| 【中文题名】 | 光学层析成像的算法研究 |
| 【英文题名】 | Studies on Reconstruction Algorithm for Optical Tomography |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-10-26 |
| 【中关键词】 | 光学层析成像,吸收系数,散射系数,扩散方程,正向问题,逆向问题 |
| 【英关键词】 | Optical Tomography,Absorption Coefficient,Scattering Coefficient,Diffusion Equation,Forward Problem,Inverse Problem,Finite Element Method,Monte-Carlo Method,Jacobian Matrix,Image Reconstruction,Regularized Algorithm,Delaunay triangulation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统>采用各种新技术的自动检测系统 |
| 【论文摘要】 |
光学层析成像技术利用近红外光作为探测光源,对生物组织的光学特性参数(如散射系数和吸收系数)进行成像。因为生物组织的光学特性参数与其功能信息密切相关,所以它是一种功能性成像方式。由于该技术对生物组织体具有无损伤性,并且还具有其他成像技术所不具备的优点,如连续实时性和便携性等,因此光学层析成像技术已经成为研究的热点,具有很高的研究价值。
本文首先研究了扩散方程作为光学层析成像问题的正向模型的精确性及其适用条件。应用Monte-Carlo(MC)模拟方法,分别给出了强、弱两类散射介质中光学CT正向问题的数值模拟结果,并将其与基于扩散方程的数值计算结果进行了比较。实验结果表明,扩散方程可以较为准确地描述光子在强散射介质中的输运过程;但对弱散射介质扩散方程模型却存在较大的误差,因而不适用于该种情况下的图像重建。其次,提出了一种正则化共轭梯度OT图像重建算法,通过引入图像熵和局部平滑函数作为正则化项有效改善了重建问题中的病态特性,提高重建图像的质量。最后,提出一种多分辨率的OT图像重建算法。该方法首先根据图像的先验信息,利用Delaunay三角剖分规则,在整个成像区域形成疏密度不等的网格划分,然后在此网... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
Abstract |
4-8 |
|
第一章 概述 |
8-17 |
|
1.1 光学CT 研究的临床医学动机和意义 |
8-9 |
|
1.2 医疗应用 |
9-13 |
|
1.2.1 血氧检测 |
9-11 |
|
1.2.2 光学成像 |
11-13 |
|
1.3 光学CT 实现的基本原理 |
13-16 |
|
1.3.1 时间分辨测量 |
14-15 |
|
1.3.2 CW 光传播强度测量 |
15 |
|
1.3.3 强度调制测量 |
15-16 |
|
1.4 本论文的研究内容及结构安排 |
16-17 |
|
第二章 光学CT 的研究背景 |
17-23 |
|
2.1 常用的医学成像诊断系统 |
17-20 |
|
2.1.1 X 射线透视成像(Radiography) |
17-18 |
|
2.1.2 X 射线计算机断层成像（X-ray Computerized Tomography, CT） |
18-19 |
|
2.1.3 核磁共振成像 |
19-20 |
|
2.2 光学CT 中的正向模型 |
20-21 |
|
2.3 光学CT 中的逆问题 |
21-23 |
|
第三章 光学CT 二维正向问题的有限元与MONTE-CARLO 模拟研究 |
23-37 |
|
3.1 光学CT 正向问题的模型及其基本原理 |
23-27 |
|
3.1.1 扩散方程模型（连续模型） |
24-26 |
|
3.1.2 Monte-Carlo 模型（离散模型） |
26-27 |
|
3.2 基于扩散方程的二维正向问题的FEM 求解 |
27-28 |
|
3.3 MONTE-CARLO 对光学CT 二维正向问题的验证 |
28-30 |
|
3.4 实验结果和讨论 |
30-35 |
|
3.4.1 实验模型 |
30-31 |
|
3.4.2 光学参数和边界条件 |
31 |
|
3.4.3 强散射介质下径向比较 |
31-32 |
|
3.4.4 强散射介质下边界测量数据比较 |
32-34 |
|
3.4.5 弱散射介质下径向比较 |
34-35 |
|
3.5 本章小结 |
35-37 |
|
第四章 基于共轭梯度的正则化OT 图像重建算法 |
37-48 |
|
4.1 光学CT 逆问题的定义及其数学表示 |
37-39 |
|
4.2 Jacobian 矩阵的计算 |
39-41 |
|
4.3 基于共轭梯度的正则化OT 图像重建算法 |
41-47 |
|
4.3.1 逆向问题的目标函数 |
41-42 |
|
4.3.2 梯度计算方法 |
42-43 |
|
4.3.3 实验结果及其讨论 |
43-47 |
|
4.4 本章小结 |
47-48 |
|
第五章 基于DELAUNAY 自适应网格分割的OT 重建 |
48-59 |
|
5.1 Delaunay 三角划分 |
48-50 |
|
5.2 自适应布点 |
50-54 |
|
5.2.1 初始节点生成 |
50-51 |
|
5.2.2 自适应重新布点 |
51-54 |
|
5.3 实验结果和分析 |
54-58 |
|
5.4 本章小结 |
58-59 |
|
第六章 总结和展望 |
59-63 |
|
6.1 本文工作的总结 |
59-61 |
|
6.2 今后工作的展望 |
61-63 |
|
致谢 |
63-64 |
|
攻读硕士期间所发表文章 |
64-65 |
|
参考文献 |
65-69 |
|
中文详细摘要 |
69-72 |
|
| 【DOI】 | LunWen.ID:2.2008.380565 |
