使用 SPINNet 的实时 X 射线相衬成像——一种基于散斑的相衬成像神经网络
图像与视频处理
2022-01-20 v1
摘要
X 射线相衬成像已成为可视化低吸收对比度样品不可或缺的手段。在这方面，基于散斑的技术相比传统方法在空间分辨率、相位灵敏度和实施灵活性上显示出显著优势。然而，其计算成本阻碍了更广泛的应用。通过利用深度学习的力量，我们开发了一种新的基于散斑的相衬成像神经网络（SPINNet），其相位恢复速度比现有方法至少快两个数量级。为实现此性能，我们将 SPINNet 与一种新颖的基于编码掩模的技术（基于散斑方法的增强版本）相结合。利用该方案，我们展示了在约 100 ms 量级上同时重建吸收像和相位像，而传统的基于相关的分析即便使用集群也需数分钟。除速度显著提升外，我们的实验结果表明 SPINNet 的成像分辨率和相位恢复质量优于现有的单帧基于散斑的方法。此外，我们成功展示了其在 3D X 射线相衬断层扫描中的应用。我们的结果表明，SPINNet 可赋能许多需要高分辨率和快速数据采集与处理的应用，例如原位和工况下 2D 和 3D 相衬成像以及实时波长处计量与波前传感。
引用
@article{arxiv.2201.07232,
title = {Real-time X-ray Phase-contrast Imaging Using SPINNet -- A Speckle-based Phase-contrast Imaging Neural Network},
author = {Zhi Qiao and Xianbo Shi and Yudong Yao and Michael J. Wojcik and Luca Rebuffi and Mathew J. Cherukara and Lahsen Assoufid},
journal= {arXiv preprint arXiv:2201.07232},
year = {2022}
}
备注
13 pages, 8 figures