基于机器学习的多 illumination 定量光声人体血氧成像
医学物理
2022-02-04 v1 图像与视频处理
摘要
光声（OA）成像是一种在各种生物医学应用（如诊断、器官功能监测乃至肿瘤治疗规划）中量化血氧饱和度（sO）的有前景的模态。我们提出一种准确且实际可行的、具备实时能力的sO定量成像方法，其基于将多光谱（MS）与多照度（MI）OA成像与学习谱去色（LSD）相结合。为此，我们开发了一种具备超声（US）成像能力的混合实时MI MS OA成像装置；我们在由通用蒙特卡洛模拟生成的MI谱着色吸收能量谱上训练梯度提升机，并使用训练后的模型对真实OA测量估计sO。我们在计算机模拟中以及五名健康人类志愿者的桡动脉及伴行静脉的体内图像序列上验证了MI-LSD。我们将该方法性能与先前LSD工作及常规线性解混进行了比较。MI-LSD在计算机模拟中提供了高度准确的结果，在体内一贯给出合理结果。本初步研究显示了使用我们方法的定量OA血氧成像潜在的高适用性。
引用
@article{arxiv.2202.01482,
title = {Machine learning enabled multiple illumination quantitative optoacoustic imaging of blood oxygenation in humans},
author = {Thomas Kirchner and Michael Jaeger and Martin Frenz},
journal= {arXiv preprint arXiv:2202.01482},
year = {2022}
}
备注
submitted to Biomedical Optics Express