅里叶变换的降噪算法处理信号，若噪声水平降低后信号清晰度提升，则确定降噪处理有效。通过快速傅里叶变换分析不同频率分量的衰减特性，若低频分量比高频分量衰减慢，则判断低频信号的传播距离比高频信号的传播距离远。计算信号的群延迟，评估信号在时域内的稳定性，若群延迟在预定时间内变化幅度小于预设幅度阈值，则确定信号具有良好的时域稳定性。通过小波变换的压缩算法对信号进行数据压缩，若压缩后的信号仍保持原有特征，则认为信号具有良好的冗余度和压缩性。

例如，检测肝脏内部结构，寻找可能的异常组织或肿瘤，超声波频率范围为1MHz至5MHz，适用于深层组织成像。预设稳定性阈值为相位变化小于5度/秒，预设清晰度阈值为时间-频率分析中的频率分辨率小于0.1MHz，预设幅度阈值为变化幅度小于0.5dB。使用快速傅里叶变换获取超声波信号的振幅谱，在3MHz处发现一个高能量峰值，振幅为-20dB，表明在3MHz频段信号具有高能量集中。继续使用FFT算法分析信号的相位谱，在3MHz频段内，相位连续且变化平滑，最大变化率为3度/秒，低于预设稳定性阈值，表明信号在该频段具有高稳定性。执行连续小波变换分析信号的时间-频率分辨率，在信号的第2秒时，3MHz频率成分非常清晰，频率分辨率为0.05MHz，高于预设清晰度阈值，表明信号在该时间点的清晰度良好。应用离散小波变换获取信号的能量分布图，能量分布均匀，但在第2秒时有一个明显的局部能量峰值，表明信号在该点可能存在突变或非平稳特征。根据DWT结果，提取信号的瞬时频率和局部波形，瞬时频率和局部波形在第2秒时显示规律性变化，表明信号在动态变化过程中具有明显的特征。采用FFT降噪算法处理信号，降噪后，信号的噪声水平从-30dB降至-50dB，信号清晰度显著提高。分析不同频率分量的衰减特性，低频分量1MHz的衰减速度为-0.2dB/cm，高频分量5MHz的衰减速度为-1dB/cm，表明低频信号的传播距离远于高频信号。计算信号的群延迟，在观察期间5秒内，群延迟变化小于0.2秒，小于预设幅度阈值，表明信号具有良好的时域稳定性。使用小波变换的压缩算法对信号进行数据压缩，压缩后的信号保留了所有关键特征，压缩率达到2:1，表明信号具有良好的冗余度和压缩性。

S4，根据信号的稳定性和清晰度评估结果，采用自适应滤波和波束成形，对原始超声波信号进行定向增强和干扰抑制，得到优化后的超声波信号。

采用最小均方误差算法初始化自适应滤波器，根据原始超声波信号的统计特性，设定初始滤波器系数。若滤波器收敛速度不满足实时处理要求，则调整最小均方误差算法的步长参数，增加迭代过程中的收敛速度以适应动态变化的信号环境。若滤波器稳定性不足，导致性能波动，引入正则化方法或调整权重因子，提高滤波器在调整系数时的稳健性。根据自适应滤波器的追踪能力，若无法及时适应信号特性的变化，则对算法进行调整，包括引入可变步长或转换至递归最小二乘算法。基于误差性能评估滤波效果，若平均平方误差大于预设误差阈值，则优化滤波器参数配置，包括调整滤波器长度和步长，减少误差。若计算复杂度高于预设复杂度阈值，影响实时性，则采用仿射投影算法或降低滤波器阶数，减轻计算负担。通过波束成形技术，调整阵列各元素的时间延迟，形成目标方向的优化波束图案，增强特定方向上的超声波信号。若旁瓣电平过高导致干扰，则细化波束成形算法中的权重矩阵，压制旁瓣电平，增强主瓣信号，减少干扰。根据空间滤波能力获得的结果，若非目标方向干扰未完全抑制，进一步调整波束成形权重矩阵，提高对特定空间信号的选择性，优化信号的清晰度和稳定性。

