KS107BG型超声体模的结构及性能

news2025/5/23 12:26:29

KS107BG型超声体模适用于工作频率在5~10MHz之间的B超设备的性能检测。

一、外部结构

体模外壳和底座由有机玻璃加工组装而成,底面板上开有两个直径36mm的圆孔,其上封有2mm厚的真空橡皮,作为抽气及注射保养液的入口。体模外壳外表面贴有指示和装饰用塑料薄膜面膜。顶面封以70μm厚聚酯薄膜用作声窗。声窗边缘固定有10mm高度的水槽框,以保证检测时即使以水为耦合剂也不会流失。水槽上盖有3mm厚的盖板,以便在不用时保护声窗。

图1. KS107BG型仿组织超声体模照片

二、标准媒质

在体模外壳和声窗围成的六面体空腔内,充有符合国家标准要求的仿组织材料(TM材料)作为标准传声媒质。

三、技术指标

1. TM材料声速:(1540±10)m/s (23±3℃)

2. TM材料声衰减系数斜率:(0.70±0.05)dB/cm/MHz (23±3℃)

3. 尼龙靶线直径:(0.3±0.05)mm

4. 尼龙靶线位置公差:±0.1mm

四、线靶系统

TM材料中嵌埋有线靶11群,其分布如图2所示:

1. A1─A4:

轴向分辨力靶群。各群中最上面一条靶线分别位于深度10、30、50、70mm处,每群中靶线中心垂直距离由上而下依次为3、2、1、0.5mm,水平距离均为1mm。

2. B1─B4:

侧向分辨力靶群,分别位于深度10、30、50、70mm处,每群中靶线中心水平距离依次为4、3、2、1mm。

3. C:

盲区靶群。右侧四条相邻靶线中心横向间距均为10mm,至声窗距离分别为8、7、6、5mm。左侧三条相邻靶线中心横向间距均为15mm,至声窗距离分别为4、3、2mm。

4. D:

纵向靶群,共含靶线12条,相邻两线中心距离均为10mm。

5.E:

横向靶群,位于深度40mm处,相邻两线中心距离均为10mm。

五、模拟病灶F1-F3

TM材料内嵌埋有囊性模拟病灶3个,均为圆柱形,直径分别为2、4、6mm,柱轴均与靶线平行,轴心分别位于深度15、30、45mm处。

图2. KS107BG型仿组织超声体模靶线及模拟病灶分布图

KS107BG型超声体模的使用方法

1. 取下盖板和保护用海绵垫。

2. 在水槽内倾入适量蒸馏水(以保证探头与声窗间耦合为度,一般不宜充满水槽)或水性凝胶型医用超声耦合剂。

3. 按规定程序开启被测仪器

4. 将被测仪器探头经耦合媒质置于体模声窗上,并使声束扫描平面与靶线垂直,如图3所示。记下探头型号、扫描方式和工作频率,对凸阵探头还应记下其曲率半径。

图3. KS107BG型仿组织超声体模使用方法示意图

5. (最大)探测深度测量

(1) 将探头对准纵向靶群,对机械扇扫(包括环阵)、凸阵、相控阵探头,应以其顶端中心对准该靶群。

(2) 提高总增益,调STC,提高远场增益,近场增益调至适当。

(3) 提高对比度(对可调者,下同)至适当程度。

(4) 提高亮度(对可调者,下同),但以全屏幕上无散焦和光晕

为限。

(5) 聚焦调节(对可调者,下同)置远场聚焦或多段、全深度同时聚焦状态。

(6) 通过上述调节,获得被检仪器所能达到的最大深度范围内的均匀画面。

(7) 微动探头,读取所观测到的最大深度靶线所在深度(mm),即为(最大)探测深度。

6. 盲区测量

(1) 将探头对准盲区靶群,若不能一次覆盖全部,则平动探头分段观测之。

(2) 适当降低总增益、近场增益和亮度,减弱TM材料背向散射点,使靶线图像清晰可见。

(3) 聚焦调节置近场聚焦状态。

(4) 读取所能观测到的最小深度靶线所在深度(mm),即为盲区。

7. (阈值)侧向分辨力测量

(1) 将探头对准某个侧向分辨力靶群或轴侧向分辨力靶群的侧向分支。

(2) 降低总增益,根据靶群所在深度减弱TGC(或STC、DGC)。

(3) 降低亮度。

(4) 保持较高的对比度。

(5) 聚焦调节置于或靠近被检靶群所在深度或置于多段、全深度同时聚焦状态。

(6) 通过上述调节,将所测深度附近TM材料背向散射光点隐没,并保持靶线图像清晰可见。

(7) 小范围平动探头,并可轻微俯仰,读取所能分辨(即靶线图像之间亮度与背景相同)的最小靶线间隙(mm),即为该深度处的(阈值)侧向分辨力。

8. (阈值)轴向分辨力测量

(1) 将探头对准某个轴向分辨力靶群或轴侧向分辨力靶群的轴向分支。

(2) 被检仪器调节同“(阈值)侧向分辨力测量”,在检测完某深度侧向分辨力后,即刻检测同深度轴向分辨力。

(3) 读取所能分辨的最小靶线间隙(mm),即为该深度处的轴向分辨力。必须注意,由于遮挡效应的存在,有时需将增益、亮度适当提高,方可看清KS107BD型体模中的1mm间隙。

