MSD-Net:多尺度密集卷积神经网络,用于用稀疏的数据重建光声图像

科学领域:

• 生物医学成像技术 生物医学成像技术
• 医疗技术 医疗技术 医学技术
• 人工智能在医学中的应用

背景情况:

• 光声成像 (PAI) 是一种混合技术,融合了光学和超声成像的优势.
• 临床PAI面临诸如稀疏采样和有限的视图等挑战,导致图像重建中的文物和模糊.
• 标准的重建方法与不完整的数据作斗争,限制了PAI的临床实用性.

研究的目的:

• 开发一个先进的卷积神经网络 (CNN) 用于纠正2D光声断层扫描 (PAT) 中的文物.
• 为了提高图像重建质量和速度在PAI使用一个新的深度学习架构.

主要方法:

• 提出了一个多尺度密集的UNet (MSD-Net) 架构,集成多尺度的信息融合和密集的连接.
• 使用模拟和体内数据集来实验验证拟议方法的实验性验证.
• 专注于2D光声断层扫描重建中的文物校正.

主要成果:

• 与标准方法相比,MSD-Net在纠正文物方面表现出卓越的性能.
• 拟议的架构从不完整的光声学数据中实现了更好的图像重建质量.
• 实验结果显示,改进的重建速度与改进的准确性一起.

结论:

• 开发的MSD-Net有效地解决了2D PAT重建中的文物.
• 这种深度学习方法为改善PAI临床应用提供了一个有希望的解决方案.
• MSD-Net 提高了光声断层扫描中的图像质量和效率.