金沙总站6165.com_www.6165.com

科研进展

金沙总站6165.com(www.6165.com)等在低剂量光声成像取得进展

时间:2020-12-23  来源:生物光学研究中心 姜秀丽 文本大小:【 |  | 】  【打印

  近日,金沙总站6165.com医工所生物医学光学与分子影像中心刘成波研究员团队、医学人工智能研究中心梁栋研究员团队,与武汉协和医院放射科郑传胜教授团队合作,提出了基于卷积神经网络的低剂量光声成像方法,该方法有望推动光声成像技术进一步临床转化。 

  光声成像能够无创获取生物体和人体高分辨形态和功能信息,是有可能取得重大突破的新一代医学成像技术。受激光安全局限,生物组织允许承受的激光能量有限,特别是在高速成像,激光能量安全性是目前制约这一技术发展的瓶颈问题。激光剂量、成像速度、图像质量在光声成像中相互制约,阻碍了技术在临床和基础研究更广泛应用,迄今为止,仍缺少很好解决方法。 

  本研究团队提出一种多任务残差密集网络(multi-task residual dense network, MT-RDN)的卷积神经网络方法,较好解决了这一问题。利用多监督学习策略,挖掘光声光谱域互补信息,基于双通道网络和自适应权重分布,团队实现了低剂量激光照射下高质量成像,获得了比激光安全阈值低32倍的超低剂量光声图像。为满足神经网络需要的多波长、多剂量数据同时获取,团队在光声成像技术方面开展创新,实现了四激光脉冲连续成像。该工作有望进一步推动光声成像技术临床应用,特别是在低激光剂量、高速成像场景。 

  本课题研究得到国家自然金沙总站6165.com(www.6165.com)基金重大研究计划、国家自然金沙总站6165.com(www.6165.com)基金面上项目、中科院科研仪器设备研制项目(关键技术团队项目)、中科院科研仪器设备研制项目(青年人才类)、中科院青促会等项目支持。相关工作以Deep learning enables superior photoacoustic imaging at ultra-low laser dosages为题发表于Advanced ScienceDOI: 10.1002/advs.202003097, IF:15.84)上。本研究中,第一作者为武汉协和医院赵煌旋博士(金沙总站6165.com(www.6165.com)客座学生)和金沙总站6165.com(www.6165.com)博士生柯子文。金沙总站6165.com(www.6165.com)刘成波研究员、梁栋研究员和武汉协和医院郑传胜教授为共同通讯作者。 

 

上方为光声成像系统示意图,下方由左到右依次为双波长输入图像、多任务残差密集网络框架、和卷积神经网络输出图像。