强激光与粒子束
2023, 35(12): 121003
1 成都理工大学 计算机与网络安全学院 图像信息处理研究室, 四川 成都 610059
2 重庆大学 光电工程学院 光电技术及系统教育部重点实验室, 重庆 400044
3 重庆大学 光电工程学院 工业ICT无损检测教育部工程研究中心, 重庆 400044
基于胸部X光透射图像(DR)的肺部病灶识别与疾病诊断是临床的常规操作。对于肺结核患者而言, 其DR图像中的病灶区域与背景相融性高, 目标弥散严重且边缘形态极不规则, 严重干扰诊断的准确性。针对上述问题, 提出了一种融合肺炎影像学特征的肺结核病灶区域检测网络(TDT-Net), 利用肺结核和新冠肺炎同为呼吸道疾病且在DR图像上具有相似表征的特点, 借助大量肺炎DR数据, 通过迁移学习引入强相关特征以提高肺结核病灶的检测精度。TDT-Net结合Transformer和扩张残差技术, 提出上下文感知增强模块, 以强化迁移模型对全局信息的建模能力; 利用特征细化模块减少迁移过程中引入的冗余信息, 凸显强相关特征的表示。实验结果表明, 在TBX11K数据集上, 所提检测方法的平均准确度(AP)达到87.5%, 召回率(Recall)达到80.7%, 相较于YOLOV5和RetinaNet等网络有效提升了肺结核病灶的检测精度, 实现了更加准确的肺结核病灶定位和分类。
X射线成像 肺结核病灶 迁移学习 目标检测 肺炎特征 X-ray imaging pulmonary tuberculosis lesion transfer learning target detection pneumonia feature
1 重庆大学光电技术及系统教育部重点实验室,重庆 400044
2 成都理工大学核技术与自动化工程学院,四川成都 610059
3 电子科技大学电子科学与工程学院,四川成都 610054
对注入量为 1×1014 cm -2的快中子(1.2 MeV)对氮化镓(GaN)基白光发光二极管(LED)器件的辐照效应进行研究。通过测量和分析器件的电致发光谱(EL)、光功率-电流(L-I)和电流-电压 (I-U)特性,发现器件辐照后光功率降低,而 EL谱形状几乎没有变化,表明该注入量的中子辐照主要对器件中的蓝光 LED芯片造成了损伤。进一步分析发现,中子辐照导致蓝光 LED量子阱中产生大量非辐射复合中心,增加了漏电流并减小了量子阱中载流子密度,从而降低 LED的输出光功率。由此,在原有 GaN基蓝光 LED等效电路模型的基础上,加入由中子辐照导致的影响因素,不仅有助于理解中子辐照对 LED光功率的衰退影响机理,还为预测辐照后光功率的变化提供了可行性。
中子辐照 氮化镓 发光二极管 缺陷 neutron irradiation GaN Light-Emitting Diodes defects 太赫兹科学与电子信息学报
2022, 20(6): 543
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
传统CT采用积分式探测器采集投影数据, 反映的是物体的平均衰减特性, 会在一定程度上造成信息损失, 无法对物体进行较好的定性定量测量。 基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子, 采集更多被测物体的物质组成信息, 有助于识别不同物理特性的材料, 基于此, 能谱CT被广泛的应用于小病灶、 低对比度结构以及微细结构的成像。 然而将整个能谱划分为多个能量段进行数据采集时, 范围较窄能量范围内的有效光子数比例相对降低, 导致图像中包含较多的噪声, 图像质量较差, 影响能谱CT的临床应用。 为了有效的抑制能谱CT不同能量段内重建图像中的噪声, 提出了一种基于深度学习的能谱CT图像降噪方法。 我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN), 实验中, 利用能谱CT在不同的能量范围扫描小鼠样本, 使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。 为了验证网络的降噪性能, 选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比, 训练三种网络的使用的数据和实验配置都是完全相同的, 实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声, 且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。 模型训练好后, 可以对FDK算法重建出的图像进行降噪, 由此提高能谱CT图像降噪效率, 保证能谱CT重建图像的质量。
