在光磁成像中快速图像重建的自导算法:人工智能辅助方法
Maha Algarawi1,2, Janaki S Saraswatula2, Rajas R Pathare2
1Department of Physics, College of Science, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh 13318, Saudi Arabia.
Bioengineering (Basel, Switzerland)
|February 23, 2024
概括
一个新的AI算法通过使用磁共振温度计 (MRT) 数据来增强光磁成像 (PMI) 以改善瘤检测. 这种人工智能驱动的方法可以提高空间分辨率和精度,同时显著减少重建时间.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 医学物理 医学物理
- 人工智能在医学中的应用
背景情况:
- 光磁成像 (PMI) 将激光诱导的加热与磁共振温度计 (MRT) 结合起来,用于温度和吸收映射.
- 在PMI中瘤检测依赖于由异常组织中血红蛋白水平较高引起的温度对比.
- 现有的PMI重建算法可以在准确性,空间分辨率和速度方面受到限制.
研究的目的:
- 为PMI开发和评估一种基于人工智能的新型图像重建算法.
- 提高 PMI 中吸收图的精度,空间分辨率和减少吸收图的恢复时间.
- 利用机器学习来增强瘤边界检测和PMI中的功能先验信息.
主要方法:
- 使用监督机器学习方法,直接从MRT温度图中检测瘤边界.
- 检测到的瘤信息作为软功能先验集成到标准PMI重建算法中.
- 增强的PMI算法使用类似于组织的幻影,含有模拟瘤的包含物进行了验证.
主要成果:
- 与标准方法相比,AI增强的PMI算法显著改善了空间分辨率.
- 吸收回收的精度得到了提高,达到2%的低百分比误差.
- 图像文物减少了15%,重建过程加速了大约9倍.
结论:
- 开发的基于AI的图像重建算法大大提高了PMI的性能.
- 这种人工智能驱动的方法为生物医学成像中的吸收映射提供了更准确,更高分辨率和更快的方法.
- 这些发现表明,将人工智能与PMI整合起来,可以提高诊断能力的潜力.
