基于深度算法展开的多光谱稀疏采样光声断层扫描的图像重建

科学领域:

• 医疗成像医学成像
• 生物医学工程 生物医学工程
• 计算成像技术的成像

背景情况:

• 光声学断层扫描 (PAT) 在生物组织中提供结构,功能和代谢成像.
• 稀疏采样PAT (SS-PAT) 减少了探测器的需求,但面临着不良的图像重建挑战.
• 目前的SS-PAT重建方法包括基于模型 (需要复杂的先验) 和深度学习 (缺乏可解释性).

研究的目的:

• 开发一种新的SS-PAT图像重建方法,整合基于模型和深度学习的优势.
• 为了解决SS-PAT重建的不良性质,使用深度算法展开 (DAU) 框架.
• 纳入结构上先前的约束,以改善稀疏采样重建.

主要方法:

• 为SS-PAT图像重建提出了一种新的深度算法解滚 (DAU) 框架.
• 开发了一个嵌套的DAU框架,使用插入和播放的乘法器交替方向方法 (PnP-ADMM) 来处理稀疏采样.
• 分析了DAU对PAT重建的方法,并纳入了结构性先前的约束.

主要成果:

• 提出的DAU框架在SS-PAT图像重建中表现出卓越的性能.
• 来自数值模拟,体内动物成像和多谱非混合的实验结果验证了该方法的有效性.
• 基于DAU的重建超越了现有的基于最先进模型和深度学习的方法.

结论:

• 新的DAU框架有效地整合了SS-PAT的基于模型和深度学习的优势.
• 基于PNP-ADMM的嵌套DAU方法成功地解决了PAT中稀疏采样的挑战.
• 这种方法为使用SS-PAT的高质量的生物组织成像提供了有希望的进步.