معلومة

الفرق بين التصوير المقطعي البصري المنتشر والتصوير المقطعي البصري

الفرق بين التصوير المقطعي البصري المنتشر والتصوير المقطعي البصري


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

ما هي الاختلافات بين هاتين الطريقتين؟

هل هناك أشكال من العلاج غير الخاضع للمراقبة المباشرة؟


الإسفار ثلاثي الأبعاد منتشر التصوير المقطعي باستخدام النهج المكاني التكيفي المسبق

تقليديا ، تتطلب إعادة بناء صور التصوير المقطعي البصري المنتشر (FDOT) صورًا تشريحية كمعلومات سابقة. لدمج المعلومات التشريحية حول الأورام أو الأنسجة الرخوة في FDOT ، يلزم وجود معدات وإجراءات إضافية ، بما في ذلك التسجيل المشترك ، وحقن عامل التباين ، والمحاذاة.

أساليب

هنا ، نقترح النهج المكاني المسبق التكيفي لإعادة بناء صور FDOT ، والتي يتم تنفيذها باستخدام تخمين أولي لحجم الورم وموقعه للحالات الفردية والمتعددة الأورام. يتم استخدام هذه التقنية بشكل أكثر ملاءمة عندما يتم دمج FDOT مع معلومات هيكلية محدودة أو نظام تصوير هيكلي مختلف. تقوم هذه الطريقة بتعديل الموقع بشكل متكرر بدءًا من الموقع المقدر.

نتائج

نجري المحاكاة والتجارب والتجارب الوهمية على أنسجة اللحوم باستخدام الطريقة المكانية المسبقة التكيفية.

الاستنتاجات

تظهر نتائج هذه الدراسات جدوى النهج المكاني السابق التكيفي للتصوير FDOT.

هذه معاينة لمحتوى الاشتراك ، والوصول عبر مؤسستك.


الفرق بين التصوير المقطعي البصري المنتشر والتصوير المقطعي البصري - علم الأحياء

1 قسم الفيزياء ، المعهد الهندي للعلوم ، بنغالور ، الهند

2 قسم الأجهزة والفيزياء التطبيقية ، المعهد الهندي للعلوم ، بنغالور ، الهند

البريد الإلكتروني: * [email protected]، [email protected]، [email protected]

حقوق النشر والنسخ 2013 Samir Kumar Biswas et al. هذا مقال مفتوح الوصول يتم توزيعه بموجب ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط ، بشرط الاستشهاد بالعمل الأصلي بشكل صحيح.

تم استلامه في 22 أكتوبر 2013 المنقح في 22 نوفمبر 2013 وتم قبوله في 29 نوفمبر 2013

الكلمات الدالة: التصوير المقطعي البصري المنتشر طرق غاوس نيوتن

التصوير المقطعي البصري المنتشر (DOT) باستخدام ضوء الأشعة تحت الحمراء القريبة (NIR) هو أداة واعدة للتصوير غير الباضع للأنسجة العميقة. النهج قادر على إعادة بناء المعلمات البصرية الكمية (معامل الامتصاص ومعامل الانتثار) للأنسجة الرخوة. الدافع لإعادة بناء تباين الخصائص البصرية هو أنه ، وعلى وجه الخصوص ، تباين معامل الامتصاص ، يمكن استخدامه لتشخيص حالات التمثيل الغذائي والمرض المختلفة للأنسجة. في DOT ، مثل أي طريقة تصوير طبي أخرى ، الهدف هو إنتاج إعادة بناء بدقة مكانية جيدة وعلى عكس القياسات الصاخبة. إن استعادة المعلمة المعروفة باسم المشكلة العكسية في الأنسجة البيولوجية شديدة التشتت هي مشكلة غير خطية وسيئة الطرح ويتم حلها بشكل عام من خلال الطرق التكرارية. تستخدم الخوارزمية نموذجًا أماميًا للوصول إلى كثافة تدفق التنبؤ عند حدود الأنسجة. يستخدم النموذج الأمامي نماذج النقل الخفيف مثل محاكاة مونت كارلو العشوائية أو الطرق المحددة مثل معادلة النقل الإشعاعي (RTE) أو نسخة مبسطة من RTE وهي معادلة الانتشار (DE). تُستخدم طريقة العناصر المحدودة (FEM) لتقدير معادلة الانتشار. الخوارزمية المستخدمة بشكل متكرر لحل المشكلة العكسية هي إعادة بناء الصورة التكرارية المستندة إلى نموذج نيوتن (N-MoBIIR). تم اقتراح العديد من متغيرات نهج Gauss-Newton لإعادة بناء DOT. تركز هذه التطورات على 1) تقليل التعقيد الحسابي 2) لتحسين الاسترداد المكاني و 3) لتحسين استعادة التباين. هذه الخوارزميات هي 1) MoBIIR المستندة إلى Hessian 2) MoBIIR المستندة إلى Broyden 3) MoBIIR المستندة إلى Broyden و 4) النهج الديناميكي الزائف.

