-
公开(公告)号：CN116416331B
公开(公告)日：2023-09-29
申请号：CN202310056031.8
申请日：2023-01-16
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于部分先验梯度域卷积稀疏编码压缩感知光声成像方法，上述方法包括如下步骤：步骤一、针对环形阵列光声层析成像系统稀疏重建场景，把光声图像转换到梯度域中，在水平梯度和垂直梯度图像上进行滤波学习，利用梯度域卷积稀疏编码建立压缩感知稀疏重建模型；步骤二、将部分先验信息应用于稀疏重建过程之中，更新步骤一建立的压缩感知稀疏重建模型，在迭代过程中寻找到最优解，进而得到最优重建图像。该方法将梯度域卷积稀疏编码引入环阵阵列光声层析成像中，并在成像模型中加入部分先验信息，进一步提高成像效果，最终与其他光声成像领域中的稀疏重建算法相对，可以实现更少阵元光声信号的采集并得到更高质量的重建图像。
-
公开(公告)号：CN116416331A
公开(公告)日：2023-07-11
申请号：CN202310056031.8
申请日：2023-01-16
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种一种基于部分先验梯度域卷积稀疏编码压缩感知光声成像方法，上述方法包括如下步骤：步骤一、针对环形阵列光声层析成像系统稀疏重建场景，把光声图像转换到梯度域中，在水平梯度和垂直梯度图像上进行滤波学习，利用梯度域卷积稀疏编码建立压缩感知稀疏重建模型；步骤二、将部分先验信息应用于稀疏重建过程之中，更新步骤一建立的压缩感知稀疏重建模型，在迭代过程中寻找到最优解，进而得到最优重建图像。该方法将梯度域卷积稀疏编码引入环阵阵列光声层析成像中，并在成像模型中加入部分先验信息，进一步提高成像效果，最终与其他光声成像领域中的稀疏重建算法相对，可以实现更少阵元光声信号的采集并得到更高质量的重建图像。
-
公开(公告)号：CN112862924B
公开(公告)日：2022-11-25
申请号：CN202011627364.4
申请日：2020-12-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06T11/60
Abstract: 本发明提供一种多模态成像中图像重建方法、装置和系统，包括：接收数字滤波装置输出的任一滤波后信号；若所述任一滤波后信号为超声类型或光声类型，则基于多角度观测相控聚焦空间复合成像确定输出的所述任一滤波后信号对应的复合图像；若所述任一滤波后信号为弹性模态类型，则对所述任一滤波后信号依次进行组织位移估计、方向性滤波器和波速估计，确定输出的所述任一滤波后信号对应的弹性重建图像。本发明提供的方法、装置和系统，实现了多模态成像中图像重建输出的任一类型滤波后信号对应的重建图像都提升效果、提高分辨率且降低运算量，并且多种模态类型信号进行图像合成使最终成像更准确效果更好。
-
公开(公告)号：CN110880196A
公开(公告)日：2020-03-13
申请号：CN201911096094.6
申请日：2019-11-11
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明实施例提供基于深度学习的肿瘤光声图像快速重建方法及装置，方法包括：通过k-Wave工具箱和迭代重建算法，获取稀疏采样下，不同数量、形状、大小、位置、光吸收系数及信噪比的肿瘤光声仿真数据集，通过光声实验补充实验数据集；构建端到端的SEU-Net；采用预训练策略及有监督的学习方法在肿瘤光声仿真数据集和实验数据集上递进式训练SEU-Net，依次实现迭代重建算法重建图像到高质量标签图像、初始光声信号图到高质量标签图像的重建任务，得到训练好的肿瘤光声图像重建模型；将目标肿瘤的初始光声信号图输入肿瘤光声图像重建模型，输出重建后的高质量肿瘤光声图像。可实现基于稀疏采样的快速、高质量的肿瘤光声图像重建。
-
公开(公告)号：CN110755755A
公开(公告)日：2020-02-07
申请号：CN201911096092.7
申请日：2019-11-11
Applicant: 哈尔滨工业大学(威海)
IPC: A61N5/067
Abstract: 本发明实施例提供一种智能自学习激光功率控制系统及光热治疗系统，智能自学习激光功率控制系统包括：自学习控制器和双闭环控制系统；自学习控制器，用于根据预设期望治疗温度和预设温度误差阈值，利用迭代自学习算法，获取双闭环控制系统的参考温度输入信号；所述双闭环控制系统采用内外两环控制结构，完成双闭环控制系统的整个环路的负反馈有差控制，以调节光热治疗系统中的加热治疗设备的输出功率达到设定值，使靶区温度稳定在预设范围。本发明实施例能够减小对光热治疗系统中的加热治疗设备的输出功率的控制误差，使靶区温度稳定在预设范围，避免利用光热治疗系统进行光热治疗期间对靶区组织边界处的正常组织造成伤害。
-
Patent Agency Ranking
公开(公告)号：CN111127320B
公开(公告)日：2023-08-04
