典型文献
基于无监督学习的高分辨光声重建
文献摘要：
光声断层成像(Optoacoustic Tomography,OAT)是一种新兴的生物医学成像技术,在基础医学研究与临床实践中具有重要作用.针对现有光声断层成像空间分辨率较低的问题,提出了一种结合物理点扩散函数(Point Spread Func-tion,PSF)模型和卷积神经网络(Convolutional Neural Network,CNN)的新型高分辨光声重建网络方法(Physical Atten-tion U-Net,Phys-AU-Net).该方法采用无监督学习策略,结合物理PSF模型和基于注意力机制的U-Net网络.其中,物理PSF模型用于完成对衍射受限机制的模拟,基于注意力机制的U-Net网络用于实现对高密度重叠吸收体图像的特征提取.在二者共同作用下,Phys-AU-Net突破了声衍射极限对于OAT成像空间分辨率的限制.实验结果表明,Phys-AU-Net能够有效实现对声衍射受限光声断层图像的高分辨重建,其性能相较于U-Net网络具有较大程度提升,在结构相似性指标(Structural Similarity,SSIM)方面提升了 43.5％,在峰值信噪比(Peak Signal to Noise Ratio,PSNR)方面提升了11.2％,对临床研究及诊断具有重要意义.
文献关键词：
光声断层成像;无监督学习;点扩散函数;高分辨重建
中图分类号：
作者姓名：
卢孟阳;李博艺;朱志斌;刘成成;刘欣;他得安
作者机构：
复旦大学工程与应用技术研究院,上海200433;河西学院物理与机电工程学院,甘肃张掖734000;复旦大学生物医学工程中心,上海200433
文献出处：
引用格式：
[1]卢孟阳;李博艺;朱志斌;刘成成;刘欣;他得安-.基于无监督学习的高分辨光声重建)[J].声学技术,2022(03):369-375
A类：
光声断层成像,Optoacoustic,高分辨重建
B类：
无监督学习,Tomography,OAT,生物医学成像,基础医学研究,成像空间分辨率,结合物,点扩散函数,Point,Spread,Func,PSF,Convolutional,Neural,Network,重建网络,Physical,Atten,AU,学习策略,注意力机制,吸收体,衍射极限,断层图,结构相似性,相似性指标,Structural,Similarity,SSIM,峰值信噪比,Peak,Signal,Noise,Ratio,PSNR
AB值：
0.298414
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