يوفر التصوير المقطعي البصري المنتشر (DOT) طريقة لاستكشاف الوسائط شديدة التشتت مثل الأنسجة التي تستخدم طاقة منخفضة بالقرب من الضوء الأحمر (NIR) باستخدام قياسات الحدود لإعادة بناء صور خريطة المعلمة الضوئية للوسائط. يتم تمرير ضوء ليزر NIR منخفض الطاقة (1-10 مللي واط) ، معدل بواسطة إشارة جيبية 100 ميجاهرتز عبر الأنسجة ، ويتم قياس شدة الضوء والمرحلة الحالية على الحدود. التأثيرات السائدة هي الامتصاص البصري والتشتت. يتم تحديد نقل الفوتونات عبر الأنسجة البيولوجية بشكل جيد من خلال معادلة الانتشار [1-6] التي تمثل انتشار الضوء من خلال وسط عكر شديد التشتت.

يستخدم النموذج الأمامي بشكل متكرر نماذج النقل الخفيف مثل محاكاة مونت كارلو العشوائية [7] أو الطرق القطعية مثل معادلة النقل الإشعاعي (RTE) [8]. تحت ظروف معينة مثل، يمكن تبسيط مشكلة النقل الخفيف بواسطة معادلة الانتشار (DE) [9]. يعتبر النموذج الجاهز للتجهيز هو أنسب نموذج للنقل الخفيف من خلال مادة غير متجانسة. يتمتع RTE بالعديد من المزايا التي تشمل إمكانية نمذجة النقل الخفيف من خلال وسط نسيج غير منتظم. ومع ذلك ، فهي مكلفة للغاية من الناحية الحسابية. لذلك تستخدم أنظمة DOT النهج القائم على الانتشار. يتم استخدام طريقة جاوس نيوتن [2] بشكل متكرر لحل مشكلة DOT. الأساليب المعتمدة على مونت كارلو هي طرق إعادة بناء مضطربة [10-12]. الطرق العددية المستخدمة لتقدير DE هي طريقة الفروق المحدودة (FDM) [13] ، وطريقة العناصر المحدودة (FEM) [2]. تم أيضًا النظر في نماذج FEM الهجينة مع RTE للمواقع القريبة من المصدر و DE للمناطق الأخرى [14]. يعتبر نظام تقدير FEM أن منطقة الحل تشتمل على العديد من المناطق الفرعية الصغيرة المترابطة الصغيرة وتعطي تقريبًا قطعة للمعادلة الحاكمة ، أي أن المعادلة التفاضلية الجزئية المعقدة يتم تقليلها إلى مجموعة من المعادلات المتزامنة الخطية أو غير الخطية. وبالتالي فإن مشكلة إعادة الإعمار هي مشكلة تحسين غير خطية حيث يتم تقليل الوظيفة الموضوعية المحددة على أنها معيار الفرق بين التدفق المتوقع للنموذج وبيانات القياس الفعلية لمجموعة معينة من المعلمات الضوئية. تتمثل إحدى طرق التغلب على الوضع السيئ في تضمين معامل تنظيم. تحل طرق التنظيم محل المشكلة الأصلية غير الموضوعة بمشكلة أفضل مشروطة ولكنها مرتبطة بها من أجل تقليل تأثيرات الضوضاء في البيانات وإنتاج حل منظم للمشكلة الأصلية.

