การเรียนรู้เชิงลึกช่วยเร่งการถ่ายภาพด้วยภาพถ่ายอะคูสติกความละเอียดสูง

การถ่ายภาพเสียงด้วยแสงเป็นเทคนิคลูกผสมที่ใช้ในการรับข้อมูลระดับโมเลกุล กายวิภาค และการทำงานจากภาพที่มีขนาดตั้งแต่ไมครอนไปจนถึงมิลลิเมตร ที่ระดับความลึกตั้งแต่หลายร้อยไมครอนไปจนถึงหลายเซนติเมตร วิธีการสร้างภาพด้วยแสงเสียงที่มีความละเอียดสูงเป็นพิเศษ ซึ่งมีเฟรมภาพหลายเฟรมของเป้าหมายถูกวางซ้อนเพื่อให้ได้ความละเอียดเชิงพื้นที่ที่สูงมาก สามารถระบุตำแหน่งเป้าหมายที่เล็กมากได้ เช่น เซลล์เม็ดเลือดแดงหรือหยดของสีย้อมที่ฉีดเข้าไป วิธี "การถ่ายภาพเฉพาะที่" นี้ช่วยเพิ่มความละเอียดเชิงพื้นที่ในการศึกษาทางคลินิกได้อย่างมีนัยสำคัญ แต่สามารถทำได้โดยเสียค่าใช้จ่ายในการแก้ปัญหาชั่วคราว

ทีมวิจัยข้ามชาติได้ใช้เทคโนโลยีการเรียนรู้เชิงลึกเพื่อเพิ่มความเร็วในการรับภาพได้อย่างมาก โดยไม่ทำให้คุณภาพของภาพลดลง สำหรับทั้งกล้องจุลทรรศน์โฟโตอะคูสติก (PAM) และการตรวจเอกซเรย์คอมพิวเตอร์ด้วยแสง (PACT) วิธีการที่ใช้ปัญญาประดิษฐ์ (AI) อธิบายไว้ใน แสง: วิทยาศาสตร์และการประยุกต์ให้ความเร็วในการถ่ายภาพเพิ่มขึ้น 12 เท่า และจำนวนภาพที่ต้องใช้ลดลงมากกว่า 10 เท่า ความก้าวหน้านี้สามารถเปิดใช้งานการใช้เทคนิคการถ่ายภาพด้วยแสงโฟโตอะคูสติกเฉพาะที่ในการใช้งานพรีคลินิกหรือทางคลินิกที่ต้องใช้ทั้งความเร็วสูงและความละเอียดเชิงพื้นที่ที่ละเอียด เช่น การศึกษาการตอบสนองของยาทันที

การถ่ายภาพเสียงด้วยแสงใช้การกระตุ้นด้วยแสงและการตรวจจับอัลตราโซนิกเพื่อให้สามารถใช้งานหลายสเกลได้ ในร่างกาย การถ่ายภาพ เทคนิคนี้ทำงานโดยการฉายพัลส์เลเซอร์สั้น ๆ ลงบนชีวโมเลกุล ซึ่งจะดูดซับพัลส์แสงกระตุ้น ผ่านการขยายตัวแบบยืดหยุ่นเทอร์โมชั่วคราว และเปลี่ยนพลังงานของพวกมันให้เป็นคลื่นอัลตราโซนิก จากนั้นคลื่นโฟโตอคูสติกเหล่านี้จะถูกตรวจพบโดยอัลตราซาวนด์ทรานสดิวเซอร์ และใช้เพื่อสร้างภาพ PAM หรือ PACT

นักวิจัยจาก มหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยี Pohang (โพสเทค) และ สถาบันเทคโนโลยีแคลิฟอร์เนีย ได้พัฒนากลยุทธ์การคำนวณโดยใช้โครงข่ายประสาทเทียมเชิงลึก (DNN) ที่สามารถสร้างภาพความละเอียดสูงพิเศษที่มีความหนาแน่นสูงขึ้นมาใหม่จากเฟรมภาพดิบที่น้อยกว่ามาก กรอบงานการเรียนรู้เชิงลึกใช้โมเดล DNN สองแบบที่แตกต่างกัน: โมเดล 3 มิติสำหรับ PAM ความละเอียดเชิงแสง (OR-PAM) การแปลแบบไร้ฉลากตามปริมาตร และแบบจำลอง 2 มิติสำหรับ PACT ที่มีป้ายกำกับระนาบ

