基于深度学习的实时光声投影成像
数值分析
2018-08-31 v4 医学物理
光学
摘要
光声层析成像(PAT)是一种新兴的非侵入式混合成像模态，用于可视化生物组织中的光吸收结构。最近发明的采用64个并行积分线探测器阵列的PAT系统可在不到一秒的时间内捕获光声投影图像。针对此类装置的常规图像形成算法存在因探测器阵列稀疏导致的欠采样、因检测系统有限冲激响应导致的模糊，以及因有限检测视角导致的伪影等问题。为解决这些问题，本文提出了一种基于深度学习的新颖直接且非迭代的图像重构框架。所提出的DALnet将采用动态孔径长度(DAL)校正的通用反投影(UBP)与深度卷积神经网络(CNN)相结合。两个子网络均含有在训练阶段调整的自由参数。如仿真与实验所示，DALnet在标准PC配合NVIDIA TITAN Xp GPU上能够以每秒超过50帧的速率生成3D结构的高分辨率投影图像。所提网络在重构速度以及各项评价指标上均优于最先进的迭代全变分重构算法。
引用
@article{arxiv.1801.06693,
title = {Real-time photoacoustic projection imaging using deep learning},
author = {Johannes Schwab and Stephan Antholzer and Robert Nuster and Markus Haltmeier},
journal= {arXiv preprint arXiv:1801.06693},
year = {2018}
}