ĐÀM ĐỨc cưỜng ứng dụng kỹ thuật kết hợp tần số nhằm nâng cao chất lưỢng ảnh siêU Âm cắt lớP
tải về 362.16 Kb.
|
- Навигация по данной странице:
- TÀI LIỆU THAM KHẢO
- PHỤ LỤC 1: CODE MATLAB DBIM
KẾT LUẬNLuận văn này đã thành công trong việc nâng cao chất lượng ảnh chụp siêu âm cắt lớp bằng cách sử dụng kết hợp 2 tần số f1 và f2. Ảnh khôi phục theo phương pháp đề xuất cho chất lượng tốt hơn ảnh theo phương pháp truyền thống. Tác giả cũng đã tìm được số bước lặp tối ưu với f1 sao cho việc kết hợp f1 và f2 cho chất lượng tốt nhất. Đánh giá được tham số chất lượng Q được trình bày ở phần 2.3. Từ đó kết luận được ảnh tái tạo bởi việc sử dụng kết hợp 2 tần số f1 và f2, cho kết quả đánh giá về mặt sai số toán học thông dụng hay có xét cả đến vấn đề VHS (visual human system) đều tốt hơn so với chỉ sử dụng một tần số đơn. Như vậy việc sử dụng kết hợp 2 tần số trong việc cải thiện chất lượng ảnh đã thành công, tạo điều kiện áp dụng trong lĩnh vực Y – Sinh. Bước tiếp theo của đề xuất này là việc thử nghiệm đề xuất trong tạo ảnh với những dữ liệu thực tế để có thể áp dụng trong ngành chuẩn đoán y khoa. TÀI LIỆU THAM KHẢO[1] C. F. Schueler, H. Lee, and G. Wade, “Fundamentals of digital ultrasonic processing,” IEEE Transactions on Sonics and Ultrasonics, vol. 31, no. 4, pp. 195–217, July 1984. [2] N. Duric, P. Littrup, A. Babkin, D. Chambers, S. Azevedo, A. Kalinin, R.Pevzner, M. Tokarev, E. Holsapple, O. Rama, and R. Duncan, “Development of ultrasound tomography for breast imaging: Technical assessment,” Medical Physics, vol. 32, no. 5, pp. 1375–1386, May 2005. [3] J.-W. Jeong, T.-S. Kim, D. C. Shin, S. Do, M. Singh, and V. Z. Marmarelis, “Soft tissue differentiation using multiband signatures of high resolution ul-trasonic transmission tomography,” IEEE Transactions on Medical Imaging, vol. 24, no. 3, pp. 399–408, March 2005. [4] S. A. Johnson, T. Abbott, R. Bell, M. Berggren, D. Borup, D. Robinson, J. Wiskin, S. Olsen, and B. Hanover, “Noninvasive breast tissue charac-terization using ultrasound speed and attenuation,” in Acoustical Imaging, vol. 28, 2007, pp. 147–154. [5] C. Li, N. Duric, and L. Huang, “Breast imaging using transmission ultra-sound: Reconstructing tissue parameters of sound speed and attenuation,” in International Conference on BioMedical Engineering and Informatics, vol. 2, 2008, pp. 708–712. [6] R. J. Lavarello and M. L. Oelze: Tomographic Reconstruction of Three-Dimensional Volumes Using the Distorted Born Iterative Method. IEEE Transactions on Medical Imaging, 28, 2009, pp. 1643-1653. [7] Lavarello Robert: New Developments on Quantitative Imaging Using Ultrasonic Waves. University of Illinois at Urbana-Champaign, 2009. [8] http://en.wikipedia.org/wiki/Nonlinear_conjugate_gradient_method [9] M. T. Heath, Scientific Computing: An Introductory Survey. New York, NY: McGraw-Hill, 2002. [10] Martin, R., Noise power spectral density estimation based on optimal smoothing and minimum statistics, IEEE Transactions on Speech and Audio Processing, Vol. 9, 2001, pp. 504 - 512. [11] http://www-stat.stanford.edu/~susan/courses/s60/split/node60.html [12] Tran Duc Tan, N. Linh-Trung, M. L. Oelze, M. N. Do, Application