例如，利用超声波成像技术检测心脏内部结构，寻找异常组织，超声波频率为，2.5MHz，适用于深层组织成像。最小均方误差算法步长为0.01，为了确保良好的收敛速度与稳定性之间的平衡，预设误差阈值为-30dB，用于评估滤波效果，预设复杂度阈值为计算时间不超过10ms，以满足实时处理的要求。使用最小均方误差算法初始化自适应滤波器，初始滤波器系数根据心脏超声波信号的统计特性设定。在初次应用后，发现滤波器的收敛速度较慢，未能在预期时间内达到稳定状态，将最小均方误差算法的步长参数从0.01调整至0.02，以加快收敛速度。观察到滤波器性能存在波动，引入正则化方法，并将权重因子调整至0.001，以提高滤波器的稳健性。滤波器未能及时适应信号特性的快速变化，引入可变步长机制，步长范围设置为0.01至0.05，以提高追踪效果。测量平均平方误差为-28dB，高于预设误差阈值，增加滤波器长度从32至64，调整步长至0.015，以减小误差。调整后的滤波器计算时间为12ms，超出预设复杂度阈值，采用仿射投影算法替换最小均方误差算法，减少计算时间至8ms。为了增强心脏特定区域的信号，调整超声阵列的时间延迟，形成优化的波束图案，目标区域信号增强，旁瓣电平从-25dB减少至-35dB。进一步细化波束成形算法中的权重矩阵，以压制旁瓣电平，主瓣信号进一步增强，旁瓣电平降至-40dB。非目标方向干扰未完全抑制，进一步调整波束成形权重矩阵，提高对特定空间信号的选择性。信号的清晰度和稳定性得到优化，成功识别心脏内的异常组织。

S5，通过优化后的超声波信号，采用逆向信号处理和时间-频率分析，获取目标区域的几何和物质特性，并调整超声波的发射参数，包括焦点深度、焦点位置和焦点区域的大小，实现动态聚焦。

使用超声波探测器接收反射回波信号，获取原始的时间-空间数据，该数据包含目标区域的初步声波反射信息。若声波信号质量不佳，则采用逆向信号处理技术，包括去噪和信号增强，改善信号的可读性和可靠性。根据改善后的声波信号，通过小波变换确定目标区域的几何位置和界限，获取初步的焦点深度和焦点位置信息。采用计算机模拟，模拟不同焦点深度和焦点位置下的超声波传播路径和反射特性，判断最佳的焦点区域大小，获取最清晰的成像效果。根据模拟结果，调整超声波发射参数，包括焦点深度、位置和焦点区域大小，以实现对目标区域的精确动态聚焦。针对目标区域的几何形状和物质特性复杂性，进一步调整声束形状和波形，适应目标区域的特定反射和吸收特性。通过调整发射频率和脉冲长度，平衡分辨率和穿透深度，确保在探测目标区域的同时维持图像清晰度。根据目标物质的特性和运动特征，优化脉冲重复频率和声压设置，捕捉动态变化的信号和减少运动伪影。在接收信号时，应用动态接收聚焦技术，对声波在不同深度的反射信号进行实时聚焦处理，提高成像的空间分辨率和对比度。

