项目名称: 基于压缩感知的光学相干多普勒脑血管成像技术研究

项目编号: No.61205200

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 信息四处

项目作者: 徐平

作者单位: 杭州电子科技大学

项目金额: 28万元

中文摘要: 光学相干层析成像(OCT)是一种极具前途的非侵入性、高分辨率的无损光学成像技术。脑血流信息是脑重大疾病的重要诊断指标,传统的成像技术均难以满足脑血流成像的要求。光学相干多普勒成像(ODT)技术具有高空间和时间分辨率,可对组织血管的结构和功能同时成像,但对脑血管成像存在采集速度和信噪比不足,制约了ODT 在脑血流检测中的应用。压缩感知(CS)通过对数据的压缩采集,其采集样本远低于奈奎斯特采样理论的要求,可通过非线性重建算法高质量重建信号。将CS引入ODT脑血管成像,有望解决上述问题。因此,提出本项目申请,主要研究:1)研究适用于ODT 脑血管图像的稀疏变换;2)建立图像稀疏变换不相关性量化准则;3)建立适用于ODT的随机稀疏数据采集策略;4)研究基于CS的ODT脑血管快速成像算法;5)实验验证研究。旨在促进ODT 应用于脑血流的检测,为拓展OCT的应用领域奠定基础,推动我国OCT产业的发展。

中文关键词: 压缩感知;OCT;ODT;脑血管成像;

英文摘要: Optical coherence tomography(OCT) is a very promising optical imaging technology with non-invasive and high-resolution. Cerebral blood flow information is an important diagnostic indicators of the serious brain diseases. It is difficult for traditional imaging techniques to meet the requirements of the cerebral blood flow imaging. Optical coherence doppler tomography(ODT) technology with high spatial and temporal resolution which can not only measure tissue perfusion but has the advantage of providing function information by measuring blood flow. However,the low acquitsition speed and low signal to noise ratio of cerebral vascular imaging acquisition of ODT have restricted the applications of ODT in cerebral blood flow detection. Compressed sensing(CS) realizes the compression of data collection, in which the number of collection samples is much less than the requirements of Nyquist sampling theory, and reconstructs high-quality signal through a nonlinear reconstruction algorithm. By introduction CS to the ODT cerebral vascular imaging, it is expected to solve the above problems. Therefore, we present this proposal, in which the main research questions are as follows: 1) the sparse transform of ODT cerebrovascular image; 2) the incoherence quantitative criteria of image sparse transform; 3) establishment random

英文关键词: compressed sensing;Optical Coherence Tomography;Optical Doppler Tomography;Cerebral Angiography;

成为VIP会员查看完整内容
1

相关内容

压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目。 compressive sensing(CS) 又称 compressived sensing ,compressived sample,大意是在采集信号的时候(模拟到数字),同时完成对信号压缩之意。 与稀疏表示不同,压缩感知关注的是如何利用信号本身所具有的稀疏性,从部分观测样本中恢复原信号。
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
【经典书】概率图模型:原理与技术,1270页pdf
专知会员服务
131+阅读 · 2022年2月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
45+阅读 · 2021年8月28日
专知会员服务
31+阅读 · 2021年7月26日
【开放书】应用信号处理,498页pdf,Applied Signal Processing
专知会员服务
45+阅读 · 2021年6月15日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
18+阅读 · 2020年12月23日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3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
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14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
0+阅读 · 2014年12月31日
国家自然科学基金
1+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
1+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
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
64+阅读 · 2021年6月18日
Arxiv
126+阅读 · 2020年9月6日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
【经典书】概率图模型:原理与技术,1270页pdf
专知会员服务
131+阅读 · 2022年2月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
45+阅读 · 2021年8月28日
专知会员服务
31+阅读 · 2021年7月26日
【开放书】应用信号处理,498页pdf,Applied Signal Processing
专知会员服务
45+阅读 · 2021年6月15日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
18+阅读 · 2020年12月23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 · 2014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 · 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
1+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
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员