转移学习的应用,用于快速校准空间分辨的分散反射探针,以提取组织光学特性
Md Nafiz Hannan1, Timothy M Baran2,3,4
1University of Rochester, Department of Physics and Astronomy, Rochester, New York, United States.
Journal of biomedical optics
|February 29, 2024
概括
转移学习 (TL) 快速适应人工神经网络 (ANN) 用于分散反射光谱 (DRS) 探测器. 这使得精确的组织光学特性恢复用于光动力学治疗计划,减少对耗时的模拟的依赖.
科学领域:
- 生物医学光学 生物医学光学
- 光动力学疗法 光动力学疗法
- 医疗成像医学成像
背景情况:
- 精确的组织光学特性对于有效的基于光的治疗计划至关重要,例如光动力学治疗.
- 空间分辨的扩散反射光谱 (DRS) 可以恢复这些特性,但需要精确的源探测器分离 (SDS) 和广泛的模拟.
研究的目的:
- 开发一种能够将DRS测量结果映射到组织光学特性的人工神经网络 (ANN).
- 通过转移学习 (TL) 将训练有素的ANN适应不同的光纤探头,具有不同的SDS.
主要方法:
- 一个ANN被训练使用DRS数据和蒙特卡洛模拟从一个光纤探测器.
- 应用了转移学习来调整这个ANN以使用具有不同SDS的第二个探头.
- 第三个探测器的数据被用来验证TL算法的性能.
主要成果:
- 最初的ANN在恢复吸收度和散射特性方面取得了良好的准确性.
- 与最初的ANN相比,TL显著提高了第二和第三个探测器的光学属性恢复的准确性.
- 在不同的探头配置中,TL方法表现出了强大的性能.
结论:
- 转移学习提供了一种有效的方法,用于在不同的DRS探头上校准ANN.
- 这种探针对探针校准能够快速准确地恢复组织光学特性.
- 开发的方法可以简化基于光疗法的治疗计划.