of L1 regularization for high-quality reconstruction of ultrasound tomography, International Federation for Medical and Biological Engineering (IFMBE), NXB SPRINGER, ISSN: 1680-0737, Volume 40, 2013, pp. 309-312. [13] Tran Duc Tan, Nguyen Linh-Trung, Minh N. Do, Modified Distorted Born Iterative Method for Ultrasound Tomography by Random Sampling, The 12th International Symposium on Communications and Information Technologies (ISCIT 2012), Australia, 2012, pp. 1065-1068. [14] Tran Duc Tan, Automated Regularization Parameter Selection in Born Iterative Method for Ultrasound Tomography, Vietnam Conference on Control and Automation (VCCA-2011), ISBN 978-604-911-020-7, 2011, pp.786-791. [15] Tran Duc Tan, Gian Quoc Anh, Improvement of Distorted Born Iterative Method for Reconstructing of Sound Speed, Vietnam Conference on Control and Automation (VCCA-2011), ISBN 978-604-911-020-7, 2011, pp.798-803. [16] Zhou Wang, Student Member : A Universal Image Quality Index, IEEE Signal Processing Letters, Vol. 9, No. 3, March 2002 PHỤ LỤC 1: CODE MATLAB DBIMĐể tính toán được sai số của phép khôi phục, cũng như để so sánh ảnh tạo được với vật thể ta cần có một giá trị tham chiếu của thí nghiệp gọi là hàm mục tiêu lý tưởng. Hàm này có thể được tạo bởi phương trình (2.1) như vậy ta có thể tạo hàm mục tiêu lý tưởng cho vật thể hình trụ với tần số đo f0 như sau: Hàm mục tiêu lý tưởng SC=zeros(N,N); xo=(N+1)/2;yo=(N+1)/2; for m=1:N for n=1:N dis=sqrt((xo-m)^2+(yo-n)^2); if dis>3.5355*N/10 SC(m,n)=0; else SC(m,n)=(2*pi*f0)^2*(1/(c1^2)-1/(co^2));%da doi f thanh f0 end; end;
end; Sau khi đã có hàm mục tiêu lý tưởng ta tạo cấu hình hệ đo với việc bố trí các máy phát và máy thu xung quanh vật thể: L=N*N; phi=linspace(-pi,pi,L); No=10*N; % at first N=11, No can be changed when changing N % however it is affected to distance from tranceivers to object % because distance=No*h= constant K2=cos(phi)*(No+.5)+x0(2); K1=sin(phi)*(1.5*No-.5) + x0(1); KK2=K2;KK1=K1; %noise_flag: option 0: noise init, 2: no noise noise_flag=0; transmiter=1:N:L;%may phat co the thay doi duoc detector=1:2*N:L;%may thu co the thay doi duoc plot(KK2(detector),KK1(detector),'s') hold on
plot(K2(transmiter),K1(transmiter),'r*') hold on;
mesh(abs(SC)) legend('detector','transmiter','scatter area') Như vậy ta đã có hàm mục tiêu lý tưởng cần khôi phục và một hệ đo, áp dụng thuật toán 1: Lặp vi phân Born, để viết chương trình trên Matlab ta có các hàm con phải tính sau: Đầu tiên
Tính   ,  ,  ,và  tương ứng  sử dụng (2.6) và (2.7)
Tính tín hiệu của sóng tới pix=[]; k=1:N;
for i=1:N pix=[pix;k]; end; PINC=[]; for l=transmiter pinc=besselj(0,ko*h*sqrt((K1(l)-pix').^2+(K2(l)-pix).^2)); %pinc=besselj(0,4.1e3*h*sqrt((K1(l)-pix').^2+(K2(l)-pix).^2)); PINC=[PINC ; pinc]; end; save PINC_2D_matrix PINC Tín hiệu trong thực tế có thể đo được bằng cách lấy hiệu số của tín hiệu tại máy thu khi có đối tượng và khi không có đối tượng. Còn trong mô phỏng thì lại có thể tính bằng phương trình (2.7) sử dụng hàm mục tiêu lý tưởng. Như vậy theo phương trình ta còn phải tính hai ma trận B và C, ma trận B và C tính là ma trận hệ số của hàm Green từ các pixel tới máy thu và hệ số Green giữa các pixel:
