亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁最新消息產業觀測站人工智能改善了生物醫學成像

人工智能改善了生物醫學成像

來源 : 亞洲健康互聯海外中心
update : 2019/10/01
光聲成像特別擅長可視化血管。圖片來源:蘇黎世聯邦理工學院 Daniel Razansky
蘇黎世聯邦理工學院和蘇黎世大學的科學家,使用機器學習方法來改善光聲成像。這種相對較年輕的醫學成像技術可用於諸如可視化血管、研究腦活動、表徵皮膚病變和診斷乳腺癌等應用。但是,渲染圖像的品質很大程度上,取決於使用設備的傳感器數量和傳感器的分佈,傳感器的數量越多,圖像品質就越好。ETH研究人員開發的新方法,可以在不放棄最終圖像品質的情況下,大幅減少傳感器的數量,以降低設備成本、提高成像速度或改善診斷。

該研究結果發表在《自然機器智能》期刊。

光聲學在某些方面與超音波成像相似。在後者中,探頭將超音波發送到體內,並被組織反射。探頭中的傳感器檢測返回的聲波,隨後生成人體內部的圖像。在光聲成像中,取而代之的是將非常短的雷射脈衝發送到組織中,然後被吸收並轉換成超音波。類似於超音波成像,波被檢測並轉換為圖像。

由蘇黎世聯邦理工學院和蘇黎世大學生物醫學影像學教授Daniel Razansky領導的團隊,尋求一種方法來提高僅擁有少量超音波傳感器的低成本光聲設備的圖像品質。

為此,他們先是使用自行開發,具有512個傳感器的高端光聲掃描儀來提供高品質的圖像。他們透過人工神經網絡對這些圖片進行了分析,從而能夠了解高品質圖像的特徵。

接下來,研究人員丟棄了大多數傳感器,只剩下128或32個傳感器,這對圖像品質產生了不利影響。由於缺乏數據,圖像中出現了稱為條紋型偽影的失真。然而,事實證明,先前訓練的神經網絡能夠在很大程度上校正這些失真,從而使圖像品質更接近使用所有512個傳感器獲得的測量結果。

在光聲技術中,圖像品質不僅隨所用傳感器的數量而提高,而且當從盡可能多的方向捕獲資訊時,圖像品質也會提高:傳感器圍繞物體佈置的扇區越大,品質越好。所開發的機器學習演算法,還成功地改善了僅在有限範圍內紀錄的圖像品質。Razansky說:「這對於臨床應用特別重要,因為雷射脈衝無法穿透整個人體,因此...完整