相关实验视频
Updated: Jul 11, 2026
08:31
Three-dimensional Optical-resolution Photoacoustic Microscopy
Published on: May 3, 2011
18.1K
基于Noise2Noise网络的光声图像的无监督消除噪声
Yanda Cheng1, Wenhan Zheng1, Robert Bing1
1Department of Biomedical Engineering, University at Buffalo, The State University of New York, Buffalo, New York, USA.
Biomedical optics express
|September 30, 2024
概括
这项研究引入了一种深度学习方法,用于更清晰的光声学 (PA) 成像. 噪声2噪声网络可以提高图像质量和血管可视化,而无需无噪声数据.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 人工智能在医学中的应用
- 医学物理 医学物理
背景情况:
- 光声学 (PA) 成像为可视化生物组织提供高分辨率.
- 在体内PA成像受到噪音的挑战,限制了深层组织的可视化.
- 监督深度学习方法需要无噪声的基准真相数据,在体内无法获得.
研究的目的:
- 实施无监督深度学习方法Noise2Noise,以改进基于线性数组的PA成像.
- 开发一种技术,从单个PA图像集生成必要的噪声对,用于无监督学习.
- 在模拟和实验环境中验证开发方法的有效性.
主要方法:
- 使用了无监督的Noise2Noise深度学习网络.
- 开发了一种新的方法,从单个PA图像数据集中创建配对的噪音图像.
- 使用模拟和实验光声学数据验证了方法.
主要成果:
- 噪声2噪声方法有效地减少了音响图像中的噪声.
- 信号与噪声比 (SNR) 得到显著改善.
- 在更深处实现了血管结构的增强可视化.
- 剥离的图像显示出清晰而详细的血管系统,有助于临床前研究.
结论:
- 使用Noise2Noise的无监督深度学习是增强体内PA成像的可行策略.
- 开发的方法克服了要求基本真相数据的局限性.
- 这种技术有可能促进临床前研究和未来的临床应用PA成像.
