Методы и алгоритмы решения задачи структурного синтеза системы источников и детекторов зондирующего излучения

• Автор: Горшков, Антон Валерьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Нижний Новгород
• Количество страниц: 137 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. ПРОБЛЕМА МОДЕЛИРОВАНИЯ В ЗАДАЧАХ ОПТИЧЕСКОЙ
ДИФФУЗИОННОЙ СПЕКТРОСКОПИИ
1.1. Метод оптической диффузионной спектроскопии (ОДС)
1.2. Общая постановка задач структурного анализа и синтеза системы
источников и детекторов зондирующего излучения
1.3. Применение методов Монте-Карло для решения уравнения теории
переноса излучения
1.3.1. Краткий анализ подходов к решению уравнения теории пере носа излучения
1.3.2. Метод Монте-Карло в задаче распространения света
1.3.3. Проблема выбора оптических параметров моделирования
1.3.4. Проблема описания сложной геометрии
1.3.5. Способы повышения эффективности метода Монте-Карло
1.3.6. Реализация метода Монте-Карло на вычислителях с параллельной архитектурой
1.3.7. Метод Монте-Карло в задаче ОДС
1.4. Постановка задачи диссертационного исследования
2. МОДИФИЦИРОВАННЫЙ МЕТОД МОНТЕ-КАРЛО ДЛЯ РЕШЕНИЯ ЗАДАЧ
СТРУКТУРНОГО АНАЛИЗА И СИНТЕЗА СИСТЕМЫ ИСТОЧНИКОВ И ДЕТЕКТОРОВ ЗОНДИРУЮЩЕГО ИЗЛУЧЕНИЯ
2.1. Постановка задачи
2.2. Модифицированный метод Монте-Карло
2.2.1. Общее описание
2.2.2. Инициализация фотона
2.2.3. Получение длины свободного пробега фотона
2.2.4. Перемещение фотона
2.2.5. Обновление траектории движения фотона
2.2.6. Обновление веса фотона
2.2.7. Вычисление направления движения фотона
2.2.8. Применение метода существенной выборки
2.2.9. Выбор вектора притяжения
2.2.10. Пересечение фотона с границей слоя
2.2.11. Завершение моделирования фотона
3. АВТОМАТИЗИРОВАННАЯ СИСТЕМА ПОДДЕРЖКИ СТРУКТУРНОГО
АНАЛИЗА И СИНТЕЗА СИСТЕМЫ ИСТОЧНИКОВ И ДЕТЕКТОРОВ ЗОНДИРУЮЩЕГО ИЗЛУЧЕНИЯ

