一、地震成像与空间成像、医学成像的交叉与融合（论文文献综述）
左超,陈钱[1]（2022）在《计算光学成像：何来，何处，何去，何从？》文中研究指明计算光学成像是一种通过联合优化光学系统和信号处理以实现特定成像功能与特性的新兴研究领域。它并不是光学成像和数字图像处理的简单补充，而是前端（物理域）的光学调控与后端（数字域）信息处理的有机结合，通过对照明、成像系统进行光学编码与数学建模，以计算重构的方式获取图像与信息。这种新型的成像方式将有望突破传统光学成像技术对光学系统以及探测器制造工艺、工作条件、功耗成本等因素的限制，使其在功能（相位、光谱、偏振、光场、相干度、折射率、三维形貌、景深延拓，模糊复原，数字重聚焦，改变观测视角）、性能（空间分辨、时间分辨、光谱分辨、信息维度与探测灵敏度）、可靠性、可维护性等方面获得显着提高。现阶段，计算光学成像已发展为一门集几何光学、信息光学、计算光学、现代信号处理等理论于一体的新兴交叉技术研究领域，成为光学成像领域的国际研究重点和热点，代表了先进光学成像技术的未来发展方向。国内外众多高校与科研院所投身其中，使该领域全面进入了“百花齐放，百家争鸣”的繁荣发展局面。作为本期《红外与激光工程》——南京理工大学专刊“计算光学成像技术”专栏的首篇论文，本文概括性地综述了计算光学成像领域的历史沿革、发展现状、并展望其未来发展方向与所依赖的核心赋能技术，以求抛砖引玉。
王革,李亮[2]（2022）在《X射线成像和深度学习的交叉融合》文中研究指明作为人工智能（artificial intelligence,AI）的主流,深度学习在计算机视觉、图像多尺度特征提取领域已有所进展。2016年以来,深度学习方法在计算机断层成像（从积分特性,如线积分,实现内部结构的图像重建）方面也取得了进步。总体而言,在人工智能领域,尤其是基于人工智能的成像领域,令人兴奋的前景和挑战并存,包括准确性、鲁棒性、泛化性、可解释性等一系列问题。基于2021年8月2日SPIE Optics+Photonics上的大会邀请报告,本文介绍X射线成像和深度学习的背景,低剂量CT、稀疏数据CT、深度影像组学的代表性成果,讨论对于X射线CT、其他成像模式以及多模态成像而言,数据驱动和模型驱动方法融合带来的机会,以期显着促进精准医疗的进步。
湖北省人民政府[3]（2021）在《湖北省人民政府关于印发湖北省科技创新“十四五”规划的通知》文中指出鄂政发[2021]18号各市、州、县人民政府,省政府各部门:现将《湖北省科技创新"十四五"规划》印发给你们,请结合实际,认真贯彻执行。2021年9月24日湖北省科技创新"十四五"规划目录第一章塑造在全国科技创新版图中的领先地位一、发展形势二、指导思想三、基本原则四、主要目标第二章构建全域科技创新新格局一、全力争创武汉国家科技创新中心和湖北东湖综合性国家科学中心二、高标准建设以东湖科学城为核心的光谷科技创新大走廊
柯子文[4]（2021）在《基于深度学习的磁共振动态成像》文中提出磁共振成像（Magnetic Resonance Imaging,MRI）由于无电离辐射、非侵入式和高软组织对比度等优点,成为一种重要的医学成像技术。但是磁共振的原始数据是在k空间中顺序获取的,而k空间的遍历速度受到生理和硬件的限制,导致数据采集过程十分缓慢。长时间的数据采集不仅会导致因扫描对象轻微移动而产生的运动伪影,同时也增加了成像成本和采集难度。目前,对k空间进行欠采样来加速扫描,是MRI快速成像的重要策略。动态磁共振成像（Dynamic Magnetic Resonance Imaging,dMRI）能够同时提供时间-空间信息,被广泛应用于心脏成像、介入治疗、声道检测、癌症评定等临床应用中。但是,dMRI需要权衡时间分辨率、空间分辨率和空间覆盖,使得加速dMRI成为磁共振成像中最具挑战的技术之一。在过去的几十年中,并行成像（Parallel Imaging,PI）、压缩感知（Compressed Sensing,CS）、低秩（Low Rank,LR）矩阵完备化、流形学习（Manifold Learning,ML）等方法在解决这一挑战方面取得了重大进展。这些方法利用动态信号的空间位置先验、稀疏先验、低秩先验等,构建重建模型,通过优化算法对构建的模型进行求解,从而得到重建的磁共振图像。但是,这些方法加速倍数有限,超参数的调节繁琐冗长、求解时间长等局限性阻碍了其在临床上的应用。最近,深度学习（Deep Learning,DL）方法在加速dMRI中取得了一定的成功,有望解决上述局限性。这些DL的方法,利用大量全采样数据训练神经网络,来学习从欠采样图像到全采样图像的映射关系。在测试阶段,将欠采样图像输入到训练好的神经网络中,神经网络便可以输出重建图像。但是,DL方法在dMRI上的重建性能仍有改进空间:（1）当前的DL方法仅仅在图像域提取特征,未充分利用k空间数据的频率域特征;（2）神经网络的构建仅仅利用数据的稀疏先验,被广泛认可的低秩先验没有被利用;（3）当前的流形学习方法,仅仅将流形假设作为一种正则化约束,它们在欧式空间中的优化轨迹没有契合非线性流形结构;（4）当前的DL方法依赖于高质量的全采动态数据,但是dMRI数据的获取是十分困难的,需要耗费大量人力物力。本文围绕加速dMRI这一关键技术问题,针对上述局限性,研究基于深度学习的磁共振动态成像技术,主要研究工作和成果有:·稀疏驱动:交叉域多监督卷积神经网络,用于提取频率域和图像域特征基于DL的神经网络方法尽管有效地缓解了传统迭代方法重建速度慢、参数难调等局限性,但是它们均在图像域构建整个网络,没有充分地利用频率域信息。本文基于级联卷积神经网络,搭建了交叉域（频率域-图像域）学习模型。这种交叉域模型,通过频率域网络及图像域网络的交替,能够同时学习频率域与图像域特征,充分结合频率域与图像域信息。频率域网络用于预测全采的k空间,图像域网络用于提取图像特征,两个网络通过傅里叶逆变换进行连接。频率域网络和图像域网络均使用了数据一致层,用于纠正k空间数据。