CN102579073B - 一种光声显微成像的自适应图像重建方法 - Google Patents
一种光声显微成像的自适应图像重建方法 Download PDFInfo
- Publication number
- CN102579073B CN102579073B CN 201110392620 CN201110392620A CN102579073B CN 102579073 B CN102579073 B CN 102579073B CN 201110392620 CN201110392620 CN 201110392620 CN 201110392620 A CN201110392620 A CN 201110392620A CN 102579073 B CN102579073 B CN 102579073B
- Authority
- CN
- China
- Prior art keywords
- imaging
- synthetic aperture
- opto
- acoustic
- biological tissue
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims description 12
- 230000002792 vascular Effects 0.000 claims description 39
- 230000006978 adaptation Effects 0.000 claims description 22
- 239000000523 sample Substances 0.000 claims description 19
- 210000004204 blood vessel Anatomy 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 239000006096 absorbing agent Substances 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 239000013307 optical fiber Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 210000005166 vasculature Anatomy 0.000 abstract 4
- 230000000877 morphologic effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000004089 microcirculation Effects 0.000 description 3
- 238000000386 microscopy Methods 0.000 description 3
- 241000931526 Acer campestre Species 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000004614 tumor growth Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种针对生物组织脉管***进行的自适应合成孔径图象重建的光声显微成像方法,首先利用光声显微成像***获取初始的脉管***光声成像数据;接着对原始三维成像数据进行图象预处理运算,获取成像分支脉管的特征信息;针对成像分支脉管的特征信息,对原始三维光声显微成像进行自适应合成孔径运算;最后获取经过自适应合成孔径运算后的脉管图像。本发明使离焦情况下各个不同走向的分支脉管都获得最佳的侧向空间分辨率,从而使离焦情况下***成像的侧向分辨率达到焦点处的侧向分辨率,提高分支脉管***成像的准确性。为脉管***量化信息如脉管长度、脉管直径、脉管密度等形态结构参数的获取提供精确保证。
Description
技术领域
本发明属于医学成像领域,涉及到光声显微成像的图象重建,特别涉及一种针对生物组织脉管***进行自适应合成孔径图象重建的光声显微成像方法。
背景技术
血管及其微循环是生物体正常新陈代谢所需营养物质和代谢废物的运输通道。许多世界范围内的恶性疾病如中风、肿瘤的生长、糖尿病、动脉粥样硬化等也都与血管的形态结构变化密切相关。临床上广泛使用的医学成像技术如CT、MRI、PET等都能够对在体血管成像,但是它们要么需要注射外源造影剂,要么不具有高的空间分辨率。
新近出现的光声显微成像技术是一种新型的、无损医学成像技术,它有机结合了纯光学成像的高对比度和纯超声成像的高分辨率优点。能够在完全内源的情况下对在体血管及微循环成像。目前高分辨的光声显微成像技术已广泛用于皮下血管微循环成像、肿瘤新生血管成像、脑皮层血管成像及不同生理时血管的舒张和收缩变化等各个方面。在在体血管光声成像中,血管产生的光声信号是基于血管走向的柱状波超声信号。然而高分辨光声共焦显微成像***所采用的球面聚焦超声探头具有有限的焦长,***的侧向分辨率在离焦的情况下会迅速退化。针对这个问题,已经有很多相应的改进方法。其一是是轮廓扫描成像(Hao F.Zhang,Konstantin Maslov and Lihong V.Wang,“Automaticalgorithm for skin profile detection in photoacoustic microscopy,”J.Biomed.Opt,14(2),024050:1-6,2009)。这种方法在成像中耗时大,而且只能保证某些血管处于焦深范围内。