CN113804332A - 基于超声成像***的温感元件阵列故障诊断方法及其应用 - Google Patents
基于超声成像***的温感元件阵列故障诊断方法及其应用 Download PDFInfo
- Publication number
- CN113804332A CN113804332A CN202111087230.2A CN202111087230A CN113804332A CN 113804332 A CN113804332 A CN 113804332A CN 202111087230 A CN202111087230 A CN 202111087230A CN 113804332 A CN113804332 A CN 113804332A
- Authority
- CN
- China
- Prior art keywords
- array
- temperature
- elements
- temperature sensing
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003745 diagnosis Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 238000003491 array Methods 0.000 claims description 4
- 238000012285 ultrasound imaging Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013024 troubleshooting Methods 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
- G01K15/007—Testing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/58—Testing, adjusting or calibrating the diagnostic device
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及基于超声成像***的温感元件阵列故障诊断方法及其应用,该方案包括以下步骤:S100、获取每个温感元件的空间位置,依据该空间位置对温感元件进行空间分组形成多组阵元并对多组阵元进行排序,每组阵元包括温感元件的序号;S200、依据每个温感元件的温度数据对每组阵元进行自可信度计算和阵元间互信度计算;S300、依据自可信度和阵元间互信度形成阵列可信度矩阵,阵列可信度矩阵包括温感元件的序号和该温感元件所在阵元的组序号;S400、依据自可信度和阵元间互信度得出故障温感元件,并输出该温感元件的序号和组序号,本申请具有及时检测失效温度传感器的位置,方便维修更换,保障测温***正常运行的优点。
Description
技术领域
本发明涉及超声技术领域,具体涉及基于超声成像***的温感元件阵列故障诊断方法及其应用。
背景技术
半球形超声成像***作为乳腺病变检测的重要设备,能够对乳腺进行断层扫描,形成精准的三维图像,提高医生对乳腺病变位置的判断。
我司之前申请的CN109770944A公开了一种乳腺检测装置,在实际使用过程中,获取成像空间内精确的声速值是半球形超声成像***的关键,而超声波在水中传播的速度与温度强相关,所以半球形超声成像***空间位置温度的检测是影响成像质量的重要因素。半球形换能器阵列中集成了NTC温度传感器,形成了半球形温度传感器阵列,此阵列含128个NTC温度传感器。当阵列中有温度传感器阵元发生故障时,若不及时定位更换,***的成像质量将受到影响。因此,快速准确地检测出故障阵元的位置对于成像***尤为重要。
然而,现有技术并未有此故障诊断手段,只能手动排查或者直接更换维修,导致维护成本过高,维修周期较长。因此,亟待一种可以及时检测失效温度传感器的位置,方便维修更换,保障测温***正常运行,为超声成像***的图像重建提供准确有效温度数据的基于超声成像***的温感元件阵列故障诊断方法及其应用。
发明内容
本发明的目的是针对现有技术中存在的上述问题,提供了基于超声成像***的温感元件阵列故障诊断方法及其应用。
为了实现上述发明目的,本发明采用了以下技术方案:基于超声成像***的温感元件阵列故障诊断方法包括以下步骤:
S100、获取每个温感元件的空间位置,依据该空间位置对温感元件进行空间分组形成多组阵元并对多组阵元进行排序,每组阵元包括温感元件的序号;
