快速在体光声计算层析图像重建方法

针对超声阵列式光声计算层析成像技术数据采集量大、成像速度慢的问题,为拓展该技术在血流动力学等领域的应用,提出一种基于主成分分析(PCA)的快速光声计算层析图像重建方法。该方法首先通过部分全采样数据,构建样本图像矩阵;然后,通过矩阵分解运算构建信号投影矩阵;最后,基于该投影矩阵在三倍欠采样条件下快速重建出高质量三维光声图像。在体小鼠背部血管成像实验表明:与传统反投影光声图像重建方法相比,基于主成分分析的光声图像重建方法可将数据采集规模降低约35%,三维图像重建速度提高约40%,实现了三倍欠采样条件下高精度光声图像的快速采集与重建。     

JIR-Net：用于光声层析图像重建的联合迭代重建网络

目的 高质量的图像重建是光声层析成像（photoacoustic tomography,PAT）技术的关键,有限角度稀疏测量和组织非均匀的声学特性都会影响重建图像质量。采用迭代重建技术可在一定程度上提高图像质量,但是其结果依赖于有关成像目标的先验假设模型。而且在迭代优化过程中需要反复计算前向成像算子及其伴随算子,因此计算成本较高,需要合理选择正则化方法及其参数。为了解决该问题,提出一种根据不完备光声测量信号联合重建光吸收能量分布图和声速分布图的深度学习方法。方法 设计并搭建基于学习迭代策略的联合迭代重建网络（joint iterative reconstruction network,JIR-Net）,网络由4个结构单元组成,每个单元包括特征提取、特征融合和重建3个模块。网络的输入是探测器在成像平面中采集的不完备光声信号和预设的常数声速,输出是重建的光吸收能量分布图和声速分布图。分别构建仿真、仿体和在体数据集,用于训练、验证和测试网络。在训练网络的过程中,将光吸收能量密度和声速的梯度下降信息整合到网络训练中,并利用反向传播梯度下降法求解非线性最小二乘问题。结果 数值仿真、仿体和在体实验...     

生物光声成像中声反射伪影抑制方法的研究进展

生物光声成像(Photoacoustic Imaging,PAI)是一种新型的无创复合功能成像方法.生物组织不均匀的声学特性会使超声波在组织界面处发生反射,导致重建图像中存在伪影和失真,降低图像质量和成像深度.文中综述了目前抑制PAI声反射伪影的主要方法,包括延迟相减法、基于杂波去相关理论的方法、短滞后空间相干法、基于深度学习的方法、光声引导聚焦超声法、基于超声平面波模型的方法和多波长激励的方法等,详细介绍各方法的原理,分析其优势和不足,并展望未来的研究趋势.     

生物光声成像中声反射伪影抑制方法的研究进展

生物光声成像(Photoacoustic Imaging,PAI)是一种新型的无创复合功能成像方法.生物组织不均匀的声学特性会使超声波在组织界面处发生反射,导致重建图像中存在伪影和失真,降低图像质量和成像深度.文中综述了目前抑制PAI声反射伪影的主要方法,包括延迟相减法、基于杂波去相关理论的方法、短滞后空间相干法、基于深度学习的方法、光声引导聚焦超声法、基于超声平面波模型的方法和多波长激励的方法等,详细介绍各方法的原理,分析其优势和不足,并展望未来的研究趋势.     

高质量超声成像与重建研究综述

医学超声作为一种无创、无辐射和实时医学成像模态,在重大疾病早期诊断和精准诊疗领域发挥重要作用。影像分辨率是超声仪器的核心指标,也是影响临床精准诊疗的关键。近年来,超声成像设备呈现多样化的发展趋势,以满足不同的临床应用场景,如超快速成像设备、便携成像设备等。然而,这些超声设备通常以牺牲成像质量来实现特定应用场景的要求,影响了其临床可用性。因此,为提升医学超声设备的诊断能力,研究如何获得高质量超声图像至关重要。本文回顾了近年来高质量超声图像成像的相关工作,从波束形成算法和高质量超声重建算法两方面进行介绍,波束形成算法方面,介绍了以延时叠加方法为代表的传统的非自适应方法,以及 4 类成像效果更优越但计算复杂度更高的自适应的波束形成方法,并对波束形成的深度学习类方法进行了简要介绍。对于高质量超声重建算法的讨论,则是从传统方法和深度学习方法两方面展开,并重点介绍了在高质量超声重建算法方面具有更广阔应用前景的深度学习技术,包括卷积神经网络方法、生成对抗网络方法等。最后,本文从研究方法的侧重点等方面比较国内外研究进展,并讨论了未来发展趋势。     

