-
公开(公告)号：CN113827277A
公开(公告)日：2021-12-24
申请号：CN202111227183.7
申请日：2021-10-21
Applicant: 复旦大学
Abstract: 本发明提供一种声致超声成像方法，其特征在于，包括以下步骤：步骤S1，使用声脉冲对需检测的生物组织产生激励，使需检测的生物组织因吸收声脉冲发生热膨胀，产生含有生物组织特征信息的超声波。步骤S2，利用超声换能器对超声波进行采集，得到成像物体表面声信号测量值φ。步骤S3，构建声传播数学模型，将φ输入到声传播数学模型，得到声传播权重矩阵W。步骤S4，利用稀疏断层重建算法对声传播权重矩阵W进行处理，得到需检测的生物组织的三维分布信息。本发明通过构建的声传播模型，结合稀疏断层重建算法和LSQR方法对所获取的声信号重建及求解，实现了获取生物组织的分布信息，具有高穿透性、高灵敏度、高时空分辨率的新型成像模态。
-
公开(公告)号：CN114549318B
公开(公告)日：2025-02-18
申请号：CN202210170051.3
申请日：2022-02-23
Applicant: 复旦大学
IPC: G06T3/4053 , G06T3/4046 , G06T17/00 , G06F30/27 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于亚体素卷积神经网络的超高分辨荧光显微成像方法，基于结合了多分支结构和残差学习的端到端三维亚体素卷积神经网络构建并训练得到超高分辨三维光学显微成像模型，通过该成像模型将原始光学低分辨率图像映射到三维超高分辨荧光探针的定位图像上，从而应用于三维超高分辨荧光显微成像。相较于现有的显微成像技术，该基于亚体素卷积神经网络的超高分辨荧光显微成像方法显著改善了超高分辨荧光显微成像的轴向分辨率，并且降低了三维荧光显微超分辨重建的计算复杂度。而且经网络训练成功得到的超高分辨三维光学显微成像模型即不需要额外的人工参数调节，也不需要额外的人工干预，适用于快速、灵活、三维超高分辨荧光显微成像。
-
公开(公告)号：CN119132622A
公开(公告)日：2024-12-13
申请号：CN202411257678.8
申请日：2024-09-09
Applicant: 复旦大学
IPC: G16H50/50 , G06F30/23 , G16H30/00 , A61N7/02 , G06F119/12
Abstract: 本发明公开一种经颅超声多频声全息透镜设计方法及系统，包括以下步骤：设置多个不同的聚焦点；在Matlab中使用k‑wave工具箱，利用时间反演法分别将多个不同的聚焦点设为声源，分别采用多个驱动频率进行仿真实验，捕获超声换能器放置的平面处的相位，得到多个声全息图；提取多个声全息图的有效信息，整合成多频声全息图，在得到可经颅的多频声全息图后，提取多频声全息图的相位信息转化为声全息透镜每个像素的高度。通过提取不同工作频率的多片聚焦到不同位置的声全息透镜中的有效信息整合到一片多频声全息透镜，实现基于多频声全息透镜的多频经颅聚焦，根据不同的驱动频率在聚焦平面重建出对应的焦点，从而实现在经颅聚焦中的灵活性，提升应用潜力。
-
公开(公告)号：CN114124244B
公开(公告)日：2024-12-03
申请号：CN202111622455.3
申请日：2021-12-28
Applicant: 复旦大学
IPC: H04B11/00
Abstract: 本发明提供一种基于超声聚焦方式的数据传输装置，其特征在于，包括：数据发出端以及数据接收端。数据发出端包括：编码器，用于对需要传输的数据进行编码。阵列控制模块，用于转换成并行控制电信号。功率放大模块，用于对并行控制电信号进行放大。超声探头阵列，用于对并行控制电信号转换成超声信号并发射。数据接收端包括：m个接收探头，用于接收超声信号。提取电路模块，用于对接收电信号进行提取。信号放大模块，用于对提取到的信号进行放大。解码器，用于对放大的编码信号进行解码，得到数据。本发明提供一种基于超声聚焦方式的数据传输方法。
-
公开(公告)号：CN118470139A
公开(公告)日：2024-08-09
申请号：CN202310083626.2
申请日：2023-02-08
Applicant: 复旦大学
IPC: G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于测量矩阵的稀疏光声信号深度学习重建方法，构建基于测量矩阵的稀疏光声信号深度学习模型，包括光声成像系统的测量矩阵、深度卷积神经网络和损失函数。基于光声成像模型和系统测量矩阵，数值仿真模拟产生光声波形信号作为训练数据，用于训练深度学习模型。基于仿真模拟环形光声阵列系统，对成像物体进行光声成像，获取一组模拟的稀疏光声测量信号作为测试数据。基于训练好的深度学习模型，对获取的光声测量数据进行重建，恢复出成像物体的初始声压，实现稀疏光声信号的去伪影图像重建。本发明有效地实现了稀疏光声信号到光声图像的去伪影重建，而且在提高稀疏光声信号的重建图像的质量同时，还摆脱了对大量标签数据的依赖。