S200、依据每个温感元件的温度数据对每组阵元进行自可信度计算和阵元间互信度计算;
S300、依据自可信度和阵元间互信度形成阵列可信度矩阵,阵列可信度矩阵包括温感元件的序号和该温感元件所在阵元的组序号;
S400、依据自可信度和阵元间互信度得出故障温感元件,并输出该温感元件的序号和组序号。
工作原理及有益效果:1、与现有技术相比,本申请能够先通过阵元间互信度找到故障温感元件所在的阵元组,然后通过自可信度从这组阵元中迅速找到故障温感元件,从而快速获得该温感元件的序号和组序号,无需遍历所有的温感元件,大大降低了排查难度,显著提高了排查效率,方便维修更换,保障测温***正常运行,为超声成像***的图像重建提供准确有效温度数据,其中温感元件就是温度传感器;
2、本申请很好地利用了半球形超声成像***的结构特性以及温感元件的分布设置,无需改变半球形超声成像***的任何结构,改造成本极低,是现有技术所无法比拟的。
进一步地,步骤S100中将同一高度的所有温感元件作为一组阵元,从上到下或从下到上对每组阵元进行排序标定,分别标定每组阵元内其中一个温感元件作为参考阵元,以该参考阵元为起点按顺时针或逆时针对每组阵元内的剩余温感元件进行位置标定,得到每一个温感元件的序号和该温感元件所在阵元的组序号。此方案,可快速对半球形超声成像***内的所有温感元件进行编号,并进行分组操作,便于查询和定位,使得每个温感元件都具有空间坐标。
进一步地,步骤S200中选取每个温感元件设定时间段的温度数据作为自可信度计算的数据来源。通过采取一定时间段内的温度数据,从而减少了数据异常的情况发生,使得温度数据的可信度更高,减少干扰因素。
进一步地,将每个温感元件的温度数据进行平均处理得到温度平均值,依据该温度平均值选取大于设定温度阈值的温感元件作为异常值,小于等于设定温度阈值的温感元件作为正常值,每组阵元中的正常值占所有温感元件总数的比例作为每个温感元件的自可信度。此方案,能够使得得到的温度数据更加准确,因为半球形超声成像系的半球体内同一高度的水温是基本一致的,因此在平均之后更能够反应实际情况,而此步骤可快速地找出异常值,即使存在某些温感元件异常,这一组阵元还是能够完成温度检测功能,反映较为准确的数据,因此通过自可信度来评价每组阵元的温度数据可信度,若自可信度低于一定的值,则此组阵元的温度数据是不可信的,需要进一步进行检修找出异常值,若大于等于一定的值,则此组阵元的温度数据是可信的,还无需对这组的异常温感元件进行检修,大大提高了维护周期,减少了不必要的排查。
进一步地,基于灰色理论计算同一组阵元内任意两个阵元间的关联系数,将所有关联系数平均作为每组阵元的阵元间互信度。可依据每组阵元的温度变化趋势来判断阵元的关联度,通过温度的传递特性可知,同组阵元的温度数据变化趋势是较为一致的,因此利用现有的灰色理论来计算关联系数,可快速地计算出每组阵元的阵元间互信度,也就是每组阵元内的两个温感元件之间的关联系数,将所有的关联系数的平均值作为阵元间互信度,也可以叫相互关联度。
进一步地,步骤S400中判定阵元间互信度小于设定阈值的阵元为关联度低的阵元,对该关联度低的阵元遍历选取异常值,输出该异常值的序号和组序号。此步骤,可快速地找到存在关联度低的阵元,然后再从该阵元中直接选取异常值即可,输出异常值的序号和组序号,由于每组阵元中或多或少的存在一些异常值,当异常值的数量不足以影响该组阵元时,是不需要进行检修的,也就是自可信度较高时,因此当关联度较低或为0的时候,阵元内自可信度即使不需要进行检修,也是需要进行检查,找出异常值,关联度相当于是自可信度的补充,自可信度和关联度的配合,大大提高了排障准确率和检修效率。
进一步地,所述温感元件的数量为128个,共分为8组阵元,每组阵元的温感元件数量从下到上依次增多,且每组阵元内的温感元件高度一致。此方案,结合半球体超声成像***的实际使用情况,专用性强。
基于超声成像***的温感元件阵列故障诊断的装置,包括超声成像***和与超声成像***通信连接的控制端,所述控制端用于执行上述的基于超声成像***的温感元件阵列故障诊断方法。采用了本申请方法的装置,具有本方法同样的功能,可直接运用在现有的超声成像***中,改造成本极低。
基于超声成像***的温感元件阵列故障诊断的电子设备,包括处理器和存储器;所述处理器与存储器耦合,用于执行存储器的可执行命令,以使得所述电子设备执行如上述的基于超声成像***的温感元件阵列故障诊断方法。采用了本申请方法的电子设备,具有本方法同样的功能,可直接运用在现有的超声成像***中,改造成本极低。
