换一批基于空间变换与深度学习的光声计算层析成像分辨率增强方法
Photoacoustic Computed Tomography Resolution Enhancement Method Based on Space Transform and Deep Learning
摘要针对环形阵列光声计算层析成像(RA-PACT)系统面临的仰角分辨率不足、轴向细节丢失、电磁噪声干扰等多维挑战,提出了一种融合空间变换与深度学习的综合优化方法.该方法首先通过几何映射将原始数据转换到环形阵列的本征几何空间中,将复杂问题降维为二维轴向-仰角平面问题;其次,采用全密集连接网络(FDU-net)实现图像质量增强;最后,通过空间逆变换重构高质量三维图像.仿真、仿体及活体实验结果表明,相比于SAFT算法,本文算法实现了约4倍的仰角分辨率提升、约2倍的轴向分辨率提升以及约6 dB的信噪比增强.与现有算法相比,本文算法无需进行额外的硬件改造,突破了合成孔径聚焦算法对声学聚焦的限制以及现有深度学习方法对线性阵列结构的依赖,为环形阵列光声计算层析成像系统的高分辨率、低噪声三维成像提供了高效、低成本的软件解决方案.
更多相关知识
关键词
光声计算层析成像空间变换深度学习环形阵列分辨率增强photoacoustic computed tomographyspace transformdeep learningring arrayresolution enhancement
分类号
R318.51（医用一般科学）
栏目名称
DOI
10.3788/CJL251199
发布时间
2026-04-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