同时,引入多监督损失函数技术,对不同阶段的重建结果加以约束,保证不同网络深度的重建结果尽可能地近似全采图像。与目前主流的CS和DL方法进行对比,本文提出的方法能够获得更高质量的重建结果。·低秩驱动:基于稀疏低秩先验的神经网络,用于将动态信号的低秩先验结合到深度学习方法中动态信号的低秩先验己经在传统优化方法中得到了很好的验证。但是,目前主流的基于DL的dMRI加速方法,仅仅利用了信号的稀疏先验,动态信号的低秩先验没有在DL方法中进行过探索。本文提出了一种新型的基于深度低秩先验的卷积神经网络。具体地,磁共振心脏电影图像的欠采重建任务被建模为多约束优化问题,该优化求解问题包括数据一致约束、稀疏约束、低秩约束。利用ISTA算法对该优化问题进行求解,得到迭代求解步骤。然后,我们将迭代求解过程展开到神经网络中,利用神经网络学习优化问题中的超参数、仿射变换。最终,我们获得基于稀疏低秩模型的神经网络SLR-Net。大量的实验（单/多通道、回顾性/前瞻性重建、不同采样方式）表明,本文提出SLR-Net能够显着地提升dMRI重建质量。这是基于深度学习的低秩先验在动态MR成像中的首次尝试,有望推广至其它动态应用中。·流形驱动:深度流形神经网络,将流形上的黎曼优化引入到深度学习方法中流形学习假设动态MR图像在低维光滑流形上是近邻的点,并将这一假设作为正则化项嵌入到压缩感知框架中。图像帧与帧之间的相关性由流形非线性拓扑结构刻画。但是,现有的流形正则化方法在线性欧式空间求解,优化轨迹没有契合流形的非线性拓扑结构,容易导致收敛慢、重建误差大等问题。本文提出了一种新颖的深度流形神经网络。具体地,我们设计了一种固定秩流形,并在该流形上构建优化模型。然后,利用黎曼优化技术对流形上的优化问题进行求解,求解过程包括梯度计算、切平面投影、回撤至流形等过程。然后,我们将得到的流形优化过程展开到神经网络中,利用神经网络学习流形优化中的超参数和变换,得到流形网络Manifold-Net。与传统的压缩感知方法和目前主流的深度学习方法相比,Manifold-Net实现了在12倍加速下的高质量重建。这是流形上的黎曼优化首次与DL的结合,为低秩先验在动态成像中的应用提供了一种新的技术路线。·无监督驱动:基于时间交叉采样的无监督学习技术,避免对全采数据的采集DL-dMRI方法,需要大量高质量全采图像作为参考,来训练网络模型。但是,心脏电影数据库的建立是十分困难且成本昂贵的。另外,当前的DL-dMRI方法利用通道融合后的单通道数据进行训练,导致通道间的相关性没有被利用。本文提出了一种基于时间交叉采样的无监督学习技术。具体地,基于时间交叉采样的相邻帧的k空间数据进行合并,构造“全编码”k空间数据。然后,利用这些“全编码”k空间数据网络训练并行网络,以对每个通道的图像进行重建。最后,每个通道的重建图像通过一个通道融合网络进行合并,探索通道间的相关性。与目前主流的CS方法对比,本文提出的方法能够在极短的时间内获取质量更好的重建图像。本文的研究工作,推动了动态磁共振成像的理论完善和应用推广:交叉域信息得到有效的利用,多监督技术改善了各级重建结果;首次将低秩先验引入到动态成像深度学习方法中;首次把流形上的黎曼优化与深度学习方法进行结合;探索了无监督学习技术用于动态磁共振成像的可行性。
张菊敏[5]（2021）在《新型钆基多功能造影剂的构建与性质研究》文中研究表明磁共振成像（Magnetic resonance imaging,MRI）是目前广泛应用于生命科学研究和临床医学诊断的最重要的影像学工具之一,具有无电离辐射、软组织对比度高、无损伤、空间分辨率较高等特点。计算机断层扫描（Computed tomography,CT）在生物医学领域是最有力的成像技术之一,CT成像技术具有高的密度分辨率和良好的组织穿透能力,能够得到精确的三维骨骼成像信息。MRI与CT组合在一起具有重要的临床意义。而稀土掺杂的上转换纳米颗粒是一种新型发光材料,由于其独特的发光特性而被广泛应用,它可以在808 nm、980 nm的近红外光激发下实现紫外或者可见光的上转换荧光发射。而上转换荧光具有荧光寿命长、生物组织穿透深、化学稳定性好、对生物样本光损伤小、无背景荧光的干扰等良好的性能,因此上转换纳米颗粒在生物标记和成像、免疫分析、红外传感器等方面具有巨大的应用前景。钆基造影剂是一类广泛应用于临床疾病诊断和相关研究的磁共振成像造影剂。但是目前的钆基造影剂弛豫效率并不高,需要改进其造影能力、选择性和生物兼容性。因此,制备多功能的造影剂成为钆基造影剂研究领域的新前景。本文针对含钆造影剂,结合稀土掺杂的上转换发光（Upconversion luminescence,UCL）、计算机断层扫描（CT）、磁共振成像（MRI）等分子影像技术的特点,开展了以下几个方面的工作:本论文的第二章研究内容中,设计、合成并测试了一种新型的基于有机钆纳米颗粒的磁共振造影剂。以1,2-氨基硫醇与氰基的缩合反应为基础,成功合成了粒径在8～23 nm范围内的有机钆纳米颗粒。该有机钆纳米颗粒作为磁共振造影剂时,随着时间的推移,其纵向弛豫逐渐减弱,同时,其横向弛豫先增强后逐渐减弱,这与钆纳米颗粒粒径增大有关。有机钆纳米颗粒这种纵向弛豫和横向弛豫随时间变化的性质表明它有成为一种先进的T1-T2双模态MRI造影剂的潜力。本论文的第三章研究内容中,对比了两种合成NaErF4@NaGdF4核壳结构纳米颗粒的制备方法,分别是氯化物溶剂热法和氧化物溶剂热法。其中氯化物溶剂热法合成的六方相稀土氟化物化学性质更稳定。此外,我们还讨论了不同核壳比对NaErF4@NaGdF4核壳结构纳米颗粒的发光性质、磁共振造影和CT造影能力的影响,筛选出最佳核壳比的NaErF4@NaGdF4核壳结构纳米颗粒。本论文的第四章研究工作是在第三章研究工作的基础上,将第三章中筛选出的NaErF4@NaGdF4核壳结构纳米颗粒用于UCL、MRI和CT三模态成像。为了弥补单一成像模态的不足,需要结合多种生物成像技术才能实现对疾病的全方位监测。我们设计的NaErF4@NaGdF4核壳结构纳米颗粒,包覆的活性壳NaGdF4中含有Gd,为MRI成像提供可能;Er具有增强CT造影的效果;其次Er具有丰富的能级和独特的4f电子结构,所以NaErF4是研究上转换发光的理想核。该成像探针可用于UCL、MRI和CT三模态成像。综上所述,我们设计和构建了基于动态有机钆纳米颗粒和NaErF4@NaGdF4纳米颗粒的多功能纳米造影剂,可进行双模态或多模态成像应用于疾病检测。