基于超声成像***的温感元件阵列故障诊断的计算机程序产品,包括程序或指令,当所述程序或指令在计算机上运行时,使得所述计算机执行如上述的基于超声成像***的温感元件阵列故障诊断方法。采用了本申请方法的计算机程序产品,具有本方法同样的功能,可直接运用在现有的超声成像***中,改造成本极低。
附图说明
图1是本发明发明方法的基本流程图;
图2是本发明发明方法的一种实施例的流程图;
图3是本发明发明方法的一种实施例的具体流程图;
图4是本发明发明方法的阵元示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员应理解的是,在本发明的披露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
请参阅图1和图2,本基于超声成像***的温感元件阵列故障诊断方法首先利用阵列阵元的位置分布信息对阵元进行空间分组处理,然后基于单通道温度数据的自可信度和通道间温度数据的互关联度,分别构建各阵元组的可信度矩阵,再通过全阵列的故障综合判决规则给出故障温度传感器的位置提示。该方法充分利用阵元空间位置的相关性,阵列分组处理快速高效,可以及时检测失效温度传感器的位置,方便维修更换,保障测温***正常运行,为超声成像***的图像重建提供准确有效温度数据。
相比其他阵列故障判断方法,该方法充分利用阵列阵元的空间位置信息,可信度分析综合温度传感器阵元的自可信度和互关联度,具有计算量小,准确度高的优势。
实施例1
以下的温感元件同温度传感器。
如图3所示,本基于超声成像***的温感元件阵列故障诊断方法包括以下步骤:
S100、获取每个温感元件的空间位置,依据该空间位置对温感元件进行空间分组形成多组阵元并对多组阵元进行排序,每组阵元包括温感元件的序号;
步骤S100中将同一高度的所有温感元件作为一组阵元,从上到下或从下到上对每组阵元进行排序标定,分别标定每组阵元内其中一个温感元件作为参考阵元,以该参考阵元为起点按顺时针或逆时针对每组阵元内的剩余温感元件进行位置标定,得到每一个温感元件的序号和该温感元件所在阵元的组序号。可快速对半球形超声成像***内的所有温感元件进行编号,并进行分组操作,便于查询和定位,使得每个温感元件都具有空间坐标。
请参阅图4,实际操作为根据NTC温度传感器阵列的空间位置,将处于同一高度的温度传感器分为同一组,形成了与图4中一样的半球形阵列,这样半球形阵列中128个温度传感器共分为8组阵元,每一组的阵元内温度传感器数量为Mi,其中1≤i≤8代表组序号,∑Mi=128,当然也可是图4中一个点位代表一个阵元,每个阵元中可以有多个温度传感器。
S200、依据每个温感元件的温度数据对每组阵元进行自可信度计算和阵元间互信度计算;
此步骤中,首先分别选定每一组阵元内的一个温度传感器为参考阵元,按照顺时针方向对其他温度传感器阵元进行位置标定,得到各阵元位置信息Si,j,其中1≤i≤8,1≤j≤Mi,i表示组序号,j表示温度传感器的序号或者是在第i组的第j号。
选择每个温度传感器30秒内采集到的温度数据作为处理对象。获取单个温度传感器30秒内的温度数据Ti(k),其中(i=1,2,...,Mi;k=1,2,...,N),总共有N个温度数据,其中一个温度数据为Ti(k),k表示时间。
S210、将每个温感元件的温度数据进行平均处理得到温度平均值,依据该温度平均值选取大于设定温度阈值的温感元件作为异常值,小于等于设定温度阈值的温感元件作为正常值,每组阵元中的正常值占所有温感元件总数的比例作为每个温感元件的自可信度。能够使得得到的温度数据更加准确,因为半球形超声成像系的半球体内同一高度的水温是基本一致的,因此在平均之后更能够反应实际情况,而此步骤可快速地找出异常值,即使存在某些温感元件异常,这一组阵元还是能够完成温度检测功能,反映较为准确的数据,因此通过自可信度来评价每组阵元的温度数据可信度,若自可信度低于一定的值,则此组阵元的温度数据是不可信的,需要进一步进行检修找出异常值,若大于等于一定的值,则此组阵元的温度数据是可信的,还无需对这组的异常温感元件进行检修,大大提高了维护周期,减少了不必要的排查。
此步骤的实际操作为,选择处理窗长L(代表5秒的温度数据点数,由于每一个温度数据是一个点,因此5秒的温度数据点连在一起就是一个窗长L),以Ti(k)为中心,前后各取半窗长(0.5L)计算窗内温度平均值εik,边界处不够窗长L的点数以实际一共有多少点数进行平均,得出的εik如下,
其中(i=1,2,...,Mi;k=1,2,...,N),总共有N个温度数据,其中一个温度数据为Ti(k),k表示时间。
