通过以注意力驱动的多尺度波纹网络进行轻量级稀疏的光声学图像重建
Xudong Zhao1, Shuguo Hu2, Qiang Yang1
1Academy of Artificial Intelligence, Beijing Institute of Petrochemical Technology, Beijing, 102617, China.
Photoacoustics
|March 6, 2025
概括
AD-WaveNet使用轻量级网络增强了稀疏的光声断层扫描 (PAT) 成像. 这种新的方法显著降低了计算成本,同时保持了用于实际生物医学应用的高图像质量.
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
- 计算成像技术的成像
背景情况:
- 光声学断层扫描 (PAT) 提供高对比度,高分辨率和快速的生物医学成像.
- PAT中的图像质量对采样密度敏感;稀疏的采样降低了成本,但引入了工件.
- 现有的用于稀疏PAT成像的深度学习模型是计算密集型的,限制了它们在资源有限的环境中使用.
研究的目的:
- 开发一个计算效率高的深度学习模型,用于高质量的稀疏PAT图像重建.
- 在计算复杂性和资源要求方面解决现有方法的局限性.
主要方法:
- 介绍AD-WaveNet,一个轻量级的神经网络.
- 将离散二维波段变换 (DWT) 与适应性注意力机制集成.
- 专注机制旨在利用DWT的多尺度分解来强调特征.
主要成果:
- AD-WaveNet显著提高了稀疏的PAT图像重建质量.
- 与最先进的方法相比,拟议的模型大大降低了计算复杂性和参数数量 (几乎是两倍) .
- 尽管减少了计算负载,但仍然保持了最佳的重建质量.
结论:
- AD-WaveNet为稀疏的PAT成像提供了一个高效的解决方案.
- 该网络的轻量级设计和有效的注意力机制使其适用于资源有限的环境.
- 显示了在PAT应用中实际实施的巨大潜力.