9. 纵向几何位置示值误差(精度)测量

(1) 将探头对准纵向靶群。

(2) 将总增益、TGC(或STC、DGC)、对比度、亮度均调至中等。

(3) 聚焦调节置多段或全深度聚焦状态。

(4) 通过上述调节,在较弱的TM材料背向散射光点背景上获得清晰的纵向靶群图像。

(5) 将图像冻结,在有效探测深度范围内,用电子游标依次测量每相距20mm的两靶线图像中心距离(mm),以其中与20mm偏差最大者求取相对误差(%),即为纵向几何位置示值误差(精度)。

10. 横向几何位置示值误差(精度)测量

(1) 将探头对准横向靶群。

(2) 将总增益、TGC(或STC、DGC)、对比度、亮度调至中等。

(3)聚焦调节置于或靠近横向靶群所在深度或置于多段、全深度聚焦状态。

(4) 将图像冻结,用电子游标依次测量每相距20mm的两靶线图像中心距离(mm),以其中与20mm偏差最大者求取相对误差(%),即为横向几何位置示值误差(精度)。

11. 观察模拟病灶

(1) 将探头对准感兴趣的模拟病灶。

(2) 调节增益、TGC(或STC、DGC)、对比度、亮度调至最佳状态。

(3) 聚焦调节置于或靠近该病灶所在深度聚焦或多段、全深度聚焦状态。

(4) 通过上述调节,获得与临床诊断相似的TM材料背向散射图像,并在此背景上观察模拟病灶图像,其特征分别为:

a.囊肿:内部为没有光点的黑洞,临床上称为“无回波区”;后方背向散射光点比同深度两侧图像更亮,临床上称为“后方增强”。必要时可用电子游标测量其纵向或横向直径(mm),并与设计值比较,求取相对误差(%)。

b.结石:本身图像为强反射光团,后方背向散射光点被隐没于一黑暗带中,临床上称为“后方声影”。

c.肿瘤:图像为比背景更粗、更亮的光点区,轮廓呈圆形。

12. 测量完毕,倾出并揩净蒸馏水;若为凝胶型耦合剂,应在擦拭后用清水洗净,勿令在声窗表面或水槽边角处干结。放好海绵,盖好盖板。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2383888.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

目标检测评估指标mAP详解:原理与代码

目标检测评估指标mAP详解:原理与代码 目标检测评估指标mAP详解:原理与代码一、前言:为什么需要mAP?二、核心概念解析2.1 PR曲线(Precision-Recall Curve)2.2 AP计算原理 三、代码实现详解3.1 核心函数ap_pe…

【风控】模型算法区分度指标KS

一、KS指标的定义原理 背景 KS(Kolmogorov–Smirnov)原本用于检验样本分布与理论分布或两个样本分布是否一致。风控建模中,将“好样本”(Good)与“坏样本”(Bad)的模型输出概率看作两组经验分布…

win11下jenkins+docker+maven自动部署springboot项目

win11下jenkinsdockermaven自动部署springboot项目 一、前置软件安装二、jenkins配置三、springboot项目准备四、jenkins打包部署项目到本地docker中五、jenkins打包部署项目到远程服务器docker中 一、前置软件安装 docker安装 需要开启wsl,以管理员身份运行docke…

《决策科学与艺术》No1: 决策树:概念、原理、发展历史、特点及应用

决策树:概念、原理、发展历史、特点及应用 摘要 决策树是一种广泛使用的机器学习和决策分析方法,以其可解释性、简洁性和多功能性著称。本文全面介绍了决策树的概念基础、基本原理、发展历程、显著特征及其在商业、医疗、金融和工程等多个领域的典型应用…

【苍穹外卖】Day01—Mac前端环境搭建

目录 一、安装Nginx (一)安装Homebrew (二)Homebrew安装Nginx 1. 执行安装命令: 2. 验证安装: (三)启动与停止Nginx 二、配置Nginx 1. 替换nginx.conf 2. 替换html文件夹 三…

软考中级软件设计师——设计模式篇

一、设计模式核心分类 设计模式分为 3 大类,共 23 种模式(考试常考约 10-15 种): 分类核心模式考试重点创建型模式工厂方法、抽象工厂、单例、生成器、原型单例模式的实现(懒汉、饿汉)、工厂模式的应用场…

Axure系统原型设计列表版方案

列表页面是众多系统的核心组成部分,承担着数据呈现与基础交互的重要任务。一个优秀的列表版设计,能够极大提升用户获取信息的效率,优化操作体验。下面,我们将结合一系列精心设计的列表版方案图片,深入探讨如何打造出实…

