ディープラーニングは、超解像度の光音響イメージング PlatoBlockchain データ インテリジェンスを加速します。垂直検索。あい。

ディープラーニングは超解像光音響イメージングを加速します

タイムスタンプ：22年2022月5日00:XNUMX AM

光学分解能光音響顕微鏡
光学分解能光音響顕微鏡: マウスの耳の最大振幅投影 (MAP) 画像、緑色の破線ボックス内の領域の拡大図、および青色の破線で示される領域の断面 B モード画像。 (提供: CC BY 4.0/J Kim ら ライト。 科学。 アプリケーション 10.1038 / s41377-022-00820-w）

光音響イメージングは​​、数百ミクロンから数センチメートルの深さで、ミクロンからミリメートルまでのサイズの画像から分子、解剖学的および機能的情報を取得するために使用されるハイブリッド技術です。 標的の複数の画像フレームを重ね合わせて非常に高い空間分解能を実現する超解像光音響イメージング手法は、赤血球や注入された色素の液滴などの非常に小さな標的の位置を特定できます。 この「ローカリゼーション イメージング」法は、臨床研究における空間分解能を大幅に向上させますが、時間分解能を犠牲にして達成されます。

多国籍研究チームは、深層学習技術を使用して、光音響顕微鏡 (PAM) と光音響コンピューター断層撮影 (PACT) の両方で、画質を犠牲にすることなく画像取得速度を劇的に向上させました。 で説明されている人工知能 (AI) ベースの方法 光: 科学と応用、イメージング速度が 12 倍向上し、必要な画像数が 10 倍以上削減されます。 この進歩により、瞬間的な薬物反応の研究など、高速で細かい空間分解能の両方を必要とする前臨床または臨床アプリケーションで、ローカリゼーション光音響イメージング技術を使用できるようになる可能性があります。

光音響イメージングは​​、光励起と超音波検出を使用してマルチスケールを可能にします インビボの イメージング。 この技術は、励起光パルスを吸収し、一時的な熱弾性膨張を受け、そのエネルギーを超音波に変換する生体分子に短いレーザーパルスを照射することによって機能します。 これらの光音響波は、超音波トランスデューサによって検出され、PAM または PACT 画像の生成に使用されます。

の研究者 浦項科学技術大学 （ポステック）と カリフォルニア工科大学 はるかに少ない生の画像フレームから高密度の超解像度画像を再構築できるディープ ニューラル ネットワーク (DNN) に基づく計算戦略を開発しました。 深層学習ベースのフレームワークは、3 つの異なる DNN モデルを採用しています。 および平面標識ローカリゼーション PACT の 2D モデル。

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

主任研究者 チュロン・キム、POSTECHのディレクター 医療機器イノベーションセンター、 と同僚は、位置特定OR-PAMのネットワークには3D畳み込み層が含まれており、ボリューム画像の3D構造情報を維持しているのに対し、位置特定PACTのネットワークには2D畳み込み層があると説明しています。 DNN は、ボクセルからボクセルへの変換、またはピクセルからピクセルへの変換を、疎または密なローカリゼーション ベースの光音響画像から学習します。 研究者は両方のネットワークを同時にトレーニングし、トレーニングが進むにつれて、ネットワークは実際の画像の分布を学習し、実際の画像により近い新しい画像を合成します。

彼らのアプローチをテストするために、研究者は OR-PAM を使用してマウスの耳の関心領域を画像化しました。 無作為に選択された 60 個のフレームを使用して、トレーニングのターゲットおよび評価のグラウンド トゥルースとして使用される、密なローカリゼーション OR-PAM 画像を再構築しました。 彼らはまた、DNN への入力用に、より少ないフレームを使用してスパース ローカライゼーション OR-PAM 画像を再構築しました。 高密度画像の撮像時間は 30 秒でしたが、2.5 フレームを使用した疎画像ではわずか XNUMX 秒でした。

密な画像と DNN で生成された画像は、信号対雑音比が高く、疎な画像よりも血管の接続性が視覚化されていました。 特に、スパース画像では見えなかった血管が、DNN ローカリゼーション ベースの画像では高いコントラストで明らかになりました。

研究者はまた、PACTを使用してマウスの脳を画像化しました インビボの 色素液滴の注入後。 彼らは、240,000 の色素液滴を使用して密な局在化 PACT 画像を再構築し、さらに 20,000 の液滴を使用して疎な画像を再構築しました。 撮像時間は、密な画像の 30 分から疎な画像の 2.5 分に短縮されました。 疎な画像では血管の形態を認識するのが困難でしたが、DNN と密な画像では微小血管系が明確に視覚化されました。

DNN フレームワークを光音響イメージングに適用することの特定の利点は、顕微鏡からコンピューター断層撮影までスケーラブルであるため、さまざまなスケールのさまざまな前臨床および臨床アプリケーションに使用できることです。 実用的なアプリケーションの XNUMX つは、正確な構造情報を必要とする皮膚の状態や病気の診断です。 また、このフレームワークはイメージング時間を大幅に短縮できるため、脳の血行動態と神経活動のモニタリングが実現可能になる可能性があります。

「改善された時間分解能により、より高いレートでサンプリングすることで高品質のモニタリングが可能になり、従来の低い時間分解能では観察できない急速な変化の分析が可能になります」と著者は結論付けています。

サンニュークリア医学物理学週間のAIはによってサポートされています サンニュークリア、放射線治療および画像診断センター向けの患者安全ソリューションのメーカー。 訪問 www.sunnuclear.com もっとお知りになりたい。

ポスト ディープラーニングは超解像光音響イメージングを加速します 最初に登場した 物理学の世界.

タイムスタンプ：

より多くの 物理学の世界