基于光纤扫描内窥镜的高速光学相干弹性成像深度学习方法
信号处理
2025-09-04 v1
摘要
组织刚度与软组织病理相关，可通过触诊或临床成像系统（如超声或磁共振成像）进行评估。通常，基于图像的方法在介入过程中不适用，尤其是在微创手术中。为此，我们提出了一种微型化光纤扫描内窥镜，用于快速和局部弹性成像。此外，我们提出了一种基于深度学习的信号处理流程，以应对复杂数据和实时估计的需求。我们的弹性估计方法基于成像复杂且弥散的波场，这些波场涵盖多个波频率并沿多个方向传播。我们优化了探头设计以实现不同的扫描模式。为了在保持三维信息的同时最大化时间采样，我们定义了圆锥形扫描模式，时间频率为5.05 kHz。为了高效处理复杂波场的图像序列，我们考虑了时空深度学习网络。我们在代表多种弹性参数的仿体上以端到端方式训练该网络。该网络用于获取局部且鲁棒的弹性估计，允许实时生成弹性图。对于二维扫描，我们的方法与常规相位追踪相比，平均绝对误差为6.31±5.76 kPa，而后者为11.33±12.78 kPa。在不估计波方向的扫描中，新型三维方法将误差降至4.48±3.63 kPa，而常规二维方法为19.75±21.82 kPa。最后，我们在猪体外组织中展示了弹性估计的可行性。
引用
@article{arxiv.2509.03193,
title = {Deep Learning for High Speed Optical Coherence Elastography with a Fiber Scanning Endoscope},
author = {Maximilian Neidhardt and Sarah Latus and Tim Eixmann and Gereon Hüttmann and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2509.03193},
year = {2025}
}