检索结果-南通市图书馆

光电子．激光 2021年第2期32卷 194-200页

作者：杨福刚陈洋 Denzel Faulkner Xavier Intes 山东工商学院信息与电子工程学院山东烟台264005 伦斯勒理工学院生物医学工程系纽约特洛伊12180

针对介观荧光分子层析成像重建问题,提出了一种基于联合代数重建技术的介观荧光分子层析成像重建方法。首先应用主成分分析算法对敏感矩阵进行双重降维操作,以消除敏感矩阵中的冗余信息;其次为保持重建结果与目标数据的一致性,对降维后... 详细信息

针对介观荧光分子层析成像重建问题,提出了一种基于联合代数重建技术的介观荧光分子层析成像重建方法。首先应用主成分分析算法对敏感矩阵进行双重降维操作,以消除敏感矩阵中的冗余信息;其次为保持重建结果与目标数据的一致性,对降维后的矩阵进行零填充;最后应用荧光光强测量数据和填充后的敏感矩阵,经带有总变差正则化项的联合代数重建技术重建组织中荧光探针的三维分布。为了评估所提方法的性能,设计了计算机数值仿体实验和血管树实验。实验结果表明,文中所提方法既提高了算法的重建精度和抗噪声性能又缩短了重建时间。因此,文中所提方法适用于介观荧光分子层析成像重建研究。

关键词：介观荧光分子层析成像联合代数重建技术主成分分析总变差正则化重建

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

介观荧光探针空间分布的快速重建方法研究

介观荧光探针空间分布的快速重建方法研究

引用

作者：陈洋山东工商学院

学位级别：硕士

介观荧光分子层析成像(Mesoscopic Fluorescence Molecular Tomography,MFMT)作为一种新的、有前景的非接触式成像模态,能进行分子水平的高分辨率成像,可实现对肿瘤的早期筛查,于临床前研究而言具有重要的参考价值。MFMT借助高灵敏的近... 详细信息

介观荧光分子层析成像(Mesoscopic Fluorescence Molecular Tomography,MFMT)作为一种新的、有前景的非接触式成像模态,能进行分子水平的高分辨率成像,可实现对肿瘤的早期筛查,于临床前研究而言具有重要的参考价值。MFMT借助高灵敏的近红外光子检测仪器,在生物组织表面采集荧光信息,结合前向模型模拟的包含生物组织光学参数的敏感矩阵,通过三维重建技术实现对肿瘤病灶区荧光探针空间分布的成像和重建。然而,MFMT重建属于典型的逆向求解问题,高度病态性、不适定性以及大规模数值计算问题是该类问题亟待解决的难点。为解决上述难点,本文围绕联合代数重建算法和快速迭代收缩阈值算法进行MFMT重建探索,主要研究内容如下:(1)针对MFMT重建的大规模数值计算问题设计了一种基于主成分分析的双重预处理方法,对重建所使用的大规模敏感矩阵按照先行后列的顺序依次进行去冗余降维处理,同时为保持重建结果与目标数据的一致性,采用零填充的方法将降维后的矩阵恢复至原始维度。该方法与常规主成分分析(Principal Component Analysis,PCA)方法相比较,可以明显提升重建效率,具有操作简单、灵活快速的特点,在对大规模数据处理方面具有可行性。(2)针对MFMT逆问题所面临的因为高病态性而导致的对噪声敏感的问题,提出了一种基于联合代数总变差的快速三维重建算法。该算法将联合代数重建技术(Si-multaneous Algebraic Reconstruction Technique,SART)与应用Split Bregman求解的三维总变差(Total Variation,TV)正则化方法相结合,可在快速稳定重建的基础上,进一步提升算法对噪声的鲁棒性。计算机数值仿真实验验证了该重建算法具有较好的噪声鲁棒性和较高的重建精度。(3)为进一步提升MFMT重建的速度,提出了一种基于自适应快速迭代收缩阈值的稀疏重建算法。考虑到组织中特异性荧光标记物分布的稀疏性和非负性,引入L和L混合的正则化项作为快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)的惩罚项,并采用自适应方法来选择正则化因子,以实现更加快速精准的重建。计算机数值仿真实验和血管树模型实验证明了所提算法在介观尺度下荧光探针空间分布重建中的有效性,其既能在进一步提升重建速度的情况下获得较高精度的重建结果,又具有较高的噪声鲁棒性。