计算出窗内温度平均值εik后,计算温度数据的有效性αi(k)如下:
其中αi(k)表示阵元i第k个温度数据的有效性,1表示第k点温度有效,0表示异常。
S220、基于灰色理论计算同一组阵元内任意两个阵元间的关联系数,将所有关联系数平均作为每组阵元的阵元间互信度。灰色相似性度量可依据每组阵元的温度变化趋势来判断阵元的关联度,通过温度的传递特性可知,同组阵元的温度数据变化趋势是较为一致的,因此利用现有的灰色理论来计算关联系数,可快速地计算出每组阵元的阵元间互信度,也就是每组阵元内的两个温感元件之间的关联系数,将所有的关联系数的平均值作为阵元间互信度,也可以叫相互关联度。
此步骤的实际操作公式为
其中,i,j代表同组内温度传感器的序号,Ti(k)-Tj(k)表示序列Ti和Tj在第k点差值的绝对值,ρ为分辨系数,一般取0.5,min下面的j表示与i同组的其他阵元序号,min下面k表示,第i个和第j个阵元中的温度数据差值绝对值的最小值。即先找第i组与第j组的温度数据差值的最小值k,再找第i组与第j+1组差值的最小值,找完第i组与其他所有组的差值的最小值后,再在最小值中找最小值,称为两级最小值,max的为最大值,同样的道理,找出两级最大值。
此步骤后,定义关联系数的平均值为阵元间的相互关联度,也就是每组阵元的阵元间互信度,
S300、依据自可信度和阵元间互信度形成阵列可信度矩阵,阵列可信度矩阵包括温感元件的序号和该温感元件所在阵元的组序号;
此步骤中,据阵元的自可信度序列和相互关联度构造每一组阵元的可信度矩阵Cij,
此时可信度矩阵C为128*128的二维矩阵,而Cij为其中第i行,第j列的元素,即元素为矩阵中任意位置的数据,其中αi(k)表示阵元i第k个温度数据的有效性,1表示第k点温度有效,0表示异常。所有点加起来就表示有效点数的数目,总共N点,如果80%的点数都有效,即证明该阵元的数据有效。
可信度矩阵C的对角线上的元素C11,C22,C33...C128128代表自可信度(i=j),也就是βi,如C11表示第一个阵元的自可信度,为1就表示可行,为0则表示故障。其他位置的元素(i不等于j,也就是ζij),如C21表示第2个阵元和第一个阵元的互信度,1表示可信,0表示两个阵元中有故障。如果C51=0,C52=0,连续两个为0,则说明第5个阵元故障。
S400、依据自可信度和阵元间互信度得出故障温感元件,并输出该温感元件的序号和组序号。
步骤S400中判定阵元间互信度小于设定阈值的阵元为关联度低的阵元,对该关联度低的阵元遍历选取异常值,输出该异常值的序号和组序号。可快速地找到存在关联度低的阵元,然后再从该阵元中直接选取异常值即可,输出异常值的序号和组序号,由于每组阵元中或多或少的存在一些异常值,当异常值的数量不足以影响该组阵元时,是不需要进行检修的,也就是自可信度较高时,因此当关联度较低或为0的时候,阵元内自可信度即使不需要进行检修,也是需要进行检查,找出异常值,关联度相当于是自可信度的补充,自可信度和关联度的配合,大大提高了排障准确率和检修效率。
在本实施例中,结合S300中的公式,当可信度矩阵Cij中存在两个相邻序号的自可信度或阵元间互信度为0时,则判定此阵元为阵元故障,记录此阵元的组序号和对应阵元内的温度传感器的序号,然后将故障阵元的位置或者是温度传感器输出即可。若一个阵元内含有多个温度传感器,多个阵元形成了一组环形的阵元,此时就是输出故障阵元的位置,若单个温度传感器形成了一个环形的阵元,那么此时就只要输出故障传感器的组序号和序号即可。也就是一种实施例中,如图4,一个点代表一个阵元,每个阵元内可以有多个温度传感器,而在另一种实施例中,一个点代表的是一个温度传感器,多个温度传感器环形组成了一个阵元,无论是哪种均可以适用于本申请的方法。
实施例2
基于超声成像***的温感元件阵列故障诊断的装置,包括超声成像***和与超声成像***通信连接的控制端,控制端用于执行上述的基于超声成像***的温感元件阵列故障诊断方法。采用了本申请方法的装置,具有本方法同样的功能,可直接运用在现有的超声成像***中,改造成本极低。
实施例3
基于超声成像***的温感元件阵列故障诊断的电子设备,包括处理器和存储器;处理器与存储器耦合,用于执行存储器的可执行命令,以使得电子设备执行如上述的基于超声成像***的温感元件阵列故障诊断方法。采用了本申请方法的电子设备,具有本方法同样的功能,可直接运用在现有的超声成像***中,改造成本极低。
实施例4
