在模拟的多谱数据上训练的人工神经网络,用于皮肤微循环血液氧和的实时成像

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:

• 皮肤中血液氧和度的成像对于研究缺血组织至关重要.
• 多光谱快照摄像机提供实时成像,但传统的逆蒙特卡洛 (MC) 分析速度很慢.
• 人工神经网络 (ANN) 承诺更快的分析,但需要广泛的,高质量的训练数据来准确估计.

研究的目的:

• 开发一个框架来培训ANN,从多光谱数据实时估计$$.
• 达到与反向MC可比的精度,用于$$估计.

主要方法:

• 训练有素的ANN使用从将光传播和硬件特征的MC模拟结合在一起的模型中生成的合成数据.
• 将光学特性,传感器特征,照明光谱和探测器噪声的生理变化纳入模型.
• 利用内部传感器光谱响应校准来改善硬件建模.

主要成果:

• 通过ANN分析,每个图像的速度达到0.11秒,比反向MC快1万倍以上.
• 在体外研究中证明了ANN和逆MC之间的几乎相同的值,平均绝对偏差为1.3%的单位.
• 该框架快速生成高质量的培训数据,涵盖各种组织类型和皮肤颜色.

结论:

• 在分析多光谱皮肤数据方面,ANN可以有效地取代反向MC.
• 皮肤中微循环的实时成像是可以使用ANN的.
• 准确的估计需要在ANN训练数据生成过程中对组织和硬件进行详细和精确的建模.