关键词：介观荧光分子层析成像重建联合代数重建技术三维总变差正则化快速迭代收缩阈值算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向肿瘤介观荧光靶点的深度学习重建方法研究

面向肿瘤介观荧光靶点的深度学习重建方法研究

引用

作者：杜慧山东工商学院

学位级别：硕士

介观荧光分子层析成像(Mesoscopic Fluorescence Molecular Tomography,MFMT)是一种在介观尺度下的光学分子成像技术,它填补了宏观荧光分子成像和光学显微成像在成像空间分辨率为介观尺度(10μm-1000μm)上的真空地带,且能够在几毫米深... 详细信息

介观荧光分子层析成像(Mesoscopic Fluorescence Molecular Tomography,MFMT)是一种在介观尺度下的光学分子成像技术,它填补了宏观荧光分子成像和光学显微成像在成像空间分辨率为介观尺度(10μm-1000μm)上的真空地带,且能够在几毫米深度的生物组织内获得荧光靶点的三维分布,分辨率最高可达约100μm。然而,荧光靶点的重建问题实质上是一个不适定且病态的逆问题,并且易受到噪声的干扰。另外,高分辨率三维重建所需的密集空间采样和成像目标的精细离散化使敏感矩阵各列各行之间高度相关,同时也增加了测量数据的稠密度,这不仅增大了计算机内存的占用量,也增加了传统经典重建算法的重建时间。因此,本文针对上述问题,提出了两个重建方法:基于压缩感知和卷积稀疏自编码器(Sparse Net)的荧光靶点加速重建方法和基于去噪卷积自编码器(De Cnn Net)的荧光靶点高精度三维重建方法。具体研究工作主要包括:(1)针对在MFMT中,为实现高分辨率三维重建,密集的空间采样和成像生物组织的精细离散化所导致的敏感矩阵各行、列之间高度相关,同时也使通过MFMT成像系统所获得的测量数据过于稠密的问题,借助压缩感知理论的思想,设计了基于Sparse Net的荧光靶点加速重建方法。该方法利用卷积神经网络中多层卷积对敏感矩阵去相关、搭建稀疏编码器网络架构解决测量数据稠密问题以及利用传统重建算法借助Sparse Net预处理之后的测量数据和敏感矩阵对荧光靶点进行重建。经计算机数值仿真实验以及合成血管树重建实验结果表明所提出的方法可以大大提高传统重建算法的重建速度。(2)为进一步提高肿瘤介观荧光靶点(微细血管)的三维重建精度,解决MFMT中,噪声大,算法重建结果易受噪声干扰的问题,设计了基于De Cnn Net的荧光靶点高精度三维重建方法。该方法利用线性映射模块初步求解荧光靶点逆问题,设计U型架构的去噪自解码器模块对初始解去噪且稀疏化,同时为了避免神经网络在卷积时重要信息(例如,肿瘤微细血管的边缘信息、结构信息)丢失,网络中融入了数据一致层(Data Consistency Layer,DCL)和转置卷积。经计算机数值仿真实验以及合成血管树重建实验证明,此方法实现了用深度学习神经网络对荧光靶点精确直接重建的目的,对噪声具有很高的鲁棒性,相比较其他算法,重建精度得到了很大的提升。

关键词：介观荧光分子层析成像荧光靶点高分辨率三维重建卷积稀疏自编码器卷积去噪自编码器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积神经网络的肿瘤微细血管重建方法研究

