[发明专利]基于阵列加权网络优化的超声能量聚焦方法及装置

权利要求书

1.一种基于阵列加权网络优化的超声能量聚焦方法，其特征在于，包括以下步骤：

引入替代相控阵的移相器阵列的阵列加权网络；

构造以所述阵列加权网络的权值矩阵与阵列产生的空间超声能量分布函数之间的关系，以得到系统模型；

根据所述系统模型和肿瘤的空间分布构造权值的优化问题；以及

根据所述优化问题的目标函数和约束条件分别在空域和变换域构造满足所述约束条件的权值集合与理想权值集合，以通过跨域交替投影算法生成空间超声能量分布函数，使得超声能量均匀分布于乳房的肿瘤组织上。

2.根据权利要求1所述的基于阵列加权网络优化的超声能量聚焦方法，其特征在于，所述系统模型表示为：

其中，r为空间坐标矢量，P(r)为空间超声能量分布函数，a(r)为坐标r处的导向矢量，W为网络权值，矩阵X的每个列矢量代表了一路超声波形；

并且，所述权值的优化问题表示为：

其中，代表由测量的肿瘤组织分布得到的理想空间超声能量分布函数，S_r代表乳腺组织在空间中分布的坐标集合，S_con代表权值矩阵需要满足的约束条件。

3.根据权利要求2所述的基于阵列加权网络优化的超声能量聚焦方法，其特征在于，所述跨域交替投影算法的表达式为：

其中，proj代表基于欧式距离的投影，P(·)代表了变换过程，而Q(·)代表了其最小二乘意义下的逆运算，代表算子复合，(·)^K当括号内为算子时代表算子的泛函幂。

4.根据权利要求3所述的基于阵列加权网络优化的超声能量聚焦方法，其特征在于，所述跨域交替投影算法包括：

对于给定的矩阵P，构造导向矢量矩阵A的伪逆A⁺，并估计最小二乘意义下的相关矩阵

对相关矩阵的估计进行特征值分解并由特征矢量和特征值构造权值矩阵W＝VD^1/2。

5.根据权利要求3或4所述的基于阵列加权网络优化的超声能量聚焦方法，其特征在于，所述欧式距离的投影proj表示为：

其中，当使用算子的K次复合实现迭代后，输出所述最优权值矩阵W。

6.一种基于阵列加权网络优化的超声能量聚焦装置，其特征在于，包括：

引入模块，用于引入替代相控阵的移相器阵列的阵列加权网络；

第一构造模块，用于构造以所述阵列加权网络的权值矩阵与阵列产生的空间超声能量分布函数之间的关系，以得到系统模型；

第二构造模块，用于根据所述系统模型和肿瘤的空间分布构造权值的优化问题；以及处理模块，用于根据所述优化问题的目标函数和约束条件分别在空域和变换域构造满足所述约束条件的权值集合与理想权值集合，以通过跨域交替投影算法生成空间超声能量分布函数，使得超声能量均匀分布于乳房的肿瘤组织上。

7.根据权利要求6所述的基于阵列加权网络优化的超声能量聚焦装置，其特征在于，所述系统模型表示为：

其中，r为空间坐标矢量，P(r)为空间超声能量分布函数，a(r)为坐标r处的导向矢量，W为网络权值，矩阵X的每个列矢量代表了一路超声波形；

并且，所述权值的优化问题表示为：

其中，代表由测量的肿瘤组织分布得到的理想空间超声能量分布函数，S_r代表乳腺组织在空间中分布的坐标集合，S_con代表权值矩阵需要满足的约束条件。

8.根据权利要求7所述的基于阵列加权网络优化的超声能量聚焦装置，其特征在于，所述跨域交替投影算法的表达式为：

其中，proj代表基于欧式距离的投影，P(·)代表了变换过程，而Q(·)代表了其最小二乘意义下的逆运算，代表算子复合，(·)^K当括号内为算子时代表算子的泛函幂。