深度学习自动评估2μm激光诱导的皮肤损伤 OCT图像
Changke Wang1,2, Qiong Ma1, Yu Wei1,3
1Beijing Institute of Radiation Medicine, 27 Taiping Road, 100850, Beijing, China.
Lasers in medical science
|April 18, 2024
概括
本研究介绍了一种使用光学连贯断层扫描 (OCT) 和深度学习来评估激光诱导的皮肤损伤的非侵入性方法. HR-Net在对不同剂量的辐射反应中量化损伤体积方面表现出卓越的准确性.
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:
- 评估激光诱导的组织损伤对于理解激光与组织相互作用至关重要.
- 目前用于评估皮肤损伤的方法可能具有侵入性或缺乏定量精度.
- 光学连贯断层扫描 (OCT) 提供了高分辨率的横截面成像功能.
研究的目的:
- 开发和验证一种非侵入性,自动化的方法来分析2μm激光引起的皮肤损伤.
- 量化评估不同剂量的激光照射对小鼠皮肤的生物效应.
- 为了比较不同深度学习模型对损害细分和体积量化的性能.
主要方法:
- 通过使用不同剂量的2μm激光照射,创建了一个小鼠皮肤损伤模型.
- 损伤皮肤的体内成像使用光学连贯性断层扫描 (OCT) 进行.
- 深度学习模型 (U-Net,DeepLabV3+,PSP-Net,HR-Net) 被训练用于图像细分和损坏量量化.
主要成果:
- 在评估的深度学习模型中,HR-Net表现最好.
- 人力资源网在细分和实际损害量之间取得了最高的一致性,错误最小.
- 观察到皮肤损伤体积的剂量依赖增加,具体体积与辐射剂量相关.
结论:
- 拟议的基于OCT和深度学习的方法提供了一种有效的非侵入性方法来评估激光诱导的皮肤损伤.
- HR-Net是一个高度准确的模型,用于细分和量化激光诱导的皮肤损伤量.
- 该研究确定了激光照射剂量与皮肤损伤量之间的定量关系.