3.1. Требования к составу обеспечений автоматизированной системы
3.2. Высокоуровневая архитектура программного обеспечения
АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ
3.3. Общая схема функционирования программного обеспечения
3.4. Методика управ ления системой источников и детекторов с
использованием автоматизированной системы
3.5. Оптимальный алгоритм поиска пересечений
3.5.1. Постановка задачи
3.5.2. Существующие алгоритмы поиска пересечений
3.5.3. Выбор оптимального алгоритма
3.6. Параллельные алгоритмы для различных архитектур
3.6.1. Параллельный алгоритм для многоядерных центральных процессоров
3.6.2. Параллельный алгоритм для сопроцессоров Intel Xeon Phi
3.6.3. Параллельный алгоритм для графических процессоров
3.6.4. Параллельный алгоритм для систем с распределенной памятью
4. АНАЛИЗ И ТЕСТИРОВАНИЕ МОДИФИЦИРОВАННОГО МЕТОДА МОНТЕ-
КАРЛО
4.1. Подбор параметров предложенного метода
4.2. Проверка корректности предложенного метода
4.2.1. Сравнение с результатами диффузионной теории
4.2.2. Сравнение с результатами стандартного метода Монте-Карло
4.3. Анализ влияния параметров метода на точность расчетов
4.3.1. Анализ влияния количества моделируемых фотонов на точность расчетов
4.3.2. Анализ влияния минимального веса фотона на точность расчетов..
4.4. Анализ устойчивости метода к изменению входных параметров
алгоритма
4.4.1. Анализ устойчивости метода при использовании разных последовательностей псевдослучайных чисел
4.4.2. Анализ устойчивости метода при изменении оптических характеристик биоткани
4.5. Моделирование оптической функциональной диагностики головного
мозга
4.5.1. Анализ зависимости сигнала от расстояния «источник детектор» в трех геометриях
4.5.2. Исследование глубины зондирования с помощью карт рассеяния
4.5.3. Анализ распределения фотонов по длинам пробега
4.5.4. Сравнение результатов моделирования с модельным экспериментом.
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ
Актуальность темы исследования. В настоящее время в медицинских исследованиях, в том числе предклинических, существует потребность в развитии новых неинвазивных и доступных методов диагностики, поскольку используемые традиционные методы (магнитно-резонансная томография, компьютерная томография, позитронно-эмиссионная томография) имеют ряд ограничений, связанных с их небезопасностью, высокими требованиями к инфраструктуре и стоимостью оборудования. Классом наиболее перспективных методов диагностики, которые могут применяться как в сочетании с существующими методами, так и в некоторых случаях вместо них, являются оптические методы. Их основными преимуществами являются безопасность для пациента, сравнительно невысокая стоимость приборов и широкие функциональные возможности, обусловленные возможной вариативностью параметров зондирующего излучения (длина волны, модуляция, длина импульса и т.д.).
Ряд методов оптической биомедицинской диагностики уже прошел стадию предклинических испытаний и успешно применяется в клинической практике. Одним из таких методов является оптическая когерентная томография (ОКТ), обеспечивающая имиджинг внутренней структуры биотканей с высоким пространственным разрешением (до единиц микрон) [1, 2]. Однако, глубина видения для данного метода существенно ограничена многократным рассеянием зондирующего излучения в биотканях (так, для кожи человека она составляет не более 2 мм), поэтому основные области применения ОКТ связаны с офтальмологией [3] и диагностикой поверхностных тканей [4].
Для диагностики биотканей на больших глубинах необходимо применять методы, для которых информативным является многократно рассеянное излучение. Одним из таких методов является оптическая диффузионная спектроскопия (ОДС), предоставляющая широкие возможности для нсинвазивной диагностики [5, 6]. Метод основан на регистрации многократно рассеянного объектом зондирующего излучения на нескольких длинах волн, определяемых спектрами поглощения исследуемых компонент организма.
Применение метода оптической диффузионной спектроскопии позволяет решать такие задачи, как диагностика раковых опухолей [7, 8], в частности, рака груди; мониторинг активности зон коры головного мозга [9]; планирование фотодинамической терапии [10, 11]; мониторинг состояния пациента при хирургическом вмешательстве [12]; определение состояния кожных покровов [13]; и др.

Класс 1 ^ ^ а Класс II Г /

— дг
Рисунок 1.10. Метод смещенного угла в задаче определения сигнала ОКТ [60]
Описанный в работе [62] алгоритм моделирования предназначен для работы с однородными плоскопараллельными средами и позволяет получить те же по точности результаты, что и стандартный метод Монте-Карло, но на порядок быстрее. Более того, данный подход представляется применимым и для задач оптической диффузионной спектроскопии.
Основной недостаток предлагаемого метода состоит в том, что процесс трассировки каждого пакета фотонов опирается на результаты моделирования предыдущего пакета, тем самым теряется важное свойство, обычно присущее алгоритмам на базе метода Монте-Карло - независимость фотонов друг от друга. А значит, выполнить распараллеливание данного метода представляется затруднительным.
В работе [63] решается задача вычисления коэффициента пропускания излучения через толстый однородный слой. Геометрия слоя является плоскопараллельной. Источник излучения расположен на верхней границе слоя и направлен перпендикулярно его границе. Детектор имеет ограниченные размеры и располагается на противоположной границе слоя соосно источнику излучения.
Здесь также присутствует определенный класс фотонов, который интересен исследователю больше всего. Это те фотоны, которые прошли путь от источника излучения к детектору, установленному на другой границе слоя. Сложность состоит в том, что процент таких фотонов невелик, и уменьшается при увеличении толщины слоя.