يتم حل نسخة منفصلة من معادلة الانتشار باستخدام طريقة العناصر المحدودة (FEM) لتوفير النموذج الأمامي لنقل الفوتون. يتم استخدام حل المشكلة إلى الأمام لحساب Jacobian ويتم حل المعادلة المتزامنة باستخدام بحث التدرج المترافق.

في هذه الدراسة ، نلقي نظرة على العديد من الأساليب المستخدمة لحل مشكلة DOT. في DOT ، يتجاوز عدد المجهول عدد القياسات. يعد إجراء إعادة بناء دقيق وموثوق أمرًا ضروريًا لجعل DOT أداة تشخيصية مناسبة عمليًا. غالبًا ما تُستخدم الطرق التكرارية لحل هذا النوع من المشكلات غير الخطية والمشكلات التي يتم طرحها بشكل سيئ استنادًا إلى التحسين غير الخطي لتقليل وظيفة نموذج البيانات غير الملائم. تتكون الخوارزمية من إجراء من خطوتين. تتضمن الخطوة الأولى انتشار الضوء لتوليد ما يسمى "البيانات الأمامية" أو بيانات التنبؤ وإجراء التحديث الذي يستخدم الفرق بين بيانات التنبؤ وبيانات القياس لتوزيع المعلمات المتزايدة. لتحديث المعلمة ، غالبًا ما يستخدم المرء تنوعًا في طريقة نيوتن على أمل إنتاج تحديث المعلمة في الاتجاه الصحيح مما يؤدي إلى تقليل الخطأ الوظيفي. يتضمن ذلك حساب Jacobian لمعادلة انتشار الضوء الأمامي في كل تكرار. يُطلق على هذا النهج إعادة بناء الصورة التكرارية القائمة على النموذج (MoBIIR).

تتضمن DOT كتلة حسابية مكثفة تستعيد بشكل متكرر نواقل المعلمات غير المعروفة من بيانات قياس الحدود الجزئية والصاخبة. نظرًا لكونها في موقف سيئ ، غالبًا ما تتطلب مشكلة إعادة الإعمار تنظيمًا لتحقيق نتائج ذات مغزى. للحفاظ على أبعاد متجه المعلمات غير المعروف ضمن حدود معقولة وبالتالي ضمان إجراء الانعكاس أقل سوءًا وقابلية للتتبع ، تحاول DOT عادةً حل المشكلات ثنائية الأبعاد فقط ، واستعادة المقاطع العرضية ثنائية الأبعاد التي بها صور ثلاثية الأبعاد يمكن بناؤها عن طريق تكديس عدة طائرات ثنائية الأبعاد. تتمثل الصعوبة الأكثر رعباً في عبور مشكلة ثلاثية الأبعاد كاملة في الزيادة غير المتناسبة في بُعد متجه المعلمة (زيادة نموذجية عشرة أضعاف) مقارنة ببُعد البيانات حيث لا يمكن للمرء أن يتوقع زيادة تتجاوز 2-3 أضعاف. هذا يجعل مشكلة إعادة الإعمار أكثر خطورة إلى الحد الذي يتم فيه تقديم التكرارات بشكل مستعصٍ بسبب المسافات الفارغة الأكبر لمصفوفات النظام (المنفصلة). مع تقدم التكرار ، فإن عدم التطابق (، الفرق بين القيمة المحسوبة وقيمة القياس) يتناقص.