基于改进固定点迭代方法的深层活体量化光声成像

针对限制视图下光声图像的重建伪影问题，提出一种改进的固定点迭代量化光声成像方法。首先，通过传统的反投影重建算法重建由探测器探测到的原始光声压数据，得到原始的光声压图像；接着，利用自适应维纳滤波算法对原始的光声压图像进行滤波去除重建图像伪影；然后，通过光传输模型求解目标成像区域的光通量；最后，进行迭代计算，获得目标组织的光学吸收系数。此外，在求解光通量过程中引入Toast++软件来实现光传输模型的前向求解，提高量化成像的效率和精确性。仿体和活体实验结果表明，与传统固定点迭代方法相比，所提方法能够获取更高质量的光声图像，重建得到的深层量化光声图像中存在较少伪影；量化重建的深层目标组织的光学吸收系数与浅层目标组织的光学吸收系数的数值非常接近，前者约为后者的70%，能实现深层生物组织光学吸收系数的定量重建。     

基于特征尺度的平面波医学影像重建

相较于传统的线扫成像,平面波成像由于其超快的成像速度被广泛应用,但其成像质量较差,影响医生对肿瘤以及血管疾病的精确诊断,现有技术虽然可以提高成像质量,但会降低成像帧频,无法满足临床医学上超快成像的需求。针对上述问题,提出了一种基于生成对抗网络（generative adversarial network,GAN）的图像重建方法：MF-GAN（generative adversarial network with multiscales and feature extraction）。采用基于U-Net的生成器,在编码器中结合多尺度感受野提取不同层次的信息,在解码器中提出了叠加采样机制（fusion-sampling mechanism,FSM）,并结合交叉自注意力（criss-cross self-attention,CCSA）分别提取局部和全局特征。在PICMUS 2016数据集上进行训练,利用组合损失规范该模型的收敛方向,相较主流基于深度学习和波束合成的方法,在点目标、囊肿目标和体内图像中的重建效果均有明显提升。综上所述,MF-GAN能够解决平面波图像病灶部位不清晰的问题,重建出高质量的平面波图像。     

基于迭代p阈值算法压缩感知磁共振成像重构

从优化网络结构出发,在基于迭代软阈值网络的压缩感知磁共振成像深度网络基础上,加入由p阈值函数组成的优化模块,进一步优化软阈值函数,以抑制噪声,减少重建误差,从而提高重建质量。上述算法结合了压缩感知磁共振重建和深度学习的优势,所有参数都是端到端学习得到的,既具有很好的理论可解释性,又具有良好的网络泛化能力。对上述算法与其它算法进行对比,仿真结果表明,所提算法提高了磁共振成像的重建精度,特别对于结构复杂的磁共振图像重建效果更好。     

深度学习的快速磁共振成像及欠采样轨迹设计

目的 快速成像一直是磁共振成像（MRI）技术中的焦点之一,现有多通道并行成像和部分k空间数据重建都是通过减少梯度编码步数来降低数据的获取时间,两者结合起来更能有效地提高扫描速度。然而,在欠采样倍数加高的情况下,依然有很严重的混叠伪影,因此研究一种在保证成像精度的前提下加快成像速度的方法尤为重要。方法 基于卷积神经网络的磁共振成像（CNN-MRI）方法利用大量现有的全采样多通道数据的先验信息,设计并线下训练一个深度卷积神经网络,学习待重建图像与全采样图像之间的映射关系,从而在线上成像时,欠采样所丢失数据能被训练好的网络进行预测。本文探讨了对于深度学习磁共振成像的可选择性欠采样方式,提出了一种新的欠采样轨迹方案。为了判断本文方法的性能,用峰值信噪比（PSNR）、结构相似度（SSIM）以及均方根差（RMSE）来作为衡量的指标。结果 实验结果表明,所提出欠采样方案的综合性能要优于传统欠采样轨迹,PSNR要高出12 dB,SSIM高出近0.1,RMSE要降低0.020.04左右。此外重建结果还与经典的并行重建方法GRAPPA（geneRalized autocalibrating partially parallel acquisitions）、SPIRiT（iterative self-consistent parallel imaging reconstruction from arbitrary k-space）以及SAKE（simultaneous autocalibrating and k-space estimation）作比较,从视觉效果以及各项量化指标得出本文方法能重建出更准确的结果,并且重建速度要快5倍以上。结论 深度学习方法能很好地在线下训练时从大量数据集中提取并学习到有价值的先验信息,所以在线上测试时能在较短时间内重建出优于经典算法的高质量结果;提出的1维低频汉明滤波欠采样方案则有利于提升该网络的性能。     

