通过快速剩余密集的生成对抗网络进行高分辨率的光声学血管图像重建

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:

• 光声学成像提供高分辨率,深层组织可视化.
• 光声显微镜 (PAM) 重建是耗时的,限制了实时应用.
• 生物医学研究需要更快,高质量的PAM.

研究的目的:

• 为高质量的PAM重建开发一个优化的深度学习模型.
• 为应对耗时采集PAM数据的挑战.
• 为了提高PAM中的图像质量和计算效率.

主要方法:

• 提出了一个优化的快速残余密集生成对抗网络 (FRDGAN).
• 在小鼠耳朵血管数据集上验证了FRDGAN.
• 在小鼠脑血管上进行了体内实验.

主要成果:

• 在图像质量和噪音抑制方面,FRDGAN表现出卓越的性能.
• 在下方采样尺度 (×4,×8) 中实现了显著的计算效率.
• 与SRGAN in vivo相比,提高了峰值信号与噪声比率 (2.24 dB) 和结构相似性 (0.0255).

结论:

• FRDGAN为快速,高质量的PAM提供了一个有前途的解决方案.
• 在生物医学研究中实现高效的微血管成像.
• 克服了传统PAM重建方法的局限性.