العيب الرئيسي لخوارزمية MoBIIR القائمة على نيوتن (N-MoBIIR) هو التعقيد الحسابي للخوارزمية. الحساب اليعقوبي في كل تكرار هو السبب الجذري لوقت الحساب العالي. تم اقتراح نهج Broyden لتقليل وقت الحساب بترتيب من حيث الحجم. في النهج القائم على Broyden ، يتم حساب Jacobian مرة واحدة فقط مع التوزيع المنتظم للمعلمات الضوئية للبدء بها ثم في كل تكرار. يتم تحديثه عبر المنطقة محل الاهتمام (ROI) فقط باستخدام إجراء تحديث من الدرجة الأولى .. الفكرة وراء تحديث Jacobian (J) هي التدرج التدريجي للمشغل المساعد في ROI الذي يقوم بترجمة عدم التجانس. الصعوبة الأخرى مع MoBIIR هي أنه يتطلب تسوية للتخفيف من سوء وضع المشكلة. ومع ذلك ، فإن اختيار معلمة التنظيم أمر تعسفي. الطريق البديل للحل التكراري أعلاه هو من خلال تقديم ديناميكيات اصطناعية في النظام ومعالجة استجابة الحالة المستقرة للنظام الديناميكي المتطور بشكل مصطنع كحل. يتجنب هذا البديل أيضًا الانعكاس الواضح للمشغل الخطي كما هو الحال في معادلة تحديث Gauss-Newton ، وبالتالي يساعد على التخلص من التنظيم.

معادلة انتشار الضوء في مجال التردد هي ،

(1)

أين هو تدفق الفوتون ، هو معامل الانتشار وتعطى بواسطة

(2)

و هي معامل الامتصاص ومعامل التشتت المنخفض على التوالى. الفوتون المدخل من مصدر كثافة ثابتة تقع في. يتم قياس إشارة الخرج الضوئية المرسلة بواسطة أنبوب مضاعف ضوئي.

يتم تمثيل مشكلة DOT بواسطة عامل تشغيل غير خطي معطى بواسطة أين يعطي بيانات نموذجية متوقعة على المجال و M هو متجه القياس المحسوب الذي تم الحصول عليه من و.

(3)

تسعى مشكلة إعادة بناء الصورة إلى إيجاد حل بحيث أن الفرق بين النموذج تنبأ والقياس التجريبي هو الحد الأدنى. لتقليل الخطأ ، التكلفة وظيفية يتم تصغيرها ويتم تعريف وظيفة التكلفة على أنها [1]

(4)

أين يكون معيار. من خلال خوارزميات Gauss-Newton و Levenberg-Marquardt [1،15،16] ، يتم إعطاء الشكل المصغر للمعادلة أعلاه على النحو التالي ،

(5)

أين هو الفرق بين بيانات النموذج المتوقعة وبيانات القياس التجريبية

، و J هي المصفوفة اليعقوبية التي تم تقييمها في كل تكرار لخوارزمية MoBIIR (الشكل 1). المعادلة أعلاه هي تعبير تحديث المعلمة. في المعادلة 5 ، أنا هي مصفوفة الهوية التي يكون بعدها مساويًا لأبعاد Jج. هي معلمة التنظيم وترتيب حجمها يجب أن أكون قريبًا من JJ. تأثير الضوضاء و على إعادة الإعمار تمت مناقشته في قسم النتائج. يعطي الشكل 1 مخططًا انسيابيًا للنهج بناءً على Gauss Newton.

شكل 1 . مخطط انسيابي لإعادة بناء الصورة باستخدام خوارزمية MoBIIR المعتمدة على طريقة نيوتن.

2.2. النهج القائم على هسه

تستعيد خوارزمية إعادة الإعمار التكرارية تقريبًا لـ من مجموعة قياسات الحدود. من خلال توسيع تايلور مباشرة للمعادلة 3 ، وباستخدام مصطلح تربيعي يتضمن Hessian ، يمكن كتابة معادلة الاضطراب كـ ،

(6)

أين هل هسه المقابل للقياس. بالنسبة لعدد d من أجهزة الكشف ، يمكن إعادة كتابة المعادلة أعلاه على النحو التالي ،

(7)

المعادلة 7 هي معادلة التحديث التي تم الحصول عليها من معادلة الاضطراب التربيعي. المصطلح غالبًا ما يتم ملاحظته على أنه مهيمن قطريًا ويمكن الإشارة إليه بواسطة، مع إهمال الشروط القطرية. وبالتالي ، من خلال دمج المصطلح المشتق الثاني ، فإن معادلة التحديث لها شكل معمم مع مصطلح تنظيم متسق ماديًا.

