डीप लर्निंग सुपर-रिज़ॉल्यूशन फोटोकॉस्टिक इमेजिंग प्लेटोब्लॉकचैन डेटा इंटेलिजेंस को तेज करता है। लंबवत खोज। ऐ.

डीप लर्निंग सुपर-रिज़ॉल्यूशन फोटोकॉस्टिक इमेजिंग को तेज करता है

समय टिकट: 22 जून, 2022 5:00 बजे

ऑप्टिकल-रिज़ॉल्यूशन फोटोअकॉस्टिक माइक्रोस्कोपी
ऑप्टिकल-रिज़ॉल्यूशन फोटोअकॉस्टिक माइक्रोस्कोपी: माउस-कान की अधिकतम आयाम प्रक्षेपण (एमएपी) छवियां, हरे धराशायी बक्से में क्षेत्रों के क्लोज-अप दृश्य, और नीले धराशायी लाइनों द्वारा दिखाए गए क्षेत्रों के क्रॉस-अनुभागीय बी-मोड छवियां। (सौजन्य: सीसी बाय 4.0/जे किम एट अल प्रकाश। विज्ञान आवेदन 10.1038/एस41377-022-00820-डब्ल्यू)

फोटोअकॉस्टिक इमेजिंग एक हाइब्रिड तकनीक है जिसका उपयोग सैकड़ों माइक्रोन से लेकर कई सेंटीमीटर की गहराई पर माइक्रोन से मिलीमीटर तक के आकार की छवियों से आणविक, शारीरिक और कार्यात्मक जानकारी प्राप्त करने के लिए किया जाता है। एक सुपर-रिज़ॉल्यूशन फोटोअकॉस्टिक इमेजिंग दृष्टिकोण - जिसमें लक्ष्य के कई छवि फ्रेम अत्यधिक उच्च स्थानिक रिज़ॉल्यूशन प्राप्त करने के लिए आरोपित होते हैं - लाल रक्त कोशिकाओं या इंजेक्शन डाई की बूंदों जैसे बहुत छोटे लक्ष्यों को स्थानीयकृत कर सकते हैं। यह "स्थानीयकरण इमेजिंग" विधि नैदानिक ​​​​अध्ययनों में स्थानिक संकल्प में काफी सुधार करती है, लेकिन अस्थायी समाधान की कीमत पर हासिल की जाती है।

एक बहुराष्ट्रीय शोध दल ने फोटोअकॉस्टिक माइक्रोस्कोपी (पीएएम) और फोटोअकॉस्टिक कंप्यूटेड टोमोग्राफी (पीएसीटी) दोनों के लिए छवि गुणवत्ता का त्याग किए बिना छवि अधिग्रहण गति को नाटकीय रूप से बढ़ाने के लिए गहन-शिक्षण तकनीक का उपयोग किया है। आर्टिफिशियल इंटेलिजेंस (एआई)-आधारित पद्धति, में वर्णित है प्रकाश: विज्ञान और अनुप्रयोग, इमेजिंग गति में 12 गुना वृद्धि और आवश्यक छवियों की संख्या में 10 गुना से अधिक की कमी प्रदान करता है। यह अग्रिम प्रीक्लिनिकल या क्लिनिकल अनुप्रयोगों में स्थानीयकरण फोटोकॉस्टिक इमेजिंग तकनीकों के उपयोग को सक्षम कर सकता है, जिसमें उच्च गति और ठीक स्थानिक संकल्प दोनों की आवश्यकता होती है, जैसे कि तात्कालिक दवा प्रतिक्रिया का अध्ययन।

Photoacoustic इमेजिंग मल्टीस्केल को सक्षम करने के लिए ऑप्टिकल उत्तेजना और अल्ट्रासोनिक डिटेक्शन का उपयोग करती है vivo में इमेजिंग। तकनीक बायोमोलेक्यूल्स पर लघु लेजर दालों को चमकाकर काम करती है, जो उत्तेजना प्रकाश दालों को अवशोषित करती है, क्षणिक थर्मो-लोचदार विस्तार से गुजरती है, और उनकी ऊर्जा को अल्ट्रासोनिक तरंगों में बदल देती है। इन फोटोकॉस्टिक तरंगों को तब अल्ट्रासाउंड ट्रांसड्यूसर द्वारा पता लगाया जाता है और पीएएम या पीएसीटी छवियों का उत्पादन करने के लिए उपयोग किया जाता है।

से शोधकर्ताओं पोहांग विज्ञान और प्रौद्योगिकी विश्वविद्यालय (पोस्टेक) और कैलिफोर्निया इंस्टीटयूट ऑफ टेक्नोलॉजी डीप न्यूरल नेटवर्क (डीएनएन) पर आधारित एक कम्प्यूटेशनल रणनीति विकसित की है जो बहुत कम कच्ची छवि फ़्रेमों से उच्च-घनत्व वाले सुपर-रिज़ॉल्यूशन छवियों का पुनर्निर्माण कर सकती है। डीप-लर्निंग आधारित ढांचा दो अलग-अलग डीएनएन मॉडल को नियोजित करता है: वॉल्यूमेट्रिक लेबल-मुक्त स्थानीयकरण ऑप्टिकल-रिज़ॉल्यूशन PAM (OR-PAM) के लिए एक 3D मॉडल; और तलीय लेबल वाले स्थानीयकरण PACT के लिए एक 2D मॉडल।

googletag.cmd.push (function () {googletag.display ('div-gpt-ad-3759129-1');});

