บาคาร่าเว็บตรง กล้องจุลทรรศน์โฟโตอคูสติกความละเอียดทางแสง: ภาพฉายภาพขนาดกว้างสูงสุด (MAP) ของหูเมาส์ มุมมองระยะใกล้ของบริเวณต่างๆ ในกล่องเส้นประสีเขียว และภาพโหมด B แบบตัดขวางของพื้นที่ที่แสดงด้วยเส้นประสีน้ำเงิน การถ่ายภาพด้วยโฟโตอะคูสติกเป็นเทคนิคไฮบริดที่ใช้ในการรับข้อมูลระดับโมเลกุล กายวิภาค และการทำงานจากภาพที่มีขนาดตั้งแต่ไมครอนจนถึงมิลลิเมตร
ที่ระดับความลึกตั้งแต่หลายร้อยไมครอน
จนถึงหลายเซนติเมตร วิธีการถ่ายภาพด้วยโฟโตอะคูสติกที่มีความละเอียดสูงมาก ซึ่งเฟรมภาพหลายเฟรมของเป้าหมายถูกซ้อนทับเพื่อให้ได้ความละเอียดเชิงพื้นที่ที่สูงมาก สามารถกำหนดตำแหน่งเป้าหมายที่เล็กมาก เช่น เซลล์เม็ดเลือดแดงหรือหยดของสีย้อมที่ฉีด วิธีการ “การถ่ายภาพโลคัลไลเซชัน” นี้ช่วยปรับปรุงความละเอียดเชิงพื้นที่อย่างมีนัยสำคัญในการศึกษาทางคลินิก แต่ทำได้โดยใช้ความละเอียดชั่วคราว
ทีมวิจัยข้ามชาติได้ใช้เทคโนโลยีการเรียนรู้เชิงลึกเพื่อเพิ่มความเร็วในการรับภาพอย่างมากโดยไม่ลดทอนคุณภาพของภาพ ทั้งสำหรับกล้องจุลทรรศน์แบบใช้แสง (PAM) และการตรวจเอกซเรย์คอมพิวเตอร์ด้วยแสง (PACT) วิธีการที่ใช้ปัญญาประดิษฐ์ (AI) ที่อธิบายไว้ในLight: Science and Applications
ช่วยเพิ่มความเร็วในการถ่ายภาพ 12 เท่า
และลดจำนวนภาพที่ต้องการลงได้มากกว่า 10 เท่า ความก้าวหน้านี้อาจช่วยให้สามารถใช้เทคนิคการถ่ายภาพด้วยแสงโฟโตอคูสติกโลคัลไลเซชันในการใช้งานพรีคลินิกหรือทางคลินิกที่ต้องการทั้งความเร็วสูงและความละเอียดเชิงพื้นที่ที่ดี เช่น การศึกษาการตอบสนองของยาในทันที
การถ่ายภาพด้วยโฟโตอะคูสติกใช้การกระตุ้นด้วยแสงและการตรวจจับด้วยคลื่นเสียงความถี่สูงเพื่อเปิดใช้ งานการ ถ่ายภาพในร่างกาย แบบหลายสเกล เทคนิคนี้ทำงานโดยฉายแสงเลเซอร์สั้นๆ ไปที่โมเลกุลชีวภาพ ซึ่งดูดซับพัลส์แสงที่กระตุ้น ผ่านการขยายตัวแบบยืดหยุ่นด้วยความร้อนชั่วคราว และเปลี่ยนพลังงานของพวกมันเป็นคลื่นอัลตราโซนิก จากนั้นคลื่นโฟโตอะคูสติกเหล่านี้จะถูกตรวจจับโดยทรานสดิวเซอร์อัลตราซาวนด์และใช้เพื่อสร้างภาพ PAM หรือ PACT
นักวิจัยจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยี Pohang (POSTECH) และสถาบันเทคโนโลยีแห่งแคลิฟอร์เนียได้พัฒนากลยุทธ์การคำนวณโดยใช้เครือข่ายประสาทเทียมระดับลึก (DNNs) ที่สามารถสร้างภาพความละเอียดสูงที่มีความหนาแน่นสูงขึ้นมาใหม่ได้จากเฟรมภาพดิบที่น้อยกว่ามาก เฟรมเวิร์กตามการเรียนรู้เชิงลึกใช้โมเดล DNN ที่แตกต่างกันสองโมเดล: โมเดล 3 มิติสำหรับ PAM (OR-PAM) ความละเอียดออปติคัลโลคัลไลเซชันแบบโลคัลไลเซชัน และโมเดล 2 มิติสำหรับ PACT โลคัลไลซ์เซชั่นที่มีป้ายระนาบ
