使用非注册的深度学习来检测乳腺癌,使用有限视图光声断层扫描数据
1Department of Electrical and Communication Engineering, United Arab Emirates University, Asharej, Al Ain, 15551, Abu Dhabi, United Arab Emirates.
Medical & biological engineering & computing
|January 24, 2025
概括
新的深度学习方法提高了有限视图光声学断层扫描 (PAT) 用于乳腺癌检测. 这种方法显著提高了图像质量,减少了重建时间,使PAT更接近临床使用.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 计算科学 计算科学
背景情况:
- 光声断层扫描 (PAT) 是一种有前途的非电离成像技术,用于乳腺癌检测.
- 临床环境中的有限视图场景阻碍了PAT图像重建质量和计算效率.
研究的目的:
- 开发先进的深度学习算法,以改进有限视图PAT图像重建.
- 为了提高计算效率和图像保真度在有限视图PAT.
主要方法:
- 引入了使用分割的布雷格曼总变量 (SBTV) 和放松的基础追求交替方向乘数方法 (rBP-ADMM) 的无滚动深度学习网络.
- 整合转移学习从全视图到有限视图的场景,并纳入了一个U-Net的denoiser.
- 分析了传感器配置 (半圆形,形,凸形),使用受限制的同位素属性 (RIP) 和连贯度量.
主要成果:
- 实现了最先进的重建质量,MS-SSIM> 0.95.
- 与传统方法相比,将重建时间缩短了92%.
- 在各种传感器配置中展示了U-SBTV网络的卓越性能,其中包括U-Net消噪器,半圆阵列接近全视图性能.
结论:
- 拟议的深度学习方法显著增强了有限视图PAT重建.
- 这一进步提高了图像质量和计算效率,使PAT更适合临床应用.
- 这些发现支持先进的PAT技术的潜力,以更早,更有效地检测乳腺癌.