另外一种方法是用超声成像或合成孔径雷达中常使用的合成孔径算法来延长聚焦探头的焦长(如美国专利US7944390,4724418,4929950和中国专利201010101410.7,200510060490.5,200410069053.5,200510060491.X)。目前,超声成像上使用的一维的合成孔径图象重建算法能够提高光声显微成像***一个扫描方向的分辨率和信噪比(C.-K.Liao,M.-L.Li and P.-C.Li,“Optoacoustic imaging withsynthetic aperture focusing and coherence weighting,”Opt.Lett,29(21):2506-2508,2004,Meng-Lin Li,Hao F.Zhang and Konstantin Maslov,“Improvedin vivo photoacoustic microscopy based on a virtual-detector concept,”Opt.Lett,31(4):474-476,2006和Suhyun Park,Andrei B.Karpiouk,Salavat R.Aglyamov and Stanislav Y.Emelianov,“Adaptive beamforming for photoacousticimaging,”Opt.Lett,33(12):1291-1293,2008);二维合成孔径图象重建算法能同时提高两个侧方向上的空间分辨率和信噪比(Zilin Deng,Xiaoquan Yang,Hui Gong andQingming Luo,“two-dimensional synthetic-aperture focusing technique inphotoacoustic microscopy,”J.Appl.Phys 109,104701:1-6,2011),但是二维合成孔径算法后离焦下光声显微成像的分辨率仍大大低于***焦点处的分辨率。这主要是由于进行一维和二维合成孔径算法时都有一个潜在的假设前提吸收体吸收光产生的超声信号是球面波,但是实际上无论是碳纤维还是血管成像中产生的信号都是柱状波。超声成像或雷达成像上使用的合成孔径算法不能被直接用来解决上述问题。
发明内容
本发明的目的在于:为解决生物组织脉管***在离焦情况下光声显微成像侧向分辨率低的问题,提供的一种针对生物组织脉管***进行的自适应合成孔径图象重建的光声显微成像方法,本发明针对脉管***产生光声信号是柱状波的基础,建立依据不同分支脉管***特征走向进行横截面方向合成孔径的图象重建算法,使离焦情况下脉管***成像侧向分辨率更高,成像更准确。
一种光声显微成像的自适应图像重建方法,其特征在于包括以下步骤:
(1)通过光声显微成像***扫描头的二维扫描移动获取原始生物组织脉管***的三维光声显微成像数据;
(2)对原始三维成像数据进行图象预处理运算,获取成像的生物组织脉管***的分支脉管的骨架走向的特征信息;
(3)针对成像的生物组织脉管***的分支脉管的特征信息,对原始三维光声显微成像数据进行自适应合成孔径运算;
(4)获取经过自适应合成孔径运算后的生物组织脉管***的血管图像。
本发明的步骤(1)中准备成像的生物组织脉管***吸收的ns脉冲光依次通过光纤、聚焦透镜、圆锥透镜和锥台镜后聚焦照射在吸收体上,生物组织脉管***吸收光产生超声信号,且产生的光声信号是柱状波,光声显微成像***中用于拾取超声信号的超声探头是高频球面聚焦超声探头,且超声探头的声焦点远小于共聚焦光的光焦点,成像过程中聚焦的光路部分和超声探头进行二维扫描获取生物组织脉管***的光声信号。本发明所用的光声显微成像***为现有成熟的光声显微成像***(美国专利US20060184042)。
本发明的步骤(2)对原始三维成像数据进行图象预处理运算,获取成像的生物组织脉管***的分支脉管的骨架走向的特征信息,具体步骤为:当超声探头沿x、y方向进行二维扫描时,对两个扫描方向的孔径进行合成;将二维合成孔径运算后的光声显微成像数据沿着A线方向进行最大值投影,获得扫描平面内的血管投影成像数据;接着调整最大值投影图为8位灰度图,并适当调整图象的灰度范围,然后利用Matlab(矩阵实验室)语言编写的滤波程序对图象进行滤波,接着重新将滤波后的图象转化为8位灰度图,最后利用Matlab图象处理工具箱中的骨架特征中的提取函数来提取图象中分支脉管的特征信息;针对不同分支的脉管进行一阶线性拟合,获得不同分支脉管在二维扫描平面内与扫描方向的夹角即走向角θ。
本发明的步骤(3)针对成像的生物组织脉管***的分支脉管的特征信息,对原始三维光声显微成像数据进行自适应合成孔径运算,具体步骤为:针对不同分支脉管的走向角θ,在垂直脉管走向的方向将平面内一点(xi,yj)到立体角范围内的虚拟探测器的超声信号进行叠加,可以用下式描述:
i′=[|k×sinθ|]+1
j′=[|k×cosθ|]+1
其中S(xi′,yj′,tij-Δti′j′)表示实际接收的空间中某点的初始光声信号强度,Δti′j′表示光声信号从合成点到不同虚拟探测器位置时所经历的时间,SSAFT(xi,yj,tij)表示空间中某点经过自适应合成孔径算法后的光声信号大小,N为沿合成方向的最大合成线数,上面式中的[]表示不大于某个数的最大整数,k是沿合成孔径方向的单位象素长度;
为了进一步的提高重建图象的分辨率和信噪比,提出适合于自适应合成孔径算法的相干权重因子:
