Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2486| Optimización de la Reconstrucción de Imagen para Tomografía Fotoacústica Utilizando Aprendizaje Profundo | |
| Juan Josafat Zétera Díaz | |
| Raquel Diaz Hernandez | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Photoacoustics Deep Learning Reconstruction Neural Networks Image Enhancement | |
| En esta tesis se describen los resultados obtenidos en la mejora de sinogramas de tomografía fotoacústica utilizando aprendizaje profundo y el método de reconstrucción Time Reversal . Estos resultados pueden ser de gran utilidad para generar imágenes de tomografía fotoacústica que presenten mejor calidad que las obtenidas sin usar ningún método de mejora. La investigación considera las redes mayormente utilizadas en la mejora de imágenes de tomografía fotoacústica. Las redes seleccionadas se entrenaron con el fin de disminuir el ruido que se presenta en los sinogramas de manera natural dado en la fase de adquisición de los datos (muestreo), para posteriormente reconstruir el sinograma y generar una imagen final con mayor calidad, se presenta la generación de datos sintéticos (sinogramas) generados a través de software (K-wave de Matlab) que sirven como base para realizar las pruebas con las distintas redes. Las redes que se utilizaron para este trabajo son: Super-Resolution Convolutional neural network (SRCNN), Convolutional Neural Network model Rectified Linear Unit (U-net RELU), Convolutional Neural Network model Exponential linear unit (U-net ELU), y una red U-net Hibrida. En el trabajo se generaron sinogramas de una serie de imágenes con distintos niveles de ruido las cuales se usaron de base para probar las distintas redes y comparar las imágenes reconstruidas entre el método de retroproyección lineal y el método propuesto time reversal, y así conocer si existe una mejora de la imagen final. La tesis muestra una mejora de la imagen reconstruida utilizando el método de reconstrucción time reversal frente al método de reconstrucción de retroproyección lineal, arrojando resultados positivos para la red SRCNN y la red U-net hibrida. This thesis describes the results obtained in the enhancement of photoacoustic tomography sinograms using deep learning and the Time Reversal reconstruction method. These results can be very useful to generate photoacoustic tomography images that present better quality than those obtained without using any enhancement method. The research considers the networks mostly used in the enhancement of photoacoustic tomography images. The selected networks were trained in order to reduce the noise that is naturally present in the sinograms during the data acquisition phase (sampling), to later reconstruct the sinogram and generate a final image with higher quality, the generation of synthetic data (sinograms) generated through software (K-wave of Matlab) is presented, which serve as a basis for testing the different networks. The networks used for this work are: Super-Resolution Convolutional neural network (SRCNN), Convolutional Neural Network model Rectified Linear Unit (U-net RELU), Convolutional Neural Network model Exponential linear unit (U-net ELU), and a Hybrid U-net. In the work were generated sinograms of a series of images with different noise levels which were used as a basis for testing the different networks and compare the reconstructed images between the linear back projection method and the proposed time reversal method, and thus to know if there is an improvement of the final image. The thesis shows an improvement of the reconstructed image using the time reversal reconstruction method versus the linear back projection reconstruction method, yielding positive results for the SRCNN and the hybrid U-net. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| 2023-02 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Zétera Díaz J. J., (2023), Optimización de la Reconstrucción de Imagen para Tomografía Fotoacústica Utilizando Aprendizaje Profundo, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| OTRAS ESPECIALIDADES MÉDICAS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias y Tecnologías Biomédicas |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| ZETERADJJ_MCTB.pdf | 4.15 MB | Adobe PDF | Visualizar/Abrir |