江牧遥[6]（2021）在《基于深度学习的阿尔茨海默症MRI图像分类研究与实现》文中指出阿尔茨海默病（Alzheimer’s Disease,AD）是一种常见于老年人的不可逆转的神经退行性疾病。特征表现以进行性记忆丧失和认知障碍为主,并伴随有人格变化等特点。轻度认知障碍（Mild Cognitive Impairment,MCI）是介于AD和正常人（Normal Control,NC）之间的早期病理状态。目前对AD患者还不存在有效的药物可以完全治愈,如果能进行预防性干预,那么患者的病理情况可以得到更好的控制,因此早期准确诊断MCI和AD患者对减缓病情发展具有重大现实意义。磁共振成像（Magnetic Resonance Imaging,MRI）是一种无创的成像技术,对于AD患者大脑结构的改变具有突出的成像效果。在医学分类任务中,深度学习可避免人工特征选取的复杂问题和数据的高维度灾难问题,因此,本文基于深度学习实现对阿尔茨海默病MRI图像的分类研究:1.基于分块置信度和密集连接网络的阿尔茨海默病分类方法首先对原始MRI进行数据预处理,并沿着矢状面、冠状面、横断面三个轴向提取切片,根据阿尔茨海默病的病变区域在切片位置的分布,每个3D MRI样本选取了能够明显辨识到病变特征的三张2D切片。其次,通过引入密集连接的思想,设计了基于2D数据的密集连接网络模型。将选取的2D MRI切片通过分块置信度算法实现自动剪裁以扩增数据集,最后利用分块后的子图像进行模型训练,从而展开分类实验。结果表明,本文提出的数据扩增算法解决了传统扩增方法会导致图像细节信息丢失的问题,并且分类模型在AD vs.NC和MCI vs.NC两组二分类任务中准确率分别达到了90.16%和78.03%。2.基于注意力机制和残差密集网络的阿尔茨海默病分类方法首先本文考虑到残差网络对原始低层信息可以多次利用的机制,通过密集连接融合残差思想设计了基于残差密集网络的分类模型;其次考虑注意力机制能够实现对网络不同层的信息给予不同权重,从而聚焦于寻找与分类任务相关度高的图像特征区域,在残差密集网络的结构上提出一种应用在多层连接网络的注意力机制。最后将注意力模块嵌入残差密集网络,设计出残差密集注意力网络模型进行阿尔茨海默病的分类。最终在AD vs.NC和MCI vs.NC两组二分类任务的准确率分别达到94.71%、81.90%。综上所述,本文对阿尔茨海默病的MRI图像设计了多个不同架构的卷积神经网络模型,并研究了深度学习网络应用于阿尔茨海默病分类的方法实现。通过实验,分析了不同结构的网络设计和不同数据扩增方法对分类结果的影响。实验表明,提出的基于分块置信扩增算法和残差密集注意力网络的阿尔茨海默病分类模型在结果上表现较好,解决了卷积神经网络中利用特征信息不够充分的问题,并能够获取更为有效的特征图像信息。提高了AD vs.NC和MCI vs.NC分类任务的准确率。
齐硕[7]（2021）在《肝癌演进关键节点光声多模跨尺度成像、边界界定、关键分子功能在体可视化及早诊早治的实验研究》文中提出研究背景根据世界卫生组织国际癌症研究机构的数据统计,2020年全球新发肝癌病例数为91万例,因肝癌死亡病例数为63万例,目前肝癌属于全球发病第六位、死亡原因第三位的恶性肿瘤。且肝癌病人的整体5年生存率不足18%,主要是临床上的影像学检查手段主要聚焦于形态学诊断,缺乏从分子、细胞层面对早期肝癌进行精准诊治的技术手段。随着分子影像诊断技术的发展,光声成像应运而生。因其涵盖了声学成像的高穿透深度及光学成像的高分辨率,尤其是近红外二区（NIR-Ⅱ）光声成像的更大穿透深度等优势,在位置较深、血供丰富的肝癌组织中成像具有很大的应用前景。近年来,肝癌光声成像研究主要聚焦于肝癌形成以后的研究,但关于早期肝癌演进过程中局部血管新生、血流、血氧等变化的研究很少。基于上述临床问题,本研究拟对肝癌演进关键节点进行光声多模成像及关键分子功能在体可视化研究,以实现真正意义上的肝癌早诊早治。目的拟通过光声多模成像设备探索肝癌演进过程中分子、细胞层面的变化情况;随后制备新型NIR-Ⅱ肝癌特异性光声纳米探针并进行早期肝癌关键分子功能在体可视化诊疗的研究。方法本研究将利用光声多模成像设备光声断层成像（PACT）及声学分辨率光声显微成像（AR-PAM）监测裸鼠皮下从HepG2肝癌细胞种植到早期肝癌形成过程中局部血管、血流、血氧层面的变化趋势,探索早期肝癌形成的时间点;基于上述研究的肝癌模型,通过将聚多巴胺包裹铂粒子、PEG修饰及外接CXCR4靶点,合成了一种具有NIR-Ⅱ光声及光热性能的肝癌特异性靶向纳米探针Pt@PDA-c,验证其体外表征及细胞层面的性能后,在裸鼠肝癌模型实施关键分子的功能在体可视化及非侵入NIR-Ⅱ光热治疗。结果本研究使用光声多模成像设备（AR-PAM及PACT）初步探索出裸鼠皮下从HepG2肝癌细胞种植到早期肝癌形成过程中的血管新生、血红蛋白浓度及血氧饱和度升高的时间平均为120～168小时;成功制备了肝癌特异性靶向纳米探针Pt@PDA-c,验证了其合适的粒径（150 nm）、良好的光声成像、光热治疗性能、良好的生物相容性及稳定性等;验证其细胞层面的疗效后,在裸鼠皮下及原位小肝癌模型成功实施了关键分子CXCR4的功能在体可视化、非侵入NIR-Ⅱ光热消融治疗及疗效评估的研究。结论本研究探索了裸鼠皮下肝癌细胞种植到早期肝癌形成的时间为120～168小时;基于肝癌特异性靶向纳米探针Pt@PDA-c,实施了精准的非侵入肝癌光声诊断及光热治疗,为纳米医学在光声诊疗中的应用推广提供了新的思路。
