基于深度学习的电噪声去除实现深层组织高光谱光声对比度
图像与视频处理
2021-02-26 v1 机器学习
摘要
在多光谱光声断层成像（MSOT）中，所获取光声信号中的电噪声与干扰会严重降低图像对比度。信号处理技术已被证明不足以消除电噪声的影响，因为它们通常依赖简化模型且无法捕捉信号与噪声的复杂特性。此外，它们常涉及耗时的处理步骤，不适用于实时成像应用。在本工作中，我们开发并演示了一种判别型深度学习（DL）方法，在图像重建前将电噪声从光声信号中分离。所提出的 DL 算法基于两个关键特征。首先，它通过使用整个光声正弦图作为输入，学习噪声与信号中的时空相关性。其次，它采用基于大量实验获取的纯噪声与合成光声信号数据集的训练。我们在合成数据以及体模和人乳腺的光声图像上验证了训练模型准确去除电噪声的能力。我们展示了形态与光谱光声图像的显著增强，在体内获取的图像中达到高出 19% 的血管对比度以及超过 2 cm 深度的局部光谱对比度。我们讨论了所提出的去噪框架如何适用于临床多光谱光声断层成像并适合实时运行。
引用
@article{arxiv.2102.12960,
title = {Deep learning based electrical noise removal enables high spectral optoacoustic contrast in deep tissue},
author = {Christoph Dehner and Ivan Olefir and Kaushik Basak Chowdhury and Dominik Jüstel and Vasilis Ntziachristos},
journal= {arXiv preprint arXiv:2102.12960},
year = {2021}
}
备注
19 pages, 6 figures, 1 table