-
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。
Search Results
1
records
(took 0.011 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