其中各个参数的意义如上,这样对每个点进行自适应合成孔径算法后的信号强度可以表示成SSAFT-CF(xi,yj,tij)=SSAFT(xi,yj,tij)·CF(xi,yj,tij)。
本发明的技术效果:建立一种针对不同分支脉管走向特征信息而进行合成孔径图象重建的光声显微成像方法,使离焦情况下各个不同走向的分支脉管都获得最佳的侧向空间分辨率,从而使离焦情况下***成像的侧向分辨率达到焦点处的侧向分辨率,提高分支脉管***成像的准确性。为脉管***量化信息如脉管长度、脉管直径、脉管密度等形态结构参数的获取提供精确保证。
附图说明
图1是本发明的流程图。
图2是本发明的原理示意图。
具体实施方式
本发明提出一种针对生物组织脉管***进行的自适应合成孔径图象重建的光声显微成像方法,首先利用光声显微成像***获取初始的脉管***光声成像数据;接着对原始三维成像数据进行图象预处理运算,获取成像分支脉管的特征信息;针对成像分支脉管的特征信息,对原始三维光声显微成像如烷氧进行自适应合成孔径运算;最后获取经过自适应合成孔径运算后的脉管图像。
如图1所示,本发明的实施步骤如下:
(1)原始生物组织脉管***光声显微成像三维数据的获取
将待成像的生物组织脉管***放置在光声显微成像的载物台上,并在需要扫描成像的区域上涂超声耦合液,调整载物台使成像物体接触光声显微成像***水槽上的成像窗口,其中成像窗口用薄膜覆盖;调整光声显微成像***的扫描头部分使超声探头浸入水中,并去除超声探头顶端的气泡;设定光声显微成像的扫描参数,包括:激光波长、激光脉冲频率、数据采集频率、扫描步进、扫描面积、超声探头与成像物体的距离等;然后光声显微成像的扫描头按照设定的参数扫描获取物体的光声信号,信号经放大器放大后存储在计算机上;
(2)原始三维成像数据的预处理运算,获取成像分支脉管的特征信息
当超声探头沿x、y方向进行二维扫描时,任意时刻超声探头接收的是立体角范围内三维空间的色团产生的光声信号,因此可以对两个扫描方向的孔径进行合成;将二维合成孔径运算后的光声显微成像数据沿着A线方向进行最大值投影,获得扫描平面内的血管投影成像数据;接着调整最大值投影图为8位灰度图,并适当调整图象的灰度范围,然后利用Matlab编写的滤波程序对图象进行滤波,接着重新将滤波后的图象转化为8位灰度图,最后利用Matlab图象处理工具箱中的骨架特征中的提取函数来提取图象中分支脉管的特征信息;针对不同分支的脉管进行一阶线性拟合,获得不同分支脉管在二维扫描平面内与扫描方向的夹角即走向角θ;
(3)自适应合成孔径运算
针对不同分支脉管在X、Y平面上的走向角θ,在垂直脉管走向的方向将平面内一点(xi,yj)到立体角范围内的虚拟探测器的超声信号进行叠加,可以用下式描述:
i′=[|k×sinθ|]+1
j′=[|k×cosθ|]+1
其中S(xi′,yj′,tij-Δti′j′)表示实际接收的空间中某点的初始光声信号强度,Δti′j′表示光声信号从合成点到不同虚拟探测器位置时所经历的时间,SSAFT(xi,yj,tij)表示空间中某点经过自适应合成孔径算法后的光声信号大小,N为沿合成方向的最大合成线数,上面式中的[]表示不大于某个数的最大整数,k是沿合成孔径方向的单位象素长度。;
为了进一步的提高重建图象的分辨率和信噪比,提出适合于自适应合成孔径算法的相干权重因子:
其中各个参数的意义如上。这样对每个点进行自适应合成孔径算法后的信号强度可以表示成SSAFT-CF(xi,yj,tij)=SSAFT(xi,yj,tij)·CF(xi,yj,tij)。
(4)高分辨生物组织脉管***图象的获取
将自适应合成孔径算法运算后的光声成像数据进行最大值投影运算获得最终的高分辨图像,其中重复的部分取光声信号的最大值。
Claims (1)
1.一种光声显微成像的自适应图像重建方法,其特征在于包括以下步骤:
(1)通过光声显微成像***扫描头的二维扫描移动获取原始生物组织脉管***的三维光声显微成像数据;步骤(1)中准备成像的生物组织脉管***吸收的ns脉冲光依次通过光纤、聚焦透镜、圆锥透镜和锥台镜后聚焦照射在吸收体上,生物组织脉管***吸收光产生超声信号,且产生的光声信号是柱状波,光声显微成像***中用于拾取超声信号的超声探头是高频球面聚焦超声探头,且超声探头的声焦点远小于共聚焦光的光焦点,成像过程中聚焦的光路部分和超声探头进行二维扫描获取生物组织脉管***的光声信号;
(2)对原始三维成像数据进行图象预处理运算,获取成像的生物组织脉管***的分支脉管的骨架走向的特征信息;步骤(2)对原始三维成像数据进行图象预处理运算,获取成像的生物组织脉管***的分支脉管的骨架走向的特征信息,具体步骤为:当超声探头沿x、y方向进行二维扫描时,对两个扫描方向的孔径进行合成;将二维合成孔径运算后的光声显微成像数据沿着A线方向进行最大值投影,获得扫描平面内的血管投影成像数据;接着调整最大值投影图为8位灰度图,并适当调整图象的灰度范围,然后利用矩阵实验室(Matlab)语言编写的滤波程序对图象进行滤波,接着重新将滤波后的图象转化为8位灰度图,最后利用Matlab图象处理工具箱中的骨架特征中的提取函数来提取图象中分支脉管的特征信息;针对不同分支的脉管进行一阶线性拟合,获得不同分支脉管在二维扫描平面内与扫描方向的夹角即走向角θ;
(3)针对成像的生物组织脉管***的分支脉管的特征信息,对原始三维光声显微成像数据进行自适应合成孔径运算;
(4)获取经过自适应合成孔径运算后的生物组织脉管***的血管图像。
2、根据权利要求1所述的一种光声显微成像的自适应图像重建方法,其特征在于:步骤(3)针对成像的生物组织脉管***的分支脉管的特征信息,对原始三维光声显微成像数据进行自适应合成孔径运算,具体步骤为:针对不同分支脉管的走向角θ,在垂直脉管走向的方向将平面内一点(xi,yj)到立体角范围内的虚拟探测器的超声信号进行叠加,可以用下式描述:
