拟合延时补偿的光声重建

针对传统的反投影算法中,假定声速均匀和延时补偿固定往往使得图像在特定的深度聚焦,在其他深度出现伪影的情况。本文分析了这种假定造成图像质量下降的原因并提出了一种改进的拟合延时补偿(FDC)重建算法,该方法利用拟合的延时补偿代替单一的延时补偿,采用变化的延时补偿进行光声重建。实验对比表明,相比传统的重建算法,该算法明显改善了聚焦效果,能够有效地消除伪影,提高图像质量。     

光声显微镜技术的研究进展

光声显微镜技术具有新兴的一种非侵害性的显微成像技术,具有高分辨率、高对比度、穿透深度高的优点。简要介绍光声成像技术机理,总结报道了国内外几种典型的光声显微成像方法和光声显微图像重建算法的发展历程及其最新进展,指出该技术是一种很有应用前景的医学检测方法。     

一种改进的无监督竞争学习算法

在神经网络模式分类方法中，无监督竞争学习算法比有监督后向传播（ＢＰ）方法要省时和简便得多。而在无监督竞争学习算法中，用随机矢量初始化不如用一组已知模式类别的输入矢量初始化有效。本文叙述了这 两种初始化方法的学习过程及实例。     

基于阵列探测方式的时域光声成像系统

将阵列超声探头和超声相控技术与光声成像相结合的成像系统,与采用水听器的单探头旋转扫描光声成像系统相比,避免了机械旋转机构给光声信号采集所带来的不稳定性,提高了数据采集速度．时域光声信号由64阵元线阵超声探头以电子相控聚焦的方式进行线性扫描采集,然后通过时域后向投影算法进行光声图像的重建．采用波长532nm、重复频率10Hz的脉冲激光,系统可快速重建样品内部光学吸收分部的二维图像,单帧图像数据采集时间小于200s,成像横向分辨率小于2mm．实验结果表明,采用此方法可显著提高系统对光声信号的扫描稳定性和成像效率,该系统是一种有潜在临床应用价值的光声成像系统．     

一种无监督学习的异常行为检测方法

针对智能视频监控的需求,提出一种无监督学习的异常行为检测方法。首先,采用混合高斯模型建模提取出运动目标,对运动区域进行标记;然后提取运动区域内的光流信息,将其归一化成特征矩阵,并建立实时更新的特征矩阵观测序列;最后利用二维主成分分析(2DPCA)的重构原理对观测序列进行分析,根据重构特征矩阵与原特征矩阵的能量比来判断是否存在异常行为。基于不同数据库下的视频序列实验结果验证了所提方法的有效性。     

血管网光声成像的机器学习抗散射仿真研究

乳腺癌已成为全球女性发病率最高的肿瘤疾病,微血管成像对乳腺癌的治疗方案和预后有重要意义。光声层析成像术(Photoacoustic Tomography, PAT)可有效对乳腺癌内微血管网进行成像,但肿瘤组织内部的异质微结构和钙化点的散射对成像质量影响较大。针对该问题,文章基于U-Net的卷积神经网络对不同颗粒散射条件下软组织中血管网图像散斑开展仿真研究。仿真结果表明,该神经网络可以学习光声散斑图像和成像目标之间的映射关系,提取出隐藏在噪声中的血管光声信号,并重建出轮廓清晰、背景清晰的高质量血管图像,表明U-Net网络可以从高度模糊的散射图像中提取出有效的光声信息,实现目标图像的高清重建,在乳腺癌的诊断成像中具有广阔的应用前景。     

光热治疗中纳米材料的三维光声实时示踪和量化评估

光热治疗是一种新兴的肿瘤治疗方式,主要通过具有高光热转换率的靶向纳米材料注射入瘤内实现。为了达到最优化治疗效果,需要对纳米材料在体移动轨迹和瘤内富集情况进行实时示踪和准确量化评估,因此需要一种有效的影像方式。文章采用实时三维光声/超声融合成像方法,实现了肿瘤体中纳米材料富集过程的特异性成像示踪,量化评估了纳米材料在肿瘤体内的富集规律,实现了对靶向光热治疗纳米材料的实时监控。     

采用稀疏测量数据的有限角度光声层析成像的研究进展

生物光声层析(Photoacoustic Tomography,PAT)成像可以反映生物组织的光吸收分布,定量测量组织的光吸收系数和散射系数,进而分析组织成分,为疾病的早期诊断和治疗提供可靠的依据.由于成像目标特殊的几何结构以及成像装置的机械结构、空间位置和成像时间等的限制,超声探测器只能在有限的角度范围内扫描,采集到...     

