带有深度学习的高光谱成像用于量化组织血红蛋白,黑色素和散射

科学领域:

• 生物医学光学 生物医学光学
• 医学成像医学成像
• 计算生物学是一种计算生物学.

背景情况:

• 超光谱摄像头提供每像素的详细光谱信息.
• 传统的光谱分析方法对于大型数据集来说是计算密集的.
• 深度学习为实时光谱数据处理提供了潜力.

研究的目的:

• 开发一种基于深度学习的快速方法,用于分析人体组织的高光谱图像.
• 量化关键组织成分 (例如血红蛋白,黑色素) 的度.
• 克服传统光谱分析的计算局限性.

主要方法:

• 利用超光谱成像来捕捉体内人体组织的反射频谱.
• 采用多层蒙特卡罗模型来模拟分散的反射频谱.
• 在模拟的光谱上训练了一个人工神经网络 (ANN),以预测组织成分度.

主要成果:

• 在独立的测试数据上,ANN实现了低根平均平方误差.
• 基于ANN的度计算比代最小方程快4000倍以上.
• 快速生成高分辨率组织成分度图像.

结论:

• 开发的ANN方法可以从超光谱数据中快速准确量化组织成分.
• 这种方法有可能实时监测和分析体内人体组织.
• 通过对人类实验者的体内研究得到验证.