딥 러닝은 초고해상도 광음향 이미징 PlatoBlockchain Data Intelligence를 가속화합니다. 수직 검색. 일체 포함.

딥 러닝으로 초고해상도 광음향 이미징 가속화

타임 스탬프 : 22 년 2022 월 5 일 00:XNUMX AM

광학 해상도 광음향 현미경
광학 해상도 광음향 현미경: 마우스 귀의 최대 진폭 프로젝션(MAP) 이미지, 녹색 파선 상자의 영역 확대 보기, 파란색 파선으로 표시된 영역의 단면 B 모드 이미지. (제공: CC BY 4.0/J Kim 외 라이트. 과학. 신청 10.1038/s41377-022-00820-w)

광음향 이미징은 수백 미크론에서 수 센티미터의 깊이에서 미크론에서 밀리미터에 이르는 크기의 이미지에서 분자, 해부학 및 기능 정보를 획득하는 데 사용되는 하이브리드 기술입니다. 매우 높은 공간 해상도를 달성하기 위해 대상의 여러 이미지 프레임을 중첩하는 초고해상도 광음향 이미징 접근 방식은 적혈구 또는 주입된 염료 방울과 같은 매우 작은 대상의 위치를 ​​파악할 수 있습니다. 이 "국소화 이미징" 방법은 임상 연구에서 공간 해상도를 크게 향상시키지만 시간 해상도를 희생하여 달성됩니다.

다국적 연구팀은 딥 러닝 기술을 사용하여 광음향 현미경(PAM)과 광음향 컴퓨터 단층 촬영(PACT) 모두에서 이미지 품질을 희생하지 않고 이미지 획득 속도를 극적으로 높였습니다. 인공지능(AI) 기반 방법으로, 빛: 과학과 응용, 이미징 속도는 12배 증가하고 필요한 이미지 수는 10배 이상 감소합니다. 이러한 발전은 즉각적인 약물 반응 연구와 같이 고속 및 미세한 공간 분해능이 모두 필요한 전임상 또는 임상 응용 분야에서 국소화 광음향 이미징 기술을 사용할 수 있게 합니다.

광음향 이미징은 광 여기 및 초음파 감지를 사용하여 멀티스케일을 가능하게 합니다. 생체내에서 이미징. 이 기술은 짧은 레이저 펄스를 여기 광 펄스를 흡수하고 일시적인 열 탄성 팽창을 겪고 에너지를 초음파로 변환하는 생체 분자에 비추는 방식으로 작동합니다. 이러한 광음향파는 초음파 변환기에 의해 감지되고 PAM 또는 PACT 이미지를 생성하는 데 사용됩니다.

연구원 포항 공과 대학교 (포스텍) 및 캘리포니아 기술 연구소 훨씬 적은 원시 이미지 프레임에서 고밀도 초고해상도 이미지를 재구성할 수 있는 심층 신경망(DNN)을 기반으로 하는 계산 전략을 개발했습니다. 딥 러닝 기반 프레임워크는 두 가지 DNN 모델을 사용합니다. 및 평면 레이블 현지화 PACT에 대한 3D 모델.

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

수석 연구원 김철홍, POSTECH 이사 의료기기혁신센터, 그리고 동료들은 현지화 OR-PAM을 위한 네트워크는 체적 이미지의 3D 구조 정보를 유지하기 위해 3D 컨볼루션 레이어를 포함하는 반면 현지화 PACT를 위한 네트워크는 2D 컨볼루션 레이어를 포함한다고 설명합니다. DNN은 희박하거나 조밀한 위치 기반 광음향 이미지에서 복셀 간 또는 픽셀 간 변환을 학습합니다. 연구원들은 두 네트워크를 동시에 훈련시켰고, 훈련이 진행됨에 따라 네트워크는 실제 이미지의 분포를 학습하고 실제 이미지와 더 유사한 새로운 이미지를 합성했습니다.

그들의 접근 방식을 테스트하기 위해 연구원들은 OR-PAM을 사용하여 마우스 귀의 관심 영역을 이미지화했습니다. 무작위로 선택한 60개의 프레임을 사용하여 그들은 훈련 대상 및 평가를 위한 실측 정보로 사용되는 조밀한 현지화 OR-PAM 이미지를 재구성했습니다. 그들은 또한 DNN에 입력하기 위해 더 적은 수의 프레임을 사용하여 희소한 지역화 OR-PAM 이미지를 재구성했습니다. 고밀도 이미지의 이미징 시간은 30초인 반면, 2.5개 프레임을 사용하는 희소 이미지의 이미징 시간은 XNUMX초에 불과했습니다.

조밀하고 DNN으로 생성된 이미지는 희박한 이미지보다 더 높은 신호 대 잡음비와 시각화된 혈관 연결성을 가졌습니다. 특히 희소 영상에서는 보이지 않던 혈관이 DNN 현지화 기반 영상에서는 높은 콘트라스트로 드러났다.

연구원들은 또한 PACT를 사용하여 마우스 뇌를 이미지화했습니다. 생체내에서 염료 방울 주입 후. 그들은 240,000개의 염료 방울을 사용하여 조밀한 현지화 PACT 이미지와 20,000개의 방울을 사용하는 희박한 이미지를 재구성했습니다. 이미징 시간은 고밀도 이미지의 경우 30분에서 희소 이미지의 경우 2.5분으로 단축되었습니다. 희박한 이미지에서는 혈관 형태를 인식하기 어려웠지만 DNN과 고밀도 이미지에서는 미세혈관을 명확하게 시각화했습니다.

DNN 프레임워크를 광음향 이미징에 적용할 때의 특별한 이점은 현미경에서 컴퓨터 단층촬영까지 확장 가능하여 다양한 규모의 전임상 및 임상 응용 프로그램에 사용할 수 있다는 것입니다. 하나의 실용적인 응용 프로그램은 정확한 구조 정보가 필요한 피부 상태 및 질병의 진단이 될 수 있습니다. 그리고 프레임워크는 이미징 시간을 크게 단축할 수 있으므로 뇌 혈류역학 및 신경 활동 모니터링을 가능하게 만들 수 있습니다.

“향상된 시간 해상도는 더 높은 속도로 샘플링하여 고품질 모니터링을 가능하게 하여 기존의 낮은 시간 해상도로 관찰할 수 없는 빠른 변화를 분석할 수 있습니다.”라고 저자는 결론지었습니다.

태양핵Medical Physics Week의 AI 지원 태양핵, 방사선 치료 및 진단 영상 센터를 위한 환자 안전 솔루션 제조업체. 방문 www.sunnuclear.com 더 많은 것을 알 수 있습니다.

포스트 딥 러닝으로 초고해상도 광음향 이미징 가속화 첫 번째 등장 물리 세계.

타임 스탬프 :

더보기 물리 세계