无监督深度学习可以实时记录快速扫描光学分辨率光声显微镜的图像
Xiaobin Hong1, Furong Tang1, Lidai Wang2
1School of Mechanical & Automotive Engineering, South China University of Technology, Guangzhou, Guangdong, PR China.
Photoacoustics
|August 5, 2024
概括
我们开发了一种深度学习方法,用于实时的图像恢复和快速扫描光声显微镜中的注册. 这种技术纠正了扭曲和错位,显著提高了动态血管成像的数据质量.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 光学显微镜的使用方法
- 深度学习应用程序
背景情况:
- 快速扫描光学分辨率光声学显微镜 (OR-PAM) 容易导致由于干扰的图像扭曲和错位.
- 准确的图像恢复和记录对于长期OR-PAM研究中动态过程的定量分析至关重要.
- 传统的注册算法难以满足实时处理的计算需求.
研究的目的:
- 开发基于深度学习的无监督注册网络,用于实时图像恢复和OR-PAM注册.
- 为了应对快速扫描OR-PAM中严重的图像扭曲和错位的挑战.
- 为了提高OR-PAM图像注册的计算吞吐量.
主要方法:
- 为图像恢复和注册开发了一个无监督的深度学习网络.
- 该网络纠正B扫描扭曲,并消除相邻和重复图像中的错位.
- 该方法与传统的基于强度和基于特征的注册算法进行了比较.
主要成果:
- 深度学习方法实现了实时的图像恢复和注册.
- 与传统的基于强度的方法相比,计算吞吐量提高了50倍.
- 开发的算法在培训后表现出比传统的基于特征的注册算法更高的性能.
结论:
- 拟议的深度学习方法准确地恢复和实时记录OR-PAM图像.
- 这种技术为提取动态血管结构和功能信息提供了一个强大的工具.
- 无监督网络有效地纠正文物和错位,提高OR-PAM的实用性.