其中表示实际接收的空间中某点的初始光声信号强度,表示光声信号从合成点到不同虚拟探测器位置时所经历的时间,表示空间中某点经过自适应合成孔径算法后的光声信号大小,N为沿合成方向的最大合成线数,上面式中的[]表示不大于某个数的最大整数,k是沿合成孔径方向的单位象素长度;
为了进一步的提高重建图象的分辨率和信噪比,提出适合于自适应合成孔径算法的相干权重因子:
其中各个参数的意义如上,这样对每个点进行自适应合成孔径算法后的信号强度可以表示成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110392620 CN102579073B (zh) | 2011-12-01 | 2011-12-01 | 一种光声显微成像的自适应图像重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110392620 CN102579073B (zh) | 2011-12-01 | 2011-12-01 | 一种光声显微成像的自适应图像重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102579073A CN102579073A (zh) | 2012-07-18 |
CN102579073B true CN102579073B (zh) | 2013-09-11 |
Family
ID=46468713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110392620 Expired - Fee Related CN102579073B (zh) | 2011-12-01 | 2011-12-01 | 一种光声显微成像的自适应图像重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102579073B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015219121A1 (de) * | 2015-10-02 | 2017-04-06 | Carl Zeiss Microscopy Gmbh | Mikroskopsteuerungsverfahren und Mikroskop |
CN109276229B (zh) * | 2018-08-15 | 2022-04-15 | 华中科技大学苏州脑空间信息研究院 | 一种用于光声显微成像的快速对焦***及方法 |
CN109765554A (zh) * | 2018-11-14 | 2019-05-17 | 北京遥感设备研究所 | 一种雷达前视成像***及方法 |
CN110558943B (zh) * | 2019-09-06 | 2022-03-04 | 中国科学院深圳先进技术研究院 | 光学成像方法、相关装置及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813672A (zh) * | 2010-03-30 | 2010-08-25 | 华南师范大学 | 一种基于面阵超声探测器的快速三维光声成像***及方法 |
US20100268042A1 (en) * | 2007-10-25 | 2010-10-21 | Washington University In St. Louis | Confocal photoacoustic microscopy with optical lateral resolution |
CN201624671U (zh) * | 2010-04-01 | 2010-11-10 | 江西科技师范学院 | 一种生物组织三维光声成像的装置 |
CN102188261A (zh) * | 2011-05-18 | 2011-09-21 | 中国科学技术大学 | 基于非衍射阵列波的合成孔径三维超声成像方法 |
-
2011
- 2011-12-01 CN CN 201110392620 patent/CN102579073B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100268042A1 (en) * | 2007-10-25 | 2010-10-21 | Washington University In St. Louis | Confocal photoacoustic microscopy with optical lateral resolution |
CN101813672A (zh) * | 2010-03-30 | 2010-08-25 | 华南师范大学 | 一种基于面阵超声探测器的快速三维光声成像***及方法 |
CN201624671U (zh) * | 2010-04-01 | 2010-11-10 | 江西科技师范学院 | 一种生物组织三维光声成像的装置 |
CN102188261A (zh) * | 2011-05-18 | 2011-09-21 | 中国科学技术大学 | 基于非衍射阵列波的合成孔径三维超声成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102579073A (zh) | 2012-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DiSpirito et al. | Reconstructing undersampled photoacoustic microscopy images using deep learning | |
