基于全变分展开的低剂量CT重建网络

针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题,通过对基于全变分的CT迭代重建算法进行神经网络展开,提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络,从而改善了CT重建图像的视觉质量。首先,采用原始–对偶算法求解基于全变分的CT重建问题,得到易于神经网络展开的迭代重建算法。然后,对该迭代重建算法进行神经网络展开,尤其是对正则项部分的算法进行神经网络展开,得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明,与6种低剂量CT重建算法相比,该算法在抑制低剂量CT图像噪声的同时,很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示,该算法取得了良好的峰值信噪比和归一化均方误差指标值,验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。

基于全变分正则项展开的迭代去噪网络

针对神经网络训练存在解释能力差以及不稳定问题,提出一种基于CP(Chambolle-Pock)算法求解的全变分(TV)正则项展开去噪网络(CPTV-Net),用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先,向L1正则项模型引入TV约束项,以保留图像的结构信息;其次,采用CP算法对去噪模型进行求解并得出具体迭代步骤,保证算法的收敛性;最后,借助浅层卷积神经网络学习线性操作的原始对偶变量迭代公式,用神经网络计算模型的解,并通过收集网络参数优化合并数据。在模拟和真实LDCT数据集上的实验结果表明,与残差编码器-解码器卷积神经网络(REDCNN)、TED-Net(Transformer Encoder-decoder Dilation Network)等五种先进的去噪方法相比,CPTV-Net具有较优的峰值信噪比(PSNR)、结构相似度(SSIM)和视觉信息保真度(VIF)评估值,能生成去噪效果明显和细节保留最为完整的LDCT图像。

基于全局特征引导和注意力的宫颈细胞核分割

针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征获得不同层次的全局上下文信息,克服了U型网络单阶段上下文信息提取能力不足的问题以更好地处理不同形状的细胞核,提高边缘分割精度;其次,引入改进的注意门结构抑制图像中干扰物的信息,突出细胞核的信息,提高模型对干扰信息的辨别能力。在Herlev数据集上的实验结果表明,本文的方法能够有效地提高细胞核分割精度,在定量分析中Dice系数为0.9413,相较于其他方法具有一定的优势。

基于超材料结构的宽频带高频光声信号定向传输模型设计

为了解决高频光声信号在传输过程中存在损耗严重等问题对光声成像技术应用的限制,在声学超材料结构上设计了一种用于实现宽频带高频光声信号定向传输的模型,通过COMSOL Multiphysics软件进行了模型建立,并进行了仿真测试。测试结果表明模型对200~1000 kHz的高频声波均有良好的定向传输效果,具备良好的宽频带定向低损耗传输特性,可以很好地解决高频声波传输过程中容易产生的声能损耗问题。以700 kHz的光声信号为例,研究了光声信号在模型中的传输特性。研究表明该模型在传输高频声波的过程中,能够达到很好的局域声场增强的效果,该模型可以满足光声成像技术在应用过程中的高频信号传输的需求。

光源探测器阵列密度对近红外漫射光相关断层成像的影响

近红外漫射光相关断层成像技术(Diffuse Correlation Tomography,DCT)是一种乳腺微血管血流成像的新技术,但成像的空间分辨率不足,高密度光源探测器(Source and Detector,S-D)阵列的布置方式是否可以有效提高DCT空间分辨率目前尚不清楚。为了研究S-D阵列密度对于DCT血流重建图像空间分辨率的影响,设计了3种S-D阵列,密度分别为24、48和96。结合蒙特卡洛仿真和DCT血流图像重建方法,研究了S-D阵列对于2种含有高血流异质物(模拟乳腺恶性肿瘤)的乳腺组织血流重建效果的影响。结果表明,高密度的SD阵列交错排布可以提高DCT血流重建的空间分辨率,可提升临床早期筛查时乳腺恶性肿瘤成像的精确性和稳定性。

