AI将提升光声成像的质量和可用性

2019-11-14 13:52:46来源：OFweek人工智能网关键词：AI AI技术阅读量：25970

导读：通过减轻常见的图像伪影，增强解剖对比度和图像量化能力以及加速数据采集和图像重建，该新方法可以使许多光声成像应用受益。它还可以促进实用和实惠的光声成像系统的开发。

　　在光声领域，图片质量取决于设备传感器的数量和分布，传感器越多，布置的范围越广，图片的质量就越高。

　　为了让成本降低，使用少量超声波传感器就能提高低成本光声设备中的图像质量，苏黎世联邦理工学院和苏黎世大学的研究人员就将目光转向了机器学习。他们开发了一个框架，可以利用深度卷积神经网络从稀疏的光声数据中有效恢复图像质量，同时他们展示了他们进行小鼠体内全身成像的方法。

　　为了生成准确的高分辨率参考图像来训练神经网络，该团队首先开发了具有512个传感器的光声扫描仪，然后利用人工神经网络分析并了解该设备生成的高质量图像的特征。接着，研究人员从设备中移除大多数传感器，从而使其成像质量下降。由于数据不足，图像中出现了条纹型伪像。但是，之前训练有素的神经网络能够纠正大多数此类失真，使图像质量接近设备具有全部512个传感器时获得的测量结果。此外，该团队开发的机器学习算法能够提高在狭窄范围内记录的图像的质量。Daniel Razansky教授说：“这对于临床应用尤为重要，因为激光脉冲无法穿透整个人体，因此成像区域通常只能从一个方向进入。” 而在使用合成或幻像数据进行神经网络训练时，收效甚微，这表明了使用全视图扫描仪获取的高质量体内图像进行训练的重要性。

　　研究小组表示，该方法可以应用于其他成像技术，因为该方法基于重建的图像，而不是原始记录的数据。“您基本上可以使用相同的方法从任何种类的稀疏数据中生成高质量图像，” Razansky说。医师通常面临着解释低质量图像的挑战。他说：“我们证明，使用AI方法可以改善此类图像，使其更容易获得更准确的诊断。”

　　通过减轻常见的图像伪影，增强解剖对比度和图像量化能力以及加速数据采集和图像重建，该新方法可以使许多光声成像应用受益。它还可以促进实用和实惠的光声成像系统的开发。

　　对于他们目前的研究，科学家使用了为小动物定制的光声层析成像设备，并用小鼠的图像训练了机器学习算法。他们的下一步是将他们的方法应用于人类患者的光声图像。

　　(原标题:AI将提升光声成像的质量和可用性)

上一篇：制冷机组吸气压力过低怎么办？7大故障原因需知晓

下一篇：区块链技术为食品企业筑起品质安全“防火墙”

我要评论

昵称

匿名

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关。

加速行业智能化——华为AI＋制造行业峰会2025成功举办
4月28日，华为AI＋制造行业峰会2025在广州盛大举行。在峰会上，华为以“三层五阶八步”方法论为制造行业智能化加速提出实施路径，并分享7大场景20个解决方案，基于自身实践助力智能制造走深走实，推动技术革新成为业务高质量发展的核心驱动力。
华为AI制造业解决方案
2025-04-29 16:59:22
数据处理速度提升10倍 TDK光学新突破或成AI革命关键推手
这项名为“光子-电子混合集成技术“的创新，通过将光学信号传输与电子计算单元深度融合，突破了传统半导体材料在数据传输速率和能耗上的物理极限。
光学信号数据处理AI
2025-04-16 17:15:57
通快AI技术驱动汽车智造提质增效
目前，汽车行业的首批客户已在批量生产中应用这一技术，通快也在 INTECH 展会上展示了该创新解决方案。
AI技术汽车制造
2025-04-15 11:01:46
AI赋能制造业：迈向实时化与智能化的未来
AI技术正在深刻改变制造业的生产方式和管理模式。本文将深入探讨AI如何赋能制造业，实现从传统制造到智能化生产的跨越，并通过具体案例分析AI在制造业中的应用效果。
AI技术制造业
2025-04-14 11:08:02
AI 消防新生态：智慧消防多场景应用
AI大模型凭借其强大的多模态数据处理能力、实时决策支持和知识迁移特性，正在消防领域开辟智能化转型的新路径。
AI智慧消防
2025-04-13 09:52:32
比尔·盖茨：我们生来不是为工作 AI将包揽大部分事情
在微软联合创始人比尔·盖茨构想的未来图景中，AI革命将用不足十年的时间完成对传统行业的深度改造。尤其在医疗和教育领域，人工智能系统将承担80%以上的常规诊断、药品研发和知识传授工作。
比尔·盖茨AI
2025-04-07 11:41:10

版权与免责声明：

凡本站注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：智能制造网”。违反上述声明者，本站将追究其相关法律责任。

本站转载并注明自其它来源（非智能制造网）的作品，目的在于传递更多信息，并不代表本站赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时，必须保留本站注明的作品第一来源，并自负版权等法律责任。如擅自篡改为“稿件来源：智能制造网”，本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多，如涉及作品内容、版权等问题，请与本站联系并提供相关证明材料：联系电话：0571-89719789；邮箱：1271141964@qq.com。