基于超声成像***的温感元件阵列故障诊断的计算机程序产品,包括程序或指令,当程序或指令在计算机上运行时,使得计算机执行如上述的基于超声成像***的温感元件阵列故障诊断方法。采用了本申请方法的计算机程序产品,具有本方法同样的功能,可直接运用在现有的超声成像***中,改造成本极低。
用于实现本方案实施例方法的服务器的计算机***包括中央处理单元CPU),其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有***操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的模块也可以设置在处理器中。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行以下方法所对应过的流程步骤。
本发明未详述部分为现有技术,故本发明未对其进行详述。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
尽管本文较多地使用了等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
本发明不局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本申请相同或相近似的技术方案,均落在本发明的保护范围之内。
Claims (10)
1.基于超声成像***的温感元件阵列故障诊断方法,其特征在于,包括以下步骤:
S100、获取每个温感元件的空间位置,依据该空间位置对温感元件进行空间分组形成多组阵元并对多组阵元进行排序,每组阵元包括温感元件的序号;
S200、依据每个温感元件的温度数据对每组阵元进行自可信度计算和阵元间互信度计算;
S300、依据自可信度和阵元间互信度形成阵列可信度矩阵,阵列可信度矩阵包括温感元件的序号和该温感元件所在阵元的组序号;
S400、依据自可信度和阵元间互信度得出故障温感元件,并输出该温感元件的序号和组序号。
2.根据权利要求1的基于超声成像***的温感元件阵列故障诊断方法,其特征在于,步骤S100中将同一高度的所有温感元件作为一组阵元,从上到下或从下到上对每组阵元进行排序标定,分别标定每组阵元内其中一个温感元件作为参考阵元,以该参考阵元为起点按顺时针或逆时针对每组阵元内的剩余温感元件进行位置标定,得到每一个温感元件的序号和该温感元件所在阵元的组序号。
3.根据权利要求1所述的基于超声成像***的温感元件阵列故障诊断方法,其特征在于,步骤S200中选取每个温感元件设定时间段的温度数据作为自可信度计算的数据来源。
4.根据权利要求3所述的基于超声成像***的温感元件阵列故障诊断方法,其特征在于,将每个温感元件的温度数据进行平均处理得到温度平均值,依据该温度平均值选取大于设定温度阈值的温感元件作为异常值,小于等于设定温度阈值的温感元件作为正常值,每组阵元中的正常值占所有温感元件总数的比例作为每个温感元件的自可信度。
5.根据权利要求4所述的基于超声成像***的温感元件阵列故障诊断方法,其特征在于,基于灰色理论计算同一组阵元内任意两个阵元间的关联系数,将所有关联系数平均作为每组阵元的阵元间互信度。
6.根据权利要求5所述的基于超声成像***的温感元件阵列故障诊断方法,其特征在于,步骤S400中判定阵元间互信度小于设定阈值的阵元为关联度低的阵元,对该关联度低的阵元遍历选取异常值,输出该异常值的序号和组序号。
7.根据权利要求1所述的基于超声成像***的温感元件阵列故障诊断方法,其特征在于,所述温感元件的数量为128个,共分为8组阵元,每组阵元的温感元件数量从下到上依次增多,且每组阵元内的温感元件高度一致。
8.基于超声成像***的温感元件阵列故障诊断的装置,其特征在于,包括超声成像***和与超声成像***通信连接的控制端,所述控制端用于执行权利要求1-7任意一项所述的基于超声成像***的温感元件阵列故障诊断方法。
9.基于超声成像***的温感元件阵列故障诊断的电子设备,其特征在于,包括处理器和存储器;所述处理器与存储器耦合,用于执行存储器的可执行命令,以使得所述电子设备执行如权利要求1-7任意一项所述的基于超声成像***的温感元件阵列故障诊断方法。
