Калибровка большого массива ультразвуковых сенсоров

Обложка
  • Авторы: Граничин О.Н.1, Граничина О.А.2, Трофимов С.А.1, Щербаков П.С.3,4
  • Учреждения:
    1. Санкт-Петербургский государственный университет
    2. Российский государственный педагогический университет им. А.И. Герцена
    3. ФГБУН Институт проблем управления РАН, Москва
    4. Московский физико-технический институт
  • Выпуск: № 112 (2024)
  • Страницы: 294-309
  • Раздел: Программы и системы моделирования объектов, средств и систем управления
  • URL: https://bakhtiniada.ru/1819-2440/article/view/284220
  • ID: 284220

Цитировать

Полный текст

Аннотация

Предлагается метод калибровки плоского кругового массива сенсоров для ультразвуковой медицинской томографии, позволяющий оценивать координаты сенсоров и задержки приема/передачи сигналов. Он основан на модели распространения ультразвуковых волн и использует триангуляцию для оптимизации параметров модели. На каждой итерации метода оценки координат и задержек пересчитываются отдельно друг от друга путем решения систем линейных уравнений малой размерности. Моделирование на искусственно сгенерированных данных показало высокую эффективность и точность предложенного подхода. Метод устойчив к шумам и способен работать в различных условиях, включая неидеальность модели распространения ультразвуковых волн. Предложенная процедура калибровки может быть легко масштабирована на большие размеры массива, что актуально при практической реализации систем ультразвуковой томографии. Представляется, что разработанный подход позволит повысить точность результатов ультразвуковой томографии при работе на реальных данных, что делает его ценным инструментом для широкого спектра применений, таких как медицинская диагностика и робототехника.

Об авторах

Олег Николаевич Граничин

Санкт-Петербургский государственный университет

Email: oleg_granichin@mail.ru
Санкт-Петербург

Ольга Александровна Граничина

Российский государственный педагогический университет им. А.И. Герцена

Email: olga_granichina@mail.ru
Санкт-Петербург

Степан Артемович Трофимов

Санкт-Петербургский государственный университет

Email: steve.trofimov@gmail.com
Санкт-Петербург

Павел Сергеевич Щербаков

ФГБУН Институт проблем управления РАН, Москва; Московский физико-технический институт

Email: cavour118@mail.ru
Долгопрудный

Список литературы

  1. ГРАНИЧИН О.Н., ЩЕРБАКОВ П.С. Об одном подходе к ре-шению задачи о калибровке большого массива ультразву-ковых датчиков // В Cб. материалов XIV Всероссийскогосовещания по проблемам управления (ВСПУ-2024), Россия,Москва, ИПУ РАН, 17–20 июня 2024. – 2024.
  2. CAMPI M., GARATTI S. Compression, generalization andlearning // Journal of Machine Learning Research. – 2023. –Vol. 24, No. 339. – P. 1–74.
  3. CS ´ AJI B.C., CAMPI M.C., WEYER E. Sign-perturbedsums: A new system identification approach for constructingexact non-asymptotic confidence regions in linear regressionmodels // IEEE Trans. on Signal Processing. – 2014. – Vol. 63,No. 1. – P. 169–181.
  4. DURIC N., LITTRUP P., POULO L. et al. Detection of breastcancer with ultrasound tomography: First results with theComputed Ultrasound Risk Evaluation (CURE) prototype //Medical physics. – 2007. – Vol. 34, No. 2. – P. 773–785.
  5. EROFEEVA V., GALYAMINA V., GRANICHIN O. et al.Detection of specific areas and densities for ultrasoundtomography // Cybernetics and Physics. – 2019. – Vol. 8,No. 3. – P. 121–127.
  6. FANG X., WU Y., SONG J. et al. Zone-shrinking Fresnel zonetravel-time tomography for sound speed reconstruction in breastUSCT // Sensors. – 2020. – Vol. 20, No. 19. – P. 5563.
  7. GRANICHIN O., EROFEEVA V., IVANSKIY Y. et al.Simultaneous perturbation stochastic approximation-based consensus for tracking under unknown-but-boundeddisturbances // IEEE Trans. on Automatic Control. – 2021. –Vol. 66, No. 8. – P. 3710–3717.
  8. GRANICHIN O., SCHERBAKOV P., MING Y. A Calibrationalgorithm for a large circular array of ultrasound transducers //Proc. of the Int. Workshop on Medical Ultrasound Tomography(MUST), 10-12 June 2024, Amsterdam, Netherlands. – 2024.
  9. GR ¨ OHL J., SCHELLENBERG M., DREHER K. et al. Deeplearning for biomedical photoacoustic imaging: A review //Photoacoustics. – 2021. – Vol. 22. – P. 100241.
  10. JOVANOVIC I. Inverse problems in acoustic tomography:theory and applications. – Suisse: EPFL, 2008. – 139 c.
  11. LENOX M.W., WISKIN J., LEWIS M. et al. Imagingperformance of quantitative transmission ultrasound // Journalof Biomedical Imaging. – 2015. – Vol. 2015. – P. 773–785.
  12. LIN L., ZHANG Y., HU P. et al. High-speed three-dimensionalphotoacoustic computed tomography for preclinical researchand clinical translation // Nature communications. – 2021. –Vol. 12. – P. 882.
  13. RAHAMAN J., PRAKASH R., RANJBARAN M. et al.Transducer misplacement compensation for in-lab-made 3Dphotoacoustic tomography systems using nature-inspiredalgorithms // Photons Plus Ultrasound: Imaging and Sensing. –2023. – Vol. 12379. – P. 123790W.
  14. RAJENDRAN P., PRAMANIK M. Deep-learning-based multi-transducer photoacoustic tomography imaging without radiuscalibration // Optics Letters. – 2023. – Vol. 46, No. 18. –P. 4510–4513.
  15. ROY O., JOVANOVI ´ C I., DURI ´ C N. et al. Robustarray calibration using time delays with application toultrasound tomography // Medical Imaging: UltrasonicImaging, Tomography, and Therapy. – 2011. – Vol. 7968. –P. 46–56.
  16. RUITER N.V., ZAPF M., HOPP T. et al. 3D ultrasoundcomputer tomography of the breast: A new era? // EuropeanJournal of Radiology. – 2012. – Vol. 81. – P. S133–S134.
  17. SASTRY K., ZHANG Y., HU P. et al. A method for thegeometric calibration of ultrasound transducer arrays witharbitrary geometries // Photoacoustics. – 2023. – Vol. 32. –P. 100520.
  18. SONG J., WANG S., ZHOU L. et al. A prototype system forultrasound computer tomography with ring array // 2nd IETInt. Conf. on Biomedical Image and Signal Processing (ICBISP-2017). – 2017. – P. 1–4.
  19. SONG J., ZHANG Q., ZHOU L. et al. Design andimplementation of a modular and scalable research platform forultrasound computed tomography // IEEE Trans. on Ultrasonics,Ferroelectrics and Frequency Control. – 2021. – Vol. 69,No. 1. – P. 62–72.
  20. WANG S., ZENG L., SONG J. et al. Variational modedecomposition for ultrasound computed tomography // MedicalImaging: Ultrasonic Imaging and Tomography. – 2020. –Vol. 11319, No. 19. – P. 140–145.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».