科研之友
微信
新浪微博
Facebook
分享链接
摘要
光声计算层析成像（photoacoustic computed tomography, PACT）无需外源性对比剂便可获取厘米级深度光声图像。然而，来自皮肤的高强度光声信号遮盖了皮下深层组织信息，阻碍了感兴趣区域光声图像的正面显示和分析。因此，本文提出了融合多尺度感知和残差连接的U型深度学习模型，实现PACT光声图像中皮肤信号的智能分割。其中，提出以单类皮肤区域标注为基准标签图像，该方法无需像素级图像标注，能够显著降低数据处理复杂度；然后，设计了皮肤完整性拟合和皮肤掩膜生成算法，实现PACT图像中皮肤信号的自动去除。使用PACT成像实验获得的人体腿部外周血管光声图像，验证了本文方法在皮肤组织高精度智能提取和去除方面的正确性和有效性。与现有去皮肤工作相比，无皮肤图像重建误差下降了50%～70%，信噪比提升了4.5dB，为深层组织PACT图像高清晰显示提供了一条有效途径。
- 单位
