CN107468250B - 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 - Google Patents
基于多尺度熵的生物组织太赫兹成像方法、系统和设备 Download PDFInfo
- Publication number
- CN107468250B CN107468250B CN201710718245.1A CN201710718245A CN107468250B CN 107468250 B CN107468250 B CN 107468250B CN 201710718245 A CN201710718245 A CN 201710718245A CN 107468250 B CN107468250 B CN 107468250B
- Authority
- CN
- China
- Prior art keywords
- terahertz
- entropy
- sample
- scale
- point
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 abstract description 5
- 210000001519 tissue Anatomy 0.000 description 48
- 210000003205 muscle Anatomy 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229920002521 macromolecule Polymers 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000515 tooth Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Toxicology (AREA)
- Radiology & Medical Imaging (AREA)
- Biochemistry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多尺度熵的生物组织太赫兹成像方法、系统和设备。该方法利用整个太赫兹时域光谱信号的信息,得到被测生物组织样品上各点在不同时间尺度下熵值的大小;再选取其中某个尺度下的熵值或对多个尺度下的熵值进行加和,从而重构出被测生物组织样品的太赫兹图像。本方法克服了传统的生物组织太赫兹成像方法仅利用了某个时间或频率点的光谱信息的局限性,提高了不同样品之间的成像对比度。
Description
技术领域
本发明涉及太赫兹波的生物组织成像应用领域,特别是涉及一种基于多尺度熵的生物组织太赫兹成像方法、系统和设备。
背景技术
太赫兹波具有光子能量低、穿透性强、频谱覆盖有机和生物大分子的振动和转动能级等特性,能够发掘出全新的光谱分析和成像检测技术,在医学和生物识别领域有重要的应用前景。并且其成像设备比起磁共振成像和计算机断层扫描成像等,简单、便携,可用于医学手术的实时导航。太赫兹成像作为一种新兴的研究生物组织特性和成像识别的手段,越来越多地引起关注。
太赫兹成像已经被应用到动物组织、人体牙齿、骨骼、乳腺癌、皮肤和黑色素瘤等多种生物组织样品的成像中,用来区分不同的组织成分和辅助辨析病变组织和正常组织。已有的用于生物组织太赫兹成像的方法,主要是基于太赫兹时域信号的最大值、最小值或峰峰值,或者基于相应的进行傅里叶变换后的频谱中某一个频率点的幅度值,或者基于与参考太赫兹信号进行比对计算后得出的某一个频率点的吸收系数或折射率的大小。
但是与常见的具有典型吸收峰的生物大分子不同,生物组织在太赫兹波段没有明显的特征吸收峰,在基于以上指标进行太赫兹成像时,不同组织尤其是病变组织样本和正常组织样本之间的成像对比度有待进一步显著提高,尤其是当成像系统的信噪比较低时。并且已有的用于生物组织太赫兹成像的方法往往仅利用了某一个时间点或者频率点下的信息,整个太赫兹信号的利用率和相应的成像区分度有待进一步提高。
发明内容
本发明要解决的技术问题是提供一种基于多尺度熵的生物组织太赫兹成像方法、系统和设备,利用整个太赫兹时域光谱信号的信息并计算其在不同时间尺度下的熵,从考虑与不同生物组织样品相互作用后太赫兹时域信号复杂性不同的角度,来显著提高不同生物组织之间的太赫兹成像对比度。
为达上述目的,具体地,本发明提供了以下的技术方案:
一方面,本发明提供了一种基于多尺度熵的生物组织太赫兹成像方法,其特征在于,所述方法包括:
步骤1、对被测样品进行二维成像,得到所述被测样品上各点的太赫兹时域信号;
步骤2、计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
步骤3、选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;该特定尺度可以是选取一个尺度,也可以是选取多个尺度,例如选取两个尺度,分别是尺度为5和尺度为10,具体选取数量,可以依据用户的比对需求进行设定;而具体选取的尺度的值,也是可以根据用户的比对需求进行调整的,此处不以此为限;
步骤4、将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像。
优选地,所述步骤2中计算各点的太赫兹时域信号的多尺度熵,为首先对太赫兹时域信号在不同时间尺度下进行粗粒化处理,然后在每个尺度下计算粗粒化后的时间序列的样本熵值的均值。
