基于深度学习的偏振灵敏光学连贯性断层扫描 (OTC) 血管造影的可行性,用于成像皮肤微血管
Moning Pan1, Yuxing Wang1, Peijun Gong1,2,3
1Key Laboratory for Biomedical Engineering of Ministry of Education, Embedded System Engineering Research Center of Ministry of Education and Zhejiang Provincial Key Laboratory for Network Multimedia Technologies, Zhejiang University, Hangzhou, 310027, China.
Biomedical optics express
|October 6, 2023
概括
深度学习增强了对偏振敏感的光学相干断层扫描血管学 (PS-OCTA) 用于成像皮肤微血管. 升级后的集成残留密度网络 (GRDN) 显示出比以前的方法更好的性能和更快的处理速度.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 深度学习应用程序
背景情况:
- 极化敏感光学连贯断层扫描 (PS-OCT) 通过分析反射光极化,提供了增强的血管造影.
- 传统的光学连贯断层扫描 (OCT) 血管学在微血管成像方面存在局限性.
研究的目的:
- 评估将深度学习与皮肤微血管成像 (PS-OCTA) 的PS-OCT集成的可行性.
- 为了比较两个神经网络 (RDN和GRDN) 和PS-OCTA的不同信号处理协议的性能.
主要方法:
- 开发和训练深度学习模型 (RDN,GRDN),使用来自18个皮肤位置的16600个B扫描对的PS-OCT扫描.
- 研究了使用来自PS-OCT系统的斯矩阵的信号处理协议.
- 对比PS-OCTA性能与斑点脱系血管学.
主要成果:
- 升级后的集成剩余密集网络 (GRDN) 与剩余密集网络 (RDN) 相比,表现略有改善.
- 处理组合的斯矩阵元素产生了比使用单个元素更好的结果.
- 基于GRDN的PS-OCTA实现了与斑点脱关系血管学相似的图像质量,但速度快2-3倍,并提供了更好的运动缓解.
结论:
- 基于深度学习的PS-OCTA有效用于对人类皮肤微血管的成像.
- GRDN在处理速度和运动工件减少方面提供了显著的优势.
- 开发的PS-OCTA方法显示了在临床前和临床环境中直接采用的潜力.
