用于光声成像不确定性量化的可逆神经网络
医学物理
2020-11-24 v2 人工智能
机器学习
摘要
多光谱光声成像（PAI）是一种新兴的成像方式，能够恢复血氧等功能性组织参数。然而，其底层逆问题可能是病态的，这意味着在理论上，截然不同的组织特性可能产生相近的测量值。在这项工作中，我们提出一种利用条件可逆神经网络（cINNs）概念处理此类不确定性的新方法。具体而言，我们提议超越常用的组织血氧点估计，将单像素初始压力谱转换为完整的后验概率密度。这样，问题固有的模糊性可在输出中以多种模态进行编码。基于所提出的架构，我们展示了两个利用该信息不仅检测与量化而且补偿不确定性的用例：（1）光声设备设计；（2）光声图像采集优化。我们的计算机模拟研究证明了所提方法有望成为 PAI 中生理参数不确定性感知重建的重要基石。
引用
@article{arxiv.2011.05110,
title = {Invertible Neural Networks for Uncertainty Quantification in Photoacoustic Imaging},
author = {Jan-Hinrich Nölke and Tim Adler and Janek Gröhl and Thomas Kirchner and Lynton Ardizzone and Carsten Rother and Ullrich Köthe and Lena Maier-Hein},
journal= {arXiv preprint arXiv:2011.05110},
year = {2020}
}
备注
7 pages, 4 figures, submitted to "Bildverarbeitung f\"ur die Medizin (BVM) 2021"