更少的能量,更好的质量与机器学习光声显微图像

光声显微术(PAM)允许研究人员看到一个体内最小的血管,但它能产生一些不必要的信号或噪音。一组研究人员在麦凯维圣路易斯华盛顿大学的工程学院找到一种方法,显著降低噪声和保持图像质量,同时减少所需的激光能量生成图像80%。

歌,生物医学工程的副教授,他的实验室的成员设计了这种新方法使用机器学习的图像处理技术,称为稀疏编码,去除噪声的PAM船舶结构图像,氧饱和度血液流动在一只老鼠的大脑。的工作结果在线发表在IEEE医学成像。

获得这样的图像,研究人员需要一个密集采样的数据,这就需要一个激光脉冲重复率高,可能会引起安全问题。减少激光脉冲能量,然而,导致受损图像质量和不准确的测量血氧和流程。这就是Zhuoying Wang博士生在胡的实验室和论文的第一作者,稀疏编码,一种机器学习常用于图像处理,不需要地面实况的火车,改善图像质量和定量精度在使用激光剂量较低。

团队技术应用于图像的血液血红蛋白浓度,氧化和流在一只老鼠的大脑正常和能量水平降低。两步方法表现很好,大大减少噪音和实现类似的图像质量,以前只可能与激光能量高出五倍。

“在我们的方法的第一步,稀疏编码分离血管横断面扫描获得的信号噪音在不同组织的位置,称为B-scans,因为稀疏噪声小于信号,”王说。“然后我们应用相同的稀疏编码战略形成的投影图像去噪B-scans在第二步中,进一步抑制背景噪音。”

胡表示,尽管机器学习已经被用于消除干扰光声图像,他们领先一步两步方法。

“我们的方法使我们能够去除噪声并保留信号不变,”胡锦涛说。“它不仅提供了更高的可见性微血管还保留了信号的演讲给我们机会去做定量成像。”

虽然这是最初的演示这些机器学习工具能做什么,胡表示,它展示了先进的计算工具的重要性,尤其是在光声成像一般和显微镜。

“曾减少激光能量是有前途的,但我们认为我们可以做更多的后续进展,不仅减少激光能量但是也提高时间分辨率,或者我们可以多快图像不失分辨率和空间范围,”他说。