例如，在使用超声波探测器接收反射回波信号时，假设原始数据显示在3微秒处有一个强烈的回波峰值，这可能表明距离探头大约25毫米处有一个反射界面，计算过程中使用了声速在该介质中的平均速度，即5000米/秒。如果声波信号受到背景噪声的干扰，信噪比可能只有5:1。通过采用逆向信号处理技术，例如Wiener滤波，可以将信噪比提高到10:1，使得回波信号更清晰，更易于辨识。在小波变换的应用中，可能会发现目标区域边界在小波尺度2的分解层次上最为明显。如果该尺度对应的小波系数的均值是8，而噪声水平的系数均值是1，则可以认为这是目标边界的显著特征。在计算机模拟中，为了确定最佳的焦点区域大小，可能会发现在焦点深度为30毫米时，超声波束宽度为2毫米可以得到最高的反射信号强度，从而提供最清晰的成像效果。调整超声波发射参数时，假设最终选择的焦点深度是30毫米，焦点区域的大小调整为2毫米的宽度，以确保目标区域内的反射信号最大化。针对目标区域的复杂性，可能需要将声束形状调整为椭圆形，并且调整波形以适应特定的反射特性。例如，假设目标物体对于频率为5MHz的声波有较强的吸收，调整发射频率至2MHz可能会减少能量损失。在平衡分辨率和穿透深度时，发现发射频率为2MHz和脉冲长度为5微秒的组合，既可以提供足够的穿透深度，又可以保持良好的分辨率。若目标物质以每秒1毫米的速度移动，优化脉冲重复频率至1kHz，声压设置至1MPa，可以有效捕捉到这种动态变化，同时减少由于高速移动造成的运动伪影。在接收信号时，动态接收聚焦技术能够根据声波的传播时间，自动调整接收聚焦的深度，从而在5微秒的传播时间下，实现对深度为约35毫米处反射信号的聚焦，并相应地提高图像的空间分辨率和对比度。

S6，根据动态聚焦参数和优化后的超声波信号，采用表面重构技术，整合多角度获取的数据，通过超声波信号的时间延迟和强度差异，重建被检测对象的三维结构，获得连续且完整的三维图像。

根据被检测对象的类型和预期成像深度，确定超声波频率，平衡成像分辨率和穿透深度。设定与超声波频率相匹配的脉冲重复频率，控制成像速度和时间分辨率，满足动态聚焦技术的要求。逐步调整探头阵列的焦点位置，针对不同深度的结构进行优化，获得清晰度大于预设第二清晰度阈值的成像结果。测量超声波在不同介质中的时间延迟，并结合已知的声速，计算超声波在介质中的实际路径，提供图像重构所需数据。获取不同介质中超声波的强度差异数据，分析介质的衰减系数，修正成像中的对比度和细节。从不同的方向对被检测对象进行扫描，整合不同角度的数据，为三维重构提供全面信息。利用图像重构算法，包括反投影、迭代重构或基于模型的重构算法，整合时间延迟和强度差异数据，生成被检测对象的初步三维结构。对初步三维图像进行后处理，包括去噪、图像增强和边缘检测的操作，提升图像清晰度和质量。应用声阻抗匹配技术，确保超声波能量的有效传递，并通过最终的优化处理，得到连续且完整的三维图像。

例如，检测膝关节软骨的结构，识别可能的损伤或退化情况，预期成像深度为软骨厚度约为2mm至5mm，但需要穿透更深的组织以获取完整的膝关节图像，因此成像深度设定为0至10cm，超声波频率选择7.5MHz的频率，这是一种常用于浅层组织成像的频率，能够提供足够的分辨率和适度的穿透深度。设定脉冲重复频率为2kHz，这个频率既可以满足动态聚焦的需要，又能保证足够的成像速度和时间分辨率。逐步调整探头阵列的焦点位置，从表皮向更深层的软骨和其他膝关节结构进行聚焦，通过动态调整，获得的软骨成像清晰度达到-15dB的信噪比，高于预设的第二清晰度阈值-20dB。在不同深度测量超声波的时间延迟，已知人体组织中的声速约为1540m/s，在5cm深处的软骨区域，超声波的时间延迟约为6.49μs。记录超声波在正常与受损软骨中的强度差异，发现受损软骨区域的超声波衰减系数显著高于正常软骨，提供了损伤区域的对比度信息。从膝盖的前侧、侧面和后侧对软骨进行超声波扫描，获得了覆盖整个膝关节软骨的全面超声波数据集。使用迭代重构算法整合从不同角度获得的时间延迟和强度差异数据，生成软骨的初步三维结构，产生了膝关节软骨及其周围结构的初步三维图像，清晰显示了软骨的厚度和损伤区域。对初步三维图像进行去噪、图像增强和边缘检测等后处理，提升了图像的清晰度和质量，使得软骨损伤区域的边缘更加明显。应用声阻抗匹配技术，确保超声波能量在软骨组织中的有效传递，并进行最终优化处理，经过优化处理，得到了连续且完整的膝关节软骨三维图像，清晰显示了正常与受损区域的对比。

