由深度学习改进的印ocyanine绿色基光成像通过深度学习改进
Xiao Xiong1, Li He1, Qingchao Ma1
1Engineering Research Center of Molecular, Neuro Imaging of the Ministry of Education, School of Life Science and Technology, Xidian University, Xi'an, Shaanxi, China.
Journal of biophotonics
|August 9, 2023
概括
这项研究引入了一种深度学习方法,用于在NIR-IIb窗口中增强内绿色 (ICG) 光成像,改善外科指导下地下结构和瘤的可视化.
科学领域:
- 医学成像医学成像
- 生物医学工程 生物医学工程
- 人工智能的人工智能是人工智能.
背景情况:
- 基于印ocyanine绿色 (ICG) 的光成像技术有助于手术内瘤的识别.
- 目前在NIR-I和NIR-IIa窗口中的成像由于光散射而存在空间分辨率和对比度的限制.
- 理想的成像是在NIR-IIb窗口 (1500-1700nm) 中进行,以加强外科指导.
研究的目的:
- 开发一种在NIR-IIb窗口中生成高分辨率ICG光图像的方法.
- 为了克服ICG的超低NIR-IIb发射的挑战.
- 改善手术内恶性瘤的识别和手术精度.
主要方法:
- 使用生成对抗网络 (GAN) 来从获得的NIR-I ICG图像中合成NIR-IIb ICG图像.
- 采用了体内成像技术来验证方法.
- 专注于成像地表下血管结构,肠道解剖学和瘤.
主要成果:
- 该GAN方法成功生成了NIR-IIb ICG图像,空间分辨率和对比度得到了显著改进.
- 证明了深层生物结构和瘤的增强可视化.
- 在临床前体内模型中验证了该方法的潜力.
结论:
- 基于深度学习的图像生成为NIR-IIb窗口中的ICG光成像提供了一个有前途的解决方案.
- 这种技术有可能提高临床诊断和图像引导手术.
- 改进的可视化可以带来更好的手术结果和更好的患者护理.
