Luận án nghiên cứu phát triển giải thuật nâng cao chất lượng ảnh siêu âm cắt lớp - Trường ĐH Công nghệ ĐHQG Hà Nội
"Luận án nghiên cứu phát triển giải thuật tạo ảnh siêu âm cắt lớp chất lượng cao. Đề xuất phương pháp mới nâng cao độ phân giải và giảm nhiễu ảnh."
Số trang
175
Thời gian đọc
27 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- 1. Nâng cao chất lượng ảnh siêu âm cắt lớp chẩn đoán
- Số trang:
- 175 trang
- Trường:
- Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội
- Chuyên ngành:
- Điện tử viễn thông
- Tác giả:
- Trần Quang Huy
Tóm tắt nội dung luận án
I. Nâng cao chất lượng ảnh siêu âm cắt lớp chẩn đoán
Luận án tập trung vào việc nâng cao chất lượng ảnh siêu âm cắt lớp (UST). UST là một kỹ thuật hình ảnh y tế không xâm lấn, sử dụng sóng siêu âm để tạo ra hình ảnh chi tiết các cấu trúc bên trong cơ thể. Phương pháp này đặc biệt hữu ích trong chẩn đoán sớm nhiều bệnh lý, bao gồm ung thư vú, mà không sử dụng bức xạ ion hóa, đảm bảo an toàn cho bệnh nhân. Hình ảnh siêu âm chất lượng cao cung cấp thông tin quý giá cho bác sĩ lâm sàng, giúp cải thiện độ chính xác trong chẩn đoán và phát hiện các tổn thương nhỏ. Điều này đóng vai trò then chốt trong sàng lọc và theo dõi bệnh. Mặc dù UST có nhiều ưu điểm, ảnh siêu âm truyền thống vẫn tồn tại những hạn chế đáng kể, ảnh hưởng đến hiệu quả chẩn đoán. Luận án này đặt mục tiêu giải quyết các thách thức đó, hướng tới việc tạo ra ảnh siêu âm cắt lớp rõ nét và đáng tin cậy hơn, góp phần nâng cao hiệu quả y tế.
1.1. Tầm quan trọng của siêu âm cắt lớp y tế
Siêu âm cắt lớp (UST) là kỹ thuật chẩn đoán hình ảnh y tế không xâm lấn, sử dụng sóng siêu âm. Nó tạo ra hình ảnh chi tiết về cấu trúc cơ thể. UST rất hữu ích trong chẩn đoán sớm nhiều bệnh, bao gồm ung thư vú. Kỹ thuật này không sử dụng bức xạ ion hóa, an toàn cho bệnh nhân. Hình ảnh siêu âm cung cấp thông tin giá trị cho bác sĩ lâm sàng. Tuy nhiên, chất lượng ảnh thường là một thách thức. Việc nâng cao chất lượng ảnh giúp cải thiện độ chính xác chẩn đoán. Đây là mục tiêu quan trọng trong nghiên cứu y sinh. Ảnh chất lượng tốt giúp phát hiện tổn thương nhỏ. Nó cũng phân biệt rõ mô lành và mô bệnh. Siêu âm cắt lớp đóng vai trò then chốt trong sàng lọc và theo dõi. Ảnh độ phân giải cao mang lại lợi ích đáng kể.
1.2. Hạn chế hiện tại của ảnh siêu âm thông thường
Ảnh siêu âm truyền thống gặp nhiều hạn chế. Độ phân giải ảnh có thể chưa đủ cao. Điều này gây khó khăn khi phát hiện chi tiết nhỏ. Hình ảnh thường bị nhiễu và bóng mờ. Hiện tượng này ảnh hưởng đến khả năng nhận diện cấu trúc. Khả năng tương phản giữa các loại mô cũng hạn chế. Việc phân biệt tổn thương trở nên khó hơn. Tốc độ truyền sóng siêu âm không đồng nhất trong các mô. Điều này tạo sai lệch trong ảnh tái tạo. Các phương pháp tái tạo truyền thống chưa tối ưu. Chúng thường không xử lý hiệu quả vấn đề tán xạ sóng. Cải thiện chất lượng ảnh siêu âm là rất cần thiết. Nó giúp đưa ra chẩn đoán chính xác hơn. Luận án này tập trung giải quyết những hạn chế đó. Mục tiêu là tạo ra ảnh siêu âm cắt lớp rõ nét hơn.