马刚[8]（2021）在《电阻抗成像技术及其在人机交互中的应用》文中指出电阻抗成像（Electrical Impedance Tomography,EIT）技术是一种非侵入式的功能成像技术,可以通过目标物体的边界测量数据来重构其内部的电阻抗分布。与现有的成像技术相比,电阻抗成像技术具有无损、无创、无辐射、成本低廉和实时性强等优点,因此被广泛的应用于生物医学、地球物理勘探和工业无损检测等领域。近年来,随着人机交互技术的快速发展,电阻抗成像技术在触觉感知交互和手势识别交互中的应用得到了越来越多的关注。一方面,传统的触觉感知传感器大多是基于阵列式传感器设计,其内部复杂的刚性元件和大量导线限制了传感器的灵活性、柔软性和可拉伸性,而基于电阻抗成像技术的柔性触觉传感器可以避免这些缺点。另一方面,电阻抗成像技术非侵入式和快速响应的特点可以使其适用于人体手腕生物电阻抗信号的获取和分析,为人类提供一种新的更简单的手势识别方法。但是,电阻抗成像技术的图像重构过程是一个严重的非线性病态逆问题,传统的重构方法获得的图像空间分辨率和对比度较差;另外,电阻抗成像技术应用于人机交互时,目前的检测系统存在计算复杂和数据利用率低的问题,影响了人机交互的实时性和准确率。基于此,本文围绕电阻抗成像技术及其在人机交互中的应用开展了以下三个方面的工作。1.本文对电阻抗成像重构算法的原理进行了研究,提出了一种多帧块约束稀疏贝叶斯重构算法来提升重构图像的分辨率和对比度。通过稀疏贝叶斯方法,来自动探索被测物体内部阻抗变化的块稀疏性和相关性信息,并从统计学观点出发对逆问题求解过程进行数学分析,将此求解过程转换为在一定约束条件下的最大后验概率估计问题。结合电阻抗分布变化的块稀疏先验信息和块结构连续性信息,可以有效地重构出被测场域内的阻抗变化情况。仿真和实验结果证明了该方法可以在抑制噪声干扰的同时,有效的提高重构图像的成像分辨率。2.本文对EIT技术在触觉感知交互中的应用进行了研究,设计了一个便携式的触觉传感器系统,并且提出了两种触觉感知算法。第一种是采用机器学习方法,通过将触觉传感器的传感部分划分为多个子区域,利用机器学习分类算法将逆问题求解过程转化为分类问题,并且使用监督学习方法进行训练学习,可以实现快速准确的位置检测。第二种是基于上一章节的方法优化稀疏贝叶斯求解过程,在以损失少量成像精度的前提下,提高成像的实时性。并且通过实时触觉感知实验对设计的触觉传感器系统进行验证,实验结果证明了这两种方法下的触觉感知系统可以快速准确的实现接触感知。3.本文对EIT技术在手势识别交互中的应用进行了研究,提出了两个不同的手势识别系统。由于将边界测量数据用于进行成像和进行手势识别时,两者的阻抗数据利用率存在差异性。因此,我们对多电极单频率的EIT手势识别系统进行优化,提出了一种基于模型解释和特征选择的电阻抗成像驱动模式,可以在保证识别准确率的同时,极大地减少数据采集系统复杂度,提高实时性。通过11个手势的实时识别实验,获得了准确率为98%的手势识别结果。在此研究基础上,又提出了基于频率扫描的两电极EIT手势识别系统,通过探索和构建不同手势下阻抗数据与频率变化之间的关系,采用监督学习方法,实现了准确的手势识别。通过对灵巧手的控制交互实验,验证了该系统的准确性和实时性。
杨晨[9]（2021）在《快速高分辨医学超声成像信号处理关键技术研究》文中研究表明医学超声成像以其实时性、灵活性、安全性和低成本等优点,成为了临床检查中不可替代的成像手段之一。由于兼顾时间分辨力与图像分辨力,快速高分辨的成像算法逐渐成为医学超声成像的热点研究方向,例如用于高帧频采集的多角度平面波相干复合成像（coherentplane-wave compounding,CPWC）、用于信噪比提升的编码发射技术等。为进一步提升快速高分辨医学超声成像的表现,本论文从相关的信号处理关键技术的角度,主要开展了以下工作:1)提出了一种基于编码发射的双频内窥式超声成像方法,并应用于椎弓根螺钉内固定手术中的钉道成像。该方法采用编码发射技术提高了超声对椎弓根成像的深度;同时还结合了高频和低频成像的各自优势,最终在提升椎弓根成像深度的基础上又进一步提升了钉道内壁的细节分辨能力。相比于现行超声椎弓根钉道成像技术,本论文提出的方法在不降低帧频的前提下,具有更高的成像深度与更好的细节分辨率,进一步提升了椎弓根螺钉内固定手术的安全性。2)针对基于空间域波束合成的CPWC在有限角度数下成像质量受限的问题,提出了基于联合相干因子的超快速空间域波束合成方法。在CPWC中,为保证帧频,不能通过无限制地提高平面波角度数来提升图像质量。新方法结合已有的孔径相干因子波束合成框架与角度相干因子波束合成框架各自的技术优势,进一步提升了有限角度下B模式成像的细节分辨率与对比度分辨率,并经过了仿真数据与实验数据的验证。与此同时,借助该波束合成框架,超快速血流成像的成像质量也得以提升。以上结果表明,基于联合相干因子的超快速空间域波束合成方法在保证帧频的同时进一步提升了 CPWC的成像质量。3)进一步提出了基于频角联合权重模板的超快速频域波束合成方法。相比于传统频域波束合成方法中的Stolt’s f-k方法以及已有的角度相关权重模板方法,该方法计算量相近,但却取得了更高的图像对比度。与此同时,通过改变频角联合权重模板径向参数,还可以借由该方法直接进行谐波成像,而无需通过额外的谐波带通滤波器,从而可以进一步减少数字信号处理的计算负担。
王春霞,毛兰群,黄岩谊,陈拥军[10]（2021）在《化学测量学“十四五”发展规划概述》文中指出化学测量学是化学的测量科学、方法和技术,是化学科学最早、最重要的发展分支之一.其根本任务是获取物质组成、分布、结构与性质的信息与时空变化规律,并为其他相关学科的发展提供方法和支撑.本文介绍了国家自然科学基金委化学科学部化学测量学"十四五"及中长期发展规划,为从事相关研究的科研人员、老师和学生提供参考.
