首页 > 文献资料
-
结合Tikhonov正则化方法的近红外漫射光血流成像技术
近红外漫射相关光谱与断层成像(DCS/DCT)是一类实现生物组织血流测量和成像的较新技术,其中图像重建方法与血流成像的质量密切相关.目前常用的解析表达式和有限元方法存在局限性,影响了血流重建图像的精确性和稳定性.本文根据一种新型的N-阶线性算法,并结合Tikhonov正则化方法提出了DCT的血流重建技术(称为Tikhonov-DCT技术).在本技术中,通过光子在组织中的蒙特卡罗仿真,被测组织的几何形态和内部特征得到了充分的利用.此外,Tikhonov正则化很大程度地改善了图像重建问题的病态性,提高了成像的精确性和稳定性.在真实头部模型进行的仿真结果表明,利用Tikhonov-DCT重建的异常组织血流数值和位置准确,边缘保持较好.本技术有潜力用于优化光学传感器位置和数量,以及应用于各种生理及临床中的血流成像中.
-
基于先验信息的肺部电阻抗成像算法
电阻抗层析成像 (EIT) 系统逆问题求解的欠定性是导致重构图像分辨率低的主要原因之一.结合先验信息,改善逆问题的不适定性,提高算法鲁棒性是提高成像质量可行的办法.本研究基于Tikhonov正则化算法,结合肺部组织结构、器官电导率分布参数以及肺部呼吸动态结构变化等先验信息,构建正则化矩阵,进行EIT图像重构.研究结果表明,结合先验信息的Tikhonov正则化图像重构算法减小了成像相对误差,改进了图像质量,EIT用于区域性肺部通气变化的检测和监护是可行的.
关键词： 肺功能 电阻抗成像 图像重建 Tikhonov正则化 先验信息 -
Tikhonov正则化参数选择对高速率刺激听觉诱发电位重建的影响
目的 探讨不同参数选择方法对高阶听觉脑干反应(Auditory Brainstem Response,ABR)信号重建的影响.方法 采用L-curve和广义交叉验证(General Cross Validation,GCV)两种参数选择准则选取正则化参数,代入Tikhonov正则化目标函数,试图解决由于采用了刺激序列间抖动的去卷积技术得到的合成变换矩阵而产生的病态逆问题,从而重建出暂态高阶听觉诱发反应(Auditory Evoked Potentials,AEP).采用2种不同的速率组合方式,通过计算重建ABR和常规ABR之间的相关系数和相对误差,比较2种正则化方法的效果.结果 相对于L-curve,GCV方法得到的正则化参数普遍较大,重建的高阶暂态ABR与常规ABR之间的相关系数普遍较高,相对误差较小.L-curve准则有一些特例情况,求解的正则化参数估计不如GCV方法稳定.结论 GCV方法比L-curve方法能更好地解决高阶ABR重建的病态问题,取得更接近于真实情况的结果.
关键词： Tikhonov正则化 L曲线 广义交叉验证 听觉诱发反应 逆问题 -
基于GMRES和Tikhonov正则化的生物电阻抗图像重建算法
电阻抗层析成像(Electrical impedance tomography, EIT)是利用被测物体场内部电导率分布不均匀性,通过边界注入电流,测量边界电压变化,重构被测场内电导率分布图像.由于EIT测量数据有限,场域存在严重的非线性,导致问题的欠定性.我们介绍了一种新的组合算法,利用GMRES算法生成Krylov子空间,并结合Tikhonov正则化方法进行图像重建.该算法不仅改善了实时性,而且提高了成像质量及鲁棒性.
关键词： 电阻抗层析成像 Tikhonov正则化 Krylov子空间 组合算法 -
基于LP范数的磁感应断层成像图像重建算法
磁感应断层成像(MIT)图像重建是一个典型的病态问题,且其数值鳃不稳定.为了改善解的病态性而又能提高重建图像的质量,本文在变差正则化算法的基础上提出一种新的基于Lp范数的变差正则化算法.该算法不仅有效地克服了MIT重建图像数值解的不稳定性,还提高了重建图像的质量,增强了重建图像的空间分辨能力.仿真实验结果表明,该算法所获得的重建图像质量好于Tikhonov正则化算法和变差正则化算法,为MIT提供了一种新的有效方法.
-
正则化方法在无线电波层析中的应用
无线电波透视法是常用的工作面地质构造探测方法之一，目前普遍使用的SIRT方法层析分辨率不高。本文采用约束正则化方法，推导Tikhonov正则化和全变差正则化的小化问题表达式，讨论影响层析结果的主要因素，对典型理论模型进行了层析成像实验。结果表明：正则化方法具有比SIRT方法更好的分辨率；射线条数越多、噪声水平越低，层析分辨率越高；Tikhonov正则化在正则参数增大时层析结果更光滑，减小时则更贴近异常，全变差正则化与其相反。后对实际坑透数据进行层析，识别出的异常构造基本吻合已知疑似构造位置，从而说明正则化方法在无线电波透视应用中的可行性。
关键词： 无线电波透视法 层析成像 Tikhonov正则化 全变差正则化
