深度学习用于超声波局部化显微镜中的快速消噪过
Xiangyang Yu1, Shunyao Luan1, Shuang Lei1
1Shool of Integrated Circuit, Wuhan National Laboratory for optoelectronics, Huazhong University of Science and Technology, Wuhan, People's Republic of China.
Physics in medicine and biology
|September 13, 2023
概括
使用CS-Net进行深度学习,显著提高了超声波定位显微镜 (ULM) 成像分辨率. 这种新的方法大大减少了处理时间,使实时超高分辨率超声波应用成为可能.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 超声波技术 超声波技术
背景情况:
- 超声波定位显微镜 (ULM) 通过减少微泡定位错误来提高超分辨率超声波 (SR-US) 成像分辨率.
- 对于ULM来说,传统的denoising方法是计算密集型的,限制了应用程序的离线分析.
研究的目的:
- 引入基于深度学习 (DL) 的解密方法,以加快ULM数据处理.
- 为了评估对比性半监督网络 (CS-Net) 在ULM中拒绝的性能.
主要方法:
- 开发了一种使用对比性的半监督网络 (CS-Net) 进行深度学习的无线化方法.
- 通过使用模拟的微气泡数据来训练CS-Net,以区分信号和噪音.
- 通过体外流量幻影和体内子瘤实验验验证了性能.
主要成果:
- 在体外实验中,SNR (26.91dB) 和CNR (4.01dB) 的改善.
- 在体内实验表明增强的SNR (12.29dB) 和CNR (6.06dB),显着可视化微容器 (24微米和46微米分离).
- CS-Net实现了0.041秒/ (体外) 和0.062秒/ (体内) 的快速处理速度.
结论:
- 通过CS-Net进行深度学习,有效地改善SR-US解析,并大大缩短处理时间.
- 这一进步促进了使用ULM的实时临床成像应用的潜力.