القيد الرئيسي لطريقة نيوتن هو التقييم اليعقوبي المكلف حسابيًا [17 ، 18]. توفر طرق شبه نيوتن أسلوبًا تقريبيًا ليعقوبي [19]. طور سمير وآخرون [5] خوارزمية تستخدم طريقة برويدن [17،18،20] لتحسين عملية التحديث اليعقوبية ، والتي تصادف أنها عنق الزجاجة الحسابي الرئيسي لـ MoBIIR المستندة إلى نيوتن. تقترب طريقة Broyden من اتجاه نيوتن باستخدام تقريب اليعقوبي الذي يتم تحديثه مع تقدم التكرار. تستخدم طريقة Broyden التقدير الحالي لل Jacobian ويحسنها عن طريق أخذ حل المعادلة القاطعة التي تعد تعديلًا طفيفًا على. لهذا الغرض ، يمكن للمرء تطبيق تحديثات المرتبة الأولى. لقد افترضنا أن لدينا مصفوفة غير لونية ونرغب في إنتاج تقريبي من خلال تحديثات المرتبة الأولى [21]. يمكن التعبير عن الحل الأمامي من حيث مشتقات الحل الأمامي باستخدام توسع تايلور ،

(8)

تصبح معادلة التحديث اليعقوبية لبرويدن

(9)

يشار إلى المعادلة 9 بمعادلة Broyden للتحديث. في طريقة Broyden لا يوجد دليل حول التقدير الأولي ليعقوبي [22]. القيمة الأولية ليعقوبيان يتم حسابها من خلال طرق تحليلية تستند إلى مبادئ مساعدة. لقد وجد أنه نظرًا لأن التحديث اليعقوبي تقريبي فقط ، فإن عدد التكرارات المطلوبة بواسطة طريقة Broyden للتقارب أعلى من طرق جاوس-نيوتن. يمكن تحسين ذلك عن طريق إعادة حساب Jacobian باستخدام الطريقة المساعدة عندما تم العثور على Jacobian خارج مجال الثقة (عندما يكون MSE للتقدير الحالي أقل من MSE من التقدير السابق). إذا كان التخمين الأولي قريب بما فيه الكفاية من المعلمة البصرية الفعلية ثم قريب بما فيه الكفاية من ويتقارب الحل من q-superlinearly إلى. الميزة الأكثر بروزًا لنهج Broyden هي أنه يتجنب الحساب المباشر لـ Jacobian ، وبالتالي يوفر خوارزمية أسرع لإعادة بناء DOT.

2.4 Adjoint Broyden Based MoBIIR

طريقة التحديث Adjoint Broyden [23] الأقل تغييرًا هي طريقة أخرى لتحديث نظام Jacobian تقريبًا.

الشروط المباشرة والمماسية هي

و

على التوالى. فيما يتعلق بقاعدة Frobenius، التحديث الأقل تغييرًا في المصفوفة إلى مصفوفة

يفي بشرط القاطع المباشر والشرط القاطع المصاحب، لتطبيع الاتجاهات و، وتعطى كـ [23]

(10)

أين,. تحديث المرتبة الأولى لتحديث Jacobian استنادًا إلى الأسلوب المساعد مُعطى على النحو [5] ،

(11)

يتم تصنيف تحديث Adjoint Broyden بناءً على اختيار. للتبسيط ، نأخذ في الاعتبار الاتجاه القاطع فقط [23] والذي يتم تعريفه على أنه ،

(12)

أين هو حجم الخطوة ويتم تقديره من خلال طريقة البحث الخطي. تم حل المعادلة أعلاه في إعادة بناء صورة MoBIIR القائمة على Adjoint Broyden.

