本文分别从大数据、实时性和高精度三个方向出发论述了医学数据的快速体重建：\n 第一部分，在经典体重建算法基础上将硬件纹理和无数据空间相结合考虑，达到快速、高精度重建；\n 第二部分，对Level Of Detail算法改进并提出新...
详细信息
本文分别从大数据、实时性和高精度三个方向出发论述了医学数据的快速体重建：\n 第一部分，在经典体重建算法基础上将硬件纹理和无数据空间相结合考虑，达到快速、高精度重建；\n 第二部分，对Level Of Detail算法改进并提出新的方法，以达到快速处理大数据的要求。在理论分析的基础上分别给出了相关对比实验验证。此外，提出了一种新的网络图像重建模型。最后，将硬件纹理加速和Level Of Detail思想运用到整形手术系统项目中，并取得了较好的效果。
电站锅炉内温度分布的监测与可视化对于实现设备安全运行,能源高效利用,污染排放降低等都有着重要的实用意义和科学价值。然而,锅炉炉膛内的燃烧具有湍流强烈,瞬态变化,环境恶劣等特征,传统的温度测量方法可能无法满足需求。基于声学层析成像的温度场测量技术具有测温范围广、测量空间大、可在线实时监测、维护成本低等优点,在工业炉的温度场监测中有着广阔的应用前景。在声学测温技术中,温度场重建算法的选择是温度场测量结果的重要影响因素,本文以声学测温中温度场的重建算法为研究对象,主要完成了以下工作:受现场环境和设备的限制,实际应用中声波飞渡时间(Time Of Flight,TOF)数据往往有限而温度场分辨率要求较高,声波测温问题趋于病态性,对噪声的干扰比较敏感。本文提出了一种声学测温中较为新颖的二维温度场重建算法,该算法在最小二乘估计的基础上,加入了全变分正则化项,有效地解决了这类病态性问题,在声学数据较少时仍然能获得分辨率较高的温度图像。本文采用数值仿真实验研究了该算法的温度场重建性能表现,并对比了常见的Tikhonov和TSVD正则化算法的温度场重建效果,结果表明本文提出的全变分正则化的重建精度更高,且抗噪声干扰能力更强。除了在二维温度场上的重建算法研究之外,本文在三维温度场的重建上提出了一种基于Reflected Sigmoid的温度重建模型,并从奇异值谱的角度,研究了该模型的病态程度。在模型求解中,本文采用了基于最小平方残差(LSMR)的迭代算法。在数值实验上分别研究了该算法在三个不同复杂程度的温度场模型的重建效果,并在模拟TOF数据中添加噪声,考察该算法的抗干扰能力。最后与Tikhonov,TSVD正则化方法比较,综合评价该算法的重建性能。模拟结果证明,该算法的重建精度更高,抗噪声干扰性能更好,为三维温度场的重建提供了一个可行的方法。最后,搭建了声学测温实验台,采用互相关时延估计方法获得声波飞渡时间数据,应用全变分正则化算法进行二维温度场重建,并采用热电偶的测温结果作为实际参考温度,实验结果表明该算法的重建结果与预期温度场分布相符,且与实际温度相近,证明了全变分正则化在二维温场重建的实用型和有效性。
暂无评论