1 中国科学技术大学物理学院,安徽 合肥 230026
2 南京航空航天大学自动化学院,江苏 南京 211106
3 中国科学技术大学工程学院,安徽 合肥 230026
4 精密科学仪器安徽普通高校重点实验室,安徽 合肥 230026
在光声断层成像中,通常利用超声换能器阵列接收光声信号,其制造成本较高,并且阵元数量对最终成像质量有重要影响。为了提升稀疏视角下光声重建的图像质量,提出了一种基于改进的U-Net神经网络结构的稀疏视角光声图像质量增强方法,该方法采用的改进的U-Net网络的特点在于通过添加连续卷积层替换跳接层,提升编码器和解码器拼接特征的匹配度;同时利用了基于多尺度结构相似性指数的损失函数对网络进行训练。基于仿体数据集和活体数据集的实验结果表明,改进的U-Net网络具有很好的图像细节重建能力,其所得的重建图像质量优于经典的U-Net网络。
医用光学与生物光学 光声断层成像 图像重建 稀疏视角 深度学习 U-Net 激光与光电子学进展
2022, 59(6): 0617022
1 哈尔滨理工大学 自动化学院, 哈尔滨 150080
2 中国科学院 自动化研究所 分子影像重点实验室, 北京 100190
为了实现小动物光声断层信号的高速采集和实时高质量图像的重建, 采用了覆盖角度为270°的128阵元弧形聚焦超声换能器、4个32通道的NI公司数据采集模块和可调谐脉冲激光器以及正则化优化的基于模型的光声断层重建算法。结果表明, 系统的空间分辨率可以达到180μm;此系统可以在1ms内完成光声断层数据的采集, 在40s以内获得高质量的重建图像。该系统可以用于开展小动物在体的多光谱光声断层成像实验研究。
生物光学 光声断层成像 多元弧形聚焦换能器 高速多通道 多光谱 biotechnology photoacoustic tomography multi-element arc-shaped focusing transducer high-speed multi-channel multispectral