Resumen

La técnica recientemente emergente de reconstrucción dispersa ha recibido mucha atención en el campo de la imagen fotoacústica (PAI). El muestreo comprimido (CS) tiene un gran potencial para reconstruir eficientemente imágenes de alta calidad de PAI con señales de muestreo dispersas. En este artículo, proponemos un algoritmo ReSL0 basado en CS y regularizado con tolerancia al error para la reconstrucción de imágenes de PAI, que tiene las mismas ventajas computacionales que el algoritmo SL0 pero con un mayor grado de inmunidad a la inexactitud causada por el ruido. Para evaluar el rendimiento del algoritmo ReSL0, reconstruimos el conjunto de datos simulados obtenido de tres fantasmas. Además, también se utiliza un conjunto de datos experimental real de un fantasma de agar para verificar la efectividad del algoritmo ReSL0. En comparación con tres algoritmos de CS basados en la norma L0, la norma L1 y la norma de variación total (TV) para la recuperación de señales y la reconstrucción

• Materias:Carcinoma hepatocelular Imágenes planas dinámicas Microambiente tumoral Biomarcador Imágenes coronarias
• Subjects:Hepatocellular carcinoma Dynamic planar imaging Tumor microenvironment Biomarker Coronary imaging
• Palabras claves:Técnica; Reconstrucción dispersa; Compresión sensorial; Imagen de PAI; Algoritmo ReSL0; Recuperación de señal
• Keywords:Technique; Sparse reconstruction; Compressed sensing; PAI imaging; ReSL0 algorithm; Signal recovery