二、地震成像与空间成像、医学成像的交叉与融合（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、地震成像与空间成像、医学成像的交叉与融合（论文提纲范文）
（1）计算光学成像：何来，何处，何去，何从？（论文提纲范文）
| 0 引言 |
| 1 计算光学成像：何来？ |
| 1.1 成像系统的雏形 |
| 1.2 光学成像系统的诞生——金属光化学摄影 |
| 1.3 第一次成像革命——感光版光化学摄影 |
| 1.4 第二次成像革命——胶卷光化学摄影 |
| 1.5 第三次成像革命——数码相机 |
| 1.6 第四次成像革命——计算成像?! |
| 2 计算光学成像：何处？ |
| 2.1 功能提升 |
| 2.1.1 相位成像 |
| 2.1.2 光谱成像 |
| 2.1.3 偏振成像 |
| 2.1.4 三维成像 |
| 2.1.5 光场成像 |
| 2.1.6 断层(体)成像 |
| 2.1.7 相干测量 |
| 2.2 性能提升 |
| 2.2.1 空间分辨 |
| 2.2.2 时间分辨 |
| 2.2.3 灵敏度 |
| 2.2.4 信息通量 |
| 2.3 成像系统简化与智能化 |
| 2.3.1 单像素成像 |
| 2.3.2 无透镜成像 |
| 2.3.3 自适应光学 |
| 2.3.4 散射介质成像 |
| 2.3.5 非视域成像 |
| 2.3.6 基于场景校正 |
| 3 计算光学成像：何去？ |
| 3.1 优势 |
| 3.1.1“物理域”和“计算域”的协同 |
| 3.1.2 潜在的“通用理论框架” |
| 3.2 弱点 |
| 3.2.1 成本与代价 |
| 3.2.2 数学模型≈甚至于≠物理过程 |
| 3.2.3 定制化vs标准化 |
| 3.2.4 技术优势vs市场需求 |
| 3.3 机会 |
| 3.3.1 科学仪器 |
| 3.3.2 商业工业 |
| 3.3.3 国防安全 |
| 3.4 威胁 |
| 4 计算光学成像：何从？ |
| 4.1 新型光学器件与光场调控机制 |
| 4.2 高性能图像传感器的发展 |
| 4.3 新兴的数学与算法工具 |
| 4.4 计算性能的提升 |
| 4.4.1 专用芯片 |
| 4.4.2 新材料和新器件 |
| 4.4.3 云计算 |
| 4.4.4 光计算 |
| 4.4.5 量子计算 |
| 4.5 人工智能 |
| 5 结论与展望 |
（2）X射线成像和深度学习的交叉融合（论文提纲范文）
| 1 引言 |
| 2 深度成像的背景 |
| 3 应用面临的挑战 |
| 4 若干研究方向 |
| 4.1 将人工神经元扩展到多种形式 |
| 4.2 连接主义与符号主义的融合 |
| 4.3 经济高效的断层成像多模态融合 |
| 4.4 结论 |
（4）基于深度学习的磁共振动态成像（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩写列表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 动态磁共振快速成像 |
| 2.1 磁共振成像原理 |
| 2.1.1 磁化 |
| 2.1.2 磁共振现象与主磁场 |
| 2.1.3 磁共振信号形成与射频场 |
| 2.1.4 空间编码与梯度场 |
| 2.1.5 傅里叶变换与磁共振重建 |
| 2.2 磁共振心脏电影成像原理 |
| 2.3 心脏磁共振加速方法 |
| 2.3.1 并行成像 |
| 2.3.2 压缩感知 |
| 2.3.3 低秩 |
| 2.3.4 流形学习 |
| 2.3.5 深度学习 |
| 2.4 成像质量评估 |
| 第3章 稀疏驱动:交叉域多监督神经网络 |
| 3.1 引言 |
| 3.2 CS-MRI和CNN-MRI |
| 3.3 交叉域多监督神经网络的构建 |
| 3.3.1 交叉域神经网络 |
| 3.3.2 多监督损失函数策略 |
| 3.4 实验结果 |
| 3.4.1 实验设置 |
| 3.4.2 与目前主流方法的对比 |
| 3.5 分析与讨论 |
| 3.5.1 频率域网络的有效性 |
| 3.5.2 k空间损失函数的有效性 |
| 3.5.3 图像域损失函数的有效性 |
| 3.5.4 多监督损失函数的必要性 |
| 3.5.5 DIMENISON方法的局限性 |
| 3.6 本章小结 |
| 第4章 低秩驱动:深度稀疏低秩神经网络 |
| 4.1 引言 |
| 4.2 方法论 |
| 4.2.1 背景:可学习稀疏先验 |
| 4.2.2 提出的方法:可学习低秩先验 |
| 4.3 实验结果 |
| 4.3.1 实验设置 |
| 4.3.2 与主流方法的对比 |
| 4.4 分析与讨论 |
| 4.4.1 不同的SVT策略用于学习低秩先验 |
| 4.4.2 高加速倍数:10倍和12倍 |
| 4.4.3 对不同采样模板的敏感性 |
| 4.4.4 在多通道场景下的重建性能 |
| 4.4.5 前瞻性重建 |
| 4.4.6 SLR-Net的局限性 |
| 4.5 本章小结 |
| 第5章 流形驱动:深度流形神经网络 |
| 5.1 引言 |
| 5.2 方法论 |
| 5.2.1 预备知识:张量 |
| 5.2.2 相关的工作:黎曼优化 |
| 5.2.3 提出的方法:流形神经网络 |
| 5.3 实验结果 |
| 5.3.1 实验设置 |
| 5.3.2 与主流方法的对比 |
| 5.4 分析与讨论 |
| 5.4.1 高加速倍数:12倍 |
| 5.4.2 对不同采样模板的敏感性 |
| 5.4.3 固定秩的选择 |
| 5.4.4 与我们提出的前两种方法的对比 |
| 5.4.5 Manifold-Net的局限性 |
| 5.5 本章小结 |
| 第6章 无监督驱动:基于时间交叉采样的无监督学习网络 |
| 6.1 引言 |
| 6.2 方法论 |
| 6.2.1 问题描述 |
| 6.2.2 提出的无监督框架 |