优选地,所述步骤2进一步包括:步骤201、针对长度为N的所述太赫兹时域信号,分别构造尺度为1~τt时的粗粒化时间序列,其中,当尺度为τ时,粗粒化时间序列的个数也为τ,其中,τt≥2,1≤τ≤τt;
步骤202、在每个尺度τ下,分别计算τ个粗粒化时间序列的样本熵值,并且进一步计算在尺度为τ时的熵值;
步骤203、重复所述步骤201至步骤202,计算所述被测样品上各点在尺度分别为1~τt时的熵值。
优选地,所述步骤201中,当尺度为τ时,第k个粗粒化时间序列为:
优选地,当尺度为τ时,第k个粗粒化时间序列中的第j个点的幅值通过下述方式计算:
优选地,所述步骤202中,当尺度为τ时,所述被测样品上该点的熵值为τ个粗粒化时间序列的样本熵值的平均值。
优选地,所述熵值通过下述方式计算:
其中m为模式维数,r为相似容限,SampEn表示样本熵值,MSE表示被测样品上的该点的太赫兹时域信号x在尺度为τ时的熵值。
优选地,所述步骤1中,对被测样品进行二维成像,采用太赫兹逐点扫描成像或太赫兹焦平面成像,并结合透射式成像或反射式成像。
优选地,所述步骤1中,所述样品为各种可进行离体或在体太赫兹成像的生物组织样品形式。
此外,本发明还提供了一种基于多尺度熵的生物组织太赫兹成像系统,其特征在于,所述系统包括:
成像模块,对被测样品进行二维成像,得到所述被测样品上各点的太赫兹时域信号;
熵值计算模块,用于计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
图像重构模块,选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;以及将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像;
结果比对模块,用于将不同所述被测样品的重构的太赫兹图像进行展示及比对。
优选地,所述熵值计算模块进一步包括:
粗粒化处理模块,对所述太赫兹时域信号在不同时间尺度下进行粗粒化处理;
熵均值计算模块,接收所述粗粒化处理模块的处理结果,并在每个尺度下计算粗粒化后的时间序列的样本熵值的均值。
优选地,所述粗粒化处理模块具体针对长度为N的所述太赫兹时域信号,分别构造尺度为1~τt时的粗粒化时间序列。
优选地,所述熵均值计算模块具体处理方式为:在每个尺度τ下,分别计算τ个粗粒化时间序列的样本熵值,进一步将τ个粗粒化时间序列的样本熵值进行平均得到在尺度为τ时的熵值。
此外,本发明还提供了一种生物组织样品成像设备,该设备包括:
显示器,用于展示图像及处理结果;
存储器,以及与所述显示器、存储器相连的处理器,所述处理器被配置为:
接收对被测样品进行二维成像得到的被测样品上各点的太赫兹时域信号;
并计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
以及,
选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像。
本发明与现有技术不同之处在于本发明取得了如下技术效果:
本方法克服了已有的用于生物组织太赫兹成像的方法往往仅利用了某一个时间点或者频率点下的信息,整个太赫兹信号的利用率和相应的成像区分度较低的问题。本方法对与生物组织样品作用后的整个太赫兹时域光谱信号在不同时间尺度下计算熵值大小,在多个尺度下衡量生物组织太赫兹信号的复杂度,获得更多的生物组织样品的内部信息,使得不同生物组织太赫兹成像对比度显著提高,达到了有益的技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明计算生物组织太赫兹时域信号多尺度熵的流程图;
图2为尺度为3时对太赫兹时域信号进行粗粒化示意图;
图3为对猪颈部皮肤组织样品和肌肉组织样品进行太赫兹反射成像时典型时域信号和多尺度熵的结果;
图4为分别基于太赫兹时域信号和多尺度熵值大小对猪颈部皮肤组织样品和肌肉组织样品进行二维逐点扫描太赫兹反射成像的结果。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本领域技术人员应当知晓,下述具体实施例或具体实施方式,是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式,而该些设置方式之间均是可以相互结合或者相互关联使用的,同时,下述的具体实施例或实施方式仅作为最优化的设置方式,而不作为限定本发明的保护范围的理解。
实施例1:
以下结合附图和实施例,对本发明上述的和另外的技术特征和优点作更详细的说明。
图1和图2分别为本发明中计算生物组织样品上某点太赫兹时域信号多尺度熵的流程图,以及示例性将尺度设定为3时对时域信号进行粗粒化的示意图,设定x={x1,x2,…,xN}表示长度为N的太赫兹时域信号,表示在尺度为τ时第k个粗粒化的时间序列,相应的其中第j个点的幅值大小为 “INT”表示取的整数部分。在尺度为τ时,生物组织上该点的熵值大小为τ个粗粒化时间序列的样本熵值的平均值,通过下面的公式进行计算,即
其中,m为模式维数,r为相似容限,通常情况下,m=2,r=0.15σ,σ为该点太赫兹时域信号的标准差,此时,样本熵值(SampEn)的大小对序列长度的依赖性最小。MSE表示被测样品上的该点的太赫兹时域信号x在尺度为τ时的熵值。
