扩散相关谱的快速血流指数重建,使用无反向传播的数据驱动算法.
Zhenya Zang1, Mingliang Pan1, Yuanzhe Zhang1
1Department of Biomedical Engineering, University of Strathclyde, 16 Richmond Street, Glasgow, G1 1XQ, United Kingdom.
Biomedical optics express
|March 20, 2025
概括
一种新的随机向量功能链路 (RVFL) 方法使用扩散相关谱学 (DCS) 快速重建血流指数 (BFI). 与其他算法相比,RVFL表现出优越的速度和准确性,非常适合实时应用.
科学领域:
- 生物医学光学 生物医学光学
- 医学成像医学成像
- 神经科学是一个神经科学.
背景情况:
- 扩散相关谱 (DCS) 对于非侵入性血流监测至关重要.
- 从DCS数据准确重建血流指数 (BFI) 是一个挑战.
- 现有的方法往往缺乏实时应用的速度或准确性.
研究的目的:
- 引入一个快速而准确的在线培训方法,用于BFI和相对的BFI (rBFI) 使用DCS.重建.
- 为了评估BFI重建的随机向量功能链路 (RVFL) 算法的性能.
- 将RVFL与ELM,CNN和合适算法等其他已知方法进行比较.
主要方法:
- 模拟的自相关函数 (g2) 使用数学模型对同质和三层大脑模型.
- 实现了一个快速的在线训练算法,RVFL,用于从杂的g2数据中重建BFI.
- 通过使用各种指标和模拟数据 (MC,分析) 将RVFL的速度和准确性与ELM,CNN和拟合算法进行比较.
主要成果:
- 在不同的模型中,RVFL实现了比其他算法更高的准确性.
- 与CNN相比,RVFL的训练 (3900倍) 和推断 (19.8倍) 速度明显更快,准确度也相似.
- 由于较低的计算复杂性,RVFL显示出更适合嵌入式硬件.
结论:
- RVFL是一种高精度和高效的方法,用于在DCS中在线BFI和rBFI重建.
- 提高RVFL的速度和准确性使其适合实时监控和嵌入式系统.
- RVFL为先进的扩散相关性光谱应用提供了一个有前途的替代方案.