S7，根据生成的连续的三维图像，识别图像中的关键特征，包括组织边界、质地模式和异常区域，并对关键特征进行标记和分类，包括定位肿瘤、囊肿或其他结构异常，并根据关键特征的形状、大小和位置对关键特征进行描述。

对连续的三维图像数据进行预处理，包括降噪和对比度调整。通过边缘检测算法，包括Sobel或Canny算子，识别图像中组织的边界，标记为潜在的关键特征边界。应用灰度共生矩阵，分析图像中的质地模式，若存在与周围组织质地差异大于预设差异阈值的区域，则判断为异常区域。结合Otsu算法，将异常区域从背景组织中分割出来，得到关键特征的粗略形状和位置。对分割后的特征进行形态学操作，包括腐蚀和膨胀，对分割后的特征进行形态细化，确定关键特征的边界。利用体积渲染技术计算分割特征的三维体积和最大直径，确定关键特征的大小。应用随机森林算法，结合特征的形状、大小、质地和边界的多维度信息，对其进行分类，识别出肿瘤、囊肿或其他结构异常。通过时间-强度曲线分析，判断关键特征的吸收对比剂的模式，提供关于其生物学性质的额外信息。结合CT和MRI图像信息，对关键特征的标记和分类进行验证和补充。

例如，处理一批磁共振成像的三维图像数据，数据是连续的薄层扫描，每个层面的分辨率为256x256像素，层间距为1mm。在预处理阶段，可使用高斯滤波器对图像进行降噪，设定标准差为0，然后通过直方图均衡化调整对比度，以提高组织之间的可视差异。接下来，通过应用Sobel算子检测边缘，当边缘强度超过40时将其视为潜在的关键特征边界。在质地分析方面，应用灰度共生矩阵计算质地特征，如对比度或同质性，并设定差异阈值为5，识别差异显著的异常区域。使用Otsu算法分割出与背景组织对比度高的异常区域，可能发现一块体积为15cm³、最大直径为3cm的异常区域。对该特征进行腐蚀和膨胀操作，可能使用一个结构元素半径为1mm进行腐蚀，紧接着使用相同大小的结构元素进行膨胀，以精细化边界。在分类阶段，随机森林算法根据包括形状、大小和质地在内的多维度特征，可能将该异常区域分类为恶性肿瘤，准确率为85％。时间-强度曲线分析显示，该区域在注射对比剂后的前2分钟内快速增强，随后在接下来的5分钟内逐渐洗脱至基线水平，提示可能是高血管性肿瘤。最后，通过结合多模态图像信息，如CT和MRI的叠加分析，确认这一发现，并确定该肿瘤位于肝脏的左叶。

S8，根据标记出的三维图像中的关键特征和异常，通过特征匹配的方法，将图像中的特征与临床知识库中的已知病理特征进行匹配，获得针对性的诊断辅助信息。

采用高分辨率的CT扫描设备，通过设定指定的采集参数和使用对比剂，获取患者三维图像数据。对采集到的图像进行图像预处理，包括降噪和校正。应用分割技术处理预处理后的图像，确定感兴趣区域ROI，标定关键特征和异常区域的位置，为特征提取定位，感兴趣区域ROI为肿瘤位置。采用特征提取算法对定位的感兴趣区域进行分析，提取形态学、纹理、强度和动态变化特征，确定图像中的关键特征点和标记异常。通过临床知识库检索相关的病理学分类和已知病理特征，获取与标记特征属性匹配的临床信息，为特征匹配算法提供参考数据。应用基于支持向量机算法的特征匹配算法，比较提取的图像特征与知识库中病理特征的相似性，采用马氏距离的度量方法，确定最佳匹配项。对匹配算法产生的结果进行容错能力和匹配精度分析，调整算法参数优化匹配效果，获得高精度的诊断辅助信息。根据特征匹配结果，评估置信度并结合患者临床症状，生成规范化的诊断辅助信息，为医生提供实际帮助的决策支持。设计易用性和交互性强的用户界面，允许医生对匹配结果进行查看和手动调整，通过界面反馈优化特征匹配算法和输出结果的准确性。