以对猪颈部皮肤组织样品和肌肉组织样品进行太赫兹反射成像为例,进一步说明本发明的优势。图3为典型时域信号和尺度从1到10的多尺度熵的结果,通过对两种不同组织的时域信号和多尺度熵的结果进行比对分析,可以看出,虽然皮肤和肌肉组织的太赫兹时域信号的差异较小,但是在不同尺度下的熵值均具有明显的差异。
在一个具体的实施例中,采用二维逐点扫描结合反射成像的方式,对猪颈部皮肤组织样品和肌肉组织样品进行成像,具体步骤如下:(1)分别对被测猪颈部皮肤组织样品和肌肉组织样品进行二维成像,得到被测样品上各点的太赫兹时域信号;(2)在尺度从1到10的区间内,计算被测生物组织样品上各点的时域光谱信号的多尺度熵,得到被测样品上各点在不同尺度下熵值的大小;(3)选取尺度5和10下的熵值,重构出被测生物组织样品的太赫兹图像;(4)对尺度从1到10的熵值进行加和,重构出被测生物组织样品的太赫兹图像。
为进行对比分析本发明的优势,同时选取太赫兹时域信号的最大幅度值和峰峰值(最大幅度值减去最小幅度值),重构出被测生物组织样品的太赫兹图像。同时,在每个成像指标中,以肌肉组织中的最大值为阈值,当相应的皮肤组织中某点的成像指标大小大于阈值时,该点的强度设定为1;小于等于阈值时,该点的强度设定为0,可以得到每个成像指标对应的二值差分图像,如图4所示。
从成像结果可以看出,由于本发明利用了整个太赫兹时域信号的信息,在多个尺度下衡量生物组织太赫兹信号的复杂度,获得了更多的生物组织样品的内部信息,相比传统的仅利用了某一个时间点或者频率点下的信息对生物组织进行成像的方法,不同生物组织之间的成像对比度显著提高,达到了有益的技术效果。并对生物组织太赫兹成像提供了一个新的成像指标,促进了本领域的发展。
实施例2:
在又一个具体的实施例中,本发明还提供了一种基于多尺度熵的生物组织太赫兹成像系统,该系统包括:
成像模块,对被测样品进行二维成像,得到所述被测样品上各点的太赫兹时域信号;
熵值计算模块,用于计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
图像重构模块,选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;以及将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像;
结果比对模块,用于将不同所述被测样品的重构的太赫兹图像进行展示及比对。
在一个具体的实施方式中,上述成像模块将成像信号发送至熵值计算模块,图像重构模块以及结果比对模块,依据用户需求可以确定在结果比对模块上进行展示与否;熵值计算模块将处理后的数据发送给图像重构模块进行重构处理,并将重构处理结果发送给结果比对模块,以展示给用户。
在一个具体的实施方式中,该系统还包括输入模块,用于与用户进行交互,并获取来自用户的输入数据,例如对参数的调整数据、已有的成像数据的上传等。
在一个具体的实施例中,该系统还可以包括一数据输出模块,可以将各个阶段的数据结果打印、发送或者以其他方式展示给用户,以供用户使用。
在一个具体的实施方式中,所述熵值计算模块进一步包括:
粗粒化处理模块,对所述太赫兹时域信号在不同时间尺度下进行粗粒化处理;
熵均值计算模块,接收所述粗粒化处理模块的处理结果,并在每个尺度下计算粗粒化后的时间序列的样本熵值的均值。
在一个具体的实施方式中,所述粗粒化处理模块具体针对长度为N的所述太赫兹时域信号,分别构造尺度为1~τt时的粗粒化时间序列;
所述熵均值计算模块具体处理方式为:在每个尺度τ下,分别计算τ个粗粒化时间序列的样本熵值,进一步将τ个粗粒化时间序列的样本熵值进行平均得到在尺度为τ时的熵值;
重复上述步骤,计算所述被测样品上各点在尺度分别为1~τt时的熵值。
应当指出的是,该实施例中的系统,可以执行如实施例1中所述的方法。
实施例3:
在又一个具体的实施例中,本发明还提供了一种基于多尺度熵的生物组织太赫兹成像设备,该设备包括:
显示器,用于展示图像及处理结果;
存储器,以及与所述显示器、存储器相连的处理器,所述处理器被配置为:
接收对被测样品进行二维成像得到的被测样品上各点的太赫兹时域信号;
并计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
以及,
选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像。
应当指出的是,该实施例中的设备,可以执行如实施例1中所述的方法,或者包含或搭载有如实施例2中所述的系统。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于多尺度熵的生物组织太赫兹成像方法,其特征在于,所述方法包括:
步骤1、对被测样品进行二维成像,得到所述被测样品上各点的太赫兹时域信号;
步骤2、计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
步骤3、选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;
步骤4、将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像,
其中,所述步骤2进一步包括:
步骤201、针对长度为N的所述太赫兹时域信号,分别构造尺度为1~τt时的粗粒化时间序列,其中,当尺度为τ时,粗粒化时间序列的个数也为τ,其中,τt≥2,1≤τ≤τt;
