通过深度学习算法,标准CT技术产生光谱图像

通过深度学习算法,标准CT技术产生光谱图像
信贷:君尔斯默理工学院学院

生物体验技术是允许医生在身体内看到的眼睛,以诊断,治疗和监测疾病。葛王是瑞森斯理工学院赋予生物医学工程教授,已得到重大认识,致力于与人工智能耦合那些成像技术,以改善医生的“愿景”。

在今天发表的研究中图案,由王领导的工程师团队展示了如何可以应用于传统的计算机断层扫描(CT)扫描以产生这通常需要更高水平的成像技术,称为双能量CT。

Rensselaer的研究科学家文祥聪是本文的第一个作者。王和聪也由上海第一映像技术的共同构,研究人员从GE研究中加入。

“我们希望这种技术能够帮助提取来自常规单频谱X射线CT扫描的更多信息,使其更加定量,并改善诊断,”王某表示,该中心也是中心生物医学成像中心的主任Rensselaer的生物技术与跨学科研究(CBIS)。

常规CT扫描产生显示体内组织形状的图像,但它们不会向医生提供有关这些组织的组成的充分信息。即使使用碘和其他造影剂,用于帮助医生区分软组织和脉管系统,难以区分微妙的结构。

一种称为双能CT的更高级别的技术,可以收集两个数据集,以产生揭示组织形状和信息的图像作品。然而,这种成像方法通常需要更高剂量的辐射,并且由于所需的额外硬件而言更昂贵。

“通过传统的CT,您拍摄灰度图像,但用双能CT,您拍摄了两种颜色的图像,”王说。“和,我们尝试使用标准机器进行双能CT成像的作业。“

在这项研究中,王某和他的团队证明了他们的神经网络如何能够使用单频谱CT数据产生更复杂的图像。研究人员使用双能CT产生的图像来训练其模型,并发现它能够产生高质量近似,相对误差小于2%。

“王教授和他的团队在生物体验中的专业知识正在诊断和治疗疾病的医生和外科医生”新的眼睛“,”CBI总监Deepak Vashishth说。“这项研究努力是个性化和解决持续的人类健康挑战所需的伙伴关系的主要示例。”


进一步探索

低剂量CT成像的机器学习方法产生了优异的结果

更多信息:Wenxiang Cong等人,通过深度学习虚拟单齿性CT成像,图案(2020)。DOI:10.1016 / J.PTOR.2020100128
引文:具有深度学习算法,标准CT技术产生频谱图像(2020年10月19日)从HTTPS://MedicalXpress.com/news/2020-10-deep-technology.html
本文件受版权保护。除了私人学习或研究目的的任何公平交易外,没有书面许可,没有任何部分。内容仅供参考。
21.分享

反馈到编辑

用户评论