logo móvil
Contáctanos

Optimización del diseño de fuente para la reconstrucción de imágenes de profundidad en imágenes de rayos X

Autores: Fathi, Hamid; van Leeuwen, Tristan

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Optimización del diseño de fuente para la reconstrucción de imágenes de profundidad en imágenes de rayos X


Categoría

Matemáticas

Subcategoría

Matemáticas generales

Palabras clave

Tomografía por rayos X
Pruebas no destructivas
Tomografía de ángulo limitado
Laminografía
Diseño Experimental Óptimo
Artefactos de imagen

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 26

Citaciones: Sin citaciones


Descripción
La tomografía por rayos X es un método efectivo de prueba no destructiva para el control de calidad industrial. La tomografía de ángulo limitado se puede utilizar para reducir la cantidad de datos que deben adquirirse y, por lo tanto, acelerar el proceso. Sin embargo, en algunas aplicaciones industriales, los objetos son planos y estratificados, por lo que se prefiere la laminografía. Puede proporcionar imágenes 2D de la estructura de un objeto estratificado a una profundidad específica a partir de datos muy limitados. Una imagen a una profundidad específica se obtiene sumando aquellas partes de los datos que contribuyen a esa sección. Esto produce una imagen nítida de esa sección mientras superpone una versión borrosa de las estructuras presentes en otras profundidades. En este documento, investigamos un problema de Diseño Experimental Óptimo (OED) para laminografía que tiene como objetivo determinar las posiciones óptimas de la fuente. Esto no solo se puede utilizar para mitigar artefactos de imagen, sino que también puede acelerar el proceso de adquisición en casos en los que mover la fuente y el detector lleva mucho tiempo (por ejemplo, en sistemas de imagen de brazo robótico). Investigamos los artefactos de imagen en detalle a través de un Teorema del Corte de Fourier modificado. Abordamos el problema de diseño experimental dentro del marco de riesgo bayesiano utilizando la minimización del riesgo bayesiano empírico. Finalmente, presentamos experimentos numéricos sobre datos simulados.

Otros recursos que podrían interesarte

Temas Virtualpro