Derin öğrenme, süper çözünürlüklü fotoakustik görüntülemeyi hızlandırır PlatoBlockchain Veri Zekası. Dikey Arama. Ai.

Derin öğrenme, süper çözünürlüklü foto akustik görüntülemeyi hızlandırır

Zaman Damgası: 22 Haziran 2022 5:00 AM

Optik çözünürlüklü fotoakustik mikroskopi
Optik çözünürlüklü fotoakustik mikroskopi: Fare kulağının maksimum genlik projeksiyonu (MAP) görüntüleri, yeşil kesikli kutulardaki bölgelerin yakından görünümleri ve mavi kesikli çizgilerle gösterilen bölgelerin kesitsel B modu görüntüleri. (Nezaket: CC BY 4.0/J Kim ve diğerleri Işık. bilim Uygulama 10.1038/s41377-022-00820-w)

Fotoakustik görüntüleme, yüzlerce mikrondan birkaç santimetreye kadar derinliklerde, mikrondan milimetreye kadar değişen boyutlardaki görüntülerden moleküler, anatomik ve fonksiyonel bilgiler elde etmek için kullanılan hibrit bir tekniktir. Son derece yüksek uzaysal çözünürlük elde etmek için hedefin birden fazla görüntü çerçevesinin üst üste getirildiği süper çözünürlüklü bir fotoakustik görüntüleme yaklaşımı, kırmızı kan hücreleri veya enjekte edilen boya damlacıkları gibi çok küçük hedefleri lokalize edebilir. Bu "yerelleştirme görüntüleme" yöntemi, klinik çalışmalarda uzamsal çözünürlüğü önemli ölçüde geliştirir, ancak zamansal çözünürlük pahasına elde edilir.

Çok uluslu bir araştırma ekibi, hem fotoakustik mikroskopi (PAM) hem de fotoakustik bilgisayarlı tomografi (PACT) için görüntü kalitesinden ödün vermeden görüntü elde etme hızını önemli ölçüde artırmak için derin öğrenme teknolojisini kullandı. bölümünde açıklanan yapay zeka (AI) tabanlı yöntem Işık: Bilim ve Uygulamalar, görüntüleme hızında 12 kat artış ve gereken görüntü sayısında 10 kattan fazla azalma sağlar. Bu ilerleme, anlık ilaç tepkisi çalışmaları gibi hem yüksek hız hem de ince uzaysal çözünürlük gerektiren klinik öncesi veya klinik uygulamalarda lokalizasyon foto akustik görüntüleme tekniklerinin kullanılmasını sağlayabilir.

Fotoakustik görüntüleme, çok ölçekli etkinleştirmek için optik uyarma ve ultrasonik algılama kullanır in vivo görüntüleme. Teknik, uyarıcı ışık darbelerini emen, geçici termo-elastik genişlemeye maruz kalan ve enerjilerini ultrasonik dalgalara dönüştüren biyomoleküller üzerine kısa lazer darbeleri parlatarak çalışır. Bu fotoakustik dalgalar daha sonra bir ultrason dönüştürücü tarafından algılanır ve PAM veya PACT görüntüleri üretmek için kullanılır.

Araştırmacılar Pohang Bilim ve Teknoloji Üniversitesi (POBTEK) ve California Institute of Technology çok daha az sayıda ham görüntü çerçevesinden yüksek yoğunluklu süper çözünürlüklü görüntüleri yeniden oluşturabilen derin sinir ağlarına (DNN'ler) dayalı bir hesaplama stratejisi geliştirdiler. Derin öğrenme tabanlı çerçeve iki farklı DNN modeli kullanır: hacimsel etiketsiz yerelleştirme optik çözünürlüklü PAM (OR-PAM) için bir 3D model; ve düzlemsel etiketli yerelleştirme PACT için bir 2D model.