calculate_B_matrix_DBIM: BB=[]; ko_SC=sqrt(ko*ko+abs(SC)); % matrix ko_SC1=sqrt(ko*ko+abs(SC1)); % matrix BB_SC=[];BB_SC1=[]; for l=detector B=-.25*j*h*h*besselj(0,ko*h*sqrt((KK1(l)-pix').^2+(KK2(l)-pix).^2));% no update B_SC=-.25*j*h*h*besselj(0,ko_SC.*h*sqrt((KK1(l)-pix').^2+(KK2(l)-pix).^2)); B_SC1=-.25*j*h*h*besselj(0,ko_SC1.*h*sqrt((KK1(l)-pix').^2+(KK2(l)-pix).^2)); BB=[BB ; B]; BB_SC=[BB_SC ; B_SC];BB_SC1=[BB_SC1 ; B_SC1]; end;
CC_SC=[];CC_SC1=[]; for l1=1:N for l2=1:N C=-.25*j*h*h*besselj(0,ko*h*sqrt((l1-pix').^2+(l2-pix).^2)); %no update C_SC =-.25*j*h*h*besselj(0,ko_SC.*h*sqrt((l1-pix').^2+(l2-pix).^2)); C_SC1=-.25*j*h*h*besselj(0,ko_SC1.*h*sqrt((l1-pix').^2+(l2-pix).^2)); CC=[CC ; C]; CC_SC=[CC_SC ; C_SC];CC_SC1=[CC_SC1 ; C_SC1]; end;
end; Sau khi đã tính những tham số và hàm con trên ta tính được Áp Dụng NCG Để Tính 
function[delta_sound]=test_NCG(Mt,delta_sc_t,ni,RRE,gama) [n1,n2]=size(Mt); b=Mt'*delta_sc_t; x=b;
r=b; delta_sound=zeros(n2,1); %delta_sound=zz; for i=1:ni q=Mt*x; %alpha=transpose(r)*r/(transpose(q)*q+gama*transpose(x)*x); alpha=r'*r/(q'*q+gama*x'*x); %s=transpose(Mt)*q; s=Mt'*q; r_update=r-alpha*(s+gama*x); %beta=(transpose(r_update)*r_update)/(transpose(r)*r); beta=(r_update'*r_update)/(r'*r); delta_sound=delta_sound+alpha*x; x=r_update+beta*x; r=r_update; %e=sum(abs(delta_sc_t))/sum(abs(p_sc_exact_t)); temp=delta_sc_t-Mt*delta_sound; e=temp'*temp/(delta_sc_t'*delta_sc_t); %tol=delta_sc_t'*delta_sc_t/(p_sc_exact_t'*p_sc_exact_t) if e e fprintf('convergent at step %d \n',i) break end
end; Như vậy ta có chương chính chính như sau với kết quả đầu ra là hàm khôi phục  và các giá trị sai số:
Chương Trình Chính clear,clc,close all; f0=2e6;% f=1e6;% tan so don co the thay doi duoc N=22 Niter=8 %so lan lap co=1540; % m/s c1=co*(1-0.02); % Khoa hoc tre contrast landa=co/f; % m/s lamda=co/f0; ko=2*pi/landa; % increase when f is increased D=4*lamda x0=[(N+1)/2;(N+1)/2]; fprintf('Ratio landa/h = %f \n',landa/h);
SC=zeros(N,N); SC1=SC; xo=(N+1)/2;yo=(N+1)/2; for m=1:N for n=1:N dis=sqrt((xo-m)^2+(yo-n)^2); %if dis if dis>3.5355*N/10
SC(m,n)=0; else
SC(m,n)=(2*pi*f0)^2*(1/(c1^2)-1/(co^2));%da doi f thanh f0 end;
% if dis<3.5355*N/20 % SC(m,n)=2*(2*pi*f0)^2*(1/(c1^2)-1/(co^2)); %SC(m,n)=dis; % end;
end; end;
figure; [X,Y] = meshgrid(linspace(0,D/landa,length(SC))); mesh(X,Y,SC); xlabel('\lambda') ylabel('\lambda')
%RRE=2^(-6); L=N*N; phi=linspace(-pi,pi,L); No=10*N; % at first N=11, No can be changed when changing N % however it is affected to distance from tranceivers to object % because distance=No*h= constant K2=cos(phi)*(No+.5)+x0(2); K1=sin(phi)*(1.5*No-.5) + x0(1); KK2=K2;KK1=K1; %noise_flag: option 0: noise init, 2: no noise noise_flag=0; transmiter=1:N:L;%may phat co the thay doi duoc detector=1:2*N:L;%may thu co the thay doi duoc plot(KK2(detector),KK1(detector),'s') hold on
plot(K2(transmiter),K1(transmiter),'r*') hold on;
mesh(abs(SC)) legend('detector','transmiter','scatter area') calculate_PINC_matrix_cavichi; figure(100) subplot(211) imagesc(abs(SC)) subplot(212) mesh(abs(SC)) Niter; err1=zeros(1,Niter); MSE1=zeros(1,Niter); PSNR1=zeros(1,Niter); gama1=zeros(1,Niter); Quality=zeros(1,Niter); for iter=1:Niter