血管内光声图像的时间反演重建方法

目的 将光声成像与医学内窥技术相结合的血管内光声(IVPA)成像技术可为心血管内易损斑块的检测以及指导介入治疗提供可靠的参考。针对采用单阵元探测器进行圆周扫描的IVPA成像系统,提出基于时间反演(TR)算法的重建IVPA横截面灰阶图像的方法。方法 通过建立超声传播模型,对光声信号的反向传播过程进行模拟,反演得到血管横截面的2维初始光声压分布图像。针对测量位置稀疏和有限角度测量都会造成光声数据不完备,进而导致重建图像质量下降的问题,通过对探测器采集到的光声信号进行样条插值达到提高成像质量以及消除伪影的目的。结果 仿真实验结果表明,与相同测量位置下利用滤波反投影(FBP)算法重建出的图像相比,采用本文算法重建出的图像的结构相似性指标(SSIM)值可提高约65%。结论 该方法能有效地提高IVPA重建图像的质量,为后续图像重建算法的优化提供有益参考。     

基于重填化学反应优化解决无线网络动态最短选路优化问题

采用人工智能优化技巧轻易解决静态最短选路(SP)优化问题,但是随着无线通讯的发展,诸如移动Ad Hoc网络与无线传感网络等新式无线网络被大量广泛使用.在这些新式无线网络中,网络拓扑随着时间而不断变化从而导致最短选路优化问题被转变成动态优化问题.提出了一种新式的基于化学反应优化(CRO)的算法来解决这个问题.化学反应优化...     

一种基于排列的(2,n)可视门限方案

像素扩展度和对比度是视觉加密方案中两个重要的指标，同时使二者达到最优在理论上是非常困难的。运用排列的方法设计出一种(2，n)方案，从理论上证明了其存在性，并给出了该方案的构造方法。软件仿真结果表明，该方案能够折衷考虑二者之间的矛盾，在像素扩展度较小的情况下，使对比度接近最优。     

无线局域网中基于身份签名的接入认证方案

目前无线局域网中的典型接入认证方案不能较好地支持双向认证,并且效率较低。针对上述问题,利用基于身份签名技术,提出一种新的双向接入认证方案。给出方案的初始化过程、实体间认证协议以及基于该接入认证方案的密钥协商协议,并对密钥协商协议进行效率和安全性分析,结果表明,该协议能以较小的计算代价,实现已知密钥安全、前向安全、未知密钥分享和密钥控制。与EAP-TLS和WAPI2接入认证方案相比,该方案具有无证书、双向认证以及认证效率高等优势。     

采用不同STBC分集模式的OFDM系统性能分析

由于空时编码技术和OFDM技术各自的特点，两者能很好地结合在一起，而影响空时编码获得最大分集增益的主要因素是系统的发射、接收天线数目和多径数目。该文详细分析了采用空时分组编码的OFDM系统的模型，通过改变发射分集和接收分集来仿真不同传输环境下OFDM系统的性能，并对不同分集模式性能进行对比分析，仿真结果表明，多普勒频移对系统性能有较大影响，增加发射天线个数能有效克服系统错误平台效应，接收端采用分集技术比发射端增加天线个数能更有效提高系统性能。在进行空时分组编码设计时，可以首先考虑增加接收天线数目以改善系统性能。     

SSL VPN中基于Cookie技术的可靠认证方案

针对安全套接层协议的虚拟专用网络SSL VPN网关的特点,提出一种基于Cookie技术的可靠认证方案,该方案中Cookie采用加密技术,攻击者无法伪造和篡改数据;此外,方案采用基于Hash和链表的数据结构,结合安全Cookie协议,不仅对内部站点的信息进行隐藏,还实现了对用户信息的认证和授权.同时,提出基于角色的访问控制模型,通过职责分离和最小特权的原则来满足SSL VPN访问控制的要求.该方案对于身份认证来说是一种很好的扩充,可以有效加强SSL VPN网关的安全性.实验测试验证了该安全认证方案的可行性和可靠性.     

