DOVE:用于光声血管学超分辨率的涂血管增强
Yuanzheng Ma1, Wangting Zhou2, Rui Ma3
1Tsinghua-Berkeley Shenzhen Institute, Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, 518055, China; Institute of Data and Information, Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, 518055, China.
Medical image analysis
|February 22, 2024
概括
这项研究介绍了Doodled Vessel Enhancement (DOVE),一种新的方法,使用手绘涂来训练超高分辨率的光声血管学模型. DOVE克服了有限的训练数据,改善了用于疾病诊断的血管成像.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 基于深度学习的超高分辨率光声血管学 (PAA) 增强了用于疾病诊断的血管成像.
- 目前的PAA模型由于训练数据有限而难以泛化,特别是深度体外成像.
- 在PAA期间,高激光强度会导致组织损伤和感染.
研究的目的:
- 开发一个PAA超分辨率模型,克服培训样本不足的挑战.
- 提高超分辨率PAA的泛化和临床适用性.
- 通过使用更少的真实图像来实现有效的模型训练来减少潜在的组织损伤.
主要方法:
- 拟议的Doodled Vessel Enhancement (DOVE) 方法使用手绘涂来训练PAA超分辨率模型.
- 构建了一个扩散模型,将涂解释为低分辨率图像,从一个小数据集 (32个真实图像) 中生成现实的PAA图像.
- 使用生成的PAA图像训练了一个基于自我相似性的超分辨率模型.
主要成果:
- 产生了大量现实PAA图像的数据集,在专家中实现了49.375%的愚蠢率.
- 经过DOVE训练的模型在跨领域测试中实现了0.8591的结构相似性值.
- 训练使用真实高分辨率图像的超级模型,展示了优越的概括性.
结论:
- DOVE有效地解决了PAA超分辨率培训样本不足的局限性.
- 该方法显示了在生物医学成像中临床应用的巨大潜力.
- 能够实现高分辨率的血管成像,减少对大量现实数据的依赖.
