3D Opto-Acoustic Image Reconstruction and Motion Tracking Using Convex Optimization Algorithms
Notice bibliographique
Résumé
This work involves developing techniques for improved opto-acoustic imaging (OA), with the goal of enabling enhanced visualization of vascular structures in biological tissue. This has potential application for diagnosis and detection of cancer and other diseases where blood vessels have structural and functional differences from healthy tissue. In OA systems,acoustic waves are generated by absorption of optical energy. Since hemoglobin absorbs more light than other molecules in tissue, images of the tissue’s blood distribution can be reconstructed by processing measured acoustic signals. Moreover, the wavelength-specific optical absorption of oxy- and deoxy-hemoglobin permits OA to image the blood’s oxygen saturation level. However, OA image quality is limited by the ability to localize acoustic sources in tissue, and by the ability to collect sufficient data to accurately reconstruct tissue properties. ToimproveOAimagequality,thisworkinvestigatesusingconvexmathematicaloptimizationto perform image reconstruction from transducer measurements. The proposed technique iteratively solves an inverse problem by fitting the measured data onto simulated OA signals. To accelerate computational performance, mathematical simplifications for 3D simulation and reconstruction are developed. Using multiple acquisitions to provide 3D volumetric information, a method is developedtodeterminetransducermotion from OAdataduring imagereconstruction. In addition, the ability to visualize blood oxygen saturation is characterized for a clinical OA breast imaging device, and image quality is studied using biologically-relevant tissue phantoms. Results demonstrate that reconstruction with mathematical optimization can achieve higher contrast-to-backgroundratio (CBR) andpeak-signal-to-noise ratio (PSNR) comparedto approaches involving backprojection. In addition, using a separable model for the system’s response reduces computational complexity by a factor of n in a 3D volume with n3 voxels. This potentially enables faster and more accurate image reconstruction in OA systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».