申请号：CN201911341072.1
申请日：2019-12-23
Applicant: 哈尔滨工业大学(威海)
IPC: G06T3/40
Abstract: 本发明实施例提供一种基于深度学习的光声图像超分辨重建方法及装置，其中，方法包括：通过k‑Wave工具箱、迭代重建算法，制备光声图像超分辨重建仿真数据集，并通过光声实验和图像下采样算法补充实验数据集；构建超分辨率网络SE‑EDSR；采用预训练策略在仿真数据集和实验数据集上递进式地训练SE‑EDSR，依次完成×2、×3、×4的超分辨重建任务，得到最终的光声图像×4超分辨重建模型；将目标光声图像输入训练好的光声图像×4超分辨重建模型，输出超分辨重建后的×4的高分辨图像。可实现基于深度学习的光声图像超分辨重建，显著降低传统重建算法对光声信号质量的严苛要求，有效节省信号采集带来的经济成本及时间成本。
-
公开(公告)号：CN110755755B
公开(公告)日：2021-05-28
申请号：CN201911096092.7
申请日：2019-11-11
Applicant: 哈尔滨工业大学(威海)
IPC: A61N5/067
Abstract: 本发明实施例提供一种智能自学习激光功率控制系统及光热治疗系统，智能自学习激光功率控制系统包括：自学习控制器和双闭环控制系统；自学习控制器，用于根据预设期望治疗温度和预设温度误差阈值，利用迭代自学习算法，获取双闭环控制系统的参考温度输入信号；所述双闭环控制系统采用内外两环控制结构，完成双闭环控制系统的整个环路的负反馈有差控制，以调节光热治疗系统中的加热治疗设备的输出功率达到设定值，使靶区温度稳定在预设范围。本发明实施例能够减小对光热治疗系统中的加热治疗设备的输出功率的控制误差，使靶区温度稳定在预设范围，避免利用光热治疗系统进行光热治疗期间对靶区组织边界处的正常组织造成伤害。
-
公开(公告)号：CN111127320A
公开(公告)日：2020-05-08
申请号：CN201911341072.1
申请日：2019-12-23
Applicant: 哈尔滨工业大学(威海)
IPC: G06T3/40
Abstract: 本发明实施例提供一种基于深度学习的光声图像超分辨重建方法及装置，其中，方法包括：通过k-Wave工具箱、迭代重建算法，制备光声图像超分辨重建仿真数据集，并通过光声实验和图像下采样算法补充实验数据集；构建超分辨率网络SE-EDSR；采用预训练策略在仿真数据集和实验数据集上递进式地训练SE-EDSR，依次完成×2、×3、×4的超分辨重建任务，得到最终的光声图像×4超分辨重建模型；将目标光声图像输入训练好的光声图像×4超分辨重建模型，输出超分辨重建后的×4的高分辨图像。可实现基于深度学习的光声图像超分辨重建，显著降低传统重建算法对光声信号质量的严苛要求，有效节省信号采集带来的经济成本及时间成本。
-
公开(公告)号：CN110880196B
公开(公告)日：2023-06-09
申请号：CN201911096094.6
申请日：2019-11-11
Applicant: 哈尔滨工业大学(威海)
IPC: G06T11/00 , G06N3/08 , G06N3/0464
Abstract: 本发明实施例提供基于深度学习的肿瘤光声图像快速重建方法及装置，方法包括：通过k‑Wave工具箱和迭代重建算法，获取稀疏采样下，不同数量、形状、大小、位置、光吸收系数及信噪比的肿瘤光声仿真数据集，通过光声实验补充实验数据集；构建端到端的SEU‑Net；采用预训练策略及有监督的学习方法在肿瘤光声仿真数据集和实验数据集上递进式训练SEU‑Net，依次实现迭代重建算法重建图像到高质量标签图像、初始光声信号图到高质量标签图像的重建任务，得到训练好的肿瘤光声图像重建模型；将目标肿瘤的初始光声信号图输入肿瘤光声图像重建模型，输出重建后的高质量肿瘤光声图像。可实现基于稀疏采样的快速、高质量的肿瘤光声图像重建。
-
公开(公告)号：CN113974560A
公开(公告)日：2022-01-28
申请号：CN202111272639.1
申请日：2021-10-29
Applicant: 哈尔滨工业大学 , 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种环形光声层析系统稀疏阵元优化选择及压缩感知成像方法，所述方法包括如下步骤：步骤1)利用超声换能器采集环形光声层析系统的光声信号；步骤2)明确稀疏度，确定环形扫描角度稀疏阵元数量，并基于模拟退火算法优化环形扫描角度稀疏阵元分布；步骤3)由相应阵元位置上超声换能器采集到的光声信号，利用压缩感知图像重建算法进行光声图像重建。本发明提出基于模拟退火算法针对稀疏成像问题中不同成像目标区域进行稀疏角度最优化选择。本发明基于模拟退火算法得到优化后稀疏阵元分布，由相应阵元位置上超声换能器采集到的光声信号，利用压缩感知图像重建算法进行光声图像重建，力求较少的信号采集量实现较高的成像效果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