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

Baş araştırmacı Chulhong Kim, POBTEK'in direktörü Tıbbi Cihaz İnovasyon Merkezi, ve meslektaşları, yerelleştirme ağının OR-PAM'in hacimsel görüntülerin 3B yapısal bilgilerini korumak için 3B evrişim katmanları içerdiğini, PACT yerelleştirme ağının ise 2B evrişim katmanlarına sahip olduğunu açıklıyor. DNN'ler, seyrek veya yoğun bir yerelleştirme tabanlı foto akustik görüntüden vokselden voksele veya pikselden piksele dönüşümleri öğrenir. Araştırmacılar her iki ağı da aynı anda eğittiler ve eğitim ilerledikçe, ağlar gerçek görüntülerin dağıtımını öğreniyor ve gerçek olanlara daha çok benzeyen yeni görüntüleri sentezliyor.

Yaklaşımlarını test etmek için araştırmacılar, bir fare kulağındaki ilgi alanını görüntülemek için OR-PAM kullandılar. Rastgele seçilen 60 çerçeve kullanarak, eğitim hedefi ve değerlendirme için temel gerçek olarak kullanılan yoğun bir yerelleştirme OR-PAM görüntüsünü yeniden oluşturdular. Ayrıca, DNN'lere giriş için daha az çerçeve kullanarak seyrek yerelleştirme OR-PAM görüntülerini yeniden yapılandırdılar. Yoğun görüntü için görüntüleme süresi 30 s iken, beş kare kullanan seyrek bir görüntü için sadece 2.5 s idi.

Yoğun ve DNN tarafından oluşturulan görüntüler, seyrek görüntüden daha yüksek sinyal-gürültü oranına ve damar bağlantısını daha iyi görselleştirdi. Özellikle, seyrek görüntüde görünmeyen bir kan damarı, DNN lokalizasyonuna dayalı görüntüde yüksek kontrastla ortaya çıktı.

Araştırmacılar ayrıca fare beynini görüntülemek için PACT kullandılar. in vivo boya damlacıklarının enjeksiyonunu takiben. 240,000 boya damlacığı kullanarak yoğun bir yerelleştirme PACT görüntüsünü ve ayrıca 20,000 damlacık kullanarak seyrek bir görüntüyü yeniden oluşturdular. Yoğun görüntü için 30 dakika olan görüntüleme süresi, seyrek görüntü için 2.5 dakikaya düşürülmüştür. Seyrek görüntüde vasküler morfolojiyi tanımak zordu, oysa DNN ve yoğun görüntüler mikrovasküler yapıyı açıkça görselleştirdi.

DNN çerçevesini foto akustik görüntülemeye uygulamanın özel bir avantajı, mikroskopiden bilgisayarlı tomografiye kadar ölçeklenebilir olması ve bu nedenle farklı ölçeklerde çeşitli klinik öncesi ve klinik uygulamalar için kullanılabilmesidir. Pratik bir uygulama, doğru yapısal bilgi gerektiren cilt koşullarının ve hastalıkların teşhisi olabilir. Çerçeve görüntüleme süresini önemli ölçüde azaltabileceğinden, beyin hemodinamiğinin ve nöronal aktivitenin izlenmesini mümkün kılabilir.

Yazarlar, "Geliştirilmiş zamansal çözünürlük, daha yüksek bir oranda örnekleme yaparak yüksek kaliteli izlemeyi mümkün kılıyor ve geleneksel düşük zamansal çözünürlükle gözlemlenemeyen hızlı değişikliklerin analizine izin veriyor."

Güneş NükleerMedikal Fizik Haftasında AI tarafından desteklenmektedir Güneş Nükleer, radyasyon tedavisi ve tanısal görüntüleme merkezleri için hasta güvenliği çözümleri üreticisi. Ziyaret etmek www.sunnuclear.com Daha fazla bilgi edinmek için.

Sonrası Derin öğrenme, süper çözünürlüklü foto akustik görüntülemeyi hızlandırır İlk çıktı Fizik dünyası.

Zaman Damgası:

Den fazla Fizik dünyası