Análisis y modelado de un sistema para tomografía optoacústica basado en interferometría óptica heterodina

• Insabella, Roberto M. ^[1] ; González, Martín Germán ^[2]
  1. [1] Universidad de Buenos Aires

     Universidad de Buenos Aires

     Argentina

     
  2. [2] CONICET
• Localización: Elektron: ciencia y tecnología en la electrónica de hoy, ISSN-e 2525-0159, Vol. 5, Nº. 2, 2021, págs. 94-99
• Idioma: español
• Títulos paralelos:
  • Analysis and modeling of a system for optoacoustic tomography based on heterodyne optical interferometry
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este trabajo se analizan y caracterizan las fuentes de los artefactos introducidos en las imágenes obtenidas con un sistema para tomografía optoacústica basado en el concepto de optoelectrónica definida por software. Se muestra que las señales medidas están afectadas tanto por la geometría cilíndrica del sensor óptico como por el ruido eléctrico. Este último posee frecuencias bien definidas dentro del espectro atribuibles a la electrónica usada en el proceso de heterodinaje del detector óptico de ultrasonido. Se propone una forma de incluir estos efectos en señales simuladas y se prueba el modelo comparándolo con mediciones. Los resultados de este trabajo permitirán el uso de la técnica de aprendizaje profundo para mejorar la calidad de las imágenes obtenidas con este tipo de sistemas tomográficos.

  • English

    In this work, the source of the artifacts introduced in the images obtained with an optoacoustic tomography system based on the software-defined optoelectronics concept are analyzed and characterized. It is shown that the measured signals are affected both by the cylindrical geometry of the optical sensor and by electrical noise. The latter has well-defined frequencies within the spectrum caused by the electronics used in the heterodyning process of the ultrasound optical detector. A way to include these effects in simulated signals is proposed and the model is tested against measurements. The results of this work will allow the use of the deep learning technique to improve the quality of the images obtained with this type of tomographic systems.