II. Các phương pháp tái tạo ảnh siêu âm cắt lớp tiên tiến
Tái tạo ảnh siêu âm cắt lớp đòi hỏi các phương pháp xử lý tín hiệu và hình ảnh phức tạp. Luận án này nghiên cứu các kỹ thuật tiên tiến để xây dựng ảnh từ dữ liệu tán xạ. Nền tảng của quá trình này là thu thập sóng siêu âm bị tán xạ khi đi qua mô cơ thể, sau đó sử dụng các thuật toán để giải bài toán nghịch đảo. Mục tiêu là khôi phục phân bố tốc độ truyền sóng, từ đó nhận diện được các đặc tính của đối tượng. So với các công nghệ hình ảnh y tế khác như CT, MRI hay PET, siêu âm cắt lớp có ưu điểm về chi phí thấp và không sử dụng bức xạ ion hóa. Tuy nhiên, việc đạt được độ phân giải và chất lượng ảnh tương đương là một thách thức. Nghiên cứu tập trung vào các giải pháp giúp UST có thể bổ sung hiệu quả cho các phương pháp hiện có, mang lại khả năng chẩn đoán toàn diện hơn.
2.1. Nền tảng kỹ thuật tái tạo ảnh từ dữ liệu tán xạ
Tái tạo ảnh siêu âm cắt lớp dựa trên nguyên lý tán xạ sóng. Hệ thống đo phát sóng siêu âm qua đối tượng. Các máy thu ghi nhận sóng tán xạ. Dữ liệu tán xạ chứa thông tin về cấu trúc bên trong. Từ dữ liệu gián tiếp, kỹ thuật tái tạo sẽ xây dựng ảnh. Ảnh thể hiện phân bố tốc độ truyền sóng trong vật thể. Việc này giúp nhận diện đặc tính của mô. Quá trình tái tạo đòi hỏi thuật toán phức tạp. Các thuật toán này giải quyết bài toán nghịch đảo. Mục tiêu là khôi phục thông tin từ tín hiệu đo. Các phương pháp như xấp xỉ Born bậc 1 được sử dụng. Chúng giúp đơn giản hóa bài toán. Tuy nhiên, các xấp xỉ này có thể gây lỗi. Cần cải tiến để tăng độ chính xác. Kỹ thuật này khác biệt so với các phương pháp chụp cắt lớp khác.
2.2. So sánh với các công nghệ hình ảnh y tế khác
Siêu âm cắt lớp (UST) có ưu điểm riêng so với các phương pháp khác. Chụp cắt lớp điện toán (CT) sử dụng tia X. Chụp ảnh cộng hưởng từ (MRI) dùng từ trường mạnh. Các kỹ thuật như PET và SPECT sử dụng chất phóng xạ. UST là phương pháp không xâm lấn, không dùng bức xạ. Điều này tránh rủi ro phơi nhiễm bức xạ. Nó an toàn hơn cho đối tượng nhạy cảm. Tuy nhiên, CT và MRI thường cho ảnh độ phân giải cao hơn. UST có lợi thế về chi phí và tính di động. Nó phù hợp cho sàng lọc ban đầu. Nâng cao chất lượng ảnh UST giúp giảm khoảng cách này. Mục tiêu là cung cấp thông tin tương đương với các phương pháp đắt tiền hơn. Công nghệ này có thể bổ sung cho các kỹ thuật khác. Nó tạo ra bức tranh toàn diện hơn về chẩn đoán.