微软全新开源命令行文本编辑器:Edit — 致敬经典,拥抱现代

名人说:博观而约取,厚积而薄发。——苏轼《稼说送张琥》 创作者:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 目录 一、引言:命令行的新利器二、Edit:致敬经典,拥抱现代1. 命令行的“新升级”2. 为什么要有 Edit?三、核心功能与特性一览1. 完全开源、MIT 许可证…

年会招标抽奖活动软件———仙盟创梦IDE

年会是企业一年的总结与欢庆时刻,而抽奖环节更是点燃全场气氛的关键。如何让抽奖环节既大气又充满仪式感?选对抽奖软件至关重要!本文精心挑选了 3 款兼具实用性与氛围感的年会抽奖软件,从界面设计到功能特色,全方位为你…

智防火灾,慧控能耗:物联网赋能金融行业电气安全革新

摘要 随着金融行业对电气安全需求的不断提升,传统用电管理模式已难以满足现代金融机构对火灾防控、能耗管理和智能运维的要求。本文基于物联网、云计算及大数据分析技术,提出一套针对金融行业的安全用电解决方案。该方案通过智能化硬件部署与平台化管理…

在 JavaScript 中正确使用 Elasticsearch,第二部分

作者:来自 Elastic Jeffrey Rengifo 回顾生产环境中的最佳实践,并讲解如何在无服务器环境中运行 Elasticsearch Node.js 客户端。 想获得 Elastic 认证?查看下一期 Elasticsearch Engineer 培训的时间! Elasticsearch 拥有大量新…

更新nvidia-container-toolkit 1.17.7-1后,运行--gpus all 卡死问题

用Arch每日一滚,结果今天用 sudo docker run -it --runtimenvidia --gpus all居然卡死了,排雷排了几小时,才从开源库发现问题 nvidia-container-toolkit 1.17.7-1 是有问题的,而且在ubuntu和arch上都存在问题。 只好Downgrade 1.…

通义灵码 2.5 版深度评测:智能编程的边界在哪里?

通义灵码 2.5 版深度评测:智能编程的边界在哪里? 评测目标 全面测试智能体模式:是否真正具备自主决策能力?MCP 工具集成体验:能否提升开发效率?AI 记忆自感知能力:是否能真正理解开发者习惯&a…

电商项目-商品微服务-规格参数管理,分类与品牌管理需求分析

本文章介绍:规格参数管理与分类与品牌管理的需求分析和表结构的设计。 一、规格参数管理 规格参数模板是用于管理规格参数的单元。规格是例如颜色、手机运行内存等信息,参数是例如系统:安卓(Android)后置摄像头像素&…

零基础设计模式——创建型模式 - 工厂方法模式

第二部分:创建型模式 - 工厂方法模式 (Factory Method Pattern) 上一节我们学习了单例模式,它关注如何保证一个类只有一个实例。现在,我们来看另一个重要的创建型模式——工厂方法模式。它关注的是如何创建对象,但将创建的决定权…

蓝桥杯5130 健身

问题描述 小蓝要去健身,他可以在接下来的 1∼n 天中选择一些日子去健身。 他有 m 个健身计划,对于第 i 个健身计划,需要连续的 天,如果成功完成,可以获得健身增益 si​ ,如果中断,得不到任何…

电商虚拟户:重构资金管理逻辑,解锁高效归集与智能分账新范式

一、电商虚拟户的底层架构与核心价值 在数字经济浪潮下,电商交易的复杂性与日俱增,传统账户体系已难以满足平台企业对资金管理的精细化需求。电商虚拟户作为基于银行或持牌支付机构账户体系的创新解决方案,通过构建“主账户子账户”的虚拟账户…

腾讯2025年校招笔试真题手撕(二)

一、题目 最近以比特币为代表的数字货币市场非常动荡,聪明的小明打算用马尔科夫链来建模股市。如图所示,该模型有三种状态:“行情稳定”,“行情大跌”以及“行情大涨”。每一个状态都以一定的概率转化到下一个状态。比如&#xf…

安装完dockers后就无法联网了,执行sudo nmcli con up Company-WiFi,一直在加载中

Docker服务状态检查 执行 systemctl status docker 确认服务是否正常 若未运行,使用 sudo systemctl start docker && sudo systemctl enable docker 网络配置冲突 Docker会创建docker0虚拟网桥,可能与宿主机网络冲突 检查路由表 ip route sho…

【深度学习新浪潮】2025年谷歌I/O开发者大会keynote观察

1. 2025年谷歌I/O开发者大会keynote重点信息 本次Google I/O大会的核心策略是降低AI使用门槛与加速开发者创新,通过端侧模型(Gemini Nano)、云端工具(Vertex AI)和基础设施(TPU)的全链路优化,进一步巩固其在生成式AI领域的领先地位。同时,高价订阅服务和企业级安全功…