相关实验视频
Updated: Jun 24, 2025
08:31
Three-dimensional Optical-resolution Photoacoustic Microscopy
Published on: May 3, 2011
18.2K
基于分布信息和波长灵活的数据驱动的光声氧度计
Janek Gröhl1,2, Kylie Yeung1,2, Kevin Gu1,2
1University of Cambridge, Cancer Research UK Cambridge Institute, Cambridge, United Kingdom.
Journal of biomedical optics
|June 6, 2024
概括
一个新的循环神经网络改善了光声成像 (PAI) 用于血液氧化估计. 这种灵活的深度学习方法,使用Jensen-Shannon分歧,提高了潜在的临床应用的准确性,如癌症检测.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 光声成像 (PAI) 显示了血液中氧和度测量的潜力.
- 目前的光谱分离方法对于PAI缺乏准确性和稳定性.
- 精确的血液氧化估计具有重要的临床应用,包括癌症检测和炎症量化.
研究的目的:
- 解决PAI中血液氧化估计现有的数据驱动方法的不灵活性.
- 引入一种新的循环神经网络架构,以改进PAI数据分析.
主要方法:
- 开发了一种波长灵活的循环神经网络架构,使用长期短期记忆网络.
- 创建了25个模拟训练数据集变体来评估网络性能.
- 提出Jensen-Shannon差异,以确定最适合特定应用的培训数据集.
主要成果:
- 拟议的网络架构灵活地处理不同的输入波长.
- 循环神经网络的表现优于线性分离和先前学习的光谱色变方法.
- 詹森-香农差异与估计误差相关,使最佳训练数据集的预测成为可能.
结论:
- 一个灵活的,数据驱动的网络架构与詹森-香农分歧相结合,为强大的光声氧度学提供了一个有希望的方法.
- 这种方法有可能使数据驱动的光声氧计在临床上得到应用.
- 进一步开发可能会导致在临床环境中更准确,更可靠的血液氧化测量.
更多相关视频
11:21Integrated Photoacoustic Ophthalmoscopy and Spectral-domain Optical Coherence Tomography
Published on: January 15, 2013
11.5K
09:56Universal Hand-held Three-dimensional Optoacoustic Imaging Probe for Deep Tissue Human Angiography and Functional Preclinical Studies in Real Time
Published on: November 4, 2014
10.8K