III. Kỹ thuật lặp vi phân Born cải tiến cho siêu âm
Phương pháp lặp vi phân Born (DBIM) là một kỹ thuật trọng tâm trong luận án này. DBIM được áp dụng để tái tạo ảnh siêu âm cắt lớp, dựa trên nguyên lý Born Iterative Method. Mô hình này được đánh giá cao về khả năng xử lý hiệu quả các vấn đề tán xạ và liên tục cập nhật thông tin vật thể qua các vòng lặp, giúp giảm thiểu sai số. Nó tìm kiếm phân bố tốc độ truyền sóng bằng cách so sánh dữ liệu đo với dữ liệu dự đoán để điều chỉnh mô hình, tối ưu hóa hình ảnh. Mặc dù DBIM cơ bản mang lại hình ảnh chi tiết, nó vẫn đối mặt với thách thức về thời gian tính toán và khả năng xử lý dữ liệu nhiễu. Luận án đề xuất và phân tích các cải tiến đáng kể cho DBIM, tập trung vào việc tăng tốc độ và nâng cao độ chính xác tái tạo ảnh, làm cho phương pháp này trở nên thực tế hơn cho ứng dụng lâm sàng.
3.1. Mô hình lặp vi phân Born DBIM cơ bản
Phương pháp lặp vi phân Born (DBIM) là kỹ thuật mạnh mẽ. Nó được sử dụng để tái tạo ảnh siêu âm cắt lớp. DBIM dựa trên nguyên lý Born Iterative Method. Mô hình này xử lý hiệu quả các vấn đề tán xạ. Nó liên tục cập nhật thông tin về vật thể. Quá trình lặp giúp giảm thiểu sai số. DBIM tìm kiếm phân bố tốc độ truyền sóng. Nó so sánh dữ liệu đo với dữ liệu dự đoán. Sự khác biệt được sử dụng để điều chỉnh mô hình. Mục tiêu là tối ưu hóa hình ảnh. Phương pháp này có khả năng xử lý các vật thể phức tạp. Nó mang lại hình ảnh chi tiết hơn so với các phương pháp đơn giản. Tuy nhiên, DBIM truyền thống có thể tốn thời gian tính toán. Nó cũng có thể gặp khó khăn với dữ liệu nhiễu.
3.2. Cải tiến DBIM để tăng tốc độ và độ chính xác
Để khắc phục nhược điểm của DBIM truyền thống, nhiều cải tiến được đề xuất. Một kỹ thuật là nội suy từ kết quả các vòng lặp trước. Kỹ thuật này giúp tăng kích thước ảnh khôi phục. Nó làm giảm thời gian tính toán tổng thể. Một cách tiếp cận khác là kết hợp các phương pháp khác. Ví dụ, kết hợp BIM-Interpolation-DBIM. Điều này đã chứng minh khả năng giảm lỗi. Các nghiên cứu chỉ ra nội suy giúp cải thiện độ phân giải. Đặc biệt, nó hữu ích trong các vòng lặp ban đầu. Việc tối ưu hóa số lượng vòng lặp cũng quan trọng. Nó cân bằng giữa tốc độ và chất lượng ảnh. Các cải tiến này giúp DBIM trở nên thực tế hơn. Nó áp dụng trong môi trường lâm sàng.
IV. Ứng dụng tần số và lấy mẫu nén trong tái tạo ảnh
Để tối ưu hóa quá trình tái tạo ảnh siêu âm cắt lớp, luận án khám phá hai kỹ thuật tiên tiến: kỹ thuật kết hợp tần số và phương pháp lấy mẫu nén. Kỹ thuật kết hợp tần số (MF/DF) sử dụng nhiều tần số siêu âm khác nhau, tận dụng ưu điểm của từng tần số (xuyên sâu tốt ở tần số thấp, độ phân giải cao ở tần số cao) để tạo ra một hình ảnh toàn diện và ít sai lệch hơn. Điều này đặc biệt hiệu quả trong việc phân biệt các cấu trúc mô phức tạp và đã được chứng minh là giảm lỗi chuẩn hóa. Song song đó, phương pháp lấy mẫu nén (Compressed Sensing - CS) được ứng dụng để giảm đáng kể số lượng dữ liệu đo cần thiết. Việc này giúp giảm chi phí và thời gian thu thập dữ liệu, đồng thời duy trì chất lượng ảnh. Kết hợp CS với các phương pháp tái tạo như BIM đã cho thấy khả năng cân bằng hiệu suất và chi phí, mở ra tiềm năng phát triển hệ thống siêu âm hiệu quả hơn.
