[發明專利]用于對超聲信號進行自適應波束形成的方法和系統

在審

• 申請號: 201980070368.6
• 申請日: 2019-10-22
• 公開（公告）號: CN112912758A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: W·M·B·呂耶騰;R·J·G·范斯倫;F·J·德布魯伊金;H·A·W·施邁茨
• 申請（專利權）人: 皇家飛利浦有限公司
• 主分類號: G01S7/52
• 分類號: G01S7/52;G01S15/89;A61B8/08;G06N3/04;G06N3/063;G10K11/34
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 孟杰雄

1.一種用于對超聲信號進行自適應波束形成的方法，所述方法包括以下步驟：

a)接收由多個超聲換能器元件(4)響應于超聲發送而采集的RF信號(18)；

b)通過將經訓練的人工神經網絡(16)應用于所述RF信號來確定用于對所述RF信號(18)進行波束形成的內容自適應切趾權重(12)。

2.根據權利要求1所述的方法，其中，所述經訓練的人工神經網絡(16)的輸入節點(21)的數目和輸出節點(34)的數目對應于貢獻RF信號的數目。

3.根據權利要求1或2所述的方法，包括以下另外的步驟：

c)將所述內容自適應切趾權重(12)應用于所述RF信號(18)以計算波束形成輸出信號。

4.根據前述權利要求中的任一項所述的方法，其中，所述經訓練的人工神經網絡(16)包括至少一個激活層(24、28)，所述至少一個激活層包括激活函數，所述激活函數利用無界輸出值來傳播正輸入值和負輸入值兩者。

5.根據前述權利要求中的任一項所述的方法，其中，所述神經網絡(16)包括至少一個激活層(24、28)，所述至少一個激活層包括激活函數，所述激活函數連結輸入值的正部分和負部分。

6.根據前述權利要求中的任一項所述的方法，其中，所述人工神經網絡(16)包括至多四個全連接層(20、26、32)。

7.根據前述權利要求中的任一項所述的方法，其中，所述人工神經網絡(16)包括至多三個激活層(24、28)。

8.根據前述權利要求中的任一項所述的方法，其中，所述波束形成輸出信號被用于重建視場的超聲圖像，并且其中，在應用所述經訓練的人工神經網絡(16)之前重新布置(44)所述RF信號(18)，使得由所述人工神經網絡(16)在一個或多個批次中處理與所述超聲圖像(51)的一個或至多幾個像素(54)有關的RF數據。

9.根據前述權利要求中的任一項所述的方法，其中，除一個或若干全連接層之外或作為一個或多個全連接層的備選，所述人工神經網絡(16)包括至少一個卷積層。

10.根據前述權利要求中的任一項所述的方法，其中，所述人工神經網絡(16)是遞歸神經網絡的部分。

11.根據前述權利要求中的任一項所述的方法，其中，所述人工神經網絡(16)的所述權重中的一些或全部被量化，具體地被量化為1至4比特。

12.根據前述權利要求中的一項所述的方法，其中，所述人工神經網絡(16)包括至少一個隱藏層(28)，所述至少一個隱藏層具有比所述人工神經網絡(16)的輸入層(20)和/或輸出層(36)更少的節點(27)。

13.一種用于提供經訓練的人工神經網絡(16)的方法，所述經訓練的人工神經網絡在對超聲信號進行內容自適應波束形成中有用，所述方法包括：

(a)接收輸入訓練數據，所述輸入訓練數據即為由多個超聲換能器元件(4)響應于超聲發送而采集的RF信號(18)，

(b)接收輸出訓練數據，其中，所述輸出訓練數據是內容自適應切趾權重(12)，其中，已經通過內容自適應波束形成算法(14)根據所述RF信號(18)計算了這樣的內容自適應切趾權重，所述內容自適應波束形成算法具體地是最小方差算法；或者其中，所述輸出訓練數據是通過內容自適應波束形成算法(14)根據所述RF信號計算的波束形成輸出信號；

(c)通過使用所述輸入訓練數據和所述輸出訓練數據來訓練人工神經網絡(16)；

(d)提供所述經訓練的人工神經網絡(16)。