基于近红外漫射光谱的离体血氧测量技术研究

基于近红外漫射光谱技术(Near-Infrared Diffuse Optical Spectroscopy,NIRS)和修正的比尔朗伯定律(Modified Beer-LambertLaw,MBLL)提出了一种适用于离体血液的新型氧含量测量方法,同时开发了血氧实时监测系统以实现体外循环血氧参数的连续监测。NIRS利用脱氧血红蛋白和氧合血红蛋白对两种波长近红外光吸收率的差异来计算组织的吸收和散射系数,朗伯-比尔定律是表征光强衰减与光子传输路径关系的数学表达式,将二者结合可估算血红蛋白的吸收系数;与传统的测量方式不同,本文所提出的透射式测量方法,通过双波长(660~904 nm)光源探头交替切换可获取多参数的光学信号,信号实时上传至采集界面(LabVIEW),经过对数化处理,并结合创新的血氧算法得到血液吸收系数、血氧饱和度与光信号的线性模型。为了验证本文研究方案的可行性,开展了液态仿体实验和离体血溶液实验,以滴入溶液墨水体积(仿体实验)和酵母溶液体积(血溶液实验)为变量,通过调控溶液浓度改变光密度变化幅度,证实二者均与光密度(DO)具有良好的线性关系(r^(2)>0.95,p<0.01)。本研究所提出的新型血氧测量方法和血氧实时监测系统适合于离体血液的血氧测量,数据准确可靠、重复稳定性好。

基于自适应加权增强总变差的CT偏置扫描重建算法

基于降低设备制造成本或辐射剂量等目的,计算机断层成像(Computer Tomography,CT)中的一个实际需求是以有限的探测器尺寸来获得更大的视野(Field of View,FOV),通过将探测器放置在横向偏移位置可以有效的扩大FOV。然而,常规的重建算法无法精确重建偏置投影数据,针对这一问题,本文提出了一种基于自适应加权增强总变差最小化的偏置重建模型及CP(Chambolle-Pock)求解算法。具体来说,构建自适应加权增强总变差范数作为正则项,其中自适应权重根据局部增强梯度自适应调整权值,进而设计了一种基于自适应加权增强总变差最小化的偏置重建模型(Weighted Adaptive-weight reinforced Total Variation,WAwrTV),并推导出了相应的CP算法。实验结果表明,所提算法能有效的重建偏置投影数据并提高重建精度,且具有良好的抗噪性能。

基于细节增强的多能DR图像融合网络

针对单能X射线无法对复杂工件各部位同时曝光成像的问题,提出一种基于细节增强的多能DR融合网络-双编码巢式连接融合网络。该网络以Inception模块作为基础卷积层,在双编码器的辅支路设计了可训练的LOG卷积模块,用来提取多尺度边缘特征,并将其补充到主支路以增强全局特征。在训练阶段,提出一种基于图像块的局部能量一致性损失函数,以减少输入、输出的局部性误差。融合时,采用通道和空间注意力机制作为融合策略,对双编码提取的多尺度增强特征进行融合,并将融合后的多尺度特征输入嵌套连接的解码器进行重构。结果表明,该融合网络具有细节增强效果,能够完整清晰地再现复杂工件的内部结构及缺陷。

基于近红外漫射光技术的脑血流断层成像研究

目的脑部微血管血流动力学参数对于很多疾病的诊断和评估具有重要意义,为实现人体脑部微血管血流无创、低成本的空间影像重建,研发近红外漫射光相关断层成像(Near-Infrared Diffuse Light Correlation Tomography,DCT)技术,用于组织血流的三维成像。方法采用Bregman-TV算法求解DCT中待重构的病态方程组,选取10名健康受试者进行头上位倾斜(Head-Up-Tilting,HUT)脑部血流成像实验,诱发受试者脑部血流发生变化,分析受试者在平躺以及倾斜至70°两种状态下的脑血流变化。结果HUT实验结果表明,受试者在平躺时脑部血流较大,当倾斜床向上倾斜至70°状态时,受试者血流影像显示其脑部血流降低,实验结果与理论相符。结论本研究中的DCT系统可以将患者的脑部血流状况直观、快速地呈现给医生,具有较高的临床应用价值。

