高速时间域扩散光学断层扫描与基于灵敏度方程的神经网络
Fay Wang1, Stephen H Kim2, Yongyi Zhao3
1Department of Biomedical Engineering, Columbia University, New York, NY 10027.
IEEE transactions on computational imaging
|July 17, 2023
概括
一个新的深度学习算法,SENSOR-NET,使时间域扩散光学断层扫描 (TD-DOT) 的快速高分辨率重建成为可能. 这一突破通过减少计算需求,加速了大脑监测和其他高速应用.
科学领域:
- 生物医学光学 生物医学光学
- 医学成像医学成像
- 计算神经科学是一种计算神经科学.
背景情况:
- 时间域扩散光学断层扫描 (TD-DOT) 提供了准确的生理测量,但由于计算密集的反向问题解决,在时间分辨率方面面临挑战.
- 当前的TD-DOT重建方法需要经验调整,增加复杂性并减缓过程.
研究的目的:
- 为TD-DOT开发一种新的,快速的,高分辨率的重建算法.
- 为了克服现有的TD-DOT方法中长时间的重建时间和经验参数调节的局限性.
主要方法:
- 介绍了SENSOR-NET,这是一种深度学习算法,可以与基于灵敏度方程的非代的稀疏光学重建 (SENSOR) 代码集成.
- 将SENSOR的代展开成一个深层神经网络,利用学习的参数进行重建,并消除对经验调整的需求.
- 使用数值和实验数据验证了算法.
主要成果:
- 在不到20毫秒的时间内,以1毫米的空间分辨率实现了准确的重建.
- 证明在网络训练后,重建时间独立于源或波长的数量.
- 展示了实时大脑监测和其他高速扩散光学断层扫描应用的潜力.
结论:
- 传感器网络显著提高了TD-DOT重建的速度和效率.
- 该算法的性能和速度为TD-DOT用于动态生理监测的广泛临床采用铺平了道路.
- 这一进步为神经科学及其他领域的实时应用提供了便利.
