基于深度学习的人类智能皮肤去除光声学计算机断层扫描基于深度学习

科学领域:

• 生物医学成像技术 生物医学成像技术
• 医学物理 医学物理
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 光声学计算机断层扫描 (PACT) 为人体检测提供厘米级成像.
• 来自表面皮肤的强光声学信号掩盖了深层组织的细节,限制了正面分析.
• 目前的方法与文物和不均的照明作斗争,阻碍深层组织可视化.

研究的目的:

• 开发用于PACT成像的自动皮肤去除技术.
• 为了改善深层组织结构的可视化和分析.
• 为了提高信号与噪声的比率并减少PACT图像中的重建错误.

主要方法:

• 采用了利用特征金字塔结构的2.5D深度学习模型.
• 单一类型的皮肤注释用于皮肤区域提取.
• 设计了一个面具生成算法,用于自动去除皮肤.

主要成果:

• 提议的皮肤去除方法通过对人类外周血管的PACT成像实验得到了验证.
• 该方法证明了对不均的照明,不规则的皮肤边界和重建文物的强度.
• 重建错误减少了20%-90%,信号噪声比提高了1.65dB.

结论:

• 开发的深度学习方法有效地从PACT图像中删除皮肤.
• 这种技术可方便高清成像和深层组织分析.
• 该方法为克服当前PACT成像技术的局限性提供了一个有希望的解决方案.