近红外漫射光相关断层成像的乳腺光纤探头设计

为获得稳定的光学信号,提高近红外漫射光相关断层成像技术(diffuse correlation tomography,DCT)的诊断效率,本研究结合阵列式光开关,设计了一种适用于DCT的弧面式光学乳腺探头,可将DCT检测部位扩展到人体乳腺组织。为验证该乳腺探头的有效性及实用性,本研究设计了相应的乳腺仿体,并进行了仿体实验。结果表明,该乳腺探头可较好地契合DCT设备,并能捕捉微弱的血流变化,有望促进DCT技术在早期乳腺恶性肿瘤筛查中的临床应用。

基于模糊熵的X射线图像局部对比度拉伸增强算法

在基于X射线的工件缺陷检测中,X射线图像往往存在亮度低、对比度低的问题。传统的局部对比度拉伸方法在增强图像的同时,容易引入噪音和光晕效应。针对此问题,提出了一种基于模糊熵的X射线图像局部对比度拉伸增强算法,该算法通过引入图像模糊熵来控制局部区域的对比度拉伸,使图像均匀区域和边缘区域得到了不同程度的对比度拉伸。实验结果表明,该算法在增强图像细节的同时对噪声和边缘光晕现象进行了削弱,增强了图像的整体质量。

稳态视觉诱发电位信号的预处理滤波设计及实验评测

为实现低噪声、高质量的脑电信号传输,增强稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口系统的应用能力,本研究设计了一种高效的SSVEP信号预处理滤波方法,用于去除伪迹与信号漂移。首先,本研究基于前期研究的含噪数据,进行了离线分析验证,并使用网格搜索方法,优化各滤波环节中的参数设定;然后,设计了38个刺激目标的拼写器,并纳入20名健康受试者进行在线分析。结果表明,在2、3 s时间窗下,经预处理滤波后的信号分类准确率分别提升了8.88%与6.66%,信息传输速率分别提升了19.59%与10.5%。此外,将受试者分为初试组与经验组,并进行配对单因素方差检验,证实两组准确率具有显著差异(P_(2s_acc)=0.02,P_(3s_acc)=0.028)。本研究的预处理滤波方法可高效去除SSVEP信号在时域与频域中的伪迹与噪声,提高分类识别的准确率,能够对其他范式脑机接口的信号预处理工作提供参考。

基于漫射光相关谱和红细胞运动规律的组织血流灌注研究

目的根据红细胞运动原理建立红细胞运动与组织灌注间的联系,探究漫射光相关谱(Diffuse Correlation Spectroscopy,DCS)测量血流指数的物理和生理意义。方法结合朗之万方程及流体动力学来研究红细胞的运动及受力情况,并根据其在组织内的扩散规律来获得组织灌注特征。在计算机仿真中,利用COMSOL有限元软件搭建微血管网络结构模型,根据以上的动力学规律获得粒子运动的均方位移与体积增量间的联系。结果经过理论分析及仿真验证,发现微血管中红细胞的运动不是自发的热布朗运动,而是受流体动力学主导的主动扩散运动,且粒子的均方位移与体积增量呈正向非线性关系。结论DCS测量的血流指数虽然与传统意义上的生理血流单位不同,但该血流指数可以表征深层组织微血管的血流状态,并作为衡量组织灌注能力的指标。