基于无线信道的SVC数据误码保护方案

提出一种基于无线传输信道的分级视频编码数据误码保护方案。该方案通过综合分析空间增强层数据、时间增强层数据、信噪比增强层数据的相对重要性,按萤要性的不同将各增强层的数据归为3类,对不同级别数据采用不同冗余度的前向纠错保护方式。实验结果证明,该方案可以取得较好的传输效果,与传统的均匀误码保护及非均匀误码保护方案相比,可获得2dB和0．5dB的PSNR增益。     

XML数据更新编码机制——ITBI

编码技术是可扩展标记语言(XML)查询处理的基础,传统编码技术利用自然数进行编码,很难支持XML动态更新。提出了更新支持的编码方法——ITBI,该方法将整数映射到完全二叉树,利用二叉树的中序遍历定义整数新的序关系,通过新的序关系重排自然数序列将静态编码转化为动态编码。同时,基于ITBI前驱、后继、距离等定义,设计了最短位长动态编码分配算法,有效控制更新过程中编码位长的增加。最后通过实验验证了编码的有效性。     

基于加法共享的可验证秘密再分发协议

提出了一种基于加法共享的非交互的可验证秘密再分发协议，协议同时具有门限的性质，能应用于可改变访问结构的成员集合，新旧成员集合之间不需要保持任何关系．协议采用加法共享和份额备份的技术，不但可以验证秘密影子和子影子的正确性，而且能够恢复错误的影子，同时可以鉴别错误成员的集合，能够解决错误成员定位困难的问题．由于采用的是加法共享的方式，所以可以方便地转化为动态RSA再分发体制．协议是正确的、鲁棒的和安全的，并且各方面性能都比较高．     

Improving the compression and encryption of images using FPGA-based cryptosystems

Compression and encryption technologies are important to the efficient solving of network bandwidth and security issues. A novel scheme, called the Image Compression Encryption Scheme (ICES), is presented. It combines the Haar Discrete Wavelet Transform (DWT), Significance-Linked Connected Component Analysis (SLCCA), and the Advance Encryption Standard (AES). Because of above reason the ICES efficiently reduce the overall processing time. This study develops a novel hardware system to compress and encrypt an image in real-time using an image compression encryption scheme. The proposed system exploits parallel processing to increase the throughout of the cryptosystem for Internet multimedia applications to implement the ICES. Using hardware acceleration for encryption and decryption, the FPGA implementation of DWT, SLCCA and the AES algorithm can be used. Using a pipeline structure, a very high data throughput of 330 Mbit/s at a clock frequency of 40 MHz was obtained. Therefore, the ICES is secure, fast and suited to high speed network protocols such as ATM (Asynchronous Transfer Mode), FDDI (Fiber Distributed Data Interface) or Internet multimedia applications. Shih-Ching Ou is working with the Department of Electrical Engineering, National Central University as a senior professor. His research interests include computer aided design, e-learning system, and virtual reality, etc. In August 2004, he serves as Leader University Professor and Director of Research and Development, now he act as Leader University Professor and Institute of Applied Information (Chairman). He has published a number of international journal and conferences papers related to these areas. Currently, he is the chief of Bioinformatics & CAD Laboratory. Hung-Yuan Chung joined the Department of Electrical Engineering at the National Central University, Chung-li, Taiwan as an associate professor in August 1987. Since August 1992, he was promoted as professor. In addition, he is a registered professional Engineer in R. O. C. He is a life member of the CIEE and the CIE. He received the outstanding Electrical Engineer award of the Chinese Institute of Electrical Engineering in October 2003. His research and teaching interests include System Theory and Control, Adaptive Control, Fuzzy Control, Neural Network Applications, and Microcomputer-Based Control Applications. Wen-Tsai Sung is a PhD candidate at Department of Electrical Engineering, National Central University in Taiwan. His research interests include computer aided design, web-based learning system, bioinformatics and virtual reality. He has published a number of international journal and conferences papers related to these areas. He received a BS degree from the Department of Industrial Education, National Taiwan Normal University, Taiwan in 1993 and received a MS degree from the Department of Electrical Engineering, National Central University, Taiwan in 2000. He has win the dragon thesis award; master degree thesis be recognized the most outstanding academic research. The thesis entitle is: “Integrated computer graphics system in a virtual environment.” Sponsor is Acer Foundation (Acer Universal Computer Co.). Currently, he is studying PhD at the Department of Electrical Engineering, National Central University as a researcher of Bioinformatics & CAD Laboratory.     

一种求解全部候选关键字的快速替换算法

本文通过分析文献（２，３）中所提出的求解关系模式全部候选关键字的替换算法，找出了它们的共同缺陷，即算法每搜索一趟产生的后继候选关键字太少，要想求出全部候选关键字，需经过很多趟的搜索。在此基础上，提出了对替换算法从减少每一趟搜索中需要检查的ＦＤ个数和增加每一趟搜索产生的后继候选关键字两方面进行改进的基本思想。然后，以ＥＦ（Ｘ）为研究对象，讨论了实现这种改进思想的具体方法，并给出了相应的快速替换算法及