Nat Machine Intelligence: 人工智能助力生物医学成像

2019年10月1日 讯 /生物谷BIOON/ --依据比来一项研讨，苏黎世联邦理工学院和苏黎世年夜学的迷信家胜利应用机械进修办法来改良光声成像。这种绝对年老的医学成像技巧可用于诸如可视化血管，研讨脑运动，表征皮肤病变和诊断乳腺癌等偏向。但是，衬着图像的质量很年夜水平上取决于装备应用的传感器的数目和散布：传感器的数目越多，图像质量就越好。 对此，研讨人员开辟的新办法可以在不保持最终图像质量的情形下年夜幅削减传感器的数目，从而可以下降装备本钱，进步成像速度并改良诊断成果。光声学在某些方面与超声成像类似。在后者中，探头将超声波发送到体内，并被组织反射。探头中的传感器检测前往的声波，随后生成人体外部的图像。在光声成像中，取而代之的是将十分短的激光脉冲发送到组织中，然后被接收并转换成超声波。最终，超声波被检测并转换为图像。

(图片起源：Www.pixabay.com)由苏黎世联邦理工学院和苏黎世年夜先生物医学影像学传授Daniel Razansky引导的团队开辟了一种新的办法，可以在仅拥有大批超声传感器的情形下改良图像质量。为此，他们起首应用具有512个传感器的高端光声扫描仪来供给高质量的图像。他们经过人工神经收集对这些图片停止了剖析，从而懂得了高质量图像的特点。接上去，研讨人员丢弃了年夜多半传感器，只留下128或32个传感器，这对图像质量发生了晦气影响。因为缺少数据，图像中呈现了称为“条纹型伪影”的掉真。但是，现实证实，先前练习的神经收集可以在很年夜水平上校订这些掉真，从而使图像质量更接近应用一切512个传感器取得的测量成果。在光声技巧中，图像质量不只随所用传感器的数目而进步，并且当从尽能够多的偏向捕捉信息时，图像质量也会进步：传感器环绕物体安排的扇区越年夜，质量越好。所开辟的机械进修算法还胜利地改良了仅在无限规模内记载的图像的质量。 Razansky说：“这关于临床使用特殊主要，由于激光脉冲无法穿透全部人体，是以成像区域平日只能从一个偏向进入。”在他们今朝的研讨中，迷信家应用了为小鼠量身定制的光声层析成像装备，并练习了响应的机械进修算法。Razansky说，下一步将是将该办法使用于人类患者的光声图像。（生物谷100yiyao.com）
资讯出处：
原始出处：Neda Davoudi, Xosé Luís Deán-Ben, Daniel Razansky. Nature Machine Intelligence, 2019; DOI: 10.1038/s42256-019-0095-3
医药网新闻