10.基于超声成像***的温感元件阵列故障诊断的计算机程序产品,其特征在于,包括程序或指令,当所述程序或指令在计算机上运行时,使得所述计算机执行如权利要求1-7任意一项所述的基于超声成像***的温感元件阵列故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087230.2A CN113804332B (zh) | 2021-09-16 | 2021-09-16 | 基于超声成像***的温感元件阵列故障诊断方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087230.2A CN113804332B (zh) | 2021-09-16 | 2021-09-16 | 基于超声成像***的温感元件阵列故障诊断方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113804332A true CN113804332A (zh) | 2021-12-17 |
CN113804332B CN113804332B (zh) | 2024-06-04 |
Family
ID=78941304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111087230.2A Active CN113804332B (zh) | 2021-09-16 | 2021-09-16 | 基于超声成像***的温感元件阵列故障诊断方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113804332B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115670504A (zh) * | 2022-10-24 | 2023-02-03 | 浙江衡玖医疗器械有限责任公司 | 一种三维超声断层成像***原始信号质量判断方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372534A (zh) * | 2015-12-04 | 2016-03-02 | 国网河南省电力公司电力科学研究院 | 一种多传感器多参量信息智能融合*** |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测*** |
JP2017167599A (ja) * | 2016-03-14 | 2017-09-21 | 日本電気株式会社 | 故障診断装置、故障診断システム、故障診断方法、及び、プログラム |
CN108627720A (zh) * | 2018-03-08 | 2018-10-09 | 国网四川省电力公司电力科学研究院 | 一种基于贝叶斯算法的电力设备状态监测方法 |
CN110477950A (zh) * | 2019-08-29 | 2019-11-22 | 浙江衡玖医疗器械有限责任公司 | 超声成像方法及装置 |
WO2021108954A1 (zh) * | 2019-12-02 | 2021-06-10 | 北京微动数联科技有限公司 | 基于传感器阵列的检测控制方法和装置 |
CN112949472A (zh) * | 2021-02-28 | 2021-06-11 | 杭州翔毅科技有限公司 | 一种基于多传感器信息融合的协同感知方法 |
-
2021
- 2021-09-16 CN CN202111087230.2A patent/CN113804332B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372534A (zh) * | 2015-12-04 | 2016-03-02 | 国网河南省电力公司电力科学研究院 | 一种多传感器多参量信息智能融合*** |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测*** |
JP2017167599A (ja) * | 2016-03-14 | 2017-09-21 | 日本電気株式会社 | 故障診断装置、故障診断システム、故障診断方法、及び、プログラム |
CN108627720A (zh) * | 2018-03-08 | 2018-10-09 | 国网四川省电力公司电力科学研究院 | 一种基于贝叶斯算法的电力设备状态监测方法 |
CN110477950A (zh) * | 2019-08-29 | 2019-11-22 | 浙江衡玖医疗器械有限责任公司 | 超声成像方法及装置 |
WO2021108954A1 (zh) * | 2019-12-02 | 2021-06-10 | 北京微动数联科技有限公司 | 基于传感器阵列的检测控制方法和装置 |
