一种基于深度复数神经网络的超声血流测速方法及系统

技术特征：
1.一种基于深度复数神经网络的超声血流测速方法，其特征在于，包括：根据设定好的仿真参数搭建物理血管模型，并通过所述物理血管模型采集原始数据；所述原始数据为原始血流多普勒回波信号；将所述原始数据划分为训练集、验证集和测试集，并对所述训练集进行标注；构建深度复数神经网络模型；通过标注后的训练集对所述深度复数神经网络模型进行训练；通过训练好的深度复数神经网络模型进行血流测速。2.根据权利要求1所述的基于深度复数神经网络的超声血流测速方法，其特征在于，在将所述原始数据划分为训练集、验证集和测试集之前，还包括：对所述原始数据进行希尔伯特变换。3.根据权利要求1所述的基于深度复数神经网络的超声血流测速方法，其特征在于，所述对所述训练集进行标注，具体包括：通过设定好的仿真参数计算最大血流速度；根据所述最大血流速度进行不同位置的血流速度；基于所述不同位置的血流速度对所述训练集进行标注。4.根据权利要求3所述的基于深度复数神经网络的超声血流测速方法，其特征在于，所述最大血流速度的计算公式如下：其中，v
max
为最大血流速度，c为声速，f
prf
为脉冲重复频率，f0为中心频率，θ为束流角。5.根据权利要求3所述的基于深度复数神经网络的超声血流测速方法，其特征在于，所述不同位置的血流速的计算公式如下：其中，v(d)为不同位置的血流速度，d为距离管腔中心线的距离，r为血管半径，v
max
为最大血流速度。6.根据权利要求1所述的基于深度复数神经网络的超声血流测速方法，其特征在于，所述深度复数神经网络模型由pytorch深度学习框架搭建一个三层卷积层和两层全连接层构成。7.根据权利要求1所述的基于深度复数神经网络的超声血流测速方法，其特征在于，还包括：通过所述验证集和所述测试集对训练好的深度复数神经网络模型进行验证和测试。8.一种基于深度复数神经网络的超声血流测速系统，其特征在于，包括：原始数据采集模块，用于根据设定好的仿真参数搭建物理血管模型，并通过所述物理血管模型采集原始数据；所述原始数据为原始血流多普勒回波信号；划分及标注模块，用于将所述原始数据划分为训练集、验证集和测试集，并对所述训练集进行标注；模型构建模块，用于构建深度复数神经网络模型；训练模块，用于通过标注后的训练集对所述深度复数神经网络模型进行训练；
血流测速模块，用于通过训练好的深度复数神经网络模型进行血流测速。

技术总结
本发明公开了一种基于深度复数神经网络的超声血流测速方法及系统。该方法包括：根据设定好的仿真参数搭建物理血管模型，并通过所述物理血管模型采集原始数据；所述原始数据为原始血流多普勒回波信号；将所述原始数据划分为训练集、验证集和测试集，并对所述训练集进行标注；构建深度复数神经网络模型；通过标注后的训练集对所述深度复数神经网络模型进行训练；通过训练好的深度复数神经网络模型进行血流测速。本发明使用深度复数神经网络将滤波与血流测速两步融合，提高了血流测速的准确性，降低了算法运行时间，提高了效率。提高了效率。提高了效率。


技术研发人员：郎恂 雷建 何冰冰 刘淞华 李支尧 张榆锋
受保护的技术使用者：云南大学
技术研发日：2022.03.22
技术公布日：2022/6/7