在乳腺组织中通过生成对抗网络加速全样本两极分化解决的第二波生成成像
Arash Aghigh1, Jysiane Cardot2, Melika Saadat Mohammadi1
1Centre Énergie Matériaux Télécommunications, Institut National de la Recherche Scientifique, Varennes, Québec, Canada.
Biomedical optics express
|September 19, 2024
概括
这项研究引入了一种人工智能驱动的方法来加快两极化第二波代 (P-SHG) 成像. 增强的超分辨率生成对抗网络 (ESRGAN) 方法大大减少了成像时间,同时保持了高图像质量.
科学领域:
- 生物物理学的生物物理.
- 材料科学 材料科学 材料科学
- 医疗成像医学成像
背景情况:
- 极化第二子生成 (P-SHG) 成像对于分析生物和物质结构至关重要.
- 传统的P-SHG成像被长时间的采集时间和高设备成本所限制.
- 需要更快,更容易使用的P-SHG技术来减少光损伤和更广泛的应用.
研究的目的:
- 开发一种新的,时间效率高的P-SHG成像方法.
- 为了提高成像分辨率和减少采集时间,使用人工智能.
- 为了证明该方法对全样本乳腺成像的适用性.
主要方法:
- 利用增强的超分辨率生成对抗网络 (ESRGAN) 来升级低分辨率的P-SHG图像.
- 实施了一种新的方法,大大缩短成像时间,提高分辨率.
- 验证了该方法在保持图像质量和分析准确性方面的有效性.
主要成果:
- 与传统方法相比,成像时间减少了95%以上.
- 通过人工智能驱动的升级,证明了高图像质量和分析准确性.
- 成功地将该技术应用于整个样本乳腺P-SHG成像.
结论:
- 拟议的基于ESRGAN的P-SHG成像方法在速度和可访问性方面取得了重大进展.
- 这种方法减少了激光诱导的光损伤,降低了设备成本,并扩大了P-SHG应用.
- 该技术有望加速各种领域的科学发现,特别是全样本成像.
