基于深度学习的深度地图估计的protoporphyrin IX在的介质使用双波长激发光
Hinano Imanishi1, Takahiro Nishimura1, Yu Shimojo1,2,3
1Graduate School of Engineering, Osaka University, Yamadaoka 2-1, Suita, Osaka 565-0871, Japan.
Biomedical optics express
|October 19, 2023
概括
这项研究使用两波长激发和深度学习估计了光物体在的介质中的深度. 该方法准确地绘制了生物组织和癌症生物标志物的光孔深度.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 精确的光物体深度估计在的介质,如生物组织在各种生物医学应用中至关重要.
- 传统方法经常面临生物组织固有的分散和吸收的挑战.
- 光成像提供了分子特异性,但需要精确的定位用于诊断目的.
研究的目的:
- 开发和验证一种新的方法,用于深度地图估计光物体在的介质.
- 利用双波长激发和深度学习来提高深度测定的准确性和速度.
- 证明该方法在模拟生物环境中定位已知生物标志物的能力.
主要方法:
- 利用两波长激发光成像来捕获光体的光谱信息.
- 调整了一个基于U-Net的卷积神经网络 (CNN) 来处理比度光数据.
- 开发了一个深度学习模型,从广场光图像生成深度图.
主要成果:
- 在模拟的介质中成功生成光物体的深度图.
- 在不同深度实现了癌症生物标志物原氨酸IX的准确深度估计.
- 实时或近实时应用程序的快速处理能力.
结论:
- 拟议的双波长激发和深度学习方法使得在的介质中能够有效地进行深度图估计.
- 这种技术在生物和医学领域具有非侵入性成像和诊断的巨大潜力.
- 实验验证证证实了该方法在复杂的生物环境中定位生物标志物的可行性.
