基于多信息融合和栈式自编码网络的扩散光学层析方法

摘要：

针对传统扩散光学层析(DOT)成像方法获取的图像精度较低,且主要对规则的圆形异质体进行重建的问题,本文利用解剖图像提供的结构先验信息并结合具有网络模型简单、需要调整的网络参数少、网络训练速度快等优点的栈式自编码(SAE)网络,发展了基于多信息融合和SAE网络的DOT图像重建方法.为验证所提方法的可行性和有效性,进行了一系列的数值模拟和定量评估.实验结果表明,与无先验信息方法相比,该方法可有效提高低吸收对比度(1.5)情况下的图像质量,使得平均绝对误差降低62％,均方误差降低11％,定量重建率值由139％降低为107％更接近100％.对单目标和双目标椭圆形异质体重建时,融合先验信息的方法获得重建图像的位置、尺寸、形状以及吸收系数更接近真实值,与无先验信息方法相比平均绝对误差至少降低8％,均方误差至少降低5％,定量重建率值更接近100％.

关键词：扩散光学层析成像技术、先验信息、栈式自编码神经网络、乳腺肿瘤、图像重建

所属期刊栏目：51

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;天津市自然科学基金

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：208-220