-
Patent Agency Ranking
公开(公告)号：CN116703802A
公开(公告)日：2023-09-05
申请号：CN202210176337.2
申请日：2022-02-24
Applicant: 复旦大学
IPC: G06T7/00 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于组织切片的荧光图像转换方法，用于将组织切片的某一通道的待转化荧光图像转换为同一视野中其他通道荧光图像，其特征在于，包括以下步骤：构建深度学习网络Pix2Pix；构建损失函数；获取训练所需的数据集；将数据集输入至深度学习网络Pix2Pix，采用损失函数和Adam优化算法对该深度学习网络Pix2Pix进行优化训练，并将训练好的深度学习网络Pix2Pix作为荧光图像转换模型；将待转化荧光图像输入至荧光图像转换模型，以获取对应的同一视野中其他通道的荧光图像。该组织切片荧光图像转换方法利用深度学习技术在荧光图像的不同通道之间找到预测关系，从而实现不同通道的图像转换，减少了(多标)荧光成像过程中费时费力的工作，节约了成本和时间。
-
公开(公告)号：CN116453698A
公开(公告)日：2023-07-18
申请号：CN202310232415.0
申请日：2023-03-10
Applicant: 复旦大学
Abstract: 本发明涉及一种动态骨骼微结构预测方法和装置，包括以下步骤：S1、基于骨骼医学图像分别计算多个时间点的骨体积分数；S2、根据骨体积分数进行曲线拟合计算，得到第一骨体积分数变化曲线；S3、基于骨骼微结构容积数据计算相应的第二骨体积分数变化曲线；S4、将第一骨体积分数变化曲线和第二骨体积分数变化曲线进行差值计算，根据得到的差值寻找动力学演化模型参数组的最优解；S5、设定预测时间，根据采用最优解的动力学演化模型，得到预测时间时的骨骼微结构。与现有技术相比，本发明具有提供未来时间点的骨骼变化情况等优点。
-
公开(公告)号：CN114431885A
公开(公告)日：2022-05-06
申请号：CN202210185312.9
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明涉及一种基于X射线光声效应的骨骼弹性测量装置及方法，用于测量待测量骨骼的骨骼弹性，骨骼弹性测量装置包括计算机、X射线发生器和超声换能器；X射线发生器，用于接受计算机的控制，向待测量骨骼发射X射线；超声换能器，用于接收待测量骨骼由于光声效应产生的超声信号，并将其发送给计算机；计算机控制X射线发生器向待测量骨骼发射X射线，通过超声换声器接收光声效应产生的超声信号，并将其存入计算机内，用于计算骨骼弹性。与现有技术相比，本发明具有准确度高、测量深度大等优点。
-
公开(公告)号：CN114209282A
公开(公告)日：2022-03-22
申请号：CN202111579461.5
申请日：2021-12-22
Applicant: 复旦大学
Abstract: 本发明提供一种超声和光声的多模态高分辨率三维扫描成像装置，其特征在于，包括扫描装置以及成像装置，扫描装置具有电缆、检测光纤、样本容器、超声换能器、三维移动机构、三维控制模块和监控摄像头。成像装置包括协同处理模块、信号输出采集模块和成像重建模块。其中，三维移动机构包括底座、支撑臂、升降臂、第一移动臂、第二移动臂、转动驱动电机、升降驱动机构、第一驱动机构和第二驱动机构。本发明通过三维移动机构利用超声换能器和检测光纤对待测生物组织进行超声和光声的多模态高分辨率三维扫描成像，解决现有技术中实时无创监测及诊断生物组织疾病困难的问题。
-
公开(公告)号：CN114062507A
公开(公告)日：2022-02-18
申请号：CN202111328238.3
申请日：2021-11-10
Applicant: 复旦大学
Abstract: 本发明提供一种基于复累积量分析的超高分辨超声成像方法，其特征在于，首先，将获取的原始超声平面波图像的实数域信号通过希尔伯特变换得到复数域超声信号，然后，通过构建复数域累积量分析框架对复数域超声信号进行高阶累积量分析的处理，从而拓展对超声图像数据的统计框架，解决由于超声信号双极脉冲响应所导致实数域信号的轴向振荡的问题，最后，对复累积量分析处理得到的复累积量结果进行反卷积处理，进一步提升超高分辨超声成像的空间分辨率。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.023 seconds)
