SSN:通过动态光分子断层扫描的信号分离网络监测肝脏损伤

科学领域:

• 生物医学成像技术 生物医学成像技术
• 医学诊断 医学诊断 医学诊断
• 计算生物学 计算生物学

背景情况:

• 动态光分子断层扫描 (DFMT) 能够对快速的生物过程进行3D监测.
• 早期检测肝病需要区分正常和受伤的肝脏组织.
• 目前的DFMT方法面临着由于错误设置的问题和信号干扰的挑战,限制了肝损伤监测.

研究的目的:

• 开发一种使用DFMT区分正常和受伤的肝脏组织的新方法.
• 提高早期肝病监测和局部化能力.
• 为了克服肝脏应用的DFMT中的信号干扰问题.

主要方法:

• 提出了一个信号分离网 (SSN),集成卷积长期内存 (ConvLSTM) 和ResNet架构.
• 使用ConvLSTM将肝损伤预测与DFMT表面光子分布分开.
• ResNet建立了预测和肝损伤局部化之间的非线性关系.

主要成果:

• 拟议的SSN证明了肝损伤信号的有效分离.
• 该方法在肝损伤监测和局部化方面取得了有前途的表现.
• 实验结果验证了SSN在基于DFMT的肝病评估中的可行性.

结论:

• 新的SSN是一种可行的工具,用于使用DFMT监测早期肝损伤.
• 这种方法显示了促进非侵入性肝病诊断的重大潜力.
• SSN有效地解决了DFMT中的信号分离挑战,以改善临床翻译.