在光学连贯断层扫描中使用多参考幻象和深度学习进行准确的衰减表征
Nian Peng1, Chengli Xu1, Yi Shen2
1School of Medical Technology, Beijing Institute of Technology, Beijing 100081, China.
Biomedical optics express
|December 16, 2024
概括
使用光学连贯断层扫描 (OCT) 精确测量组织中的光衰减具有挑战性. 一种新的深度学习方法MR-Net显著提高了从OCT信号计算光衰减系数 (AC) 的准确性.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 光学连贯性断层扫描技术
背景情况:
- 光学衰减系数 (AC) 对于定量组织分析和分化至关重要.
- 从光学相干断层扫描 (OCT) 信号中精确量化AC是临床应用中的一个重大挑战.
研究的目的:
- 调查影响现有OCT算法的AC提取精度的因素.
- 开发一种新的深度学习方法 (MR-Net) 来改进从OCT数据的AC量化.
主要方法:
- 一个多参考幻象驱动网络 (MR-Net) 是使用深度学习和多参考幻象开发的.
- 具有已知AC值的脂质内和TiO2幻影用1300nm扫源OCT系统进行成像.
- 性能与现有的基于OCT的AC提取算法进行了比较,分析了数据长度,失焦距离和幻影属性.
主要成果:
- 在所有评估的指标上,MR-Net表现出卓越的表现.
- 在交流计算中,MR-Net的平均相对误差为10.43%,远远超过现有方法 (最低为23.72%).
- 该网络有效地模拟了影响OCT信号传播的复杂物理效应.
结论:
- MR-Net提供了一种高度准确和自动化的方法,用于从OCT信号中量化光学衰减系数.
- 这种方法为疾病诊断提供了强大的定量框架,并在临床环境中增强了组织特征.