iter
Mt=[]; delta_sc_t=[]; X=[]; p_sc_exact_t=[]; p_sc_t=[]; calculate_B_matrix_DBIM; calculate_C_matrix_DBIM; % update C matrix for each iteration uu=-1; % transmit index for dec1=transmiter % for each transmiter and detector uu=uu+1; u=0; % detector index, reset for each detector for dec2=detector % % create data for a single transmision and receving % otain the p_sc_exact : scatter field measured at detector; (1 value) % p_sc : scatter field predicted at detector; (1 value) % p: presure calculated (predict at each pixel);matrix (NxN) B_SC=BB_SC(1+u*N:N+u*N,:); B=BB(1+u*N:N+u*N,:); p_inc=PINC(1+uu*N:N+uu*N,:); u3=0; % index cho C, reset for each new pixel for n1=1:N % di vao tung pixel, xac dinh boi 2D: n1,n2 for n2=1:N C_SC=CC_SC(1+u3*N:N+u3*N,:); C_SC1=CC_SC1(1+u3*N:N+u3*N,:); pp(n1,n2)=sum(sum(C_SC.*SC.*p_inc)); % C va p_inc trong moi pp1(n1,n2)=sum(sum(C_SC1.*SC1.*p_inc)); u3=u3+1;
end; end;
p =p_inc+pp; % pp<>0; wave equation; % IDEAL p1=p_inc+pp1; % at the first step p_inc=p1 because SC=zeros, pp1=0; PRDEICT p_sc_exact=sum(sum(B.*SC.*p)); % using p matrix, IDEAL,1 point, IDEAL p_sc=sum(sum(B.*SC1.*p)); % using p matrix, Predict,1 point u=u+1; % B change depends on detector delta_sc=p_sc_exact-p_sc; % 1 valuse M=reshape(B.*p1,1,N*N); Mt=[Mt;M]; % add more detector p_sc_exact_t=[p_sc_exact_t ; p_sc_exact]; % NCG p_sc_t=[p_sc_t p_sc]; delta_sc_t=[delta_sc_t;delta_sc]; % add more scatter field in detector end; % end one cycle of transmit abd detect end;
if noise_flag==0; n=0.05*sqrt(var(delta_sc_t))*randn(size(delta_sc_t)); %n=0.05*sqrt(var(p_sc_t))*randn(size(delta_sc_t)) noise_flag=1; end; if noise_flag==2; n=zeros(size(delta_sc_t)); end;
% add noise if iter==1 delta_sc_t=delta_sc_t+n; end;
%%%%%%% [n1,n2]=size(Mt); gama=1.8755e-021; % co dinh gama %%%%%%%%
SC1=SC1+reshape(delta_sound,N,N); % update the sound contrast figure;
subplot(211);imagesc(abs(SC1)) subplot(212);mesh(abs(SC1)) err1(iter)=sum(sum(abs(SC-abs(SC1))))/sum(sum(SC)); MSE1(iter)=(1/N^2)*sum(sum(abs(SC-abs(SC1))^2)); %tinh chi so Quality [nn1,nn2]=size(SC1); N=nn1 xx1=(1/N^2)*sum(sum(SC)); xx=xx1*ones(N,N); yy1=(1/N^2)*sum(sum(abs(SC1))); yy=xx1*ones(N,N); detal_y=sum(sum((abs(SC1)-yy)^2/(N^2-1))); detal_x=sum(sum((abs(SC)-xx)^2/(N^2-1))); detal_xy=(1/(N^2-1))*sum(sum((abs(SC)-xx)*(abs(SC1)-yy))); Q=4*detal_xy*xx1*yy1/((detal_x+detal_y)*(xx1^2+yy1^2)); Quality(iter)=Q; %het end; % interation for convergen of sound contrast newSC1=SC1(floor(length(SC1)/2),1:length(SC1)); newSC=SC(floor(length(SC)/2),1:length(SC)); figure() plot(newSC); hold on; plot(abs(newSC1),'r'); figure plot(1:Niter,err1,'-ro'); xlabel('interation');ylabel('error'); figure
plot(1:Niter,MSE1,'-ro'); xlabel('interation');ylabel('MSE'); Каталог: jspui -> bitstream -> 123456789 123456789 -> Một số VẤN ĐỀ XÃ HỘI Ở LÀng công giáO ĐỊa bàn hà NỘI 123456789 -> VấN ĐỀ ngưỜi bán hàng rong trên cáC ĐƯỜng phố HÀ NỘI 123456789 -> Các làng nghề HÀ TÂy trong khung cảnh hội nhập thành phố HÀ NỘI Поделитесь с Вашими друзьями:
|
viết trên Matlab ta có
từ giá trị