4.1. Kỹ thuật kết hợp tần số để cải thiện ảnh
Kỹ thuật kết hợp tần số (MF/DF) mang lại lợi ích đáng kể. Nó giúp cải thiện chất lượng ảnh siêu âm. Thay vì chỉ sử dụng một tần số, hệ thống sử dụng nhiều tần số. Các tần số khác nhau cung cấp thông tin bổ sung. Tần số thấp có khả năng xuyên sâu tốt hơn. Tần số cao cung cấp độ phân giải tốt hơn. Kết hợp dữ liệu từ các tần số khác nhau giúp tạo ra ảnh toàn diện hơn. Nó làm giảm hiện tượng sai lệch. Kỹ thuật này đặc biệt hiệu quả trong việc xử lý các mô phức tạp. Nó giúp phân biệt rõ ràng các cấu trúc. Phương pháp kết hợp tần số đã được chứng minh là giảm lỗi chuẩn hóa. Nó cải thiện đáng kể độ chính xác của ảnh khôi phục.
4.2. Giảm số lượng đo bằng phương pháp lấy mẫu nén
Phương pháp lấy mẫu nén (Compressed Sensing - CS) là giải pháp tiên tiến. Nó giúp giảm số lượng dữ liệu đo cần thiết. Trong tái tạo ảnh siêu âm, số lượng máy phát/thu có thể lớn. Điều này dẫn đến chi phí cao và thời gian đo lâu. CS cho phép thu thập ít dữ liệu hơn nhưng vẫn khôi phục được ảnh chất lượng. Kỹ thuật này khai thác tính thưa của tín hiệu. Nó sử dụng các thuật toán tối ưu hóa để tái tạo. Việc giảm số lượng phép đo mang lại nhiều lợi ích. Nó giảm độ phức tạp của hệ thống. Nó tăng tốc độ quá trình thu thập dữ liệu. Đồng thời, nó duy trì độ chính xác chấp nhận được. Kết hợp CS với BIM đã chứng minh hiệu quả. Nó giúp cân bằng giữa hiệu suất và chi phí.
V. Đánh giá hiệu quả giải pháp nâng cao ảnh siêu âm
Luận án tiến hành đánh giá toàn diện hiệu quả của các giải pháp đề xuất thông qua cả mô phỏng và thực nghiệm. Kết quả mô phỏng cho thấy sự cải thiện rõ rệt về chất lượng ảnh, với lỗi chuẩn hóa của giải thuật DF-DBIM giảm đáng kể qua các vòng lặp so với phương pháp DBIM truyền thống. Ảnh khôi phục đạt độ nét và độ chính xác cao hơn, tái tạo chi tiết một cách hiệu quả. Các dữ liệu thực nghiệm cũng xác nhận tính khả thi và hiệu quả của các phương pháp, thể hiện sự tương đồng chặt chẽ với kết quả mô phỏng. Những phân tích này chứng minh tiềm năng ứng dụng rộng rãi của các kỹ thuật nâng cao chất lượng ảnh siêu âm trong chẩn đoán y học. Đặc biệt, khả năng cung cấp ảnh rõ nét hơn giúp phát hiện sớm và chính xác các bệnh lý, như ung thư vú, góp phần quan trọng vào việc cải thiện chăm sóc sức khỏe cộng đồng.
