(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211110026.2 (22)申请日 2022.09.13 (71)申请人 苏州雷泰医疗科技有限公司 地址 215000 江苏省苏州市工业园区金胜 路3号 (72)发明人 罗勇琛　王庆　昌亚胜　姚毅　 (74)专利代理 机构 苏州华博知识产权代理有限 公司 32232 专利代理师 黄丽莉 (51)Int.Cl. A61N 5/10(2006.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 超声装置、 包括该超声装置的放射治疗设备 及其工作方法 (57)摘要 本发明公开一种超声装置、 包括该超声装置 的放射治疗设备及其工作方法， 超声装置包括： 超声探头和耦合剂层， 超声探头包括： 内部中心 元件以及包覆于内部中心外侧的环氧树脂密封 层， 内部中心元件包括： 压电元件阵列层、 设置于 压电元件阵列层相对两侧的声学背衬层和声学 匹配层， 压电元件阵列层内置集成电路， 用于采 集超声影像， 声学背衬层用于消除共振效应， 声 学匹配层用于增加到皮肤的声学传播效应； 耦合 剂层为水凝胶弹性体， 耦合剂层用于将超声探头 附着于人体皮肤上。 超声装置包括三层的内部中 心元件和环氧树脂密封层， 成本低， 可靠性高， 提 高放疗精确度， 水凝胶弹性体的耦合剂层能够将 超声探头牢固地粘附在人体皮肤上， 保持稳健和 持久舒适的超声实时成像 。 权利要求书2页 说明书8页 附图4页 CN 115430066 A 2022.12.06 CN 115430066 A 1.超声装置， 其特 征在于， 包括： 超声探头， 所述超声探头包括： 内部中心元件以及包覆于所述内部中心外侧的环氧树 脂密封层， 所述内部中心元件包括： 压电元件阵列层、 设置于所述压电元件阵列层相对两侧 的声学背衬层和声 学匹配层； 所述压电元件阵列层内置集 成电路， 用于采集超声影像， 所述 声学背衬层用于消除共 振效应， 所述声学匹配层用于增 加到皮肤的声学传播效应； 耦合剂层， 所述耦合剂层为水凝胶弹性体， 所述耦合剂层用于将所述超声探头附着于 人体皮肤上。 2.根据权利要求1所述的超声装置， 其特征在于， 所述水凝胶弹性体包括： 水凝胶和包 裹于所述水凝胶外侧的弹性体膜。 3.根据权利要求2所述的超声装置， 其特征在于， 所述水凝胶包括： 壳聚糖 ‑聚丙烯酰胺 互穿聚合物网络和水。 4.根据权利要求2所述的超声装置， 其特 征在于， 所述弹性体膜的厚度小于40m m。 5.放射治疗设备， 其特 征在于， 包括： 如权利要求1 ‑4任一项所述的超声装置， 所述超声装置附着于人体皮肤上， 所述超声装 置用于采集超声影 像； 上位机， 所述上位机与所述超声装置的超声探头电连接， 所述上位机用于对所述超声 装置采集的超声影 像进行处 理， 提取出关键信息； 加速器， 所述加速器与所述上位机电连接， 所述加速器用于进行放 射治疗。 6.根据权利要求5所述的放射治疗设备， 其特征在于， 所述上位机内置有SA ‑UNet神经 网络模型， 所述SA ‑UNet神经网络模型包括依次连接的编码器、 空间注意力模块以及解码 器， 所述编码器用于获取超声影像的图像特征， 所述空间注意力模块用于进一步获取超声 影像的细粒度特 征， 所述解码器用于进行 特征重构， 并输出 结果。 7.放射治疗设备的工作方法， 其特征在于， 用于实现如权利要求5或6所述的放射治疗 设备工作， 具体包括以下步骤： 步骤一： 超声装置采集超声影 像； 步骤二： 超声装置采集的超声影像发送给上位机， 上位机对其进行处理， 提取出关键信 息； 步骤三： 加速器根据上位机提取的关键信息， 控制光 栅动作， 进行放 射治疗。 8.根据权利要求9所述的工作方法， 其特征在于， 所述上位机内置有SA ‑UNet神经网络 模型， 所述SA ‑UNet神经网络模型的训练包括以下步骤： S1： 对采集的超声影 像进行标注； S2： 将原始的超声影像和标注后的超声影像一一对应， 并按照一定比例划分为训练集、 测试集和验证集； S3： 设置SA ‑UNet神经网络模型的训练参数， 将训练集输入所述SA ‑UNet神经网络模型 进行前向传播， 得 出标签结果； S4： 将S3得到的标签结果与真实标签进行对比， 得到分类损失函数和Dice评价系数； S5： 基于S4得到的分类损失函数和Dice评价系数， 对所述SA ‑UNet神经网络模型进行反 向传播， 优化所述SA ‑UNet神经网络模型的参数； S6： 重复S3 ‑S5， 直至所述SA ‑UNet神经网络模型的训练结果达 到预期。权　利　要　求　书 1/2 页 2 CN 115430066 A 29.根据权利要求8所述的工作方法， 其特征在于， S3中， 对训练集进行数据增强处理后， 再将其输入所述SA ‑UNet神经网络模型进行 前向传播。 10.根据权利要求8或9所述的工作方法， 其特征在于， 所述SA ‑UNet神经网络模型包括 依次连接的编码 器、 空间注意力模块以及解码器， 所述SA ‑UNet神经网络模 型的工作包括以 下步骤： A1： 编码器获取超声影 像的图像特 征； A2： 将编码器获取的图像特征传输到空间注意力模， 分别输入到全局最大池化和全局 平均池化层； A3： 将两个分支得到的输出 特征图进行 特征拼接操作； A4： 将拼接后的特征图分别经过7 ×7卷积、 批量归一化层和 Sigmoid激活函数得到中间 特征图； A5： 将编码器获取的特征图和中间特征图进行逐像素相乘操作 得到最终的空间注意力 图； A6： 将空间注意力图作为输入特 征传递给解码器； A7： 解码器进行 特征重构， 并输出 结果。权　利　要　求　书 2/2 页 3 CN 115430066 A 3