用生成对抗网络进行组织氧化映射的最佳超谱频段选择

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:

• 超光谱成像 (HSI) 是有希望的组织氧化评估在缺血患者.
• 在HSI中高光谱分辨率导致大量数据和长时间的成像时间,限制了临床应用.

研究的目的:

• 从HSI.开发一个高效的深度学习模型来预测组织氧化率.
• 优化超光谱带选择,以提高效率和减少数据大小.

主要方法:

• 利用多目标进化算法来识别最佳的超光谱带组合.
• 开发了一种深度学习模型,用于从选定的光谱波段预测组织氧化.

主要成果:

• 深度学习模型准确地预测了各种状态的组织氧化.
• 使用减少的光谱频段数量实现了高性能模型.

结论:

• 拟议的方法可实现高效的,非接触的,二维组织氧化映射.
• 减少光谱带的使用显著提高了高光谱组织氧化评估的效率.