步骤202、在每个尺度τ下,分别计算τ个粗粒化时间序列的样本熵值,并且进一步计算在尺度为τ时的熵值;
步骤203、重复所述步骤201至步骤202,计算所述被测样品上各点在尺度分别为1~τt时的熵值,
所述步骤201中,当尺度为τ时,第k个粗粒化时间序列为:
3.根据权利要求1所述的方法,其特征在于,所述步骤202中,当尺度为τ时,所述被测样品上该点的熵值为τ个粗粒化时间序列的样本熵值的平均值。
5.根据权利要求1所述的方法,其特征在于,所述步骤1中,对被测样品进行二维成像,采用太赫兹逐点扫描成像或太赫兹焦平面成像,并结合透射式成像或反射式成像。
6.一种应用权利要求1-5项任一方法的基于多尺度熵的生物组织太赫兹成像系统,其特征在于,所述系统包括:
成像模块,对被测样品进行二维成像,得到所述被测样品上各点的太赫兹时域信号;
熵值计算模块,用于计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
图像重构模块,选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;以及将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像;
结果比对模块,用于将不同所述被测样品的重构的太赫兹图像进行展示及比对。
7.根据权利要求6所述的系统,其特征在于,所述熵值计算模块进一步包括:
粗粒化处理模块,对所述太赫兹时域信号在不同时间尺度下进行粗粒化处理;
熵均值计算模块,接收所述粗粒化处理模块的处理结果,并在每个尺度下计算粗粒化后的时间序列的样本熵值的均值。
8.一种应用权利要求1-5项任一方法的基于多尺度熵的生物组织太赫兹成像设备,其特征在于,所述设备包括:
显示器,用于展示图像及处理结果;
存储器,以及与所述显示器、存储器相连的处理器,所述处理器被配置为:
接收对被测样品进行二维成像得到的被测样品上各点的太赫兹时域信号;
并计算所述各点的太赫兹时域信号的多尺度熵,得到被测样品上各点在不同尺度下的熵值;
以及,
选取特定尺度下的所述熵值,重构所述被测样品的太赫兹图像;将多个尺度下的所述熵值进行加和,重构所述被测样品的太赫兹图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710718245.1A CN107468250B (zh) | 2017-08-21 | 2017-08-21 | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710718245.1A CN107468250B (zh) | 2017-08-21 | 2017-08-21 | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107468250A CN107468250A (zh) | 2017-12-15 |
CN107468250B true CN107468250B (zh) | 2020-11-03 |
Family
ID=60602091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710718245.1A Active CN107468250B (zh) | 2017-08-21 | 2017-08-21 | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107468250B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660120B (zh) * | 2018-06-12 | 2021-06-15 | 清华大学 | 太赫兹光谱图像数据的处理方法、装置、设备和存储介质 |
CN109528187A (zh) * | 2018-11-06 | 2019-03-29 | 河海大学常州校区 | 一种用于时间序列复杂度评估的多尺度增量熵算法 |
CN111693469B (zh) * | 2020-04-30 | 2023-03-14 | 新绎健康科技有限公司 | 一种测试光路系统稳定性的方法及系统 |
CN113624710A (zh) * | 2021-09-16 | 2021-11-09 | 首都师范大学 | 一种液体物质成分变化的太赫兹信息识别方法及其应用 |
CN114202921B (zh) * | 2021-12-09 | 2023-08-04 | 洛阳师范学院 | 交通流量的多尺度符号动态熵分析方法 |
CN114386455A (zh) * | 2021-12-15 | 2022-04-22 | 深圳先进技术研究院 | 一种基于经验小波变换的太赫兹成像方法、系统和设备 |
-
2017
- 2017-08-21 CN CN201710718245.1A patent/CN107468250B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107468250A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107468250B (zh) | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 | |
