增强分辨率和灵敏度声学分辨率光声学显微镜与半/无监督GANs

科学领域:

• 生物医学光学 生物医学光学
• 医学成像医学成像
• 计算机成像成像技术

背景情况:

• 声学分辨率光声学显微镜 (AR-PAM) 提供高光学对比度的深层组织可视化.
• 与光学分辨率PAM (OR-PAM) 相比,AR-PAM的侧面分辨率和灵敏度受到其声学聚焦机制的限制.

研究的目的:

• 开发使用生成对抗网络 (GAN) 的计算策略,以提高AR-PAM的分辨率和灵敏度.
• 为了使无标签,高分辨率和敏感的AR-PAM成像在增强的深度.

主要方法:

• 采用两种类型的GAN:半监督学习的有条件GAN和无监督学习的CycleGAN.
• 利用配对和不配对的b扫描光声显微镜 (PAM) 图像用于训练GANs.
• 在幻象和体内鼠标耳朵模型上测试了GAN.

主要成果:

• 在AR-PAM成像中成功提高了幻象和活体老鼠耳朵的分辨率和灵敏度.
• 演示了GANs提高深层组织成像质量的能力,而不需要地面真相数据.
• 实现了AR-PAM图像的无标签重建,提高了分辨率和灵敏度.

结论:

• 生成对抗网络提供了一种强大的计算方法来克服AR-PAM的分辨率和灵敏度限制.
• 开发的半无监督GAN策略使得高性能AR-PAM能够用于深层组织成像.
• 这种方法有望促进生物医学可视化和诊断的发展.