基于深度卷积神经网络的肿瘤微细血管重建方法研究

引用

作者：弓雪山东工商学院

学位级别：硕士

介观荧光分子层析成像(Mesoscopic Fluorescence Molecular Tomography,MFMT)通过寻找组织表面荧光测量信号与体内荧光参数(即敏感矩阵)之间的关系,对较大视野的厚组织(毫米级深度)进行高分辨率(微米级)非接触式成像,很好地填补了显微... 详细信息

介观荧光分子层析成像(Mesoscopic Fluorescence Molecular Tomography,MFMT)通过寻找组织表面荧光测量信号与体内荧光参数(即敏感矩阵)之间的关系,对较大视野的厚组织(毫米级深度)进行高分辨率(微米级)非接触式成像,很好地填补了显微荧光分子成像技术和宏观荧光分子成像技术的真空地带。然而,探测到的荧光信号经过生物组织多次散射,与敏感矩阵构成了非线性关系,使得逆向重建问题成为了病态不适定问题。同时,大规模敏感矩阵增加了重建算法的计算复杂度,需要通过特定的优化算法来实现对生物组织荧光标记物三维分布的重建。因此,为了有效推进MFMT的临床前研究,使其更好的应用于肿瘤早期检测和治疗,本文围绕如何实现“高效率”、“高精度”重建,提出了基于深度卷积对称网络(Deep Convolutional Symmetric Network,DCSN)和其改进的基于复式跳跃密集网络(Doub-Skip Dense Network,doub-SD)结合联合代数重建技术(Simultaneous Algebraic Reconstruction Technique,SART)的微细血管混合重建策略,在保留常规重建步骤物理本质的前提下运用当下学者广泛关注的深度学习技术以加速逆问题求解。论文的创新点和主要研究工作包括以下几点:(1)为了得到敏感矩阵与组织边界荧光测量数据之间的强映射关系,本文将两者进行组合形成增广矩阵作为训练数据,通过学习增广矩阵的低维空间表达,得到敏感矩阵和荧光测量数据的融合压缩特征。从数据本身出发,在一定程度上达到加速组织内部荧光标记物重建的目的。(2)多角度投影得到的大规模数据加剧了荧光分子重建的负担,降低了重建速度。对此,本文提出了一种深度卷积对称网络联合SART算法的混合重建策略,利用卷积神经网络强大的特征提取能力、非线性映射特性及信息整合能力完成对大规模训练数据的有效压缩,实现SART算法对组织内部荧光标记物分布的快速精准重建。设计适合于编码高维荧光数据的弧形对称网络作为主干架构,针对特定的训练数据配置卷积层结构。采用多个“valid”填充的3×3小卷积核进行卷积操作,且仅执行一次池化操作,在减少参数、增加网络拟合能力的同时,使训练数据能够按照预期进行压缩,最大限度地减少冗余信息对重建结果的影响。通过计算机微细血管数值仿真实验的对比结果,论证了DCSN模型的处理性能,验证了混合重建策略较传统方法具有更好的处理效果和更快的重建速度。(3)为了强化网络对浅层和深层特征的融合能力,进一步提升网络的收敛速度,改善混合重建策略的重建效果,本文在DCSN网络基础上,设计并实现了一种基于深度卷积复式跳跃密集网络的微细血管重建算法。doub-SD架构引入了局部复式跳跃残差结构和全局密集交互连接,以充分利用低维度分层特征。同时通过添加1×1卷积瓶颈层增加网络深度,减少权重参数负担,以更优化的学习方式获得更小规模、更有用的数据信息。通过对计算机数值仿真模型和血管树合成数据的加速重建实验的结果进行分析,验证了改进网络doub-SD的优势性,重建速度提升约1.5倍,计算时间变为原来的2/3。

关键词：介观荧光分子层析成像逆问题联合代数重建算法深度卷积神经网络密集残差数据压缩

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：