WSA-MP-Net:弱信号注意力和多尺度感知网络用于光学分辨率光声学微复制中的微血管提取

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:

• 光学分辨率光声学显微镜 (OR-PAM) 提供高分辨率的微血管成像,没有对比剂,对于研究组织微循环至关重要.
• 目前OR-PAM图像中的微血管细分技术面临的局限性包括难以同时细分不同的血管大小,处理不完整或不连续的血管,以及缺乏深度学习的开放访问数据集.

研究的目的:

• 开发一种新的深度学习方法,用于OR-PAM图像中的准确和完整的微血管细分.
• 通过加强弱小船舶的细分和改善船舶连续性来解决现有方法的局限性.

主要方法:

• 开发了一种新的深度学习网络,WSA-MP-Net,它包含了用于小型船只的弱信号注意力 (WSA) 机制和用于不同船只大小的多尺度感知 (MP) 模块.
• 黑森矩阵增强被整合到网络的加工前和后步骤中,以改善船舶连续性.
• 创建了两个数据集,NV-ORPAM (正常血管) 和TV-ORPAM (瘤血管),以及一个半自动注释算法来生成地面真相.

主要成果:

• 在OR-PAM图像中,WSA-MP-Net模型成功地对微血管进行了细分,证明了大量微血管的提取得到了改进,同时保持了连续性和信号保真性.
• 量化分析显示,与以前的方法相比,指标值在1.3%至25.9%之间有所改善.
• 该模型已成功应用于监测小鼠大脑中的质瘤血管生成,验证了其可行性和概括能力.

结论:

• 拟议的WSA-MP-Net为从OR-PAM图像中提取完整和连续的微血管网络提供了一个有希望的解决方案.
• 这一进步在微血管相关的生物学研究和医学诊断中具有很大的应用潜力,特别是在可视化复杂的血管结构方面.