低剂量CT图像的噪声提取研究

为了解决CT辐射剂量降低时重建图像质量低的问题,研究了基于StyleGAN2 GAN学习对给定噪声图像的噪声提取,采用从训练的GAN模型中采样大量噪声块的方法,提取噪声特征而不是噪声图像。通过引入轻量级Squeeze-and-Excitation(SE)模块可以更好地为图像不同部分分配权重,使得浅层网络的局部信息在图像分割时能够很好地分割边缘细节图像,深层网络输出的特征图可以捕捉同一幅图像的不同尺度信息。实验结果表明,采用本文方法处理低剂量CT图像的细节还原度真实、局部器官光滑性较好。

一种广域无线传感网络移动Sink节点路径规划方法

在广域无线传感网络中,大量Sink节点处在移动状态,路径规划过程易受其他节点特征的干扰,导致规划效果较差,提出一种针对广域无线传感网络的移动Sink节点路径规划方法。利用Sink数据采集协议确定节点的最佳位置,通过计算最大网络寿命成本比确定节点的最佳数量后,根据节点的最佳位置和数量规划出最大容量路径。依据最大容量路径计算出Sink节点在四个方向上的权值系数,并沿着最大权值系数的方向移动,完成广域无线传感网络移动Sink节点路径规划。仿真结果表明,所提方法的运行时间低于6 s、路径长度最长为53 cm、拐点数量少于9个、迭代次数高达69次。

光纤传感网络小样本入侵信号边际谱标记检测

光纤传感网络中,小样本人工入侵信号由于没有入侵经验数据做识别背景,其首次入侵特征标记一直是一个难点。设计了一种光纤传感网络小样本人工入侵信号动态提取方法。首先采用高斯滤波器对光纤传感网络信号做去噪处理,消除光纤传感网络信号中存在的噪声信号对入侵信号提取产生的干扰。然后结合希尔伯特变换方法和经验模态分解方法,构建光纤传感网络信号的Hilbert边际谱。将光纤传感网络信号的Hilbert边际谱作为信号的标记特征,输入SVM分类器中,完成光纤传感网络小样本人工入侵信号的动态提取。仿真结果表明,所提方法的噪声信号、敲击信号和晃动信号事件识别率平均值分别为95.5%、91.5%及89.5%,当时域信号采样点数量为5 000个时,所提方法的信号提取时间为0.245 s。

相位相关配准法及其在射线图像数字减影中的应用

介绍了一种基于相位相关法射线图像配准的方法。该方法利用傅立叶变换的平移特性对发生平移和旋转的两幅图像进行精确的配准。提出了将该方法用在数字减影中图像的配准 ,首先用相位相关配准法对发生平移和旋转的两幅图像进行配准 ,然后 ,对配准好的图像进行数字减影 ,正确地检测出了构件的内部状态。实验证明 ,该方法完全不受人工干预 ,具有较高的精度和较强的抗噪能力 ,匹配速度也有很大提高。同时 ,旋转校正算法简单 ,易于实现 。

大型构件射线图像拼接技术

在大型构件内部状态检测数字减影过程中,图像拼接是重要的一步。本文提出的方法能够准确地确定重叠区域,并能够对两幅图像进行无缝拼接。该方法已用在射线图像的拼接,并取得了满意的效果。

射线检测图像自动配准技术

在大型构件内部状态检测数字减影过程中 ,图像配准是关键的一步。提出用图像配准方法对发生旋转和平移的两幅图像进行自动配准 ,该方法已用于射线图像配准 ,并取得了满意的效果。

基于邻域相关信息的X射线图像增强算法

射线图像存在对比度差、灰度范围小、影像模糊等缺陷。传统的反锐化增强算法是图像增强经常用到的方法,该方法简单易行,但对噪声非常敏感。一般是加上一个低通滤波器来抑制噪声,但加上低通滤波器后又会对边缘造成模糊。针对上述问题,提出了基于邻域相关信息的射线图像增强算法。首先对射线图像进行多幅叠加降噪,然后根据掩模中心像素和周围邻域像素灰度值的差与输出灰度的查找表进行图像增强。该方法在增强图像的同时能够很好地抑制噪声的增加,实验证明这种方法是可行的。