使用深度学习算法，标准CT技术生产光谱图像

生物成像技术是使医生能够在体内看见以诊断，治疗和监测疾病的眼睛。Ge Wang是Rensselaer Polytechnic Institute的生物医学工程学教授，他因致力于将这些成像技术与人工智能耦合以改善医生的“视力”，因此获得了重大认可。

在今天发表的研究中图案，王领导的一组工程师展示了深度学习算法可以应用于传统的计算机断层扫描（CT）扫描以生产图片通常，这通常需要更高级别的成像技术，称为双能CT。

伦斯勒（Rensselaer）的研究科学家Wenxiang Cong是本文的第一作者。Wang和Cong还与上海第一像技术的合着者和GE Research的研究人员一起参加了会议。

王说：“我们希望这项技术将有助于从常规的单光谱X射线CT扫描中提取更多信息，使其更具定量性并改善诊断。”Rensselaer的生物技术和跨学科研究（CBIS）。

常规的CT扫描产生的图像显示了体内组织的形状，但它们没有提供有关这些组织组成的足够信息。即使使用碘和其他对比剂，这些药物用于帮助医生区分软组织和脉管系统，也很难区分微妙的结构。

一种称为双能CT的高级技术收集两个数据集，以产生揭示组织形状和信息的图像组织作品。但是，这种成像方法通常需要更高剂量的辐射，并且由于需要额外的硬件而更昂贵。

王说：“使用传统的CT，您可以拍摄灰度图像，但是使用双能CT，您可以使用两种颜色的图像。”“和深度学习，我们尝试使用标准机器来完成双能CT成像的工作。”

在这项研究中，Wang和他的团队演示了他们的神经网络如何使用单光谱CT数据来制作这些更复杂的图像。研究人员使用双能CT产生的图像来训练其模型，并发现它能够产生高质量的近似值，相对误差小于2％。

CBIS总监Deepak Vashishth说：“ Wang教授及其团队在生物成像方面的专业知识是在诊断和治疗疾病方面给医师和外科医生的新眼睛'。”“这项研究工作是个性化和解决持续的人类健康挑战所需的合作伙伴关系的一个典型例子。”

---

---