用脉冲THz光谱学进行小鼠组织扫描的视觉增强和语义细分

科学领域:

• 人工智能的人工智能
• 医疗成像医学成像
• 生物医学工程 生物医学工程

背景情况:

• 医疗成像的深度学习面临着低分辨率和有限的专业标记数据集的挑战,特别是对于像脉冲太赫兹 (THz) 成像这样的新兴技术.
• 切除乳腺瘤的脉冲THz成像受到图像分辨率限制和在组织病理学期间的域移动的阻碍,使传统的数据驱动深度学习方法复杂化.

研究的目的:

• 将语义人工智能 (AI) 应用到切除乳腺瘤中的组织类型,使用脉冲太赫兹成像.
• 通过利用语义上下文来解决图像分辨率低和THz成像中没有标记数据的局限性.
• 开发一种新的两阶段管道,将无监督和监督学习结合起来,用于增强医疗图像分析.

主要方法:

• 开发了一个两阶段的管道,从无监督的图像到图像翻译网络开始.
• 在管道的第二阶段使用了监督细分网络.
• 该方法使用由双向图像到图像翻译网络生成的合成THz扫描来进行培训.

主要成果:

• 拟议的Semantic AI管道可实现从THz扫描中切除的乳腺瘤组织的增强近实时可视化.
• 一个受监督的细分和分类培训策略成功地实施,仅使用合成生成的THz扫描.
• 该方法有效地克服了传统THz成像深度学习固有的低分辨率和稀缺标记数据的局限性.

结论:

• 语义AI提供了一个有希望的方法来增强医学成像中的深度学习,增加信息密度和对结果的信任.
• 开发的两阶段管道有效地在乳腺瘤的THz图像中对组织类型进行细分,解决了关键的先前限制.
• 这项工作为使用THz等新兴成像技术改善诊断能力铺平了道路,即使有有限的标记数据.