научная статья по теме ДИНАМИЧЕСКОЕ ВОССТАНОВЛЕНИЕ ГЛУБИННОЙ ТЕМПЕРАТУРЫ МЕТОДОМ АКУСТОТЕРМОГРАФИИ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ Физика

Текст научной статьи на тему «ДИНАМИЧЕСКОЕ ВОССТАНОВЛЕНИЕ ГЛУБИННОЙ ТЕМПЕРАТУРЫ МЕТОДОМ АКУСТОТЕРМОГРАФИИ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ»

АКУСТИЧЕСКИЙ ЖУРНАЛ, 2013, том 59, № 6, с. 768-772

АКУСТИКА ЖИВЫХ СИСТЕМ. ^^^^^^^^^^ БИОМЕДИЦИНСКАЯ АКУСТИКА

УДК 534.8

ДИНАМИЧЕСКОЕ ВОССТАНОВЛЕНИЕ ГЛУБИННОЙ ТЕМПЕРАТУРЫ МЕТОДОМ АКУСТОТЕРМОГРАФИИ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ

© 2013 г. А. А. Аносов*, **, Р. В. Беляев***, В. А. Вилков***, А. С. Казанский*, А. Д. Мансфельд***, П. В. Субочев***

*Институт радиотехники и электроники РАН им. В.А. Котельникова Россия, 125009, Москва, ГСП-3, ул. Моховая 11 Тел.: (495) 924-52-85; Факс: (495) 924-52-85 E-mail: anosov@hotmail.ru **Первый московский государственный медицинский университет им. И. М. Сеченова, Россия, 119992, Москва, ул. Б. Пироговская, 2/6 Тел.: (495) 367-18-72; Факс: (495) 248-01-81 ***Институт прикладной физики РАН Россия, 603950, Нижний Новгород, ул. Ульянова, 46 тел. (831) 436-58-10; Факс (831) 436-97-17 Поступила в редакцию 17.02.2013 г.

В эксперименте восстановлена меняющаяся во времени глубинная температура модельного объекта: говяжьей печени. Печень в течение 6 минут нагревали лазерным излучением (810 нм), передаваемым с помощью световода на глубину 1 см. Во время нагрева и последующего охлаждения глубинная температура измерялась методом акустотермографии. Для независимого контроля использовали три электронных термометра, показания которых в последующем и восстанавливали. Восстановление глубинной температуры проводилось с помощью нейронной сети с задержкой. В течение последних двух минут нагрева среднеквадратическая погрешность восстановления при времени усреднения 50 с не превышала 0.5°C. Такой результат позволяет использовать предлагаемый метод для решения ряда медицинских задач.

Ключевые слова: тепловое акустическое излучение, восстановление температуры, нейронные сети. DOI: 10.7868/S0320791913050018

Контроль меняющейся во времени глубинной температуры тканей тела человека требуется при медицинских процедурах, связанных с нагревом. Например, при лазерной гипертермии важно знать изменение параметров нагреваемой области: характерного размера и максимальной температуры (расположение области определяется выбираемой врачом геометрией нагрева). Для этого удобно использовать акустотермографию — неинвазивный метод измерения собственного теплового акустического излучения объекта [1— 12]. Во-первых, это безопасно, а во-вторых, аку-стотермографию можно проводить совместно с медицинской процедурой [13]. Экспериментальному восстановлению температуры модельных объектов методом акустотермографии посвящено множество работ [2—4, 14—18], в каждой из которых ставились свои задачи. В работах [2, 4] восстанавливали температуру нагретого водного раствора глицерина, в работе [3] — положение нагретой трубки с маслом, в работах [14, 15, 17] — Ш, 2Э и 3Э температурные распределения в нагретом пластилине. В работе [16] с помощью многочастотного датчика определяли профиль температуры при нагреве опухолей в лабораторных крысах. В работе [18] восстанавливали профиль

температуры кисти человека при модельных гипертермии и гипотермии. При этом в работах [14—17] восстанавливали динамические, в остальных работах — стационарные распределения температуры. Независимый контроль глубинной температуры осуществляли в работах [2, 4, 17]. В указанных работах для восстановления использовались различные алгоритмы, основанные в основном на приближенном решении интегрального уравнения Фредгольма 1-го рода, где искомой функцией являлось температурное распределение. Основная проблема при восстановлении заключалась в том, что возникала систематическая погрешность, связанная как с ошибками в определении геометрии схемы сканирования, так и с определением максимального значения температуры. При наличии существенных температурных градиентов ошибка в определении области чувствительности датчиков приводила к существенной ошибке восстановления температуры. При восстановлении максимального значения температуры возникала ошибка из-за усреднения экспериментальных данных (необходимость усреднения связана с шумовой природой теплового акустического излучения). Решить указанные проблемы можно, если использовать для восстановления тем-

пературы искусственные нейронные сети. Как показало проведенное компьютерное исследование [19], систематические ошибки практически исчезают за счет обучения нейронной сети по экспериментальным данным.

В данной работе для экспериментального восстановления глубинной температуры нами был выбран модельный объект, по своим акустическим и теплофизическим свойствам максимально приближенный к мягким тканям тела человека. Мы восстанавливали меняющуюся во времени глубинную температуру и использовали для этого искусственные нейронные сети с задержкой. Для обучения нейронной сети и для оценки погрешности восстановления были проведены независимые измерения глубинной температуры.

