质子热声信号检测与去噪方法研究

质子热声信号是在质子治疗过程当中由于能量沉积导致靶区热膨胀所产生的超声信号,这样产生的信号能被声学传感器检测到,但是这一类信号通常幅度小且容易被噪声掩盖,提高信噪比并凸显传感器接收到的有用信号对走时提取至关重要。文中提出一种模拟质子原声信号传播与检测的物理实验模型,并通过一种基于小波包阈值化处理的去噪算法对接收信号进行处理,最终达到良好的去噪效果,有效提取走时数据。

基于深度学习的质子热声信号走时提取方法

在质子治疗过程中,关键的问题之一就是如何精确地定位布拉格峰。质子束在能量沉积的过程中将产生热声信号,正确利用热声信号的走时信息将为定位布拉格峰位置带来帮助。文中提出一种基于深度学习的质子热声信号的γ波走时提取方法,通过对大量热声信号数据进行学习,在一些传统方法难以提取走时的复杂情况下,该深度学习方法仍旧准确有效地提取出了走时。结果表明,该方法在提取走时方面表现出了很好的准确性和鲁棒性。

基于密集网络的质子热声信号走时提取

针对临床上由质子热声信号脉宽和信噪比的不确定性引起的走时提取困难问题,提出了一种基于密集网络的走时提取算法。该算法使用密集块代替传统卷积块,融合了具有不同感受野的特征,并引入了深度监督和网络剪枝机制,利用标记好的质子束热声信号数据进行学习,以提取所需的走时信息。实验结果表明,相比其他算法,该算法对质子热声信号走时的提取具有较高的准确率和鲁棒性,同时展现了实时提取的可行性。

基于质子束激发热声信号的布拉格峰定位

目的:使用质子束激发热声信号对质子束的布拉格峰定位,分析其在质子治疗中应用的可行性。方法:通过Kwave工具包模拟质子束在水中的传播过程,使用放置的传感器接收质子束激发产生的γ波走时数据,再将走时数据进行反演得到布拉格峰位置的修正量,从而完成对布拉格峰定位。结果:在均匀介质中,当初始的布拉格峰位置在目标布拉格峰位置5 cm范围内,使用Kwave模拟得到的走时数据进行定位,无噪声的情况下,定位误差在1.3 mm以内,对其进行加噪处理后,定位误差仍在3 mm以内。使用波前扩展的线性走时插值射线追踪算法得到的走时数据进行反演,能完成零误差定位。结论:使用质子束激发热声信号,仅需要少量的传感器就能对质子束的布拉格峰进行实时定位,走时数据的准确性对定位算法有一定的影响。但是通过加噪实验发现,本算法具有较好的稳定性和收敛性。