1 中国科学院电工研究所, 北京 100190
2 中国科学院大学电子电气与通信工程学院, 北京 100049
基于小型射频线圈的核磁共振检测探头在波谱分析和成像研究中具有广泛的应用, 如化学位移波谱分析、 磁共振成像和勘探测井等技术领域。 但是, 由于外加静磁场作用下, 自旋体系发生塞曼能级分裂后, 高低能态之间的核自旋数量之差很小, 普遍存在检测信噪比很低的问题, 而且初级磁共振接收信号的质量受所用探头线圈电气参数的影响较大。 研究结果表明, 在特定的被测样品和接收线圈占空比以及静磁场等条件不变的情况下, 检测信噪比与单位电流产生的射频磁场成正比, 而与线圈高频电阻的平方根成反比。 在永磁039Tesla主磁场条件下, 研究了趋肤效应影响下小型螺线管线圈几何参数的优化设计方法。 理论仿真和实际的测量结果表明, 几何参数为线径05 mm、 直径55 mm的10匝微螺线管线圈, 在169 MHz谐振频率上, 相对信噪比取得一个极大值点, 对应的Q值约为1998, 与阻抗分析仪测得结果有较好的吻合, 验证了该核磁共振检测线圈设计新方法是合理的。 本文提出的基于线圈电磁特性的高信噪比检测探头设计方法, 可推广到目前的质子密度成像、 岩心弛豫谱分析等应用中。
磁共振 射频磁场 信噪比 品质因数 微检测线圈 Nuclear magnetic resonance Radio frequency field Signal-to-noise ratio Quality factor Microcoil 光谱学与光谱分析
2018, 38(5): 1358
1 南京邮电大学 通信与信息工程学院, 江苏 南京 210003
2 南京医科大学附属南京儿童医院, 江苏 南京 210008
3 瑞典于默奥大学应用物理与电子系, S-901 87 Ume, Sweden
针对新生儿的疼痛与非疼痛面部表情识别, 提出将Gabor变换和支持向量机(SVM)相结合的分类识别方法。对归一化后的大小为112 pixel×92 pixel的新生儿面部图像进行二维Gabor小波变换, 提取出 412160维Gabor特征; 针对Gabor 特征向量维数高、冗余大的特点, 采用Adaboost算法作为特征选择工具, 去除冗余的Gabor特征, 从412160 维特征中选取出900维Gabor特征; 对选取出的Gabor特征用SVM进行疼痛表情的分类识别。该方法综合运用Gabor 特征对于面部表情的良好表征能力、AdaBoost 算法的特征选择能力以及SVM 在处理少样本、高维数问题中的优势。对510幅新生儿的表情图像进行测试的结果表明, 疼痛与非疼痛表情的分类识别率达到85.29%, 疼痛与安静表情的分类识别率达到94.24%, 疼痛与哭表情的分类识别率达到78.24%。
图像处理 表情识别 支持向量机 新生儿疼痛 AdaBoost算法 Gabor变换