深度学习改善低能量光声成像的对比度
图像与视频处理
2020-04-21 v1 机器学习
医学物理
摘要
低能量照明光源因其坚固、便携、经济且安全，可促进光声成像的临床转化。然而，这些光源因其低能量也降低了图像质量。在此，我们提出一种使用多级小波-卷积神经网络（wavelet-convolutional neural network）的去噪方法，将低能量照明光源图像映射到其对应的高能量激发图。定量与定性结果表明，该方法在去除背景噪声和保留目标结构方面具有显著潜力。观察到 PSNR、SSIM 和 CNR 指标分别提升高达 2.20、2.25 和 4.3 倍。我们在体内应用中使用所提方法也观察到对比度增强（高达 1.76 倍）。我们认为该工具可提升此类光源在光声成像中的价值。
引用
@article{arxiv.2004.08782,
title = {Deep Learning Improves Contrast in Low-Fluence Photoacoustic Imaging},
author = {Ali Hariri and Kamran Alipour and Yash Mantri and Jurgen P. Schulze and Jesse V. Jokerst},
journal= {arXiv preprint arXiv:2004.08782},
year = {2020}
}
备注
submitted to Biomedical Optics Express journal