相关实验视频
Updated: Jul 9, 2025
10:25
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
8.8K
深度内部:通过加权的反向投影和深度学习进行内部断层图像重建的新途径
Chengzhu Zhang1, Guang-Hong Chen1,2
1Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA.
Medical physics
|December 8, 2023
概括
深入的内部可以准确的内部断层重建任意位置的感兴趣区域 (ROI) 使用新的深度学习方法. 这种方法可以高准确地重建小ROI (直径>5厘米),即使是任意的大小和视野内的位置.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 医学物理中的深度学习
背景情况:
- 内部断层扫描现有的深度学习方法仅限于以固定大小的中心感兴趣区域 (ROI).
- 在扫描视野 (FOV) 内的任意大小的任意位置ROI的重建仍然是断层扫描中的挑战.
研究的目的:
- 开发一种新的深度学习框架,Deep-Interior,用于任意大小的任意位置ROI的内部断层重建.
- 为了使重建使用一个单一,训练有素的深度神经网络模型.
主要方法:
- 开发了一个分析加权反向投影算法,用于从分歧的风扇光束投影数据到任意ROI的中间特征空间的域转换.
- 采用监督学习技术来训练深层神经网络进行解卷,从特征空间中获得真实图像.
- 通过数值模拟和实验研究验证了深层内部方法.
主要成果:
- 在具有高相似度指数 (0.985 ± 0.018内部,0.940 ± 0.025外部) 的任意位置精确重建直径小于5厘米的ROI.
- 通过在没有额外培训的情况下拼接更小的重建ROI来证明任意大小ROI的重建.
- 在不同身体部位成功重建了各种解剖结构.
结论:
- 深度内部框架成功地使短和超短扫描采集从不同的风扇光束投影进行内部断层重建.
- 在扫描FOV内的任意位置实现了小ROI (直径>5厘米) 的高定量重建精度.
- 该方法对灵活而准确的内部断层扫描应用有希望.
更多相关视频
06:45Author Spotlight: Integrated Photoacoustic, Ultrasound, and Angiographic Tomography (PAUSAT) for NonInvasive Whole-Brain Imaging of Ischemic Stroke
Published on: June 2, 2023
1.4K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.8K
