Métodos de otimização aplicados ao projeto de arrays esparsos lineares para imagem por ultrassom

Abstract

As ondas ultrassônicas são úteis para a formação de imagens de materiais utilizados na indústria, assim como para diagnósticos médicos por imagem. No âmbito das imagens ultrassônicas, os métodos que otimizam custos físicos e computacionais são alvos de pesquisa, pois mantêm certos níveis de qualidade em inspeções preventivas e corretivas de componentes, e também na caracterização de tecidos moles e de materiais rígidos biológicos. Os arrays de transdutores ultrassônicos são utilizados para obter imagens, existindo um padrão de qualidade associado ao espaçamento (pitch) entre os elementos que os compõem de até metade do comprimento de onda (λ/2). Esse padrão pode não ser seguido se houver a finalidade de reduzir custos relacionados ao tempo de processamento, assim como a redução do número de elementos do array. Isso é feito recorrendo-se aos arrays esparsos, nos quais estão incluídos pitches variados e maiores do que λ/2, existindo muitas divergências na qualidade das imagens resultantes de um número muito grande de combinações possíveis de arrays esparsos. O presente trabalho tem como principal proposta desenvolver duas funções objetivo capazes de avaliar adequadamente os arrays esparsos, sendo a primeira relacionada às intensidades dos artefatos presentes em alguns cenários de imagem simulados por Point Spread Function (PSF), e a segunda associada a diversas métricas provenientes do padrão de radiação e de outras funções que representam as configurações de array esparso linear. A primeira função objetivo é validada através de uma comparação de pontuações finais entre imagens por PSF e por dados experimentais, e as pontuações são associadas a um grupo de 18 configurações de array esparso. A segunda função objetivo, que é desenvolvida com base na primeira, requer processamentos mais rápidos e então é utilizada em alguns métodos de busca capazes de encontrar desejáveis configurações de array esparso. Através das duas funções objetivo, são obtidos dois conjuntos de pontuações finais, sendo relativamente próximos entre si para um grupo de 31 configurações de array esparso, o qual inclui os 18 arrays anteriores. Para 4 arrays com desempenhos distantes entre si, a classificação numérica conjunta é a mesma entre as duas funções objetivo, e também a mesma em relação aos desempenhos gerais por dados experimentais.

Ultrasonic waves are useful for imaging of materials used in industry, as well as for medical imaging diagnostics. In the scope of ultrasonic imaging, methods that optimize physical and computational costs are research targets, because they maintain certain levels of quality in preventive and corrective inspections of components, as well as in the characterization of soft tissues and stiff biological materials. Ultrasonic transducer arrays are used to obtain images, where there is a quality standard associated with the spacing (pitch) between the elements that compose them of up to half wavelength (λ/2). This standard may not be followed if the purpose is to reduce costs related to processing time, as well as reducing the number of elements in the array. This is done using sparse arrays, which include varying pitches greater than λ/2, and there are many divergences in the quality of the images resulting from a very large number of possible combinations of sparse arrays. The main purpose of this work is to develop two objective functions capable of properly evaluating sparse arrays, the first being related to the intensities of artifacts present in some image scenarios simulated by Point Spread Function (PSF), and the second associated with several metrics from the radiation pattern and other functions that represent linear sparse array configurations. The first objective function is validated through a comparison of final scores between images by PSF and by experimental data, and the scores are associated with a group of 18 sparse array configurations. The second objective function, which is developed based on the first, requires less processing resources and is therefore used in some search methods capable of finding desirable sparse array configurations. Through the two objective functions, two sets of final scores are obtained, being the sets relatively close to each other for a group of 31 sparse array configurations, which includes the previous 18 arrays. For 4 arrays with distant performances, the joint numerical classification is the same between the two objective functions, and also the same in relation to the general performances by experimental data.