[發(fā)明專利]微納馬達(dá)實時成像與追蹤方法、裝置及微納馬達(dá)控制方法

有效

• 申請?zhí)枺?/td>: 202110665439.6
• 申請日: 2021-06-16
• 公開（公告）號: CN113397591B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計）人: 許凱亮;閆少淵;劉錦潤;郭星奕;亞歷山大·索羅維夫;梅永豐;他得安;黃高山;王威琪
• 申請（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號: A61B8/00
• 分類號: A61B8/00
• 代理公司: 上海德昭知識產(chǎn)權(quán)代理有限公司 31204
• 代理人: 盧泓宇

本發(fā)明提供了一種微納馬達(dá)實時成像與追蹤方法、裝置及微納馬達(dá)控制方法，其特征在于，包括如下步驟：利用激勵超聲探頭獲取因不同偏轉(zhuǎn)角度的平面波組而反射出的超聲射頻回波信號組；再利用波束合成算法對超聲射頻回波信號進(jìn)行波束合成得到初始圖像；對每一組超聲射頻回波信號組對應(yīng)的復(fù)數(shù)幀初始圖像進(jìn)行相干復(fù)合得到復(fù)合后圖像；對所有復(fù)合后圖像進(jìn)行圖像配準(zhǔn)得到多個配準(zhǔn)后圖像；利用預(yù)定的雜波濾除算法對所有配準(zhǔn)后圖像進(jìn)行雜波濾波得到多個濾波后圖像；實時顯示濾波后圖像；利用微納馬達(dá)識別方法對濾波后圖像中的微納馬達(dá)進(jìn)行識別定位得到單幀位置；根據(jù)所有單幀位置以及發(fā)射頻率得到微納馬達(dá)的運動軌跡與運動速度。

技術(shù)領(lǐng)域

本發(fā)明屬于微納馬達(dá)應(yīng)用領(lǐng)域，具體涉及一種微納馬達(dá)實時成像與追蹤方法、裝置及微納馬達(dá)控制方法。

背景技術(shù)

微納馬達(dá)是一種介于納米與微米尺度且能夠?qū)⒒瘜W(xué)能或外部物理場能量轉(zhuǎn)化為自身運動所需的機械能并完成特定任務(wù)的裝置。微納馬達(dá)具有主動可控運動、刺激響應(yīng)靈敏、多功能以及易于規(guī)模化制備等優(yōu)點，它已應(yīng)用于環(huán)境凈化、分析檢測、納米印刷等研究中，受到學(xué)界廣泛關(guān)注。微納馬達(dá)因尺寸小以及生物相容性高，在生物醫(yī)學(xué)領(lǐng)域具有廣泛的應(yīng)用前景，有望應(yīng)用于生物體內(nèi)的微創(chuàng)手術(shù)、細(xì)胞操作和分析、靶向藥物運輸、血管清潔等領(lǐng)域。

微納馬達(dá)的在體成像對于其在生物醫(yī)學(xué)中應(yīng)用的運動控制以及功能實現(xiàn)至關(guān)重要。當(dāng)前學(xué)界研究中廣泛采用的成像手段為可見光學(xué)成像，但由于可見光的波長限制其無法穿過生物組織，導(dǎo)致可見光成像仍不可應(yīng)用于臨床上深層組織中馬達(dá)的成像與動態(tài)追蹤。

目前為止，研究人員已經(jīng)探索了多種針對于微納馬達(dá)的在體成像技術(shù)：熒光成像由于光在組織中有明顯的散射，穿透深度有限；正電子放射斷層掃描可以穿透深層的組織，但是存在電離輻射；磁共振技術(shù)提供亞毫米的空間分辨率和毫秒級的時間分辨率，但是需要強磁場，并且價格昂貴。以上技術(shù)均有一定局限性，很難實時追蹤微納馬達(dá)在深層血管或組織中的運動。

發(fā)明內(nèi)容

為解決上述問題，提供了一種能夠?qū)崟r追蹤微納馬達(dá)的方法、裝置以及微納馬達(dá)控制方法，本發(fā)明采用了如下技術(shù)方案：

本發(fā)明提供了一種微納馬達(dá)實時成像與追蹤方法，用于對處于目標(biāo)成像區(qū)域內(nèi)的微納馬達(dá)進(jìn)行實時成像與追蹤，其特征在于，包括如下步驟：步驟S1-1，利用陣列超聲換能器對目標(biāo)成像區(qū)域發(fā)射連續(xù)多組平面波組，并獲取因不同平面波組而反射出的超聲射頻回波信號組，其中，平面波組包含復(fù)數(shù)個偏轉(zhuǎn)角度不同的平面波，超聲射頻回波信號組由復(fù)數(shù)個超聲射頻回波信號組成；步驟S1-2，利用預(yù)定的波束合成算法對每組超聲射頻回波信號組中各個超聲射頻回波信號進(jìn)行波束合成，從而得到與超聲射頻回波信號對應(yīng)的初始圖像；步驟S1-3，對每一組超聲射頻回波信號組對應(yīng)的復(fù)數(shù)幀初始圖像進(jìn)行相干復(fù)合，從而得到與超聲射頻回波信號組對應(yīng)的復(fù)合后圖像；步驟S1-4，對所有復(fù)合后圖像進(jìn)行圖像配準(zhǔn)，從而得到多個配準(zhǔn)后圖像；步驟S1-5，利用預(yù)定的雜波濾除算法對所有配準(zhǔn)后圖像進(jìn)行雜波濾波，從而得到多個濾波后圖像；步驟S1-6，實時顯示濾波后圖像，從而使得用戶可以實時觀察到微納馬達(dá)的位置與運動方式；步驟S1-7，利用預(yù)定的微納馬達(dá)識別方法對每一幀濾波后圖像中的微納馬達(dá)進(jìn)行識別定位，從而得到微納馬達(dá)在濾波后圖像中的位置，并作為單幀位置；步驟S1-8，至少根據(jù)所有單幀位置，利用預(yù)定的微納馬達(dá)軌跡追蹤方法對微納馬達(dá)進(jìn)行軌跡追蹤，從而得到微納馬達(dá)的運動軌跡，并根據(jù)單幀位置以及陣列超聲換能器的發(fā)射頻率計算得到微納馬達(dá)的運動速度。

根據(jù)本發(fā)明提供的一種微納馬達(dá)實時成像與追蹤方法，還可以具有這樣的技術(shù)特征，其中，雜波濾除算法至少為高通濾波算法、自適應(yīng)濾波算法、特征值分解算法、魯棒主成分分析算法以及獨立成分分析算法中的任意一種。

根據(jù)本發(fā)明提供的一種微納馬達(dá)實時成像與追蹤方法，還可以具有這樣的技術(shù)特征，其中，雜波濾除算法為特征值分解算法，步驟S1-5包括如下子步驟：步驟S1-5-1，將連續(xù)多幀的配準(zhǔn)后圖像構(gòu)建為一個b*k大小的二維矩陣A，并利用特征值分解算法對二維矩陣A進(jìn)行特征值分解，從而得到特征值矩陣λ和特征向量矩陣U：