例如，使用CT扫描检测脑部肿瘤并识别其类型，采用512x512像素的高分辨率扫描模式，使用碘基对比剂以增强肿瘤与周围组织的对比度，为了有效去噪，设置信噪比提升至20dB。对病人的脑部进行CT扫描，使用碘基对比剂，获得患者脑部的详细三维图像数据。对采集到的CT图像进行降噪和校正处理，采用高斯滤波器进行降噪，使用几何校正技术修正图像扭曲，图像的信噪比提升至25dB，超过了预设阈值。使用基于阈值的图像分割技术，确定感兴趣区域ROI，即肿瘤位置，成功标定了肿瘤区域，大小为1.5cmx1.2cm。采用特征提取算法分析肿瘤区域，提取形态学、纹理、强度和动态变化特征，识别出肿瘤的不规则边缘、异质纹理特征和增强后的对比度。通过临床知识库检索与提取特征匹配的已知病理特征，获取与肿瘤特征相似的多种脑肿瘤类型的临床信息。使用支持向量机算法，基于马氏距离比较图像特征与知识库中的病理特征，确定最佳匹配项为胶质瘤，匹配精度为95％。分析匹配结果的容错能力和精度，对算法参数进行调整，通过微调支持向量机算法的核函数参数，匹配精度提升至98％。结合特征匹配结果、置信度评估和临床症状，生成诊断辅助信息，生成的诊断报告指出高置信度的胶质瘤诊断，并提供了肿瘤的具体位置、大小和可能的类型。设计用户界面，让医生能够查看匹配结果并进行手动调整，界面提供了直观的图像显示、结果解释以及调整选项，允许医生根据自己的临床经验对结果进行验证和微调。最后所应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims

1.一种超声检测仪的三维成像及交互方法，其特征在于，包括以下步骤：

S8，根据标记出的三维图像中的关键特征，通过特征匹配的方法，将图像中的特征与临床知识库中的已知病理特征进行匹配，获得针对性的诊断辅助信息；

在S0中，利用卷积神经网络对被检测对象的表面进行实时图像捕获和分析，识别表面的几何特征，包括曲率、纹理和不规则形状；通过微机械结构中的压电驱动器，调整控制参数驱动探头材料发生形变，对探头的形态进行调整，实现与被检测表面的精确贴合，得到与不同曲面贴合的探头形态。

2.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S1中，当检测到接触力和接触面积的变化时，通过传感器获取模拟信号，模拟信号包括接触力和面积的反馈信息，并转换为数字信号；转换后的数字信号由控制器接收，并根据预设的PID控制算法分析数字信号，确定是否需要对探头施加的压力进行调整。

3.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S2中，获取患者指定组织类型和检测深度的信息，包括组织的声学阻抗、预期的检测深度和目标区域的解剖特征；根据检测需求，若需求为高分辨率的浅层成像，则选择高频超声波发射频率；

4.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S3中，通过快速傅里叶变换获取多频超声波信号的振幅谱，若振幅谱显示信号在指定频段有高能量峰值，则判断该信号在该频段具有高能量集中；

5.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S4中，采用最小均方误差算法初始化自适应滤波器，根据原始超声波信号的统计特性，设定初始滤波器系数。

6.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S5中，使用超声波探测器接收反射回波信号，获取原始的时间-空间数据，该数据包含目标区域的初步声波反射信息。

7.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S6中，采用表面重构技术，整合多角度获取的数据，通过超声波信号的时间延迟和强度差异，重建被检测对象的三维结构，获得连续且完整的三维图像。

8.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S7中，所述关键特征包括组织边界、质地模式和异常区域，所述分类包括定位肿瘤、囊肿或其他结构异常，并根据关键特征的形状、大小和位置对关键特征进行描述。

9.根据权利要求1所述的超声检测仪的三维成像及交互方法，其特征在于：

在S8中，采用特征提取算法对定位的感兴趣区域进行分析，提取形态学、纹理、强度和动态变化特征，确定图像中的关键特征点和标记异常。