5.1. Phân tích kết quả mô phỏng và thực nghiệm
Hiệu quả của các giải pháp nâng cao chất lượng ảnh đã được đánh giá kỹ lưỡng. Các nghiên cứu tiến hành cả mô phỏng và thực nghiệm. Kết quả mô phỏng cho thấy sự cải thiện đáng kể. Lỗi chuẩn hóa của giải thuật DF-DBIM giảm rõ rệt qua các vòng lặp. So sánh với DBIM truyền thống, DF-DBIM cho thấy ưu thế. Ảnh khôi phục có độ nét cao hơn. Các chi tiết được tái tạo chính xác hơn. Dữ liệu thực nghiệm cũng xác nhận những phát hiện này. So sánh dữ liệu mô phỏng và thực nghiệm cho thấy sự tương đồng. Điều này khẳng định tính khả thi của phương pháp. Các kết quả này chứng minh tiềm năng của các kỹ thuật đề xuất. Nó cải thiện chất lượng ảnh siêu âm.
5.2. Tiềm năng ứng dụng trong chẩn đoán lâm sàng
Các giải pháp nâng cao chất lượng ảnh siêu âm cắt lớp có tiềm năng lớn. Chúng có thể được ứng dụng rộng rãi trong y học. Ảnh siêu âm rõ nét hơn giúp chẩn đoán sớm và chính xác hơn. Điều này đặc biệt quan trọng trong việc phát hiện ung thư vú. Kỹ thuật này cung cấp thông tin chi tiết về các khối u. Nó giúp phân biệt giữa u lành và u ác tính. Việc giảm thời gian và chi phí đo lường cũng là một lợi thế. Nó giúp tăng khả năng tiếp cận các dịch vụ chẩn đoán. Các cải tiến này mở ra hướng phát triển mới. Nó cho phép tích hợp công nghệ vào các hệ thống siêu âm hiện có. Mục tiêu là cải thiện chăm sóc sức khỏe cộng đồng.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (175 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộLỜI CẢM ƠN Trong quá trình học tập và nghiên cứu tại Bộ môn Vi cơ điện tử và Vi hệ thống, Khoa Điện tử Viễn Thông, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội, tôi đã hoàn thành bản luận án này. Trƣớc hết, tôi xin gửi lời cảm ơn sâu sắc tới PGS. Trần Đức Tân, ngƣời thầy đã luôn tận tình hƣớng dẫn, giúp đỡ, tạo mọi điều kiện tốt nhất cho tôi trong suốt thời gian tôi học tập và làm luận án. Tôi cũng xin đƣợc cảm ơn các thầy, cô, anh, chị, các bạn trong Khoa Điện tử Viễn thông đã tạo điều kiện giúp đỡ, chỉ bảo và cho tôi những lời khuyên vô cùng quý báu.
Tôi xin chân thành cảm ơn cơ sở đào tạo là Phòng Đào tạo, Khoa Điện tử Viễn thông, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội đã tạo điều kiện thuận lợi để tôi có thể hoàn thiện chƣơng trình đào tạo. Tôi cũng xin cảm ơn đơn vị chủ quản là Trƣờng Đại học Sƣ phạm Hà Nội 2 đã tạo điều kiện cho phép tôi đƣợc tham gia học tập và nghiên cứu trong những năm làm nghiên cứu sinh. Cuối cùng, tôi xin bày tỏ lòng cảm ơn đến gia đình, anh em, bạn bè, đồng nghiệp đã động viên và cổ vũ tôi trong suốt thời gian nghiên cứu. Tôi xin trân trọng cảm ơn! Nghiên cứu sinh Trần Quang Huy DANH MỤC TỪ VIẾT TẮT Từ viết tắt Nghĩa Tiếng Anh Nghĩa Tiếng Việt CT Computed Tomography Chụp cắt lớp điện toán US Ultrasound Siêu âm UST Ultrasound Tomography Siêu âm cắt lớp MRI Magnetic Resonance Imaging Chụp ảnh cộng hƣởng từ Chụp cắt lớp bằng bức xạ PET Positron Emission Tomograpgy positron Single Photon Emission Chụp cắt lớp điện toán bằng SPECT Computed Tomography bức xạ đơn photon Phƣơng pháp lặp vi phân DBIM Distorted Born Iterative Method Born CS Compressed Sensing Lấy mẫu nén DCS Deterministic CS Lấy mẫu nén giả ngẫu nhiên DF Dual Frequency Hai tần số MF Multiple Frequency Đa tần số Computerized Ultrasound Risk Đánh giá nguy hiểm sử dụng CURE Evaluation siêu âm điện toán High-resolution Ultrasonic Siêu âm cắt lớp độ phân giải HUTT Transmission Tomography cao MoM Method of Moment Phƣơng pháp moment Bài toán bình phƣơng tối LSP Least Square Problem thiểu RRE Relative Residual Error Sai số thặng dƣ tƣơng đối RoI Region of Interest Vùng quan tâm DANH MỤC HÌNH VẼ Hình 1.