基于光声技术的火灾气体探测系统设计

近年来,针对标识性气体的探测成为火灾探测技术中发展最活跃的领域之一。将可检测极低浓度的某一气体的光声检测技术应用于极早期火灾气体产物的检测是一个新的尝试,将可能实现高灵敏度、高可靠性的火灾探测。但常规光声气体检测设备结构复杂、价格昂贵,必须恰当的重新设计才能应用到火灾探测系统中。分析了该技术在火灾探测中应用的关键问题,并提出了一种利用光声腔和光源间的“自由吸收路径”进行测量的光声气体探测系统,避免了对光源的窄带滤波要求,实现了在线式的气体检测。起始状态下,光声腔密封有纯CO气体,吸收光源中4.6 μm的辐射,产生一定强度的初始光声信号;当火灾气体产物流经吸收路径时,其中的CO气体吸收使到达光声腔的光辐射在4.6 μm波长上发生衰减,导致光声信号减弱,这个信号的变化量就反映了吸收路径中的CO气体浓度。     

磁感应磁声电导率图像重建研究

0引言磁感应磁声成像(Magneto-acoustic Tomography with Magnetic Induction,MAT-MI)是一种基于磁、声、电多物理场耦合的生物组织电导率成像新方法,由于其同时具有电阻抗成像高对比度和超声成像高空间分辨率的优点,所以有着很高的研究价值和广阔的应用前景[1-5]。在以往的MAT-MI研究中,常用无指向性的点声源模型对由洛伦兹力引起的组织振动进行研究,     

高速工况下乘员耳侧噪声信号重构方法

高速工况下,车内噪声信号具有随机性和波动性的特征。将一种基于经验模态分解(EmpiricalModeDecomposition, EMD)和反向传输(Back Propagation, BP)神经网络的算法,用于重构车内乘员耳侧噪声信号。首先通过对车内乘员耳侧噪声贡献量分析,确定关键噪声源信号;其次对选择的噪声源信号进行EMD分解,得到有限个相对平稳的固有模态函数(Intrinsic Mode Function, IMF)分量;然后采用极值点划分法,按各个分量的波动情况进行重新划分,将信号分量重构为高频、中频和低频3个分量;最后对不同频段的部分建立相应BP神经网络模型,并将不同频段分量的重构结果叠加作为原信号的重构结果。以在某轿车采集到的5个噪声信号源为基础,利用该方法进行乘员耳侧噪声信号重构,并对其进行分析。结果表明:提出的噪声重构方法可以实现高速工况乘员耳侧噪声信号的重构,并具有良好的性能。     

基于鲁棒正则化极限学习机的声学层析温度分布重建

目的 声学层析成像作为非侵入式温度检测技术;在工业过程监测中具有重要价值;但其受限于病态反演导致的空间分辨率不足与噪声敏感问题。为此;提出了一种基于鲁棒正则化极限学习机(extreme learning machine;ELM)的声学层析温度分布重建方法。 方法 构建两阶段重建框架;第一阶段基于声波飞行时间与低分辨率温度数据训练网络;获得粗网格下的低分辨率温度分布;第二阶段利用低分辨率温度分布与高分辨率温度分布训练网络;得到细网格下温度分布的高分辨率重建。对典型的温度场模型进行数值模拟;并与传统的Tikhonov正则化方法、Landweber算法、代数重建算法(algebraic reconstruction technique;ART)及ELM算法进行对比。 结果 鲁棒正则化ELM算法的平均相对误差和均方根误差分别为0.28%和0.38%;重建质量明显高于其他算法。 结论 基于鲁棒正则化ELM的声学层析温度分布重建方法兼顾计算效率与重建精度;为电站锅炉等设备的高分辨率温度监测提供了新方案;特别是在高温、强干扰等恶劣工况下展现出重要工程应用价值。     

基于超声C扫图像反卷积的棒材缺陷定量方法

缺陷定量评价一直是无损检测领域研究的重点,超声波的扩散会导致C扫描图像边缘模糊,影响缺陷定量的准确性。为了提高棒材缺陷定量的准确性,提出了一种棒材超声C扫描图像反卷积方法。基于多元高斯声束模型(multi-gaussian beam model, MGB),根据超声波在曲面界面的传播规律,推导了棒材水浸超声成像系统的点扩散函数(point spread function, PSF)。利用四轴超声水浸检测系统对含有平底孔的尼龙棒进行了检测,得到了C扫描图像,然后用Richardson-Lucy(RL)迭代算法对C扫描图像进行反卷积处理。使用6 dB下降法分别对原始图像和反卷积处理后的图像进行定量分析。结果表明,反卷积处理后定量误差更小,特别是将直径1.5 mm平底孔的误差由88%降低到了18.7%。     

稀疏贝叶斯学习用于噪声互相关提取格林函数

在较窄频带条件下,传统的噪声互相关提取时域格林函数(Time Domain Green’ s Function, TDGF)方法分辨率低,影响了海洋被动声层析的应用。针对这一问题,提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的噪声互相关提取 TDGF的方法。首先,构造了 TDGF的稀疏表示模型,其中字典矩阵由傅里叶变换算子构成,观测矩阵由频域噪声互相关函数组成。然后,使用预累积处理来折中 SBL估计 TDGF的分辨率与稳定性。仿真与海试实验数据表明,联合预累积处理的 SBL方法有效地从较窄频带的海洋环境噪声中提取了传统方法无法分辨的TDGF到达时间,从而为自适应选取噪声频段、实现快速海洋被动声层析提供了一种可行思路。