超声相控阵在多层媒质中的声场模式优化

针对超声在多层媒质中的传播特性,引入相位补偿因子并结合遗传算法, 提出了一种可对多层媒质进行声聚焦控制的方法.利用该方法对16×16二维超声相控阵在多层生物媒质中的多焦点声场模式进行了仿真,计算了生物媒质不同厚度层和不同吸收系数时的声场. 结果表明:该方法能优化多焦点声场模式,抑制旁瓣,提高声场增益,将声强最大限度地聚焦在目标区域内; 改变生物组织不同层的厚度和不同层的吸收系数,焦点位置不发生变化,但焦域内的声强会有所变化.     

被控点声压直接加权的相控声场合成模式

为快速高效地对相控阵声场进行优化,对伪逆算法进行了简化.通过对被控点声压进行幅值和相位补偿,得到了一个近似的声压加权公式.应用该公式预设被控点声压值,然后运用改进的伪逆矩阵算法确定相控阵各阵元的振幅和相位,从而得到一个直接的多焦点声场合成模式.基于该合成模式设计了一16×16个正方形阵元构成的平面相控阵,并对多焦点声场的合成进行了数值仿真.结果表明,该方法可提高声能在目标点的沉积能力,具有较高的声场合成效率,为超声热疗中声聚焦控制提供了一条有效的途径.     

基于变分模态分解与多尺度排列熵的生物组织变性识别

根据高强度聚焦超声(HIFU)治疗中超声散射回波信号的特点,本文利用变分模态分解(VMD)与多尺度排列熵(MPE)对生物组织变性识别进行了研究.首先对生物组织中的超声散射回波信号进行变分模态分解,根据各阶模态的功率谱信息熵值分离出噪声分量和有用分量;对分离出的有用信号进行重构并提取其多尺度排列熵;然后通过Gustafson-Kessel (GK)模糊聚类确定聚类中心,采用欧氏贴近度与择近原则对生物组织进行变性识别.将所提方法应用于HIFU治疗中超声散射回波信号实验数据,用遗传算法对多尺度排列熵的参数优化后,对293例未变性组织和变性组织的超声散射回波信号数据进行了多尺度排列熵分析,发现变性组织的超声散射回波信号的多尺度排列熵值要高于未变性组织;多尺度排列熵可以较好地识别生物组织是否变性.相对于EMD-MPE-GK模糊聚类以及VMD-小波熵(WE)-GK模糊聚类变性识别方法,本文所提方法中变性与未变性组织特征交叠区域数据点更少,聚类效果和分类性能更好;本实验环境下生物组织变性识别结果表明,该方法的识别率更高,高达93.81%.