Page 159 - 《应用声学》2022年第1期

第 41 卷 第 1 期 谢辉武等： 利用 U-Net 网络增强骨密度全波形反演 155

1800
4000
3500 1600
ᤴए/(mSs -1 ) 1400 ࠛएϙ/(kgSm -3 )
3000

2500
2000 1200
10 mm 10 mm
1500 1000
(a) ෥ద຋ҫጞౌᮊᄊᤴएፇ౧ (b) ෥ద຋ҫጞౌᮊᄊࠛएፇ౧

4000 1800
1700
3500 1600
ᤴए/(mSs -1 ) 1400 ࠛएϙ/(kgSm -3 )
3000 1500
2500 1300
1200
2000 1100
10 mm 10 mm 1000
1500
(c) ຋ҫጞౌᮊᄊᤴएፇ౧ (d) ຋ҫጞౌᮊᄊࠛएፇ౧
图 6 正常模型两种反演方法的结果对比
Fig. 6 The normal model results comparison between two methods

根据对比可以明显看出当约束与模型相同时对反 也还可以，不过在中间的骨髓区域加入了约束的结
演结果有很大的提升，中间的骨髓区域结果完整。 果形状和数值都优于未加约束的结果。对比图 8(a)
接下来讨论对于骨质疏松，声速和密度都有所下降 与图 8(c) 可以看出速度图像的形状更好，在骨髓区
的结果。 域的数值也优于未加约束的结果。图8(b)和图 8(c)

2.2 低密度模型 的对比更加明显，密度的结果图形状更好。图 9 展
如图 7所示，使用的模型大小与之前相同，皮质 示了速度和密度的皮质骨横向剖面和反演区域中
3
骨声速为 3500 m/s，密度为 1700 kg/m 。经过偏移 间的纵向剖面结果对比。经过图片的对比可以看出
成像和神经网络后的分类结果与图 5 相同。然后执 约束后骨髓区域的数值更加优秀。密度区域与假设
行全波形反演，最后的结果如图8所示。因为此时模 的理论模型更加接近。而且进行了约束的反演对于
型中数值的变化没有之前的大，没有加约束的结果 正则系数的健壮性有很大的提高。

3500 1700
3250 1600
3000 1500
ᤴए/(mSs -1 ) ࠛएϙ/(kgSm -3 )
2750 1400
2500 1300
2250
1200
2000
10 mm 1750 10 mm 1100
1500 1000
(a) ᤴएവی (b) ࠛएവی
图 7 低密度模型
Fig. 7 Low density bone model