Детальная информация

В работе разработан алгоритм трёхмерной реконструкции акустических параметров среды на основе полноволновой инверсии ультразвуковых данных. Проведён анализ современных методов ультразвуковой томографии с акцентом на её преимущества перед традиционным 2D УЗИ, включая сравнение методов инверсии на отражённых и проходящих волнах (глава 1). Предложена модификация численных схем для трёхмерного случая, учитывающая особенности ультразвукового зондирования (глава 2). Оптимизационные процедуры восстановления скорости звука и плотности среды реализованы с использованием вариационных методов и TV-регуляризации (глава 3). Программная реализация выполнена в MATLAB с применением Parallel Computing Toolbox, библиотек CUDA и OpenMP для ускорения ресурсоёмких расчётов; особое внимание уделено эффективной обработке больших трёхмерных массивов. Тестирование на синтетических моделях с реалистичными шумами подтвердило точность реконструкции для объектов сложной геометрии, включая сравнение 3D и 2D подходов (глава 4). Результаты демонстрируют устойчивость метода к артефактам и его потенциал для задач медицинской визуализации и неразрушающего контроля. Основным ограничением остаётся сложность восстановления объёмных распределений скоростей, что требует дальнейших оптимизаций.

This work presents an algorithm for 3D reconstruction of acoustic medium parameters using full-waveform inversion of ultrasound data. A comparative analysis of modern ultrasound tomography methods is conducted, highlighting advantages over conventional 2D ultrasound imaging, including a critical evaluation of reflected-wave versus transmitted-wave inversion approaches (Chapter 1). A modified numerical framework for 3D cases is proposed, tailored to ultrasound- specific wave propagation (Chapter 2). Optimization procedures for sound speed and density recovery employ variational methods with total-variation regularization (Chapter 3). The MATLAB-based implementation integrates Parallel Computing Toolbox, CUDA, and OpenMP libraries to accelerate computationally intensive tasks, with a focus on efficient handling of large 3D datasets. Validation on synthetic models with realistic noise levels demonstrates high reconstruction accuracy for complex geometries, including a performance comparison between 3D and 2D methods (Chapter 4). Results indicate robustness against artifacts and feasibility for medical imaging and non-destructive testing applications. The main limitation lies in the complexity of recovering volumetric speed distributions, necessitating further computational optimizations.