นักวิจัยหลัก ชุลฮง คิมผู้อำนวยการของ POSTECH ศูนย์นวัตกรรมอุปกรณ์การแพทย์ และเพื่อนร่วมงานอธิบายว่าเครือข่ายสำหรับการแปล OR-PAM มีเลเยอร์ convolutional 3 มิติเพื่อรักษาข้อมูลโครงสร้าง 3 มิติของภาพปริมาตร ในขณะที่เครือข่ายสำหรับการแปล PACT มีเลเยอร์ convolutional 2 มิติ DNN เรียนรู้การแปลง voxel-to-voxel หรือ pixel-to-pixel จากภาพโฟโตอะคูสติกที่กระจัดกระจายหรือแบบหนาแน่น นักวิจัยได้ฝึกอบรมทั้งสองเครือข่ายไปพร้อมๆ กัน และในขณะที่การฝึกอบรมดำเนินไป เครือข่ายจะเรียนรู้การกระจายภาพจริงและสังเคราะห์ภาพใหม่ๆ ที่คล้ายกับภาพจริงมากขึ้น

เพื่อทดสอบแนวทางของพวกเขา นักวิจัยได้ใช้ OR-PAM เพื่อถ่ายภาพบริเวณที่สนใจในหูของเมาส์ ด้วยการใช้เฟรมที่เลือกแบบสุ่ม 60 เฟรม พวกเขาสร้างอิมเมจ OR-PAM ที่มีการแปลเป็นภาษาท้องถิ่นหนาแน่นขึ้นใหม่ ซึ่งใช้เป็นเป้าหมายสำหรับการฝึกอบรมและเป็นความจริงภาคพื้นดินสำหรับการประเมิน พวกเขายังสร้างอิมเมจการแปลแบบกระจัดกระจาย OR-PAM ใหม่โดยใช้เฟรมน้อยลงเพื่อป้อนข้อมูลลงใน DNN เวลาในการถ่ายภาพสำหรับภาพที่หนาแน่นคือ 30 วินาที ในขณะที่ภาพกระจัดกระจายที่ใช้ห้าเฟรมจะใช้เวลาเพียง 2.5 วินาที

รูปภาพที่หนาแน่นและสร้างขึ้นโดย DNN มีอัตราส่วนสัญญาณต่อเสียงรบกวนที่สูงกว่า และการเชื่อมต่อของเรือที่มองเห็นได้ดีกว่ารูปภาพแบบกระจาย น่าสังเกตคือ เส้นเลือดที่มองไม่เห็นในภาพกระจัดกระจายถูกเปิดเผยด้วยความเปรียบต่างสูงในภาพที่ใช้การแปลเป็นภาษาท้องถิ่นของ DNN

นักวิจัยยังใช้ PACT เพื่อสร้างภาพสมองของเมาส์ ในร่างกาย หลังการฉีดหยดสีย้อม พวกเขาสร้างภาพ PACT ที่มีการแปลหนาแน่นขึ้นใหม่โดยใช้หยดสีย้อม 240,000 หยด บวกกับภาพที่กระจัดกระจายโดยใช้หยดสี 20,000 หยด เวลาในการถ่ายภาพลดลงจาก 30 นาทีสำหรับภาพที่หนาแน่นเป็น 2.5 นาทีสำหรับภาพที่กระจัดกระจาย สัณฐานวิทยาของหลอดเลือดเป็นเรื่องยากที่จะจดจำในภาพกระจัดกระจาย ในขณะที่ DNN และภาพที่หนาแน่นจะมองเห็นภาพหลอดเลือดขนาดเล็กได้อย่างชัดเจน

ข้อได้เปรียบเฉพาะของการใช้กรอบงาน DNN กับการถ่ายภาพด้วยแสงคือสามารถปรับขนาดได้ ตั้งแต่กล้องจุลทรรศน์ไปจนถึงเอกซเรย์คอมพิวเตอร์ จึงสามารถนำไปใช้สำหรับการใช้งานพรีคลินิกและทางคลินิกที่หลากหลายในระดับที่แตกต่างกัน การใช้งานจริงประการหนึ่งอาจเป็นการวินิจฉัยสภาพผิวหนังและโรคที่ต้องใช้ข้อมูลโครงสร้างที่ถูกต้อง และเนื่องจากกรอบการทำงานสามารถลดเวลาในการถ่ายภาพได้อย่างมาก จึงทำให้การติดตามการไหลเวียนโลหิตของสมองและการทำงานของเส้นประสาทเป็นไปได้

"ความละเอียดชั่วคราวที่ได้รับการปรับปรุงทำให้การตรวจสอบคุณภาพสูงเป็นไปได้โดยการสุ่มตัวอย่างในอัตราที่สูงขึ้น ช่วยให้สามารถวิเคราะห์การเปลี่ยนแปลงที่รวดเร็วซึ่งไม่สามารถสังเกตได้ด้วยความละเอียดชั่วคราวต่ำแบบเดิมๆ" ผู้เขียนสรุป

โพสต์ การเรียนรู้เชิงลึกช่วยเร่งการถ่ายภาพด้วยภาพถ่ายอะคูสติกความละเอียดสูง ปรากฏตัวครั้งแรกเมื่อ โลกฟิสิกส์.

• คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
• คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
• ที่มา: https://physicsworld.com/a/deep-learning-accelerates-super-solution-photoacoustic-imaging/