通过基于ADMM的深部展开网络在小动物光成像中通过光子计数单像素成像中提高成像质量
Optics express
|November 14, 2024
概括
光子计数单像素成像 (SPI) 在弱光下实现高灵敏度. 一个新的深度展开网络通过学习无色化来提高成像质量,增强光成像灵敏度和体内瘤成像效率.
科学领域:
- 光学和光子学 在光学和光子学.
- 生物医学成像技术 生物医学成像技术
- 计算成像技术的成像
背景情况:
- 光子计数单像素成像 (SPI) 在低光条件下提供高灵敏度.
- 实际的SPI系统面临由于低采样和光子噪声导致的图像质量下降.
- 现有的重建方法与噪音和有限的采样率作斗争.
研究的目的:
- 为光子计数SPI开发一种先进的图像重建方法.
- 在低光和低采样条件下提高成像质量和灵敏度.
- 为了提高体内光成像的效率.
主要方法:
- 提出了一个深度展开的网络,集成贝叶斯最大后期 (MAP) 估计和乘数交替方向方法 (ADMM) 算法.
- 卷积神经网络 (CNN) 被用作可学习的否定器,取代了传统的手工制作的先验.
- 该方法在各种光子噪声水平和8%的低采样率下进行了评估.
主要成果:
- 与传统和数据驱动的CNN方法相比,拟议的深度展开网络显著提高了图像质量.
- 该系统在光成像中实现了7.4 pmol/ml的灵敏度.
- 在小鼠瘤的体内成像表明成像效率提高了8倍.
结论:
- 深度展开网络有效地解决了SPI中的低采样和光子噪声.
- 该方法为高灵敏度光和体内成像提供了卓越的性能.
- 这种方法提高了光子计数SPI系统的功能.