मुख्य जाँचकर्ता चुलहोंग किम, पोस्टेक के निदेशक चिकित्सा उपकरण नवाचार केंद्र, और सहकर्मी बताते हैं कि लोकलाइज़ेशन के लिए नेटवर्क OR-PAM में वॉल्यूमेट्रिक इमेज की 3D स्ट्रक्चरल जानकारी को बनाए रखने के लिए 3D कन्वेन्शनल लेयर्स होते हैं, जबकि लोकलाइज़ेशन PACT के नेटवर्क में 2D कन्वेन्शनल लेयर्स होते हैं। डीएनएन एक विरल या घने स्थानीयकरण-आधारित फोटोअकॉस्टिक छवि से वोक्सेल-टू-वोक्सेल या पिक्सेल-टू-पिक्सेल रूपांतरण सीखते हैं। शोधकर्ताओं ने दोनों नेटवर्कों को एक साथ प्रशिक्षित किया और, जैसे-जैसे प्रशिक्षण आगे बढ़ता है, नेटवर्क वास्तविक छवियों के वितरण को सीखते हैं और नई छवियों को संश्लेषित करते हैं जो वास्तविक छवियों के समान होती हैं।

अपने दृष्टिकोण का परीक्षण करने के लिए, शोधकर्ताओं ने माउस कान में रुचि के क्षेत्र की छवि के लिए OR-PAM का उपयोग किया। बेतरतीब ढंग से चुने गए 60 फ़्रेमों का उपयोग करते हुए, उन्होंने एक सघन स्थानीयकरण OR-PAM छवि का पुनर्निर्माण किया, जिसका उपयोग प्रशिक्षण के लक्ष्य और मूल्यांकन के लिए जमीनी सच्चाई के रूप में किया गया। उन्होंने डीएनएन में इनपुट के लिए, कम फ्रेम का उपयोग करके विरल स्थानीयकरण या पीएएम छवियों का पुनर्निर्माण किया। सघन छवि के लिए इमेजिंग समय 30 सेकंड था, जबकि पांच फ़्रेमों का उपयोग करने वाली विरल छवि के लिए, यह केवल 2.5 सेकंड था।

घने और डीएनएन-जनित छवियों में उच्च सिग्नल-टू-शोर अनुपात और विरल छवि की तुलना में बेहतर पोत कनेक्टिविटी की कल्पना की गई थी। विशेष रूप से, एक रक्त वाहिका जो विरल छवि में अदृश्य थी, डीएनएन स्थानीयकरण-आधारित छवि में उच्च विपरीतता के साथ प्रकट हुई थी।

शोधकर्ताओं ने माउस मस्तिष्क की छवि बनाने के लिए PACT का भी उपयोग किया vivo में डाई बूंदों के इंजेक्शन के बाद। उन्होंने 240,000, 20,000 डाई बूंदों का उपयोग करके एक घने स्थानीयकरण PACT छवि का पुनर्निर्माण किया, साथ ही 30 बूंदों का उपयोग करके एक विरल छवि। सघन छवि के लिए इमेजिंग समय 2.5 मिनट से घटाकर विरल छवि के लिए XNUMX मिनट कर दिया गया था। विरल छवि में संवहनी आकृति विज्ञान को पहचानना मुश्किल था, जबकि डीएनएन और घनी छवियों ने स्पष्ट रूप से माइक्रोवैस्कुलचर की कल्पना की थी।

फोटोअकॉस्टिक इमेजिंग के लिए डीएनएन ढांचे को लागू करने का एक विशेष लाभ यह है कि यह माइक्रोस्कोपी से कंप्यूटेड टोमोग्राफी तक स्केलेबल है, और इस प्रकार विभिन्न पैमानों पर विभिन्न प्रीक्लिनिकल और क्लिनिकल अनुप्रयोगों के लिए इस्तेमाल किया जा सकता है। एक व्यावहारिक अनुप्रयोग त्वचा की स्थितियों और रोगों का निदान हो सकता है जिनके लिए सटीक संरचनात्मक जानकारी की आवश्यकता होती है। और जैसा कि ढांचा इमेजिंग समय को काफी कम कर सकता है, यह मस्तिष्क के हेमोडायनामिक्स और न्यूरोनल गतिविधि की निगरानी को संभव बना सकता है।

लेखकों ने निष्कर्ष निकाला, "बेहतर अस्थायी समाधान उच्च दर पर नमूनाकरण द्वारा उच्च गुणवत्ता वाले निगरानी को संभव बनाता है, जिससे पारंपरिक कम अस्थायी समाधान के साथ तेजी से परिवर्तनों का विश्लेषण नहीं किया जा सकता है।"

सूर्य परमाणुमेडिकल फिजिक्स वीक में एआई द्वारा समर्थित है सूर्य परमाणु, विकिरण चिकित्सा और नैदानिक ​​इमेजिंग केंद्रों के लिए रोगी सुरक्षा समाधान के निर्माता। मुलाकात www.sunन्यूक्लियर.com और अधिक जानकारी प्राप्त करने के लिए.

पोस्ट डीप लर्निंग सुपर-रिज़ॉल्यूशन फोटोकॉस्टिक इमेजिंग को तेज करता है पर पहली बार दिखाई दिया भौतिकी की दुनिया.

समय टिकट:

से अधिक भौतिकी की दुनिया