Lim et al. | Confocal microwave imaging for breast cancer detection: Delay-multiply-and-sum image reconstruction algorithm | |
Zhu et al. | Stroke classification in simulated electromagnetic imaging using graph approaches | |
CN111537931B (zh) | 快速磁共振多参数成像方法和装置 | |
CN110148195B (zh) | 一种磁共振图像生成方法、系统、终端及存储介质 | |
CN107346541B (zh) | 一种基于超声射频时间序列小波分析的组织定征方法 | |
CN105488781A (zh) | 一种基于ct影像肝脏肿瘤病灶的分割方法 | |
WO2021098690A1 (zh) | 定量磁共振成像参数确定方法、装置、设备及存储介质 | |
Liu et al. | Detection of heterogeneity on multi-spectral transmission image based on multiple types of pseudo-color maps | |
Prasad et al. | DeepUCT: Complex cascaded deep learning network for improved ultrasound tomography | |
Ji et al. | Spectral Wavelet‐feature Analysis and Classification Assisted Denoising for enhancing magnetic resonance spectroscopy | |
US6785570B2 (en) | System and method for analysis of a tissue | |
Zhang et al. | Multispectral heterogeneity detection based on frame accumulation and deep learning | |
Ouchi et al. | Reconstruction of compressed-sensing MR imaging using deep residual learning in the image domain | |
Abbey et al. | Evaluation of non-Gaussian statistical properties in virtual breast phantoms | |
Mohebbian et al. | Classifying MRI motion severity using a stacked ensemble approach | |
Wang et al. | Denoising magnetic resonance spectroscopy (MRS) data using stacked autoencoder for improving signal‐to‐noise ratio and speed of MRS | |
Oh et al. | A neural framework for multi-variable lesion quantification through b-mode style transfer | |
Hua et al. | Sparse‐View Ultrasound Diffraction Tomography Using Compressed Sensing with Nonuniform FFT | |
Li et al. | Learning ADC maps from accelerated radial k‐space diffusion‐weighted MRI in mice using a deep CNN‐transformer model | |
CN113391250B (zh) | 组织属性的多参数定量测试系统及其方法 | |
Chen et al. | Preserving-texture generative adversarial networks for fast multi-weighted MRI | |
Roy-Cardinal et al. | Homodyned K-distribution parametric maps combined with elastograms for carotid artery plaque assessment | |
Noda et al. | Blind signal separation for fast ultrasound computed tomography | |
Li et al. | Using signal-to-noise ratio to connect the quality assessment of natural and medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |