使用深度学习对多光谱光声图像进行语义分割
图像与视频处理
2022-04-19 v3 计算机视觉与模式识别
医学物理
摘要
光声（PA）成像因多光谱光声测量中包含的关于组织生理的宝贵信息，有潜力革新医疗中的功能性医学成像。该技术的临床转化需要将高维采集数据转换为临床相关且可解释的信息。在这项工作中，我们提出一种基于深度学习的多光谱光声图像语义分割方法以促进图像可解释性。手动标注的光声{和超声}成像数据被用作参考，并以监督方式训练基于深度学习的分割算法。基于一项使用来自 16 名健康人类志愿者的实验采集数据的验证研究，我们展示了自动组织分割可用于创建多光谱光声图像的强大分析与可视化。由于对高维信息的直观表示，此类预处理算法可成为促进光声成像临床转化的有价值手段。
引用
@article{arxiv.2105.09624,
title = {Semantic segmentation of multispectral photoacoustic images using deep learning},
author = {Melanie Schellenberg and Kris Dreher and Niklas Holzwarth and Fabian Isensee and Annika Reinke and Nicholas Schreck and Alexander Seitel and Minu D. Tizabi and Lena Maier-Hein and Janek Gröhl},
journal= {arXiv preprint arXiv:2105.09624},
year = {2022}
}
备注
8 pages, 7 figures, 3 tables