Ảnh chụp u lành khi siêu âm ngực Hình 1. Minh họa cấu hình hệ đo sử dụng hiệu ứng tán xạ. Việc bố trí máy phát/thu sẽ cho dữ liệu gián tiếp về đối tƣợng, áp dụng kỹ thuật tái tạo sẽ thu đƣợc là ảnh thể hiện phân bố tốc độ truyền sóng, từ đó nhận diện đƣợc đối tƣợng Hình 1. Mặt cắt dọc hàm mục tiêu lý tƣởng (đƣờng nét liền) và hàm khôi phục (đƣờng nét đứt) sử dụng phƣơng pháp xấp xỉ Born bậc 1.
Hàm mục tiêu lý tƣởng là hình trụ tròn có bán kính 5λ và các giá trị là (a) 0. Đồ thị so sánh lỗi chuẩn hóa của phƣơng pháp kết hợp BIM- Interpolation-DBIM và phƣơng pháp DBIM truyền thống Hình 1. Mặt cắt dọc hàm mục tiêu lý tƣởng (hình trụ tròn có bán kính 2λ, , đƣờng nét liền) và hàm khôi phục (đƣờng nét đứt) khi giá trị mật độ thay đổi. Cột 1: , Cột 2: , Cột 3: , Cột 4: Hình 1.
Cấu hình đo đều: Các máy phát (hình sao) và máy thu (hình chữ nhật) bố trí cách đều nhau trên hệ đo Hình 1. Cấu hình đo ngẫu nhiên: Các máy phát (hình sao) bố trí cách đều nhau trên hệ đo và các máy thu (hình chữ nhật) bố trí ngẫu nhiên trên hệ đo Hình 1. Kết quả khôi phục sử dụng phƣơng pháp DBIM: (a) ảnh khôi phục kích thƣớc 6×6 sau 1 vòng lặp; ảnh khôi phục kích thƣớc 12×12 sau 1 vòng lặp sử dụng kỹ thuật nội suy từ kết quả ở (a); (c) ảnh khôi phục kích thƣớc 12×12 sau 1 vòng lặp không sử dụng kỹ thuật nội suy; (d) và (e) lần lƣợt là ảnh khôi phục kích thƣớc 12×12 sau 4 vòng lặp không sử dụng và có sử dụng kỹ thuật nội suy Hình 1. Kết quả khôi phục sử dụng kỹ thuật kết hợp tần số: (a) Hàm mục tiêu lý tƣởng, (b) Ảnh khôi phục sử dụng tần số 2 MHz, (c) Ảnh khôi phục sử dụng tần số 1 MHz, (d) Ảnh khôi phục sử dụng kỹ thuật kết hợp tần số Hình 1.
Lỗi chuẩn hóa của phƣơng pháp BIM với phép đo đều (uniform) và BIM kết hợp với kỹ thuật lấy mẫu nén (CS) Hình 1. Ảnh khôi phục vú sử dụng kỹ thuật siêu âm cắt lớp Hình 2. Cấu hình đo hệ thống tạo ảnh siêu âm cắt lớp Hình 2. Mô hình phƣơng pháp lặp vi phân Born (DBIM) Hình 2.
Cấu hình hệ đo Hình 2. So sánh dữ liệu mô phỏng và thực nghiệm Hình 2. So sánh dữ liệu mô phỏng và thực nghiệm, sử dụng bộ lọc trung bình Hình 3. Hàm mục tiêu lý tƣởng (N = 22) Hình 3.
Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 1 Hình 3. Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 2 Hình 3. Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 3 Hình 3. Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 4 Hình 3.
Kết quả khôi phục của các giải pháp khác nhau ở các vòng lặp từ 1 đến 4 Hình 3. Kết quả khôi phục của các giải pháp khác nhau ở các vòng lặp từ 5 đến 8 Hình 3. Mặt cắt dọc hàm lý tƣởng và hàm khôi phục DF–DBIM và DBIM sau vòng lặp (Kịch bản 3) Hình 3. So sánh lỗi của DF – DBIM và DBIM sau vòng lặp (Kịch bản 3) Hình 3.
So sánh lỗi của DF – DBIM và DBIM sau vòng lặp (Kịch bản 4) Hình 3. Mặt cắt dọc hàm lý tƣởng và hàm khôi phục DF–DBIM và DBIM sau vòng lặp (Kịch bản 4) Hình 3. Sơ đồ đề xuất quy trình giải thuật DF-DBIM Hình 4. Quy trình thực thi của phƣơng pháp truyền thống Hình 4.
Quy trình thực thi của phƣơng pháp đề xuất Hình 4. Hàm mục tiêu lý tƣởng (N = 21) Hình 4. Cấu hình đo truyền thống: Vị trí các máy phát và máy thu đƣợc bố trí cách đều nhau (Nt = Nr = 20, = 0. Biểu đồ vị trí các máy thu bố trí cách đều nhau xung quanh vòng tròn (Nr = 20) Hình 4.
Cấu hình đo đề xuất: Vị trí các máy phát đƣợc bố trí cách đều nhau và máy thu đƣợc bố trí kiểu DCS (Nt = Nr = 16, = 0. Biểu đồ vị trí các máy thu bố trí kiểu DCS xung quanh vòng tròn (Nr = 16) Hình 4. So sánh hiệu suất khôi phục thành công của phƣơng pháp truyền thống và phƣơng pháp đề xuất Hình 4. So sánh lỗi chuẩn hóa của phƣơng pháp truyền thống (484 phép đo) và phƣơng pháp đề xuất (256 phép đo) Hình 4.
So sánh lỗi chuẩn hóa của phƣơng pháp truyền thống (900 phép đo) và phƣơng pháp đề xuất (400 phép đo) Hình 4. So sánh lỗi chuẩn hóa của phƣơng pháp CS-DBIM và DCS-DBIM với các tỷ số nén khác nhau Hình 4. Kết quả khôi phục của phƣơng pháp DBIM và DCS-DBIM ở các vòng lặp từ 1 đến 4 trong trƣờng hợp Nt = Nr = 16, r = 0. Kết quả khôi phục của phƣơng pháp DBIM và DCS-DBIM ở các vòng lặp từ 5 đến 8 trong trƣờng hợp Nt = Nr = 16, r = 0.
Biểu đồ quy trình tạo ảnh của phƣơng pháp DCS-DBIM đề xuất DANH MỤC BẢNG Bảng 2. Tốc độ sóng âm trong các cơ quan khác nhau Bảng 3. Tham số mô phỏng của các kịch bản Bảng 3. Mối liên hệ giữa số phép đo và số biến trong các kịch bản Bảng 3.
Lỗi ở các kịch bản tƣơng ứng với mỗi giá trị sau tổng số 8 vòng lặp Bảng 4. Lỗi chuẩn hóa và thời gian tạo ảnh của phƣơng pháp DBIM và DCS- DBIM thông qua các vòng lặp với Nt và Nr khác nhau Bảng 4. Thời gian tạo ảnh của phƣơng pháp DBIM và DCS-DBIM sau 8 vòng lặp với số phép đo khác nhau Bảng 4. Lỗi chuẩn hóa của phƣơng pháp DBIM và DCS-DBIM sau 8 vòng lặp với số phép đo khác nhau DANH MỤC GIẢI THUẬT Giải thuật 2.
Phƣơng pháp lặp vi phân Born – DBIM Giải thuật 3. Phƣơng pháp DF-DBIM đề xuất Giải thuật 3. Khảo sát sự phụ thuộc hiệu suất khôi phục vào Giải thuật 4. Phƣơng pháp DBIM kết hợp kỹ thuật lấy mẫu nén giả ngẫu nhiên (DCS-DBIM) DANH MỤC KÝ HIỆU TOÁN HỌC Ký hiệu Giải thích ý nghĩa Số sóng trong môi trƣờng nền Số sóng trong môi trƣờng không đồng nhất ⃗ Áp suất âm tổng ⃗ Áp suất sóng tới ⃗ Áp suất tán xạ Hàm Green Hàm mục tiêu ̅ Áp suất của những điểm bên trong vùng chia lƣới ̅ Ma trận với các hệ số là hàm Green biểu thị sự tƣơng tác của các điểm ảnh đến máy thu ̅ Ma trận với các hệ số là hàm Green biểu thị sự tƣơng tác giữa các điểm ảnh ̅ Ma trận đơn vị Toán tử biến véctơ thành ma trận đƣờng chéo ̅ Véc tơ thể hiện sự sai khác giữa tín hiệu tán xạ đo đƣợc và tín hiệu tán xạ tiên đoán ̅ Ma trận hệ thống Tham số chuẩn tắc trong chuẩn tắc Tikhonov Toán tử Laplace bmn( ⃗ Các hàm cơ bản ̅ Ma trận cơ sở lấy mẫu ̅ Ma trận cơ sở trực giao ̅ Véctơ tín hiệu thƣa cần khôi phục ̅ Véctơ giá trị đo ngẫu nhiên ̅ Nhiễu ̅ Véctơ tín hiệu thƣa Sai số ngƣỡng thềm Chuỗi ánh xạ lôgistic Tham số điều khiển Nt Số máy phát Nr Số máy thu N Số điểm chia lƣới Tỉ số nén Tham số chuẩn tắc trong l1-LSP Tổng số vòng lặp trong phƣơng pháp DCS-DBIM f Tần số máy phát Độ lệch pha ̅ Ma trận ảnh gốc ̂̅ Ma trận ảnh khôi phục Số vòng lặp với tần số f1 Tổng số vòng lặp trong phƣơng pháp DF-DBIM Bán kính đối tƣợng quan tâm Γ(•) Hàm gamma MỤC LỤC MỞ ĐẦU.
Lý do chọn đề tài. Đối tƣợng nghiên cứu. Mục đích nghiên cứu. Phƣơng pháp nghiên cứu.
Ý nghĩa khoa học và thực tiễn của luận án. Cấu trúc luận án. 3 CHƢƠNG 1: TỔNG QUAN. Tổng quan về kỹ thuật tạo ảnh siêu âm cắt lớp.
Siêu âm cắt lớp dựa trên lý thuyết chiếu tia. Siêu âm cắt lớp dựa trên lý thuyết tán xạ. Các công trình nghiên cứu liên quan đến phƣơng pháp DBIM. Định hƣớng nghiên cứu.
21 CHƢƠNG 2: KỸ THUẬT TẠO ẢNH SIÊU ÂM CẮT LỚP .
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Trần Quang Huy (n.d.). Luận án nâng cao chất lượng ảnh siêu âm cắt lớp [Luận án tiến sĩ, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/he-thong-thong-tin/luan-an-nghien-cuu-phat-trien-giai-thuat-nang-cao-chat-luong-anh-sieu-am-cat-lop
Câu hỏi thường gặp
Luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" nghiên cứu về vấn đề gì?
"Luận án nghiên cứu phát triển giải thuật tạo ảnh siêu âm cắt lớp chất lượng cao. Đề xuất phương pháp mới nâng cao độ phân giải và giảm nhiễu ảnh."
Luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
Luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" thuộc chuyên ngành gì?
Luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" thuộc chuyên ngành Điện tử Viễn thông. Danh mục: Hệ Thống Thông Tin.
Luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" có bao nhiêu trang?
Luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" có 175 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Luận án nâng cao chất lượng ảnh siêu âm cắt lớp" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.