使用隐式神经表示增强欠采样光声显微镜图像的分辨率
计算机视觉与模式识别
2024-10-29 v1
摘要
声分辨率光声显微镜（AR-PAM）在皮下血管成像方面具有广阔前景，但其空间分辨率受限于点扩散函数（PSF）。传统的反卷积方法（如 Richardson-Lucy 和基于模型的反卷积）利用 PSF 来提高分辨率。然而，精确测量 PSF 很困难，导致依赖于不太准确的盲反卷积技术。此外，AR-PAM 存在扫描时间长的问题，可以通过下采样来减少扫描时间，但这需要从欠采样数据中有效恢复图像，而传统插值方法在这方面存在不足，特别是在高欠采样率下。为了应对这些挑战，我们提出了一种基于隐式神经表示（INR）的方法。该方法学习从空间坐标到初始声压的连续映射，克服了离散成像的局限性并增强了 AR-PAM 的分辨率。通过将 PSF 作为 INR 框架内的可学习参数，我们的技术减轻了与 PSF 估计相关的不准确性。我们在模拟血管数据上评估了我们的方法，结果显示，与常规方法相比，峰值信噪比（PSNR）和结构相似性指数（SSIM）均有显著改善。在叶脉和体内小鼠脑微血管图像中也观察到了定性增强。当应用于定制的 AR-PAM 系统时，铅笔芯实验表明我们的方法提供了更清晰、更高分辨率的结果，表明其具有推进光声显微镜发展的潜力。
引用
@article{arxiv.2410.19786,
title = {Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations},
author = {Youshen Xiao and Sheng Liao and Xuanyang Tian and Fan Zhang and Xinlong Dong and Yunhui Jiang and Xiyu Chen and Ruixi Sun and Yuyao Zhang and Fei Gao},
journal= {arXiv preprint arXiv:2410.19786},
year = {2024}
}