0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

深圳先進院等提出基于卷積神經(jīng)網(wǎng)絡(luò)的低劑量光聲成像方法

MEMS ? 來源:MEMS ? 作者:MEMS ? 2020-12-28 16:06 ? 次閱讀

近日,中國科學院深圳先進技術(shù)研究院生物醫(yī)學與健康工程研究所生物醫(yī)學光學與分子影像中心研究員劉成波團隊、醫(yī)學人工智能研究中心研究員梁棟團隊,與武漢協(xié)和醫(yī)院放射科教授鄭傳勝團隊合作,提出基于卷積神經(jīng)網(wǎng)絡(luò)的低劑量光聲成像方法,該方法有望推動光聲成像技術(shù)進一步臨床轉(zhuǎn)化。

光聲成像能夠無創(chuàng)獲取生物體和人體高分辨形態(tài)和功能信息,是有可能取得重要進展的新一代醫(yī)學成像技術(shù)。受激光安全局限,生物組織允許承受的激光能量有限,特別是在高速成像,激光能量安全性是目前制約這一技術(shù)發(fā)展的瓶頸。激光劑量、成像速度、圖像質(zhì)量在光聲成像中相互制約,阻礙了該技術(shù)在臨床和基礎(chǔ)研究的應(yīng)用,迄今為止,仍缺少較好的解決方法。

研究團隊提出一種多任務(wù)殘差密集網(wǎng)絡(luò)(multi-task residual dense network, MT-RDN)的卷積神經(jīng)網(wǎng)絡(luò)方法,較好解決了這一問題。利用多監(jiān)督學習策略,挖掘光聲光譜域互補信息,基于雙通道網(wǎng)絡(luò)和自適應(yīng)權(quán)重分布,團隊實現(xiàn)了低劑量激光照射下高質(zhì)量成像,獲得了比激光安全閾值低32倍的超低劑量光聲圖像。為滿足神經(jīng)網(wǎng)絡(luò)需要的多波長、多劑量數(shù)據(jù)同時獲取,團隊在光聲成像技術(shù)方面開展創(chuàng)新,實現(xiàn)了四激光脈沖連續(xù)成像。該研究有望進一步推動光聲成像技術(shù)臨床應(yīng)用,特別是在低激光劑量、高速成像場景。

上方為光聲成像系統(tǒng)示意圖,下方由左到右依次為雙波長輸入圖像、多任務(wù)殘差密集網(wǎng)絡(luò)框架、和卷積神經(jīng)網(wǎng)絡(luò)輸出圖像

相關(guān)研究成果以Deep learning enables superior photoacoustic imaging at ultra-low laser dosages為題,發(fā)表在Advanced Science上。武漢協(xié)和醫(yī)院趙煌旋博士(深圳先進院客座學生)趙煌旋、深圳先進院博士生柯子文為論文的第一作者,劉成波、梁棟和鄭傳勝為論文的共同通訊作者。

研究工作得到國家自然科學基金重大研究計劃、國家自然科學基金面上項目、中科院科研儀器設(shè)備研制項目(關(guān)鍵技術(shù)團隊項目)、中科院科研儀器設(shè)備研制項目(青年人才類)、中科院青年創(chuàng)新促進會等的支持。

責任編輯:xj

原文標題:深圳先進院等在低劑量光聲成像研究中取得進展

文章出處:【微信公眾號:MEMS】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 成像
    +關(guān)注

    關(guān)注

    2

    文章

    240

    瀏覽量

    30497
  • 光聲
    +關(guān)注

    關(guān)注

    0

    文章

    9

    瀏覽量

    6871

原文標題:深圳先進院等在低劑量光聲成像研究中取得進展

文章出處:【微信號:MEMSensor,微信公眾號:MEMS】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學習領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識別、自然語言處理和游戲智能。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常
    的頭像 發(fā)表于 11-15 14:53 ?477次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本概念、原理及特點

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學習算法,它在圖像識別、視頻分析、自然語言處理領(lǐng)域有著廣泛的應(yīng)用。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-11 14:38 ?1084次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的壓縮方法

    ,CNN模型的參數(shù)量和計算量也隨之劇增,這對硬件資源提出了嚴峻挑戰(zhàn)。因此,卷積神經(jīng)網(wǎng)絡(luò)的壓縮方法成為了研究熱點。本文將從多個角度詳細介紹卷積
    的頭像 發(fā)表于 07-11 11:46 ?366次閱讀

    BP神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學習領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?1559次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    結(jié)構(gòu)。它們在處理不同類型的數(shù)據(jù)和解決不同問題時具有各自的優(yōu)勢和特點。本文將從多個方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
    的頭像 發(fā)表于 07-04 14:24 ?1314次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)原理

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學習模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理領(lǐng)域。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-03 10:49 ?557次閱讀

    bp神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:12 ?1205次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)分類方法有哪些

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)是一種深度學習模型,廣泛應(yīng)用于圖像分類、目標檢測、語義分割計算機視覺任務(wù)。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-03 09:40 ?478次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和工作原理

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學習模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理領(lǐng)域。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-03 09:38 ?651次閱讀

    cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種深度學習模型,廣泛應(yīng)用于圖像分類、目標檢測、語義分割領(lǐng)域。本文將詳細介紹CNN在分類任務(wù)中的應(yīng)用,包括基本結(jié)構(gòu)、關(guān)鍵技術(shù)、常見網(wǎng)絡(luò)架構(gòu)以及實際應(yīng)用案例。
    的頭像 發(fā)表于 07-03 09:28 ?629次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)訓練的是什么

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學習模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理領(lǐng)域。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-03 09:15 ?423次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理與實現(xiàn)

    1.卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學習模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理領(lǐng)域。 卷積
    的頭像 發(fā)表于 07-02 16:47 ?600次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其功能

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是一種深度學習模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理領(lǐng)域。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-02 14:45 ?2144次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是一種深度學習模型,廣泛應(yīng)用于圖像識別、語音識別、自然語言處理領(lǐng)域。本文將詳細介紹卷積
    的頭像 發(fā)表于 07-02 14:44 ?667次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)和BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Networks,簡稱BPNN)是兩種
    的頭像 發(fā)表于 07-02 14:24 ?4120次閱讀