Мережа перетворення доменів для фотоакустичної томографії з обмеженого огляду та з рідко вибірковими даними
Навчальний метод реконструкції без використання звичайних лінійних реконструкцій.
Фізична модель включена в нашу мережеву структуру.
Кращі та надійніші реконструкції.
Анотація
Методи реконструкції медичних зображень, засновані на глибокому навчанні, нещодавно продемонстрували потужну ефективність у фотоакустичній томографії (PAT) на основі обмеженого огляду та розріджених даних. Однак, оскільки більшість із цих методів повинні використовувати звичайні методи лінійної реконструкції для реалізації перетворень сигнал-зображення, їх продуктивність обмежена. У цій роботі ми пропонуємо новий підхід до реконструкції глибокого навчання, який включає відповідні стратегії попередньої обробки даних та навчання. Представлена тут Мережа проекцій функцій (FPnet) призначена для вивчення цього перетворення сигналу в зображення шляхом навчання на основі даних, а не безпосереднього використання лінійної реконструкції. Для подальшого покращення результатів реконструкції наш метод інтегрує мережу післяобробки зображень (U-net). Експерименти показують, що запропонований спосіб може досягти високої якості реконструкції з даних обмеженого огляду за допомогою розріджених вимірювань. Застосовуючи прискорення графічного процесора, цей метод може досягти швидкості реконструкції 15 кадрів в секунду.
Попередній стаття у випуску Далі стаття у випуску
Ключові слова
Тонг Тонг закінчив Університет електронних наук і технологій Китаю і зараз є кандидатом наук в Інституті автоматики Китайської академії наук та Школи штучного інтелекту Університету Китайської академії наук. Його основним завданням є реконструкція медичної візуалізації та розпізнавання образів.
Веньхуей Хуан, кандидат наук у Медичному коледжі та біологічній інформаційній інженерії Північно-Східного університету. Її основним предметом є медична візуалізація, і вона в основному зосереджена на молекулярній візуалізації пухлин голови та шиї.