【技術實現步驟摘要】
本申請涉及數據處理，具體涉及一種腦部微波成像的計算方法、設備及儲存介質。
技術介紹
1、在顱腦微波成像領域，大體的算法思路分為時域成像算法與頻域成像算法兩種不同種類的成像算法。
2、其中以共焦成像為代表的時域算法有著速度快的特點，但其僅對介電常數出現變化的區域敏感，更適合用于區分介電常數出現突變的部分，例如用于成像時對患者的頭骨進行定位或出血等異常區域的輪廓進行定位，無法對病變類型進行識別。
3、頻域算法多為迭代算法，以波恩近似為主的迭代算法有著更高的精度，且可以還原出腦內的介電常數分布情況實現病灶類型的識別。但是算法相對于時域成像需要更長的時間進行迭代，且在天線數量較少時，容易出現過擬合，尤其是在天線數量較少時，容易因為噪聲干擾等因素與真實成像目標出現巨大的偏差，抗噪聲能力略低。
4、針對現有技術中存在的噪聲干擾等因素與真實成像目標出現巨大的偏差、抗噪聲能力略低等問題，亟需提出一種新的方案解決上述現有技術的不足。
技術實現思路
1、本申請實施例針對上述情況，本申請提出了一種腦部微波成像的計算方法、設備及儲存介質，以克服或者至少部分克服現有技術的不足之處。
2、本申請公開的一種腦部微波成像的計算方法，所述方法包括：
3、s100，將使用天線陣列采集到的頻域散射場序列矩陣轉換為時域波形幅度序列矩陣；
4、s200，將所述時域波形幅度序列矩陣帶入時域下的遞歸共焦成像算法公式，獲得時域成像結果；
5、s3
6、s400，將時域成像結果作為先驗信息帶入損失函數進行迭代，獲取當前迭代過程中的介電常數分布，再將初始介電常數填充圖像作為迭代初始狀態，獲取最終介電常數分布；
7、s500，基于最終介電常數分布與不同病灶類型所對應的已知介電常數區間，獲取病灶分類識別結果。
8、于一些實施例中，所述頻域散射場序列矩陣通過頻域總場序列矩陣與沒有顱腦時的背景場序列矩陣求差值獲得。
9、于一些實施例中，所述步驟s200進一步包括：
10、s210，利用當前時域波形幅度序列矩陣，計算成像區域內每個點的共焦值，得到當前遞歸時域結果，所述遞歸共焦成像算法公式如下：
11、，其中代表任意點坐標，表示發射天線，表示接收天線，為天線數量，為電磁波的傳播速度，為時間，為天線到點的距離，為接收天線到點的距離，代表天線發射到達點，再由點傳輸至天線的傳輸距離造成的電磁波幅度衰減補償，為當前時域遞歸次數，為當前時域波形幅度序列矩陣。
12、于一些實施例中，所述步驟s200還包括：
13、s220，根據步驟s210的當前遞歸時域結果，利用邊緣檢測提取當前遞歸時域結果中的分界面輪廓，若有新的分界面輪廓出現，則利用菲涅爾公式計算入射波強度的衰減量，對電磁波傳入腦部內時界面反射造成的電磁波損失進行強度補正，補正后的時域波形幅度序列矩陣，。
14、于一些實施例中，所述s200還包括：s230，當沒有新的輪廓出現或遞歸次數大于5，結束計算，得到時域成像結果，否則將補正后的時域波形幅度序列矩陣帶入遞歸共焦成像算法公式，重復以上步驟s210-s230。
15、于一些實施例中，所述s300還包括：
16、擴散模型對時域成像結果進行識別，并提取時域成像結果的輪廓，該時域成像結果的輪廓為腦部和病變區域輪廓，在腦部和病變區域輪廓內填充腦內組織相應的介電常數，獲取初始介電常數填充圖像。
17、于一些實施例中，s400進一步包括：
18、s410，基于獲取的初始介電常數填充圖像，生成掩碼；
19、s420，構造損失函數loss；
20、s430，將時域成像結果作為先驗信息帶入損失函數進行迭代，獲取當前迭代過程中的介電常數分布；
21、s440，使用掩碼對當前迭代過程中的介電常數分布進行遮掩，得到新的介電常數分布；
22、s450，再將新的介電常數分布帶入所述損失函數loss進行迭代，直到損失函數值到達預設閾值，即得到最終介電常數分布。
23、于一些實施例中，s500進一步包括：
24、s510，根據最終介電常數分布與病灶類型的介電常數區間進行劃分，標記對應的病灶類型；
25、s520，對標記的病灶類型使用不同顏色、不同亮度進行區分顯示并可視化輸出。
26、本申請還提供一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時實現如上述腦部微波成像的計算方法。
27、本申請還提供一種腦部微波成像的計算設備，包括：
28、至少一個處理器；以及，
29、與所述至少一個處理器通信連接的存儲器；其中，
30、所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如上述的腦部微波成像的計算方法。
31、本申請實施例采用的上述至少一個技術方案能夠達到以下有益效果：
32、本專利技術提供一種時頻域結合的腦部圖像微波檢測算法，以實現利用時域算法獲取先驗信息，再將先驗信息帶入頻域迭代提升成像精度，優化成像結果。
本文檔來自技高網...【技術保護點】
1.一種腦部微波成像的計算方法，其特征在于，所述方法包括：
2.如權利要求1所述的腦部微波成像的計算方法，其特征在于，所述頻域散射場序列矩陣通過頻域總場序列矩陣與沒有顱腦時的背景場序列矩陣求差值獲得。
3.如權利要求1所述的腦部微波成像的計算方法，其特征在于，所述步驟S200進一步包括：
4.如權利要求3所述的腦部微波成像的計算方法，其特征在于，所述步驟S200還包括：
5.如權利要求4所述的腦部微波成像的計算方法，其特征在于，所述S200還包括：S230，當沒有新的輪廓出現或遞歸次數大于5，結束計算，得到時域成像結果，否則將補正后的時域波形幅度序列矩陣帶入遞歸共焦成像算法公式，重復以上步驟S210-S230。
6.如權利要求1所述的腦部微波成像的計算方法，其特征在于，所述S300還包括：
7.如權利要求6所述的腦部微波成像的計算方法，其特征在于，S400進一步包括：
8.如權利要求7所述的腦部微波成像的計算方法，其特征在于，S500進一步包括：
9.一種計算機可讀存儲介質，存儲有計算
10.一種腦部微波成像的計算設備，其特征在于，包括：
...【技術特征摘要】
1.一種腦部微波成像的計算方法，其特征在于，所述方法包括：
2.如權利要求1所述的腦部微波成像的計算方法，其特征在于，所述頻域散射場序列矩陣通過頻域總場序列矩陣與沒有顱腦時的背景場序列矩陣求差值獲得。
3.如權利要求1所述的腦部微波成像的計算方法，其特征在于，所述步驟s200進一步包括：
4.如權利要求3所述的腦部微波成像的計算方法，其特征在于，所述步驟s200還包括：
5.如權利要求4所述的腦部微波成像的計算方法，其特征在于，所述s200還包括：s230，當沒有新的輪廓出現或遞歸次數大于5，結束計算，得到時域成像結果，否則將...
【專利技術屬性】
技術研發人員：李梅，周浩然，武雯，張澤群，于海濤，蒲業泰，師偉恒，林潔，
申請(專利權)人：雄安安影科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。