| 6.2.3 提出的并行成像网络 |
| 6.3 实验结果 |
| 6.3.1 实验设置 |
| 6.3.2 与主流方法的对比 |
| 6.4 分析与讨论 |
| 6.4.1 单通道模型vs多通道模型 |
| 6.4.2 重建网络的选择 |
| 6.4.3 通道融合网络的必要性 |
| 6.4.4 无监督框架的局限性 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（5）新型钆基多功能造影剂的构建与性质研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 磁共振成像(MRI) |
| 1.2.1 磁共振成像基础 |
| 1.2.2 ~1H MRI简介 |
| 1.2.3 ~(19)F MRI简介 |
| 1.2.4 ~(129)Xe MRI简介 |
| 1.2.5 CEST MRI简介 |
| 1.3 多模态分子影像学 |
| 1.3.1 荧光成像(FLI) |
| 1.3.2 计算机断层扫描(CT) |
| 1.3.3 光声成像(PAI) |
| 1.3.4 UCL/CT/MRI多模态成像 |
| 1.4 研究内容及意义 |
| 第二章 基于动态有机钆纳米颗粒的T_1-T_2双模态MRI造影剂 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 试剂与仪器 |
| 2.2.2 动态有机钆纳米颗粒的制备 |
| 2.2.3 动态有机钆纳米颗粒Gd-nanoparticle的表征 |
| 2.2.4 动态有机钆纳米颗粒Gd-nanoparticle的弛豫率的测定 |
| 2.3 结果与讨论 |
| 2.3.1 有机钆纳米颗粒的表征 |
| 2.3.2 有机钆纳米颗粒Gd-nanoparticle用于造影剂的磁共振成像实验 |
| 2.4 本章小结 |
| 第三章 NaErF_4@NaGdF_4纳米颗粒的合成与筛选 |
| 3.1 引言 |
| 3.2 稀土上转换荧光纳米材料的制备方法 |
| 3.2.1 液相共沉淀法 |
| 3.2.2 溶剂热法 |
| 3.2.3 溶胶-凝胶法 |
| 3.2.4 热分解法 |
| 3.3 实验步骤 |
| 3.3.1 试剂与仪器 |
| 3.3.2 氯化物溶剂热法制备 |
| 3.3.3 氧化物溶剂热法制备 |
| 3.4 实验结果与讨论 |
| 3.4.1 氯化物溶剂热法合成核壳纳米颗粒的原理 |
| 3.4.2 氧化物溶剂热法合成核壳纳米颗粒的原理 |
| 3.4.3 纳米材料的表征 |
| 3.4.4 纳米材料T_2加权的磁共振成像 |
| 3.4.5 纳米材料的CT成像 |
| 3.4.6 纳米材料的上转换发光测试 |
| 3.5 本章小结 |
| 第四章 NaErF_4@NaGdF_4纳米颗粒用于MRI/CT/UCL成像 |
| 4.1 引言 |
| 4.2 实验部分 |
| 4.2.1 试剂与仪器 |
| 4.2.2 水溶性NaErF_4@NaGdF_4纳米颗粒的制备 |
| 4.2.3 NaErF_4@NaGdF_4纳米颗粒的表征 |
| 4.2.4 NaErF_4@NaGdF_4纳米颗粒的细胞毒性 |
| 4.2.5 NaErF_4@NaGdF_4纳米颗粒的上转换发光与稳定性 |
| 4.2.6 动物肿瘤模型的构建和体内CT和MRI成像 |
| 4.2.7 NaErF_4@NaGdF_4纳米颗粒的组织切片分析 |
| 4.3 实验结果与讨论 |
| 4.3.1 NaErF_4@NaGdF_4纳米颗粒的形貌、尺寸以及晶相表征 |
| 4.3.2 NaErF_4@NaGdF_4纳米颗粒的红外光谱表征 |
| 4.3.3 NaErF_4@NaGdF_4纳米颗粒的细胞毒性和稳定性研究 |
| 4.3.4 NaErF_4@NaGdF_4纳米颗粒的上转换发光测试 |
| 4.3.5 NaErF_4@NaGdF_4纳米颗粒的体内CT和MRI成像 |
| 4.3.6 NaErF_4@NaGdF_4纳米颗粒的组织切片分析 |
| 4.4 小结 |
| 第五章 总结与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）基于深度学习的阿尔茨海默症MRI图像分类研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于不同医学图像的阿尔茨海默症研究现状 |
| 1.2.2 基于不同分类方法的阿尔茨海默症研究现状 |
| 1.3 本文主要研究内容和结构安排 |
| 第二章 数据收集与深度神经网络基础理论 |
| 2.1 实验数据 |
| 2.1.1 数据来源 |
| 2.1.2 数据类别与介绍 |
| 2.1.3 数据预处理 |
| 2.2 评价标准 |
| 2.3 卷积神经网络相关理论 |
| 2.3.1 卷积神经网络相关研究 |
| 2.3.2 卷积神经网络基础知识 |
| 2.4 本章小结 |
| 第三章 基于分块置信度算法和深度密集连接网络的阿尔茨海默症MRI分类 |
| 3.1 分块置信度 |
| 3.2 网络模型框架 |
| 3.2.1 基于分块置信度的DenseNet模型 |
| 3.2.2 网络模型架构 |
| 3.3 基于分块置信度和密集连接网络的阿尔茨海默症分类实现 |
| 3.3.1 实验环境 |
| 3.3.2 切片提取及数据准备 |
| 3.3.3 数据集划分 |
| 3.3.4 参数设置及模型训练 |
| 3.4 实验结果分析与比较 |
| 3.4.1 实验参数分析 |
| 3.4.2 基于分块置信度算法与直接数据扩增的对比实验 |
| 3.4.3 与其他方法对比 |
| 3.5 本章小结 |
| 第四章 基于注意力机制和深度残差密集网络的阿尔茨海默症MRI分类 |
| 4.1 注意力机制 |
| 4.1.1 空间注意力机制 |
| 4.1.2 通道注意力机制 |
| 4.2 基于注意力机制和残差密集结构的网络模型构建 |
| 4.2.1 残差密集网络的结构设计和搭建 |
| 4.2.2 注意力模块在残差密集网络中的嵌入 |
| 4.2.3 残差密集注意力网络的模型架构 |
| 4.3 基于注意力机制和残差密集网络的阿尔茨海默症分类的实现 |
| 4.3.1 数据准备及模型训练 |
| 4.3.2 实验结果分析 |
| 4.4 与其他方法对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究内容总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
（7）肝癌演进关键节点光声多模跨尺度成像、边界界定、关键分子功能在体可视化及早诊早治的实验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 前言 |
| 参考文献 |
| 第一章 肝癌演进关键节点跨尺度光声多模成像研究 |
| 引言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 参考文献 |
| 第二章 新型NIR-Ⅱ靶向纳米探针Pt@PDA-c的合成、表征及体外NIR-Ⅱ光声、光热性能的研究 |
| 引言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 参考文献 |
| 第三章 新型纳米探针Pt@PDA-c细胞靶向性及毒性研究 |
| 引言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 参考文献 |
| 第四章 肝癌NIR-Ⅱ光声多模跨尺度成像及关键分子功能在体可视化研究 |
| 引言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 参考文献 |
| 不足与展望 |
| 附录 光声成像系统介绍 |
| 中英文缩略词对照表 |
| 攻读学位期间成果 |
| 致谢 |
（8）电阻抗成像技术及其在人机交互中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 电阻抗成像技术 |
| 1.2.1 发展历史和现状 |
| 1.2.2 成像算法研究 |
| 1.2.3 触觉感知应用 |
| 1.2.4 手势识别应用 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第2章 多帧块约束稀疏贝叶斯EIT重构算法 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 方法介绍 |
| 2.3.1 EIT成像原理 |
| 2.3.2 MFC-BSBL重构算法 |
| 2.3.3 EM算法求解参数 |
| 2.4 实验分析 |
| 2.4.1 仿真模型 |
| 2.4.2 评价标准 |
| 2.4.3 实验数据采集 |
| 2.4.4 实验结果 |
| 2.5 本章小结 |
| 第3章 基于EIT技术的触觉感知研究 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 方法介绍 |
| 3.3.1 数据采集系统设计 |
| 3.3.2 逆问题重构成像算法 |
| 3.3.3 机器学习分类算法 |
| 3.4 实验分析 |
| 3.4.1 盐溶液水槽实验 |
| 3.4.2 触觉感知器实验 |
| 3.5 本章小结 |
| 第4章 基于EIT技术的手势识别研究 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 多电极单频的EIT手势识别系统的优化设计 |
| 4.3.1 系统设计 |
| 4.3.2 数据采集和数据预处理 |
| 4.3.3 特征选择和模型解释 |
| 4.3.4 实验验证 |
| 4.4 两电极多频的EIT手势识别系统设计 |
| 4.4.1 系统设计 |
| 4.4.2 数据采集和数据分析 |
| 4.4.3 实验验证 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 创新点 |
| 5.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（9）快速高分辨医学超声成像信号处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 医学超声成像简介 |
| 1.2 医学超声成像系统 |
| 1.2.1 一般医学超声成像系统架构 |
| 1.2.2 现代超声成像系统发展趋势 |
| 1.3 快速高分辨医学超声成像 |
| 1.3.1 多角度平面波相干复合成像技术 |
| 1.3.2 编码发射技术 |
| 1.3.3 谐波成像技术 |
| 1.4 论文的研究内容与组织架构 |
| 1.4.1 论文的主要研究内容 |
| 1.4.2 论文的组织架构 |
| 第2章 医学超声成像中的信号处理技术和图像质量评估手段 |
| 2.1 前言 |
| 2.2 滤波器模块 |
| 2.2.1 带通滤波器 |
| 2.2.2 匹配滤波器 |
| 2.3 基于空间域的波束合成模块 |
| 2.3.1 延时叠加方法 |
| 2.3.2 变迹加权方法 |
| 2.3.3 相干因子类自适应波束合成方法 |
| 2.3.4 最小方差类自适应波束合成方法 |
| 2.4 基于频域的波束合成模块 |
| 2.4.1 角谱传播理论 |
| 2.4.2 Lu的频域波束合成方法 |
| 2.4.3 Stolt's f-k波束合成方法 |
| 2.5 包络检波模块 |
| 2.6 医学超声成像噪声及质量评价 |
| 2.6.1 医学超声成像噪声 |
| 2.6.2 医学超声成像质量评价标准 |
| 2.6.3 实验平台 |
| 2.7 本章小结 |
| 第3章 基于编码发射的双频椎弓根钉道成像方法研究 |
| 3.1 前言 |
| 3.1.1 椎弓根螺钉内固定手术 |
| 3.1.2 椎弓根钉道成像系统 |
| 3.2 超声编码发射技术 |
| 3.2.1 超声编码发射技术基本工作原理 |
| 3.2.2 基于调频编码的编码发射技术 |
| 3.2.3 基于相位编码的编码发射技术 |
| 3.2.4 不同编码发射技术的比较 |
| 3.3 基于编码发射的双频椎弓根钉道成像方法 |
| 3.3.1 椎弓根钉道成像方法中的编码发射技术 |
| 3.3.2 椎弓根钉道成像方法中的双频探头 |
| 3.3.3 椎弓根钉道成像方法中的双频成像算法 |
| 3.4 结果与讨论 |
| 3.4.1 成像实验平台主要部分介绍 |
| 3.4.2 成像实验步骤 |
| 3.4.3 成像结果对比与讨论 |
| 3.5 本章小结 |
| 第4章 基于联合相干因子的超快速空间域波束合成方法研究 |
| 4.1 前言 |
| 4.2 基于相干因子的超快速空间域波束合成 |
| 4.2.1 基于延迟叠加的多角度平面波相干复合成像技术 |
| 4.2.2 孔径相干因子波束合成框架 |
| 4.2.3 角度相干因子波束合成框架 |
| 4.3 联合相干因子波束合成框架 |
| 4.3.1 联合相干因子成像框架原理 |
| 4.3.2 联合幅值相干因子与联合符号相干因子 |
| 4.3.3 算法流程步骤 |
| 4.4 实验方法 |
| 4.4.1 实验设置 |
| 4.4.2 实验数据处理流程 |
| 4.5 实验结果 |
| 4.5.1 仿真实验结果 |
| 4.5.2 体模实验结果 |
| 4.5.3 组织数据实验结果 |
| 4.5.4 Doppler数据实验结果 |
| 4.6 分析与讨论 |
| 4.6.1 实验结果分析 |
| 4.6.2 计算复杂度分析 |
| 4.7 本章小结 |
| 第5章 基于频角联合权重模板的超快速频域波束合成方法研究 |
| 5.1 前言 |
| 5.2 超快速频域波束合成方法 |
| 5.2.1 Stolt's f-k方法 |
| 5.2.2 角度相关权重模板 |
| 5.3 基于频角联合权重模板的超快速频域波束合成方法 |
| 5.3.1 理论基础简介 |
| 5.3.2 权重模板设计原则 |
| 5.3.3 频角联合权重模板 |
| 5.3.4 频角联合权重模板相关参数确定 |
| 5.3.5 算法流程步骤 |
| 5.4 实验方法 |
| 5.4.1 实验设置 |
| 5.4.2 实验数据处理流程 |
| 5.5 实验结果 |
| 5.5.1 仿真实验结果 |
| 5.5.2 体模实验结果 |
| 5.5.3 组织数据实验结果 |
| 5.5.4 对比度随角度数提升结果 |
| 5.6 分析与讨论 |
| 5.6.1 实验结果分析 |
| 5.6.2 频角联合权重模板在谐波成像中的应用 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（10）化学测量学“十四五”发展规划概述（论文提纲范文）
| 1 引言 |
| 2 化学测量学发展战略 |
| 2.1 化学测量学的战略地位 |
| 2.2 化学测量学的发展规律 |
| 2.2.1 化学测量学的发展面向国际科学前沿 |
| 2.2.2 化学测量学的发展立足国家重大需求 |
| 2.2.3 化学测量学与相关学科交叉融合,互相促进 |
| 2.3 化学测量学的发展态势 |
| 2.4 化学测量学的新兴研究方向 |
| 2.4.1 能源分析化学 |
| 2.4.2 材料分析化学 |
| 2.4.3 生物成像 |
| 2.4.4 仪器研制 |
| 2.5 化学测量学的发展目标 |
| 2.5.1 发展布局 |
| 2.5.2 化学测量学的优先研究领域 |
| 2.5.3 化学测量学的重点研究方向 |
| 3 学科交叉的优先领域与国际合作 |
| 3.1 与化学科学部内部学科交叉研究的重点方向 |
| 3.1.1 与物理化学交叉 |
| 3.1.2 与合成化学交叉 |
| 3.1.3 与化学生物学交叉 |
| 3.1.4 与材料化学交叉 |
| 3.2 与其他学科交叉研究的重点方向 |
| 3.2.1 与物理学交叉 |
| 3.2.2 与生命科学交叉 |
| 3.2.3 与环境化学、地球化学等结合 |
| 3.2.4 与数学和信息科学等交叉 |
| 3.2.5 与基础及临床医学交叉 |
| 3.3 国际合作优先领域 |
| 4 实现中长期及“十四五”发展战略的保障措施 |
| 4.1 目前我国化学测量学研究领域比较明显的共性问题 |
| 4.2 现存问题的可能原因和可能的解决方案 |
四、地震成像与空间成像、医学成像的交叉与融合（论文参考文献）
- [1]计算光学成像：何来，何处，何去，何从？[J]. 左超,陈钱. 红外与激光工程, 2022
- [2]X射线成像和深度学习的交叉融合[J]. 王革,李亮. CT理论与应用研究, 2022(01)
- [3]湖北省人民政府关于印发湖北省科技创新“十四五”规划的通知[J]. 湖北省人民政府. 湖北省人民政府公报, 2021(21)
- [4]基于深度学习的磁共振动态成像[D]. 柯子文. 中国科学院大学(中国科学院深圳先进技术研究院), 2021(01)
- [5]新型钆基多功能造影剂的构建与性质研究[D]. 张菊敏. 中国科学院大学(中国科学院精密测量科学与技术创新研究院), 2021(01)
- [6]基于深度学习的阿尔茨海默症MRI图像分类研究与实现[D]. 江牧遥. 河北大学, 2021(09)
- [7]肝癌演进关键节点光声多模跨尺度成像、边界界定、关键分子功能在体可视化及早诊早治的实验研究[D]. 齐硕. 南方医科大学, 2021(02)
- [8]电阻抗成像技术及其在人机交互中的应用[D]. 马刚. 中国科学技术大学, 2021(09)
- [9]快速高分辨医学超声成像信号处理关键技术研究[D]. 杨晨. 中国科学技术大学, 2021(09)
- [10]化学测量学“十四五”发展规划概述[J]. 王春霞,毛兰群,黄岩谊,陈拥军. 中国科学:化学, 2021(07)