用人工智能和目前批准的对比剂锐化临床成像

一种分析深层组织医学图像的新方法利用人工神经网络来减少背景噪声，使医生获得比目前更清晰、更清晰的深层组织图像。

近红外(NIR)荧光成像是一种用于可视化组织中的血管结构和淋巴系统的工具。对于活体实验对象，这个过程被称为NIR- i，或NIR level one。它的工作原理是将单个质子射向身体中具有生物相容性的区域对比染料，通常是吲哚菁绿(ICG)，然后发出荧光并显示染料居住的结构。例如，这在肿瘤生长监测或诊断各种癌症时很有用。

对于非活组织图像，一种叫做NIR-IIb的更深层次的探针使用含有PbS/CdS量子点的对比材料。NIR-IIb可以获得更清晰的图像，但那些造影剂不被批准用于人体。这项研究由来自斯坦福实验室的马卓然和戴宏杰博士的研究团队进行，目的是仅使用nil - i程序批准的药物，或fda批准的人类安全的对比剂，实现nil - iib的图像清晰度。

为了减少生物相容性染料中的光散射，研究人员训练了an人工神经网络去除杂音，增加对比度，最终达到“接近地面真实的图像”。为此，人工神经网络给出了2800个小鼠体内图像;NIR-I的图像通过网络输入，然后由研究人员与NIR-IIb进行比较图片同样的老鼠。通过一系列的改进，该人工神经网络可以将NIR-I图像的质量提高到NIR-IIb图像的85%。

采用这种图像细化的方法将会影响依赖于成像的诊断医生，特别是对于像乳腺癌这样的深层组织疾病。在散射开始模糊和扭曲结构之前，目前的工具只允许在表面以下的纳米范围内进行清晰的成像。如果成像能在深部成像时提供更高的对比度和清晰度，图像引导手术也可以变得更简单，总体上更成功组织。

这项研究发表在美国国家科学院院刊12月。

---

---

©2021科学BOB体育赌博X网络