|
|||||
|
|
| 基础研究 | |
| 摘 要： | 深度学习在光声图像重建及其影像诊断中的应用。生物医学光子学技术可以提供高对比度的生物组织图像,能够实现高分辨率的三维成像,部分光学成像技术已从实验室发展到临床应用阶段。但临床繁复的工作流程限制了同时满足图像的快速形成和可解释性,这对新型光学成像技术在诊疗过程中的应用提出了新挑战。近年来,深度学习与神经网络在光学图像重建、分割和分类这些问题上的应用受到了广泛关注,本文通过回顾深度学习在光学成像诊断技术在临床应用中的进展情况,如在光声图像重建过程中应用深度学习算法对不完全采样的数据进行处理,实现传统算法不可比拟去除伪影和噪声的重构效果;用深度学习算法实现与资深临床医师准确率相近的血管轮廓分割以及光声断层图像所含血管结构所属的血管层的识别,解释了这些方法如何适用于光学成像过程,并讨论了未来深度学习应用于光学诊疗中的方向和挑战。 |
| 关 键 词： | 深度学习算法 光学成像 可解释性 生物医学光子学 断层图像 神经网络 光学图像 三维成像 |
Basic Research |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 维普 等数据库收录！ | |