深度压缩宏观荧光寿命成像
医学物理
2018-02-23 v2
摘要
压缩宏观荧光寿命成像（MFLI）是一种能够实现宏观尺度下多种分子相互作用监测的新技术实现。特别地，我们最近报道了一种高光谱宽场时间分辨单像素成像平台的发展，该平台可在不到 14 分钟内实现全身活体寿命成像。然而，尽管数据采集高效，基于压缩感知（CS）的反演加寿命拟合的数据处理仍然非常耗时。在此，我们提议研究深度学习用于快速且准确的图像形成的潜力。更精确地，我们开发了一种称为 Net-FLICS（用于压缩感知荧光寿命成像的网络）的卷积神经网络（CNN），它直接从原始 CS 测量中重建强度与寿命图像。结果表明，对于模拟与实验数据集，使用 Net-FLICS 可获得更高质量的重建，且相比传统解析方法耗时几乎可忽略。这一初步研究表明 Net-FLICS 可能成为实现基于 CS 的寿命成像用于实时应用的强大工具。
引用
@article{arxiv.1711.06187,
title = {Deep Compressive Macroscopic Fluorescence Lifetime Imaging},
author = {Ruoyang Yao and Marien Ochoa and Xavier Intes and Pingkun Yan},
journal= {arXiv preprint arXiv:1711.06187},
year = {2018}
}
备注
To present at IEEE ISBI 2018