能谱CT 图像降噪 深度学习 光子计数探测器 Spectral CT Image Denoising Deep learning Photon-counting detector 光谱学与光谱分析
2021, 41(9): 2950
强激光与粒子束
2021, 33(4): 046002
强激光与粒子束
2021, 33(3): 036002
重庆大学光电技术及系统教育部重点实验室, 重庆 400044
基于紫外-可见光谱法的水质测量中, 光谱信号易受到系统噪声干扰、 悬浮物散射干扰, 且存在信息冗余、 多重共线性等特征, 导致水质COD测量中特征波长的选取产生较大偏差。 因此, 提出了基于嵌入式粒子群-遗传(EPSO_GA)算法的水质COD检测特征波长优化算法, 以提高波长选择精度。 为验证检测特征波长优化算法的可行性, 采集了某高校池塘水样、 生活污水和排水沟水样的光谱数据, 利用EPSO_GA算法对预处理后的光谱数据选取特征波长。 EPSO_GA算法采用实数编码方法实现了粒子群(PSO)优化算法和遗传(GA)优化算法的统一编码, 在PSO算法中更新粒子时嵌入GA算法的选择、 交叉、 变异等操作, 改善了这两种算法各自在光谱波长特征选取问题上的局限性。 将EPSO_GA算法选取的特征波长结合偏最小二乘法(PLS)构建了EPSO_GA_PLS的水质COD预测模型, 并且与传统的PSO算法、 GA算法选取特征波长建立的PSO_PLS、 GA_PLS和全光谱构建的PLS水质COD预测模型做了对比。 结果表明: 与PSO_PLS, GA_PLS和全光谱构建的PLS水质COD预测模型相比, EPSO_GA改善了PSO算法和GA算法在光谱特征波长选择中早熟和收敛速度慢的问题, 降低了全光谱构建PLS水质COD预测模型的复杂度, 提高了模型的预测精度。 基于EPSO_GA算法建立的EPSO_GA_PLS水质COD预测模型, 均方根误差降到了0.212 3, 预测精度增加到0.999 3, 可以快速定量检测水质COD, 为紫外-可见光谱法测COD提供了更好的预测模型。
紫外-可见光谱法 嵌入式粒子群-遗传算法 波长特征选择 偏最小二乘法 化学需氧量 Ultraviolet-Visible spectroscopy Embedded particle swarm optimization-genetic algorithm Wavelength feature selection Partial least squares method Chemical oxygen demand
强激光与粒子束
2020, 32(5): 056001
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
在管激发X射线荧光CT(XFCT)成像研究中,探测角度与系统背景噪声、探测灵敏度、信噪比等参数密切相关。鉴于此,基于Geant4设计一套多针孔准直管激发XFCT成像系统,并对探测角度与成像系统信噪比、重建图像质量之间的关系进行研究。通过改变管电压、金纳米溶液质量分数、感兴趣区域直径三个参数,模拟60°、90°、120°和150°等不同探测角度下的X射线荧光投影数据和散射噪声的探测过程,并计算其信噪比。仿真结果表明:探测角度的增大能够提升信噪比和重建图像质量,多数情况下,探测角度为120°时的信噪比最佳。
成像系统 X射线荧光CT 康普顿散射 探测角度 信噪比
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学脑科学研究中心, 重庆 400044
3 马萨诸塞大学洛厄尔分校, 美国 洛厄尔 01854
基于光子计数探测器的多能谱计算机断层成像技术(CT),能够获得多个能量段的能谱信息,在材料识别方面有着独特的优势。由于窄能谱探测及光子计数探测器存在一致性差的问题,多能谱CT图像中含有较多的噪声和伪影,这不利于材料的分解与识别。因此从重建的角度出发,改进了传统张量字典学习(TDL)方法,提出一种基于图像总变分(TV)和TDL的图像重建算法,简称TV+TDL。该算法不但继承了TDL 算法在刻画各个能量通道图像之间相似性的优势,而且通过引进TV作为正则项,可进一步恢复图像微小结构和细节并有效地抑制噪声,提高材料分解精度。仿真实验结果表明,TV+TDL算法能够有效重建高质量的多能谱CT图像,并成功实现基材料模型下的材料分解与识别,从而验证了该方法的有效性和实用性。
成像系统 多能谱计算机断层成像技术 材料识别 总变分 张量字典 图像重建 光学学报
2018, 38(11): 1111002