基于支撑先验与深度图像先验的无预训练磁共振图像重建方法

基于深度学习的磁共振成像(magnetic resonance imaging, MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于深度学习的欠采样磁共振图像重建方法,该方法无需预训练、不依赖训练数据集,而是充分利用待重建的目标MR图像的结构先验和支撑先验,并将其引入深度图像先验(deep image prior, DIP)框架,从而削减对训练数据集的依赖,提升学习效率.基于参考图像与目标图像的相似性,采用高分辨率参考图像作为深度网络输入,将结构先验信息引入网络;将参考图像在小波域中幅值大的系数索引集作为目标图像的已知支撑集,构造正则化约束项,将网络训练转化为网络参数的最优化求解过程.实验结果表明,本文方法可由欠采样k空间数据重建得到更精确的磁共振图像,且在保留组织特征、细节纹理方面具有明显优势.     

锡基钙钛矿太阳能电池载流子传输层的探讨

锡基钙钛矿太阳能电池可避免铅元素对环境带来的污染,近年来已成为光伏领域的研究热点.本文以SCAPS-1D太阳能电池数值模拟软件为平台,对不同电子传输层和不同空穴传输层的锡基钙钛矿太阳能电池器件的性能进行数值仿真对比,从理论上分析不同载流子传输层的锡基钙钛矿太阳能电池的性能差异.结果显示,载流子传输层与钙钛矿层的能带对齐对电池性能至关重要.电子传输层具有更高的导带或电子准费米能级以及空穴传输层具有更低的价带或空穴准费米能级时,对电池输出更大的开路电压有促进作用.另外,当电子传输层的导带高于钙钛矿层导带或钙钛矿层的价带高于空穴传输层的价带时,钙钛矿层与载流子传输层界面形成spike势垒,界面复合机制相对较弱,促使电池获得更佳的性能.当Cd0.5Zn0.5S和MASnBr3分别作为电子传输层和空穴传输层时,与其他材料相比,获得了更优的输出特性:开路电压Voc=0.94 V,短路电流密度Jsc=30.35 mA/cm^2,填充因子FF=76.65%,功率转换效率PCE=21.55%,可认为Cd0.5Zn0.5S和MASnBr3是设计锡基钙钛矿太阳能电池结构合适的载流子传输层材料.这些模拟结果有助于实验上设计并制备高性能的锡基钙钦矿太阳能电池.