神经RTE:通过机器学习和人工智能的帮助,在的介质中进行前向光子传输模拟
Vinh Nguyen1, Abigail Clennell1, Vladislav V Yakovlev2
1School of Engineering and Computer Science, Victoria University of Wellington, Gate 7 Kelburn Pd, Wellington, 6140, New Zealand.
Computers in biology and medicine
|August 14, 2025
概括
这项研究介绍了NeuralRTE,这是一种新的AI算法,用于模拟模糊介质中的光传输,对生物医学光学至关重要. 这种开源,高效的方法显示出高精度和速度,用于诸如皮肤3D数字双胞胎染等应用.
科学领域:
- 生物医学光学 生物医学光学
- 计算物理 计算物理
- 人工智能的人工智能
背景情况:
- 模糊介质中的光子传输对于生物医学光学中的应用至关重要.
- 精确模拟散射中的光传播,类似组织的介质仍然是一个挑战.
研究的目的:
- 引入和评估NeuralRTE,一种基于学习的算法,用于光子传输模拟.
- 评估机器学习的能力和局限性,以便在这个领域进行前模拟.
- 将拟议方法的准确性和性能与既有技术进行比较.
主要方法:
- 使用基于学习的算法 (NeuralRTE) 进行试点研究的开发.
- 利用人工智能技术来估计光传播.
- 创建一个模块化数据集生成,培训和测试管道.
- 与基础真相的比较分析和计算结果.
主要成果:
- 神经RTE提供了在的介质中对光传播的准确估计.
- 该算法展示了高效率,速度和准确性.
- 开源和节能解决方案适用于嵌入式应用程序.
- 成功的3D数字双胞胎染受黑色素瘤影响的人类皮肤.
结论:
- 机器学习方法显示出对准确和高效的光子传输模拟的巨大潜力.
- 神经RTE为生物医学光学应用提供了一个有希望的,实用的解决方案.
- 开发的管道有助于对模拟方法进行可靠的评估和比较.
关键词:
3D图形染 3D图形染人工智能的人工智能是人工智能.数字双胞胎 数字双胞胎 数字双胞胎人的皮肤 人的皮肤光散射的光散射是一种光散射.机器学习是机器学习.蒙特卡洛方法 蒙特卡洛方法在光子传输过程中,光子传输组织光学 组织光学杂的媒体.更多相关视频
08:19Simultaneous Data Collection of fMRI and fNIRS Measurements Using a Whole-Head Optode Array and Short-Distance Channels
Published on: October 20, 2023
1.2K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
