相关实验视频
Updated: Jun 24, 2025
14:58
Optical Scatter Microscopy Based on Two-Dimensional Gabor Filters
Published on: June 2, 2010
9.6K
基于光学连贯断层学的深度学习分散密度估计器,使用物理精确的噪声模型
Thitiya Seesan1, Pradipta Mukherjee1, Ibrahim Abd El-Sadek1,2
1Computational Optics Group, University of Tsukuba, Tsukuba, Ibaraki 305-8573, Japan.
Biomedical optics express
|June 10, 2024
概括
一个新的深度学习散射器密度估计器 (SDE) 准确地测量来自光学连贯断层扫描 (OCT) 图像的组织特性. 这种改进的SDE使用了复杂的噪声模型来提高生物医学成像应用中的精度.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 医疗保健中的机器学习
背景情况:
- 光学连贯断层扫描 (OCT) 是可视化地下结构的关键成像方式.
- 估计散射器密度为组织微观结构和光学特性提供了洞察力.
- 精确的散射器密度估计对于定量OCT分析至关重要.
研究的目的:
- 开发和验证基于深度学习的OCT图像的散射器密度估计器 (SDE).
- 通过结合空间噪声特性来提高散射器密度估计的准确性.
- 在数值模拟和实验环境中评估SDE的性能.
主要方法:
- 在数字模拟的OCT图像上训练了一种深度学习模型,噪声模型考虑了射击噪声,相对强度噪声和非光学噪声.
- 散射密度估计器 (SDE) 在OCT图像中处理局部斑点模式.
- 使用散射幽灵和体外瘤球体验证了性能.
主要成果:
- 基于深度学习的SDE精确估计了OCT图像中的散射密度.
- 与之前的模型相比,SDE显示出更好的估计准确性,而之前的模型缺乏全面的噪声模型.
- 对数值和实验数据的验证证实了SDE的可靠性.
结论:
- 开发的深度学习SDE提供了一个强大的方法,用于对海外国家和地区数据进行定量分析.
- 在培训中纳入空间噪声特性显著提高了散射器密度估计的准确性.
- 这种先进的SDE在各种生物医学成像和诊断中具有潜在的应用.
