神经网络用于各向异性生物组织弹性无创检测的研究

摘要

利用超声波速反演弹性系数为非介入式无创测量各向异性生物组织弹性系数提供了可能,该方法的关键是反演算法的研究.这类方法以弹性波场理论为基础,利用不同平面不同角度下测量到的超声波速数据,反演各向异性弹性系数矩阵.传统方法是建立并采用牛顿迭代法求解非线性方程组,主要存在两大问题:初值问题和角度依赖性.为克服这些问题,研究并提出一种基于BP网络正交各向异性反演算法,深入研究BP网络的输入参数、网络隐含层节点数.仿真实验显示,神经网络一旦训练得当,便可削弱算法对于角度的依赖,使得反演可以在角度信息不足的情况下进行,同时也可以避免初值的依赖性,结果表明,本算法对于正交各向异性材料的弹性参数反演基本解决了上述2个困扰研究者的问题.