项目名称: 基于声-磁-电-热效应的生物医学三维检测与成像研究

项目编号: No.61302131

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 杨仁桓

作者单位: 暨南大学

项目金额: 25万元

中文摘要: 现有的三维影像技术都是对各种器官组织进行成像,迄今尚无对生物内部神经电活动进行三维动态检测影像的仪器,然而这种仪器具有非常重大的科学研究意义和广阔的生物医学应用前景。本项目旨在开展生物医学三维电活动及电属性的检测与成像研究,创新在于①本项目深入研究声电信号产生的物理本质及声场量、电场量的解耦方法,通过单极性超声脉冲生成解决超声电流密度成像的三维重构问题;对于一般双极性超声,提出通过反卷积方法解决电流密度重构问题;②创新性地提出声电效应-电导成像技术及重构方法;③针对医学电属性成像安全性要求高、信号微弱的问题,利用超声、磁场的高安全性,提出差频超声洛伦兹力声磁电成像方法,实现高安全性、高空间分辨。本研究项目的开展,将解决三维电流密度、电导率分布难以高分辨精确测量的难题,创新性的提高传统电阻抗成像的空间分辨率,获得高精度的三维动态生物医学电活动、电属性影像,推动神经电科学研究取得突破性进展。

中文关键词: 电磁声热成像;影像重构;生物医学仪器;非侵入式影像;信号处理

英文摘要: Three dimensional imaging technology nowaday is general limited to organ or body imaging. Instrument of real-time three dimensionally imaging biomedical neural electrical activities is still not available.This project studies three dimensional biomedical electrical activities and electrical properties imaging method. Scientific significances and innovation pionts are: ①We focus on studying the physics of acoustoelectric signal generation, the decoupling of acoustic quantities and electrical quantities. Propose a solution to three dimensional current density reconstruction by deconvolution.② Propose a novel acoustoelectric effect-electrical conductivity imaging method;③To solve problems of high safety requirement for electrical conductivity imaging and signal weakness, we propose different frequency ultrasound Lorentz force acoustic-magnetic-electic imaging method, to achieve high safety, high spacial resolution.With the development of the research project, it is hopeful to solve the difficulties of precision high spacial resolution measurement for biomedical current density and electrical conductivity. Significant spacial resolution improvement will can be achieved as comparison to conventional electrical impedance tomography. Three dimensional precision high spacial resolution biomedical electrical activities

英文关键词: acoustic-magnetic-electric-thermic effect imaging;image reconstruction;biomedical instrument;noninvasive imaging;signal processing

成为VIP会员查看完整内容
0

相关内容

【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
31+阅读 · 2021年5月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
【NeurIPS2021】多模态虚拟点三维检测
专知
0+阅读 · 2021年11月16日
SemanticAdv:基于语义属性的对抗样本生成方法
机器之心
14+阅读 · 2019年7月12日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
CVPR2019 | 医学影像:MIT 利用学习图像变换进行数据增强
计算机视觉life
26+阅读 · 2019年3月27日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年5月6日
Anomalous Instance Detection in Deep Learning: A Survey
小贴士
相关VIP内容
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
31+阅读 · 2021年5月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
【NeurIPS2021】多模态虚拟点三维检测
专知
0+阅读 · 2021年11月16日
SemanticAdv:基于语义属性的对抗样本生成方法
机器之心
14+阅读 · 2019年7月12日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
CVPR2019 | 医学影像:MIT 利用学习图像变换进行数据增强
计算机视觉life
26+阅读 · 2019年3月27日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员