-
公开(公告)号：CN110865124B
公开(公告)日：2022-09-27
申请号：CN201911184623.8
申请日：2019-11-27
Abstract: 本发明涉及一种基于线性功放的非线性超声导波检测系统及方法，所述系统包括可编程控制器、线性功放信号发生模块、低频超声换能器、高频超声换能器、信号采集模块和多路电源模块，其中，可编程控制器内运行有程序，执行：根据设置参数，生成相应的二进制数字信号，形成发送给线性功放信号发生模块的控制指令；对从信号采集模块获取的数字导波信号进行解调还原，计算获得还原后的导波信号中携带的材料非线性参数，基于该材料非线性参数获得待测材料的使用寿命评价结果；可编程控制器、线性功放信号发生模块、信号采集模块和多路电源模块集成于一体。与现有技术相比，本发明具有集成度高、控制方便等优点。
-
公开(公告)号：CN114557719A
公开(公告)日：2022-05-31
申请号：CN202210186208.1
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明提供一种基于注意力学习机制的定量超声定位显微成像方法，针对现有超声定位显微成像技术中存在的不足，采用了结合注意力机制、残差学习和上采样操作的端到端的深度卷积神经网络，基于该深度卷积神经网络训练得到定量超声定位显微成像模型，通过该模型准确恢复每一帧原始超声图像中的微泡幅值及位置信息，最后将所有帧的恢复结果进行叠加获取与原始超声图像对应的定量超声定位显微成像图。该方法将深度学习技术与超声定位显微成像相结合，显著提高了超声成像中对微泡幅值信号的解析能力，同时降低了超声定位显微成像的计算复杂度，避免了参数依赖，适用于定量超声定位显微成像。
-
公开(公告)号：CN114092329A
公开(公告)日：2022-02-25
申请号：CN202111376143.9
申请日：2021-11-19
Applicant: 复旦大学
Abstract: 本发明提供了一种基于亚像素神经网络的超分辨荧光显微成像方法，用于进行超高分辨荧光定位显微成像，包括如下步骤：获取待成像对象的荧光图像序列；基于超高分辨成像模型对荧光图像序列中的每一帧荧光图像进行定位获得与每一帧荧光图像对应的定位结果；将所有定位结果叠加获得的叠加结果作为待成像对象的超高分辨定位显微成像图。通过本发明的超高分辨荧光定位显微成像方法，在荧光探针定位过程中，只要将实验获取的低分辨荧光显微图像输入到超高分辨成像模型，就可以得到高密度荧光探针情况下的准确定位结果，无需任何额外的运算或者人工调参，并在实现快速超高分辨荧光定位显微成像的同时，减小了计算复杂性，避免了参数依赖性。
-
公开(公告)号：CN113951933A
公开(公告)日：2022-01-21
申请号：CN202111450571.1
申请日：2021-12-01
Applicant: 复旦大学
Abstract: 本发明提供一种超声和光声的多模态实时成像设备，其特征在于，包括：成像探头，包括超声换能器和激光扩束器；以及成像分析装置，包括协同处理模块、信号采集模块、光信号调制模块、超声波束形成模块、图像重建模块、光源模块以及光学透镜模组。其中，光源模块和光信号调制模块产生调制激光并传输到激光扩束器。激光扩束器对调制激光进行扩束照射在待测生物组织并且采集声光信号，得到第一电信号。超声波束形成模块发射超声波输出至待测生物组织上。超声换能器采集反射超声波信号并形成第二电信号。协同处理模块对第一电信号和第二电信号进行分析处理，得到多模态数据。图像重建模块对多模态数据进行实时图像重建和图像融合分析。
-
公开(公告)号：CN113951831A
公开(公告)日：2022-01-21
申请号：CN202111376132.0
申请日：2021-11-19
Applicant: 复旦大学
Abstract: 本发明属于荧光分子断层成像技术领域，提供了一种基于随机重构策略的超高分辨荧光分子断层成像方法，改变了传统荧光分子断层成像实现思路，将随机重构策略与荧光分子断层成像技术相结合，基于荧光分子断层成像系统，在光可切换荧光探针的介入下，获取不同时刻透出成像物体的单角度(视图)漫射光数据；基于光传播数学模型，结合稀疏断层重建算法，对每帧图像中所包含的荧光探针进行三维重建；最后，将所有帧的重建结果进行叠加，实现超高分辨荧光分子断层成像。
-
Patent Agency Ranking
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：CN119423837A
公开(公告)日：2025-02-14
申请号：CN202411431629.1
申请日：2024-10-14
Applicant: 上海交通大学医学院附属新华医院 , 复旦大学
Abstract: 本发明提供一种超声影像重建及影像引导采集方法、装置、系统及终端，通过首先激发换能器产生单角度平面波超声照射前列腺获取超声RF信号。随后，基于前列腺的医学影像与这些超声RF信号，重建出静态流超声仿真图像与实时超声图像，并据此生成精确的引导控制指令。这些指令能引导换能器移动至最佳成像位置，随后释放脉冲激光照射前列腺，从而捕获光声RF信号。基于所采集的光声RF信号，进一步重建出光声影像，并将这些信号妥善储存。本发明通过设计的实时影像引导功能实现对前列腺可视化适形超声辐照，确保了超声和光声RF信号的精确采集，进而显著提升了超声和光声影像的重建准确度，还辅助提高了智能化判别患者前列腺炎症程度的准确度，使治疗效率大大提升。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.025 seconds)
