[发明专利]基于机器学习的血管导波弹性成像方法及系统

权利要求书

1.一种基于机器学习的血管导波弹性成像方法，其特征在于，包括以下步骤：

通过有限元软件对血管的薄层体系中剪切波的传播进行数值模拟，并获取有限元分析结果；

根据所述有限元分析结果得到全场节点的运动速度分布，并提取薄层中线上节点的运动速度，获取频散曲线以作为神经网络的输入信号；

其中，所述获取频散曲线以作为神经网络的输入信号，包括：

获取不同的所述神经网络的输入信号下采样范围，对下采样信号添加随机噪声，再进行数据集增强处理，使得有限元算例生成多条不同的频散曲线；以及

根据所述频散曲线得到所述神经网络的训练集和测试集，并采用神经网络方法进行训练，直至所述训练集上的误差小于预设值，以最终神经网络得到血管导波弹性成像图像。

2.根据权利要求1所述的基于机器学习的血管导波弹性成像方法，其特征在于，所述通过有限元软件对血管的薄层体系中剪切波的传播进行数值模拟，进一步包括：

根据模拟目标调整有限元模型的几何尺寸和材料，以得到所述有限元分析结果。

3.根据权利要求1所述的基于机器学习的血管导波弹性成像方法，所述提取薄层中线上节点的运动速度，其特征在于，

通过有限元算例获取所述薄层体系中线上节点的运动速度分布。

4.根据权利要求1所述的基于机器学习的血管导波弹性成像方法，所述神经网络为双隐层的全连接人工神经网络，且所述双隐层的全连接人工神经网络包括支持向量机、决策树和随机森林。

5.一种基于机器学习的血管导波弹性成像系统，其特征在于，包括：

第一获取模块，用于通过有限元软件对血管的薄层体系中剪切波的传播进行数值模拟，并获取有限元分析结果；

第二获取模块，用于本根据所述有限元分析结果得到全场节点的运动速度分布，并提取薄层中线上节点的运动速度，获取频散曲线以作为神经网络的输入信号，其中，所述获取频散曲线以作为神经网络的输入信号，包括：

获取不同的所述神经网络的输入信号下采样范围，对下采样信号添加随机噪声，再进行数据集增强处理，使得有限元算例生成多条不同的频散曲线；以及

成像模块，用于根据所述频散曲线得到所述神经网络的训练集和测试集，并采用神经网络方法进行训练，直至所述训练集上的误差小于预设值，以最终神经网络得到血管导波弹性成像图像。

6.根据权利要求5所述的基于机器学习的血管导波弹性成像系统，其特征在于，所述第一获取模块进一步用于，

根据模拟目标调整有限元模型的几何尺寸和材料，以得到所述有限元分析结果。

7.根据权利要求5所述的基于机器学习的血管导波弹性成像系统，其特征在于，所述第二获取模块进一步用于，

通过有限元算例获取所述薄层体系中线上节点的运动速度分布。

8.根据权利要求5所述的基于机器学习的血管导波弹性成像系统，其特征在于，所述神经网络为双隐层的全连接人工神经网络，且所述双隐层的全连接人工神经网络包括支持向量机、决策树和随机森林。