• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《声学技术》 >基于无监督学习的高分辨光声重建

基于无监督学习的高分辨光声重建

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

光声断层成像(Optoacoustic Tomography,OAT)是一种新兴的生物医学成像技术,在基础医学研究与临床实践中具有重要作用。针对现有光声断层成像空间分辨率较低的问题,提出了一种结合物理点扩散函数(Point Spread Func-tion,PSF)模型和卷积神经网络(Convolutional Neural Network,CNN)的新型高分辨光声重建网络方法(Physical Atten-tion U-Net,Phys-AU-Net)。该方法采用无监督学习策略,结合物理PSF模型和基于注意力机制的U-Net网络。其中,物理PSF模型用于完成对衍射受限机制的模拟,基于注意力机制的U-Net网络用于实现对高密度重叠吸收体图像的特征提取。在二者共同作用下,Phys-AU-Net突破了声衍射极限对于OAT成像空间分辨率的限制。实验结果表明,Phys-AU-Net能够有效实现对声衍射受限光声断层图像的高分辨重建,其性能相较于U-Net网络具有较大程度提升,在结构相似性指标(Structural Similarity,SSIM)方面提升了43.5%,在峰值信噪比(Peak Signal to Noise Ratio,PSNR)方面提升了11.2%,对临床研究及诊断具有重要意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号