相关实验视频
Updated: May 2, 2026
08:31
Three-dimensional Optical-resolution Photoacoustic Microscopy
Published on: May 3, 2011
18.8K
压制光谱扭曲的深度学习用于光纤传感器光声学显微镜
Liying Zhu1, Xiaoxuan Zhong2, Xuanhao Zhang1
1Department of Biomedical Engineering, City University of Hong Kong, Kowloon, Hong Kong SAR, China.
Photoacoustics
|October 27, 2025
概括
一个新的深度学习框架通过减少噪音和光谱扭曲来增强光纤激光光声显微镜 (PAM). 这提高了血液氧和 (sO2) 的精度,克服了快速功能成像的局限性.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 激光物理 激光物理
背景情况:
- 纤维激光传感器为光声显微镜 (PAM) 提供了优势,包括紧性和电磁免疫性.
- 在PAM中扩大视野 (FOV) 可以降低信号噪声比 (SNR),影响血液氧和 (sO2) 精度.
- 现有的PAM系统在维护高SNR和sO2精度的纤维激光传感器方面面临着挑战,特别是在快速扫描应用中.
研究的目的:
- 开发一个强大的深度学习框架,以解决基于光纤激光传感器的PAM中SNR退化和光谱扭曲的问题.
- 为了提高血氧和度 (sO2) 测量的准确度,从光声学信号中获得.
- 通过光纤激光传感器实现高准确度的功能性PAM成像,即使在扩大的FOV.
主要方法:
- 为处理3D光声学数据提出了一个两阶段的深度学习框架.
- 第一个阶段减少了数据的维度,抑制了噪音.
- 第二阶段整合了双波长图像以纠正光谱扭曲并保持sO2的精度.
主要成果:
- 深度学习框架成功地消除了使用非聚焦光纤激光传感器获取的图像.
- 在sO2计算中保持了高准确度,尽管存在噪音和光谱扭曲.
- 该方法在克服快速功能PAM的关键挑战方面表现出有效性.
结论:
- 拟议的两阶段深度学习框架有效地增强了光纤激光PAM成像.
- 这种方法保持了血液中氧和度 (sO2) 测量的准确性.
- 它代表了使用光纤激光传感器快速,功能性的PAM应用的重大进步.
