O metodă de reconstrucție a învățării fără a utiliza reconstrucții liniare convenționale.

domeniului

Modelul fizic este încorporat în structura rețelei noastre.

Reconstrucții mai bune și mai fiabile.

Abstract

Metodele de reconstrucție a imaginii medicale bazate pe învățarea profundă au demonstrat recent performanțe puternice în tomografia fotoacustică (PAT) din date cu vizualizare limitată și date rare. Cu toate acestea, deoarece majoritatea acestor metode trebuie să utilizeze metode convenționale de reconstrucție liniară pentru a implementa transformări semnal-imagine, performanța lor este limitată. În această lucrare, propunem o nouă abordare de reconstrucție a învățării profunde, care integrează strategiile adecvate de pre-procesare și formare a datelor. Rețeaua de proiecție a caracteristicilor (FPnet) prezentată aici este concepută pentru a învăța această transformare semnal-imagine prin învățare bazată pe date, mai degrabă decât prin utilizarea directă a reconstrucției liniare. Pentru a îmbunătăți în continuare rezultatele reconstrucției, metoda noastră integrează o rețea de post-procesare a imaginii (U-net). Experimentele arată că metoda propusă poate obține o calitate ridicată a reconstrucției din date cu vizualizare limitată, cu măsurători rare. Atunci când se utilizează accelerarea GPU, această metodă poate atinge o viteză de reconstrucție de 15 cadre pe secundă.

Anterior articolul emis Următorul articolul emis

Cuvinte cheie

Tong Tong a absolvit Universitatea de Știință și Tehnologie Electronică din China și este acum candidat la doctorat la Institutul de Automatizare, Academia de Științe din China și Școala de Inteligență Artificială, Universitatea din Academia de Științe din China. Principala sa este reconstrucția imagistică medicală și recunoașterea tiparelor.

Wenhui Huang, un doctorand de la Colegiul de Medicină și Ingineria Informațiilor Biologice, Universitatea Northeastern. Principala sa este imagistica medicală și se concentrează în principal pe imagistica moleculară a tumorilor capului și gâtului.

Dr. Kun Wang este profesor la Laboratorul cheie CAS de imagistică moleculară, Institutul de Automatizare, Academia Chineză de Științe. Cercetările sale se concentrează pe imagistica moleculară optică multimodală, inclusiv radiomică cu ultrasunete, tomografie cu dispersie optică și tomografie fotoacustică. A publicat peste 60 de lucrări în reviste SCI precum Gut, Advanced Materials, Nature Communications, Optica, IEEE Transaction on Medical Imaging.

Zicong He, a absolvit Universitatea Zhengzhou și este acum student postuniversitar la Universitatea Jinan, care studiază imagistica și medicina nucleară.

Lin Yin a absolvit Universitatea Jilin și este acum doctorand la Institutul de Automatizare, Academia Chineză de Științe și Școala de Inteligență Artificială, Universitatea Academiei Chineze de Științe. Principala ei este reconstrucția imagistică medicală și recunoașterea tiparelor.

Dr. Xin Yang este profesor la Laboratorul cheie CAS de imagistică moleculară, Institutul de Automatizare, Academia Chineză de Științe. Cercetările sale se concentrează pe imagistica moleculară optică multimodală și radiomică.

Shuixing Zhang, un lider din centrul de imagistică medicală al primului spital afiliat al Universității Jinan, se concentrează pe cercetarea imagistică moleculară despre tumorile capului și gâtului și a adus o mare contribuție în imagistica medicală.

Dr. Jie Tian este recunoscut ca un pionier și un lider în China în domeniul imagisticii moleculare. În ultimele două decenii, el a dezvoltat o serie de noi modele de imagistică optică și algoritmi de reconstrucție pentru imagistica tomografică optică in vivo, inclusiv tomografia cu bioluminiscență, tomografia moleculară cu fluorescență și tomografia cu luminescență Cerenkov. Dr. Tian are peste 100 de brevete acordate în China și trei brevete în Statele Unite. El este autorul a peste 300 de articole din reviste revizuite de colegi, inclusiv publicarea în Journal of Clinical Oncology, Nature Communications, Advanced Materials, Gastroenterology, PNAS, Clinical Cancer Research, Radiology, IEEE Transactions on Medical Imaging, și multe alte reviste, și acestea articolele au primit aproximativ 20.000 de citări Google Scholar.

Autorii au contribuit în mod egal la acest articol.