Vu et al. | Deep image prior for undersampling high-speed photoacoustic microscopy | |
Singh et al. | Photoacoustic-guided focused ultrasound (PAFUSion) for identifying reflection artifacts in photoacoustic imaging | |
US9964747B2 (en) | Imaging system and method for imaging an object | |
CN102579073B (zh) | 一种光声显微成像的自适应图像重建方法 | |
KR20180013956A (ko) | 단일 추적 위치 전단파 탄성 이미징을 위한 방법, 시스템 및 컴퓨터 프로그램 제품 | |
KR20170041138A (ko) | 피검체 정보 취득장치 및 그 제어 방법 | |
US20130190594A1 (en) | Scanning Optoacoustic Imaging System with High Resolution and Improved Signal Collection Efficiency | |
Gao et al. | Deep learning-based photoacoustic imaging of vascular network through thick porous media | |
US11006929B2 (en) | Object information acquiring apparatus and signal processing method | |
WO2023039353A2 (en) | Real-time super-resolution ultrasound microvessel imaging and velocimetry | |
Gao et al. | Acoustic-resolution photoacoustic microscope based on compact and low-cost delta configuration actuator | |
Zhang et al. | Deep and domain transfer learning aided photoacoustic microscopy: acoustic resolution to optical resolution | |
CN112862924B (zh) | 多模态成像中图像重建方法、装置和多模态成像技术*** | |
Huang et al. | Review of low-cost light sources and miniaturized designs in photoacoustic microscopy | |
CN105249933A (zh) | 光声分子三维成像仪 | |
US11398061B2 (en) | Image information processing apparatus, display method and non-transitory computer-readable medium | |
Hyun et al. | A GPU-based real-time spatial coherence imaging system | |
Jaeger et al. | Iterative reconstruction algorithm for reduction of echo background in optoacoustic images | |
Favazza et al. | In vivo multiscale photoacoustic microscopy of human skin | |
Gao et al. | The effect of different center frequency of transducers on the photoacoustic tomography | |
Gao et al. | Compact and low-cost acoustic-resolution photoacoustic microscopy based on delta configuration actuator | |
Sharma et al. | Improving out-of-focus resolution in acoustic resolution photoacoustic microscopy using deep learning | |
CN112842264B (zh) | 多模态成像中数字滤波方法、装置和多模态成像技术*** | |
CN116363246A (zh) | 基于对偶学习的532/1064nm双波长光声显微成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130911 |
|
CF01 | Termination of patent right due to non-payment of annual fee |