-
题名血管网光声成像的机器学习抗散射仿真研究
- 1
-
-
作者
廖江南
高雅
徐文逸
解维娅
程茜
-
机构
同济大学物理科学与工程学院声学研究所
-
出处
《声学技术》
CSCD
北大核心
2023年第6期757-763,共7页
-
基金
国家自然科学基金(12034015)。
-
文摘
乳腺癌已成为全球女性发病率最高的肿瘤疾病,微血管成像对乳腺癌的治疗方案和预后有重要意义。光声层析成像术(Photoacoustic Tomography,PAT)可有效对乳腺癌内微血管网进行成像,但肿瘤组织内部的异质微结构和钙化点的散射对成像质量影响较大。针对该问题,文章基于U-Net的卷积神经网络对不同颗粒散射条件下软组织中血管网图像散斑开展仿真研究。仿真结果表明,该神经网络可以学习光声散斑图像和成像目标之间的映射关系,提取出隐藏在噪声中的血管光声信号,并重建出轮廓清晰、背景清晰的高质量血管图像,表明U-Net网络可以从高度模糊的散射图像中提取出有效的光声信息,实现目标图像的高清重建,在乳腺癌的诊断成像中具有广阔的应用前景。
-
关键词
光声成像
机器学习
血管网成像
-
Keywords
photoacoustic imaging
machine learning
imaging of vascular network
-
分类号
O426.1
[理学—声学]
-