ผู้ตรวจสอบหลักChulhong Kim ผู้อำนวย การศูนย์นวัตกรรมอุปกรณ์การแพทย์ของ POSTECH และเพื่อนร่วมงานอธิบายว่าเครือข่ายสำหรับการแปล OR-PAM นั้นมีเลเยอร์ Convolutional 3D เพื่อรักษาข้อมูลโครงสร้าง 3D ของภาพปริมาตร ในขณะที่เครือข่ายสำหรับการแปล PACT
มีเลเยอร์ Convolutional 2D DNN
จะเรียนรู้การแปลงจาก voxel-to-voxel หรือ pixel-to-pixel จากภาพ photoacoustic แบบเบาบางหรือหนาแน่น นักวิจัยได้ฝึกอบรมทั้งสองเครือข่ายพร้อมกัน และในขณะที่การฝึกอบรมดำเนินไป เครือข่ายจะเรียนรู้การกระจายภาพจริงและสังเคราะห์ภาพใหม่ที่คล้ายกับภาพจริงมากขึ้น
เพื่อทดสอบแนวทางของพวกเขา นักวิจัยได้ใช้ OR-PAM เพื่อสร้างภาพภูมิภาคที่น่าสนใจในหูของเมาส์ ด้วยการใช้เฟรมที่สุ่มเลือก 60 เฟรม พวกเขาสร้างอิมเมจ OR-PAM โลคัลไลเซชันที่หนาแน่นขึ้นใหม่ ซึ่งใช้เป็นเป้าหมายสำหรับการฝึกอบรมและความจริงพื้นฐานสำหรับการประเมิน พวกเขายังสร้างอิมเมจ OR-PAM ที่มีการแปลเป็นภาษาท้องถิ่นแบบเบาบางขึ้นใหม่โดยใช้เฟรมน้อยลงสำหรับอินพุตใน DNN เวลาในการถ่ายภาพสำหรับภาพที่หนาแน่นคือ 30 วินาที ในขณะที่ภาพที่กระจัดกระจายโดยใช้ห้าเฟรม ใช้เวลาเพียง 2.5 วินาทีเท่านั้น
ภาพที่หนาแน่นและสร้าง DNN มีอัตราส่วนสัญญาณต่อสัญญาณรบกวนที่สูงกว่าและการเชื่อมต่อของเรือที่มองเห็นได้ดีกว่าภาพที่เบาบาง โดยเฉพาะอย่างยิ่ง หลอดเลือดที่มองไม่เห็นในภาพเบาบางถูกเปิดเผยด้วยคอนทราสต์สูงในรูปภาพตามการแปล DNN
นักวิจัยยังใช้ PACT เพื่อสร้างภาพสมองของหนูในร่างกายหลังจากฉีดหยดสีย้อม พวกเขาสร้างภาพ PACT ที่มีการแปลหนาแน่นขึ้นใหม่โดยใช้หยดสีย้อม 240,000 หยด บวกกับภาพที่กระจัดกระจายโดยใช้ 20,000 หยด เวลาในการถ่ายภาพลดลงจาก 30 นาทีสำหรับภาพที่หนาแน่นเป็น 2.5 นาทีสำหรับภาพที่กระจัดกระจาย สัณฐานวิทยาของหลอดเลือดนั้นยากต่อการจดจำในภาพที่กระจัดกระจาย ในขณะที่ DNN และภาพที่หนาแน่นนั้นมองเห็นภาพ microvasculature ได้อย่างชัดเจน
ที่สร้างโดยโครงข่ายประสาทเทียม โครงข่ายประสาทเทียมสร้างภาพการช่วยหายใจของปอดจากการสแกน CT ข้อได้เปรียบเฉพาะของการนำเฟรมเวิร์ก DNN ไปใช้กับการถ่ายภาพด้วยโฟโตอะคูสติกคือสามารถปรับขนาดได้ตั้งแต่กล้องจุลทรรศน์จนถึงการตรวจเอกซเรย์คอมพิวเตอร์ ดังนั้นจึงสามารถใช้สำหรับการใช้งานพรีคลินิกและทางคลินิกในระดับต่างๆ
การใช้งานจริงอย่างหนึ่งอาจเป็นการวินิจฉัยโรคผิวหนังและโรคต่างๆ ที่ต้องการข้อมูลโครงสร้างที่ถูกต้องแม่นยำ และเนื่องจากเฟรมเวิร์กสามารถลดเวลาในการถ่ายภาพลงได้อย่างมาก จึงสามารถตรวจสอบการไหลเวียนของโลหิตในสมองและกิจกรรมของเซลล์ประสาทได้ บาคาร่าเว็บตรง
