面向实时扩散光学断层扫描,使用手持式扫描探头

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 扩散光学断层扫描 (DOT) 能够高速重建组织光学特性,用于像图像导向乳房成像等应用.
• 现有的DOT模型是特定于几何的,需要为每一个新的用例进行广泛的数据生成和培训.
• 这种限制限制了扫描协议和临床环境中的适应性.

研究的目的:

• 为扩散光学断层扫描 (DOT) 开发一个多功能深度学习模型,克服几何特异性的限制.
• 为了使一个训练有素的模型能够处理任意的扫描路径和测量密度,用于DOT重建.
• 提高DOT在临床应用中的速度和适用性,特别是乳腺成像.

主要方法:

• 提出了一个基于变压器的深度学习架构来编码空间非结构化的DOT测量.
• 该模型使用模拟数据和模拟乳腺组织的幻影数据进行了训练和验证.
• 性能是基于根平均平方误差 (RMSE),索伦森-戴斯系数和异常对比度来评估的.

主要成果:

• 该模型实现了吸收 (μa) 的平均RMSE为0.0095±0.0023cm-1和减少散射 (μs') 的1.95±0.78cm-1.
• 索伦森-戴斯系数为μa的0.55±0.12和μs的0.67±0.1,异常对比率分别为79±10%和93.3±4.6%.
• 实现了14 Hz的有效成像速度,平均绝对μa和μs的值在同质实例的地面真相10%以内.

结论:

• 拟议的基于变压器的DOT模型展示了可适应各种扫描配置的高速重建能力.
• 这种方法克服了特定几何模型的局限性,为DOT成像提供了更灵活的解决方案.
• 这些发现支持这种深度学习模型的潜力,用于增强临床乳腺成像和其他DOT应用.