CN112949472A (zh) * | 2021-02-28 | 2021-06-11 | 杭州翔毅科技有限公司 | 一种基于多传感器信息融合的协同感知方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115670504A (zh) * | 2022-10-24 | 2023-02-03 | 浙江衡玖医疗器械有限责任公司 | 一种三维超声断层成像***原始信号质量判断方法 |
CN115670504B (zh) * | 2022-10-24 | 2024-01-09 | 浙江衡玖医疗器械有限责任公司 | 一种三维超声断层成像***原始信号质量判断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113804332B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183376B2 (ja) | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 | |
US9536316B2 (en) | Apparatus and method for lesion segmentation and detection in medical images | |
US20170124700A1 (en) | Method and system for measuring a volume from an ultrasound image | |
KR101876338B1 (ko) | 신경망을 이용한 간 경변 예측 장치 및 방법 | |
JP2013542046A5 (zh) | ||
JP7237147B2 (ja) | バイオメトリック測定及び品質評価 | |
US11763460B2 (en) | Image segmentation confidence determination | |
CN111445546B (zh) | 图像重建方法、装置、电子设备、存储介质 | |
US9498166B2 (en) | Method for displaying the temperature field of a biological subject | |
US20140371591A1 (en) | Method for automatically detecting mid-sagittal plane by using ultrasound image and apparatus thereof | |
CN111511288B (zh) | 超声肺评估 | |
EP2637570A2 (en) | System and method of ultrasound image processing | |
KR20080035163A (ko) | 대상체의 크기를 측정하기 위한 초음파 진단 장치 및 방법 | |
CN111811694B (zh) | 一种温度校准方法、装置、设备及存储介质 | |
CN111189545B (zh) | 高精度广域智能红外体温筛查方法及其*** | |
CN103765159A (zh) | 使用概率体素绘图的快速密集点云成像 | |
CN105938513A (zh) | 为计算机辅助诊断提供可靠性的装置和方法 | |
US9339257B2 (en) | Measuring apparatus and method thereof | |
CN113804332B (zh) | 基于超声成像***的温感元件阵列故障诊断方法及其应用 | |
CN110163907B (zh) | 胎儿颈部透明层厚度测量方法、设备及存储介质 | |
CN113806934B (zh) | 半球形温度传感器预测模型构建方法、装置及电子设备 | |
CN114972530A (zh) | 一种基于虚拟场景对摄像机的标定方法、装置、设备及存储介质 | |
KR20230019645A (ko) | 체온 예측 장치 및 방법, 그리고 체온 예측 장치를 학습시키는 방법 | |
CN117157015A (zh) | 超声成像***、方法和非瞬态计算机可读介质 | |
US20240023939A1 (en) | Ultrasound diagnostic apparatus and method for operating same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |