Date of Award
11-2024
Document Type
Dissertation
Degree Name
Doctor of Philosophy in Electrical Engineering
Department
Electrical and Communication Engineering
First Advisor
Dr. Imad Barhumi
Abstract
Photoacoustic Tomography (PAT) is a noninvasive medical imaging technique that combines the advantages of optical imaging and ultrasonic detection, offering deep tissue visualization with high resolution. Despite its potential, the effectiveness of PAT is dependent on the accuracy and efficiency of the underlying imaging algorithms. This thesis aims to enhance the resolution and speed of PAT imaging through the integration of compressive sensing (CS) and deep learning techniques, targeting both full-view and limited-view sensor configurations. Two model-based CS iterative algorithms are developed: relaxed-basis pursuit via alternating direction method of multipliers (rBP-ADMM), and split Bregman total variation (SBTV) formulation. Additionally, Plug-and-Play (PnP) techniques to further refine these algorithms are explored. For model-free deep learning approaches, algorithm unrolling techniques are implemented for creating networks that bypass traditional system matrix modeling and parameter tuning. The methods demonstrated significant improvements in computational efficiency, with a 92% reduction for the iterative algorithms. The SBTV enhanced with bilateral filtering improved structural similarity index measures (SSIM) by 11-17%. The unrolled deep learning networks achieved remarkable accuracy, particularly the SBTV network, which displayed a 98% accuracy across all limited-view sensor configurations tested. The thesis thus introduces novel CS algorithms and deep learning frameworks that significantly enhance the speed and quality of PAT image reconstruction. The integration of PnP techniques and algorithm unrolling represents a significant advancement in the field of medical imaging.
Arabic Abstract
تحسين التصوير الضوئي الصوتي المثالي باستخدام تقنيات إعادة البناء المتقدمة: الاستشعار الانضغاطي والتعلم العميق
التصوير المقطعي الضوئي الصوتي (PAT) هو تقنية تصوير طبي غير جراحي تجمع بين مزايا التصوير الضوئي والكشف بالموجات فوق الصوتية، مما يوفر تصورًا عميقًا للأنسجة بدقة عالية. وعلى الرغم من إمكاناته، فإن فعالية التصوير المقطعي الضوئي الصوتي PAT تعتمد على دقة وكفاءة خوارزميات التصوير الأساسية. تهدف هذه الأطروحة إلى تعزيز دقة وسرعة التصوير المقطعي الضوئي الصوتي PAT من خلال دمج تقنيات الاستشعار الانضغاطي (CS) وتقنيات التعلم العميق، مستهدفة بذلك تكوينات المستشعر ذات الرؤية الكاملة والرؤية المحدودة. لقد تم تطوير خوارزميتين تكراريتين تعتمدان على النموذج ل لاستشعار الانضغاطي: هما الملاحقة الأساسية المريحة عبر طريقة الاتجاه المتناوب للمضاعفات (rBP-ADMM)، وصيغة التباين الكلي المنقسم لبريجمان (SBTV). بالإضافة إلى ذلك، تم استكشاف تقنيات التوصيل والتشغيل (PnP) لمزيد من توليف هذه الخوارزميات. اما بالنسبة لأساليب التعلم العميق الخالية من النماذج، يتم تنفيذ تقنيات فك الخوارزمية لإنشاء شبكات تتجاوز نمذجة مصفوفة النظم التقليدية وتوليف المتغيرات. وقد أظهرت هذه الطرق تحسينات كبيرة في الكفاءة الحوسبية، مع انخفاض بنسبة 92% للخوارزميات التكرارية. كما أدى تحسين SBTV باستخدام الترشيح الثنائي إلى تحسين مقاييس مؤشر التشابه البنيوي (SSIM) بنسبة 11-17%. كذلك حققت شبكات التعلم العميق المبسوطة دقة ملحوظة، وخاصة شبكة SBTV، التي أظهرت دقة بنسبة 98% عبر جميع تكوينات المستشعر ذات الرؤية المحدودة التي تم اختبارها. وبالتالي، تقدم الأطروحة خوارزميات استشعار انضغاطي CS جديدة وأطر التعلم العميق التي تعمل على تحسين سرعة وجودة صورة ال تصوير الطبي غير الجراحي PAT بشكل كبير. يمثل دمج تقنيات التوصيل والتشغيل PnP وفك الخوارزمية تقدمًا كبيرًا في مجال التصوير الطبي.
Recommended Citation
Josy, Mary Anjaley, "OPTIMIZING PHOTOACOUSTIC IMAGING WITH ADVANCED RECONSTRUCTION TECHNIQUES: COMPRESSIVE SENSING AND DEEP LEARNING" (2024). Dissertations. 309.
https://scholarworks.uaeu.ac.ae/all_dissertations/309
