O-Net：一种用于定量光声图像分割与血氧测定的卷积神经网络
图像与视频处理
2019-11-06 v1 医学物理
摘要
利用光谱光声成像估计血氧饱和度是若干生物医学应用中有前景的工具。为使该方法具有定量性，它依赖于组织中光注量的准确方法。这在异质组织的深处是困难的，不同波长的光会经历显著不同的衰减。在这项工作中，我们开发了一种新的深度神经网络，用于同时估计血管中的氧饱和度并从周围背景组织中分割血管。该网络在基于乳腺组织中光传输的三维蒙特卡洛模拟所估计的初始压力分布上训练。网络以低于 50 ms 的时间估计血管 SO2，中位误差低至 5.1%，分割精度优于 95%。总体而言，这些结果表明血氧饱和度可以被实时、高精度地定量映射。
引用
@article{arxiv.1911.01935,
title = {O-Net: A Convolutional Neural Network for Quantitative Photoacoustic Image Segmentation and Oximetry},
author = {Geoffrey P. Luke and Kevin Hoffer-Hawlik and Austin C. Van Namen and Ruibo Shang},
journal= {arXiv preprint arXiv:1911.01935},
year = {2019}
}