团队|全球首次！天津大学科研团队取得重大成果深度|图像|科研|组织|定量|李娇

天津大学校科研团队利用定量光声深度学习方法实现了活体深层组织的光学功能“真实透视”成像。据悉，这一成果在世界上尚属首次，将为获取活体组织生理病理相关的血氧特性图像提供高空间分辨定量成像方法，可用于肿瘤早期筛查、良恶性诊断以及抗癌药物疗效在体监测与量化评估。

文章图片

定量光声层析成像深度学习方法的功能效果图
定量光声层析成像是一种新兴的无创生物医学成像技术，可结合传统光学成像的功能性以及传统超声成像的高清晰度等优势，直接获取深层组织光学吸收系数图像，受到国内外研究机构和医疗企业广泛关注。光在组织体内传播过程中的光强逐渐衰减，光声成像受深层组织中光强衰减的限制，无法真实地反应组织光学吸收系数，影响其在深层组织成像中图像准确度和可信度。目前的定量光声层析成像方法需要庞大的计算资源和时间消耗，且还存在稳定性差、先验信息依赖性强及误差大等问题。

文章图片

传统光声重建(P0)与定量光声重建(?)图像对比
针对上述难题，天津大学精密仪器与光电子工程学院副教授李娇和教授高峰团队首次提出了无需标注真实数据的定量光声层析成像深度学习方法，实现深层组织吸收系数的准确重建。论文2022年1月6日发表在国际光学顶级期刊Optica上，李娇为第一作者，天津大学副教授孙彪、高峰和慕尼黑工业大学教授Vasilis Ntziachristos为文章的共同通讯作者。

文章图片

【团队|全球首次！天津大学科研团队取得重大成果】SEED-Net产生“实验数据”与真实实验数据对比
论文创新点之一是解决深度神经网络训练数据问题，利用风格迁移网络（SEED-Net）实现仿真数据与实验数据的无监督自由转换，将丰富的带标注仿真数据转换到实验域，即生成了大量带标注的“实验数据” ，用于后续深度神经网络训练。 “我们提出的SEED-Net不仅可以解决定量光声层析成像方向缺乏真实数据集的问题，在其他生物医学成像领域例如光学/荧光层析成像中同样受限于缺乏足够的带标注真实实验数据，也可使用该网格通过丰富的仿真数据生成‘实验数据’ ，进一步发展适用于实际应用的生物医学成像深度学习方法。这一方法具有普遍适用性，适合不同光声成像系统、其他光学成像技术和整个生物医学成像领域的推广及应用。 ”李娇说。
利用团队自主发展的光声层析成像系统获得测试数据所发展的深度学习方法，成功重建出高空间分辨率的深层组织光学吸收系数定量分布图像。这是首次应用定量光声层析成像深度学习方法实现对活体深层组织光学吸收系数的“真实透视”成像。无标注真实数据情况下深度神经网络的成功应用，也开拓了深度学习方法在生物医学成像方向的发展空间。
来源北京日报客户端 |采访人员白波通讯员赵晖
编辑蔡文清
流程编辑刘伟利

团队|全球首次！天津大学科研团队取得重大成果

推荐阅读

如何找寻自我

缝纫机调线器怎么安装平车方法如何

强组词强字组词

火笋鸡翅的做法（增肥食谱）

闺女生日快乐祝福语朋友圈

LV请来潮牌设计师做艺术总监，看中的是啥

老虎豆怎么做好吃老虎豆图片怎样弄来吃

暖气有流水声是什么原因

皮球是什么体

手机怎样开通QQ空间

男生发mua说明 mua是什么意思

手指盖凹陷怎么回事

对自己的生活失去掌控咋调整

小米10s怎么没有月亮模式

我想找个偏僻的地方搞养殖！有没有推荐的地方？

南京养老金认证上门服务怎么申请南京市养老金认证

如何评价猪场阉割猪？

最后一个字是豹的成语

泰山散酒怎么样

猫发情的声音(猫发情的叫声)