雷鋒網消息，近日，蘇黎世聯(lián)邦理工學院和蘇黎世大學的科學家宣布，可以利用機器學習方法來改善光聲成像，成果發(fā)表在Nature Machine Intelligence上（點擊查看論文鏈接）

“光聲成像”是近年來發(fā)展起來的一種非入侵式和非電離式的新型生物醫(yī)學成像方法，可用于血管可視化、研究腦活動、表征皮膚病變和診斷乳腺癌等應用。但是，渲染圖像的質量很大程度上取決于設備上的傳感器數(shù)量和分布：傳感器的數(shù)量越多，圖像質量就越好。

蘇黎世聯(lián)邦理工學院的研究人員開發(fā)了一種新方法，可以在不放棄最終圖像質量的情況下大幅減少傳感器的數(shù)量，進而降低設備成本，提高成像速度或改善診斷。

圖像失真校正

光聲學在某些方面與超聲成像相似。

在超聲成像中，探頭將超聲波發(fā)送到體內，并被組織反射。探頭中的傳感器檢測返回的聲波，隨后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激光脈沖發(fā)射到組織中，然后被吸收并轉換成超聲波。類似于超聲成像，聲波被檢測并轉換為圖像。

由蘇黎世聯(lián)邦理工學院和蘇黎世大學生物醫(yī)學成像教授Daniel Razansky領導的團隊探索了一種方法，來提高僅擁有少量超聲傳感器的低成本光聲設備的圖像質量。

為了實現(xiàn)這一目標，他們首先使用了一種自行開發(fā)的高端光聲掃描儀，這種掃描儀有512個傳感器，可以提供高質量的圖像。他們通過人工神經網絡對這些圖片進行了分析，從而能夠學習高質量圖像的特征。

接下來，研究人員拿掉了大多數(shù)傳感器，只剩下128個或32個傳感器，這對圖像質量產生了不利影響。由于缺乏數(shù)據(jù)，圖像中出現(xiàn)了被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，從而使圖像質量更接近使用所有512個傳感器獲得的測量結果。

雷鋒網了解到，在光聲技術中，圖像質量不僅隨所用傳感器的數(shù)量而提高，而且當從盡可能多的方向捕獲信息時，圖像質量也會提高：傳感器圍繞物體布置的扇區(qū)越大，質量越好。研究人員開發(fā)的機器學習算法還成功地改善了僅在有限范圍內記錄的圖像的質量。

Razansky說：“這對于臨床應用特別重要，因為激光脈沖無法穿透整個人體，因此成像區(qū)域通常只能從一個方向進入?！?/p>

促進臨床決策

科學家們強調，他們的方法并不局限于光聲成像。由于該方法是對重建圖像進行處理，而不是對原始記錄數(shù)據(jù)進行處理，因此也適用于其他成像技術?！澳慊旧峡梢杂猛瑯拥姆椒◤娜魏蜗∈钄?shù)據(jù)中生成高質量的圖像，”拉贊斯基說。他解釋說，醫(yī)生經常面臨的挑戰(zhàn)是如何解讀來自病人的低質量圖像?！拔覀冏C明，這種圖像可以通過人工智能方法得到改善，從而更容易獲得更準確的診斷?！?/p>

對于Razansky來說，這項研究工作很好地說明了現(xiàn)有的人工智能方法可以用于什么。他說：“許多人認為人工智能可以代替人類的智能。至少在當前可用的人工智能技術方面，這可能被夸大了。它不能取代人類的創(chuàng)造力，但可能使我們擺脫一些繁瑣而重復的任務?！?/p>

在他們目前的研究中，科學家使用了為小動物量身定制的光聲斷層掃描設備，并用小鼠的圖像訓練了機器學習算法。Razansky說，下一步將是將該方法應用于人類患者的光聲圖像。

揭示組織功能

與光聲學不同，許多成像技術如超聲、X射線或MRI，主要適用于可視化的人體解剖變化。為了獲得額外的功能信息，例如關于血流或代謝變化的信息，患者必須在成像前使用造影劑或放射性示蹤劑。

與此相反的是，光聲學方法可以在不引入造影劑的情況下可視化功能和分子信息。一個例子是組織氧合的局部變化-一種可用于早期診斷的重要癌癥標志。血管中的脂質含量是另一種潛在的疾病標記，可幫助及早發(fā)現(xiàn)心血管疾病。

據(jù)雷鋒網了解，由于用于光聲成像的光波與其他光波不同，不能完全穿透人體，因此這種方法只適用于研究皮膚下幾厘米深的組織。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。