Принципиальная схема эксперимента представлена на рис. 1. Нагреваемым объектом служила говяжья печень 1. Для нагрева использовали лазерный офтальмологический коагулятор "ЛАХТА-МИ-ЛОН" 2. Лазерное излучение (длина волны 810 нм, частота следования импульсов 1 Гц, скважность 2) через оптоволокно 3 поступало в печень на глубину 1 см, где и поглощалось. В результате возникала нагретая область 4, акустическое излучение из которой измеряли четыре датчика 5.1—5.4 многоканального акустотермографа, разработанного в ИПФ РАН (полоса пропускания 1.2—2.7 МГц, пороговая чувствительность при времени интегрирования 30 с — 0.15°C, диаметр датчиков 8 мм). Акустические оси датчиков пересекались в одной точке (оси датчиков 5.1 и 5.3 (или 5.2 и 5.4) пересекались под углом 30°). Отметим, что точка пересечения осей и центр нагретой области не совпадали (точка пересечения была глубже), расстояние между ними составляло около 13 мм. Датчики контактировали с печенью через иммерсионную жидкость 6, в качестве которой использовали трансформаторное масло. Для независимого контроля температуры использовали три цифровых термометра DS18S20P 7.1—7.3, расположенные в печени на глубине 1 см, как показано на рис. 1. Для обработки сигналов (как акустических, так и температурных) использовали компьютер 8. Принимаемые датчиками акустические сигналы преобразовывались в электрические, усиливались, проходили через квадратичный детектор и усреднялись в течение 30 мс. С выхода акустотермографа сигналы подавались на 14-разрядный многоканальный АЦП Е14-140 (ЗАО "L-Card") с частотой дискретизации 1 кГц на один канал и поступали в компьютер. Разработанная программа проводила дальнейшее усреднение данных. Для передачи данных с цифровых термометров на компьютер использовалась микроконтроллерная плата Arduino Nano.

Для восстановления глубинной температуры мы использовали многослойную нейронную сеть прямого распространения с фокусированной задержкой по времени. Основным элементом сети является искусственный нейрон, определяемый тремя параметрами: набором весов w1, ..., wn, сме-

7.2

3 1 ' i

5.3

7.3

5.2

5.4

Рис. 1. Схема эксперимента. 1 — печень, 2 — лазерный офтальмологический коагулятор "ЛАХТА-МИЛОН", 3 — оптоволокно, 4 — нагретая область, 5.1—5.4 — аку-стотермометры, 6 — иммерсионная жидкость, 7.1— 7.3 — термометры, 8 — компьютер.

щением Ь и функцией активации/ Поступающие на вход нейрона данные умножаются на соответствующие веса и складываются с учетом смещения. На полученную линейную комбинацию действует функция активации. Получившееся в итоге число называют выходом нейрона. Многослойная сеть прямого распространения содержит несколько слоев нейронов, входами которых служат выходы нейронов предыдущего слоя. Использование фокусированной задержки по времени означает, что на первый слой нейронов поступают и текущие, и предыдущие входные данные. По терминологии, используемой в нейронных сетях, используется эффект кратковременной памяти. При аналогичных экспериментах (а именно для них мы и разрабатывали сеть) такой подход повышает точность восстановления температуры. Таким образом, работу нейрона первого слоя можно представить формулой:

у = {( X * (1 _ А Та (и 1 _ ) + ь),

I = 1, ..., 4;А(

где ТА(1, t — Д?) — показания 1-го акустотермометра в момент времени ? — Д?, Д? — время задержки. Суммирование проводится по четырем датчикам и по всем выбранным задержкам. Для выходного слоя величина у является искомой температурой.

30 25 20 15 10 5 0

£ 20

о

15 -

10

0 -

н Я

2 20

15

10

200 400 600

800

1000 1200 (б)

200 400 600 800

1000 1200 (в)

200 400 600

800

1000 1200 Время, с

Рис. 2. Временные зависимости (в экспериментах а, б, в) акустотермометрических сигналов, измеренных (усреднение — 10 с) датчиками 5.1—5.4: О, *, □, +. Линии получены при усреднении экспериментальных данных за 50 с. Лазер включали на 100-й и выключали на 460-й секунде. Нуль соответствует сигналу от ненагретой печени.

Особенностью нейронных сетей является процесс обучения, что позволяет проводить восстановление только на имеющихся экспериментальных данных [20]. Это ограничивает применение обученной сети: ее можно использовать для восстановле-

ния температуры только в аналогичных экспериментах. Преимуществом данного подхода является снижение систематической погрешности. Процесс обучения представляет собой определение весов и смещений нейронов на основе обучающей выборки (в нашем случае — наборов измеренных в одном эксперименте акустояркостных и термодинамических температур). Для этого используется метод обратного распространения ошибки [20].

Было проведено три эксперимента: в первом выходная мощность лазерного излучения составила 2 Вт, во втором и в третьем — 1 Вт. Результаты акустических измерений показаны на рис. 2а—в. Отношение сигналов одного и того же датчика в третьем и во втором экспериментах близко к единице. Отношение сигналов в первом и во втором экспериментах составляет около 1.8 (а не 2, как ожидалось). По-видимому, причина в том, что указываемая на лицевой панели прибора выходная мощность лазера определяется приблизительно. Лазер включали на 100-й секунде, нагрев длился 360 с. Поэтому во всех экспериментах сигналы от всех датчиков росли с 100-й до приблизительно 460-й секунды, а потом начинали снижаться. Во вс

Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.

Показать целиком