基于RBF-V-Net的电阻抗层析成像方法

电阻抗层析成像因其无辐射、非侵入的测量方式备受青睐,但边界电压与被测场域内电导率分布间固有的非线性和逆问题的病态性导致成像质量欠佳。针对此问题,该文将RBF神经网络与深度神经网络U-Net结合,形成一种新的、称之为RBF-V-Net的V型网络结构。用RBF神经网络实现预映射,用U-Net实现特征提取和深度重建,用残差连接解决网络退化问题,从而实现由边界电压值到电导率分布的更高精度映射。仿真重建实验结果表明,50 dB信噪比下重建图像相对误差和相关系数的平均值分别为0.0224和0.9991;与传统算法TR、Landweber以及神经网络6L-FCDN相比,该文方法的重建图像更接近真实分布。

基于电容层析成像多相流检测的动态重建算法研究

为了提高ECT图像重建质量,提高ECT在线监测的精确性,提出了一种广义动态图像重建算法(DR),集合了ECT测量信息和流动对象的物理演变信息。该算法同时考虑被测对象的空间约束、时间约束以及动态变化信息的目标功能。动态实验研究表明,该算法成功解决ECT逆问题,有效突破了ECT图像重建的数值不稳定性,其成像质量明显好于一般的静态图像重建算法。

螺旋CT薄层骨算法重建技术对前颅窝骨折的诊断价值

目的:探讨螺旋CT薄层骨算法重建技术对诊断前颅窝骨折的诊断价值。方法:回顾分析47例脑外伤临床高度怀疑前颅窝骨折患者行CT常规扫描及薄层骨算法重建,并对其诊断结果进行分析、比较。结果:在对前颅窝骨折的CT诊断中,薄层骨算法重建阳性显示率为100%,与常规CT扫描的74.47%相比,2种方法比较有显著性差异。结论:CT薄层骨算法重建明显优于常规扫描,它可以明确显示前颅窝骨质损伤情况,为临床诊断提供可靠而客观的影像学资料。

基于聚焦换能器的超声透射CT技术

超声透射CT技术能够重建物体横断面的图像,为了重建高质量图像,分别从换能器和图像重建算法两个方面展开研究。分析了弧形线聚焦换能器焦域处聚焦切片尺寸与换能器几何尺寸的关系及其对CT检测的影响。搭建了超声透射CT检测系统,以等角扇形束的扫描方式获取投影数据,并利用滤波反投影和最小二乘正交分解两种算法重建图像,对比发现最小二乘正交分解算法通用性更强,成像质量更佳。实验结果表明,利用聚焦换能器并结合最小二乘正交分解算法对物体进行CT检测,能够取得较好的成像结果,检测分辨力可达毫米量级。

具有矩阵伸缩的正交双向小波包

为了将正交双向小波包推广到高维情形φan+λ(t)=∑k∈Zdp+k,λφn(At-k)+p-k,λφn(k-At),构造了伸缩因子为矩阵A的正交双向小波包{φan+λ(t),λ=0,1,…,a-1}n∈Z+,分别从时频域角度通过小波包基函数的正交性研究了高维正交双向小波包的性质,得到了小波包子空间的分解算法、重构算法及频域表示为∏∞j=1Pλjωa()jΦ0(0)。