-
公开(公告)号：CN119130812A
公开(公告)日：2024-12-13
申请号：CN202411308405.1
申请日：2024-09-19
Applicant: 复旦大学
IPC: G06T3/4053 , A61B8/08 , A61B8/00 , G06T3/4046 , G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于扩散模型的非造影超分辨超声成像方法及系统，向目标对象发射多角度复合平面波，采集回波信号并进行波束合成得到红细胞B型超声图像序列；对红细胞B型超声图像序列应用基于奇异值分解的时空滤波算法，将红细胞信号从组织信号和噪声信号中分离出来，得到高信噪比的超声图像序列以进行红细胞PD图像重建；基于训练完成的扩散模型对所述红细胞PD图像进行超分辨映射，以实现在非造影模态下重建出超分辨超声图像。避免了对于超声造影剂的依赖，通过对低分辨红细胞PD图像基于训练完成的深度学习扩散模型进行超分辨映射，实现具有超高分辨率的超声成像，改善了SR‑US成像技术的应用灵活性，拓展了其应用范围。
-
公开(公告)号：CN114897689B
公开(公告)日：2024-11-15
申请号：CN202210460857.6
申请日：2022-04-28
Applicant: 复旦大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/09 , A61B8/08
Abstract: 本发明提供一种基于生成对抗网络的快速超声定位显微成像方法，包括以下步骤：基于Pix2pix框架的生成对抗网络构建初始成像模型，在生成对抗网络中，采用残差卷积神经作为生成器，采用PatchGAN结构作为判别器；获取低分辨原始超声图像作为网络输入，并获取对应的高分辨超声定位显微图像作为训练标签，以此分别构建训练集和测试集；将训练集输入至初始成像模型，采用损失函数和训练标签进行训练生成快速超分辨成像模型；基于快速超分辨成像模型获取与待测原始超声图像对应的超高分辨超声图像。该方法无需额外运算或人工调参，减小了成像重建过程中计算的复杂性，避免了参数依赖性，极大地改善了现有超声定位显微成像技术的性能，更适用于快速超声定位显微成像。
-
公开(公告)号：CN118576242A
公开(公告)日：2024-09-03
申请号：CN202310192090.8
申请日：2023-03-02
Applicant: 复旦大学
Abstract: 本发明提供一种基于声超构材料的单阵元超分辨超声成像方法，首先以声超构材料制作声场编码板，构建单阵元超分辨超声成像系统；接着对上述系统进行声场校准，并借助角谱法与自动卷积获取成像区域内的系统矩阵；其次通过单阵元超分辨超声成像系统对组织中的流动微泡进行超声成像，以获取一组仿真原始超声数据，并旋转声编码板至不同角度，对流动微泡进行多角度数据采集，获得多角度原始超声回波数据；然后，基于系统矩阵与获取到的原始超声回波数据，借助线性反演算法，重建超声微泡图像；最后，通过单分子定位方法对超声微泡图像进行中心定位，得到微泡位置，将所有帧的微泡定位结果进行叠加，即可实现基于单阵元的超分辨超声成像。
-
公开(公告)号：CN113951835B
公开(公告)日：2024-02-13
申请号：CN202111451303.1
申请日：2021-12-01
Applicant: 复旦大学
Abstract: 本发明提供一种基于光学断层重建策略的三维荧光显微成像方法，其特征在于，包括以下步骤：步骤S1，利用光可切换荧光探针对重建区域内生物组织的细胞进行荧光显微成像，测得荧光值ζ(r)。步骤S2，根据一阶波恩近似，得到荧光值ζ(r)。步骤S3，根据漫射方程，求出格林函数。步骤S4，结合边界条件，利用有限元方法和稀疏重建方法进行求解，得到某一成像时刻细胞内荧光探针的三维分布。步骤S5，根据计算得到的所有成像时刻细胞内荧光探针的三维分布叠加生成三维荧光定位显微图像。本发明将光学断层重建方法与超高分辨荧光显微技术相结合，通过构建超分辨荧光显微三维重建模型，进行快速三维成像，提高了三维成像的空间分辨率。
-
公开(公告)号：CN113827277B
公开(公告)日：2023-10-03
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。
-
Patent Agency Ranking
公开(公告)号：CN115644803A
公开(公告)日：2023-01-31
申请号：CN202211191172.2
申请日：2022-09-28
Applicant: 复旦大学
Abstract: 本发明提供一种基于发光半导体多模态成像系统，包括：多个激光源阵列、超声换能器和协同处理单元，协同处理单元向所述激光源阵列和超声换能器采用时分复用方式发送控制指令，激光源阵列在协同处理单元的驱动下发射激光信号，超声换能器在协同处理单元的驱动下发射超声信号，激光信号和超声信号分别作用于生物组织产生第一回波信号和第二回波信号，协同处理单元基于超声换能器接收所述第一回波信号和第二回波信号以获取生物组织第一成像、第二成像和融合的第三成像；其中，多个激光源阵列具有不同谱段的发光单元。本发明的成像系统可以同时获取生物组织的物理结构特性及所含生化成分分布信息，并且可以实现成像深度和成像分辨率的精确调节。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.025 seconds)