يظهر الرسم البياني لإعادة بناء الصورة باستخدام MoBIIR القائم على برويدن في الشكل 2. يتم تحديث Jacobian من خلال المعادلة 9 والمعادلة 11 لطريقة Broyden وطريقة Broyden المساعدة على التوالي.

الشكل 2 . مخطط انسيابي لإعادة بناء الصورة بواسطة خوارزمية MoBIIR (المعادلة 9) القائمة على برويدنباير.

2.5 المناهج الديناميكية الزائفة

يعد التصوير المقطعي البصري المنتشر مشكلة سيئة ، ويستخدم مصطلح التنظيم في إعادة بناء الصورة للتغلب على هذا القيد. تم اقتراح العديد من مخططات التنظيم في الأدبيات [24]. ومع ذلك ، يعد اختيار معامل التنظيم الصحيح مهمة شاقة. بعض ما هو المسار الحساس للتنظيم لحساب تحديثات المعلمات باستخدام المعادلات العادية المعادلة 5 أو المعادلة 7 هو تقديم متغير زمني اصطناعي [25 ، 26]. يمكن بعد ذلك دمج مثل هذه الأنظمة الديناميكية الزائفة ، عادةً في شكل معادلات تفاضلية عادية (ODE-s) ، ويتم استرداد ناقل المعلمة المحدث بمجرد الوصول إلى حالة مستقرة زائفة أو تطبيق قاعدة إيقاف مناسبة على ملف تعريف المعلمة المتطور ( الأخير ضروري إذا كانت البيانات المقاسة قليلة وصاخبة). استخدم سمير وآخرون [5] النهج أعلاه للتوصل إلى إعادة بناء صورة DOT.

بالنسبة لمسألة DOT ، فإن ODE-s الخطي للوقت الزائف لمعادلة Gauss-Newton العادية لـ اعطي من قبل:

(13)

أين, ,

و

عندما نستخدم المعادلة 5. بالنسبة للحالة التي يتم فيها استخدام الاضطراب التربيعي (المعادلة 7) ، يتم استبدال S بـ

(14)

نعتبر أولاً الحالة الخطية حيث يتم استخدام المعادلة 5 للوصول إلى النظام الديناميكي الزائف. أثناء بدء العودية الزائفة للوقت لـ، متجه المعلمة الأولية يمكن أن تؤخذ المقابلة لقيمة الخلفية التي من المفترض أن تكون معروفة. يمكن دمج المعادلة 13 في شكل مغلق مما يؤدي إلى تطور الزمن الزائف التالي ،

(15)

أين و. في الحالة المثالية ، عندما تكون البيانات المقاسة خالية من الضوضاء ، فإن التسلسل لديه نقطة حد، مما يؤدي إلى إعادة الإعمار المطلوبة. في سيناريو عملي تكون فيه البيانات المقاسة صاخبة ، أي مع كونه مقياسًا للضوضاء "قوة". في هذه الحالة ، قد يكون من الضروري فرض قاعدة إيقاف بحيث التسلسل توقف عند (

هو وقت التوقف) مع.

يعطي الشكل 3 نتائج إعادة الإعمار مع عدم تجانس واحد مضمّن. الشكل 3 (أ) هو الشبح مع عدم تجانس واحد. ترد الصور التي أعيد بناؤها باستخدام MoBIIR المستندة إلى نيوتن و MoBIIR المستندة إلى Broyden و MoBIIR المستندة إلى Broyden في (ب) و (ج) و (د) على التوالي.

يعطي الشكل 4 أداء الخوارزمية. من الواضح أن Broyden المساعد يتقارب بشكل أسرع مقارنة بالخوارزميات الأخرى.يوضح الشكل 4 (أ) أن طرق نيوتن وبرويدن وبرويدن المساعدة تتقارب عند, و التكرارات على التوالي. يظهر المقطع العرضي من خلال مركز عدم التجانس في الشكل 4 (ب).

يعطي الشكل 5 نتائج إعادة الإعمار مع اثنين من عدم التجانس المدمج. الشكل 5 (أ) هو الشبح. ترد الصور التي أعيد بناؤها باستخدام MoBIIR المستندة إلى نيوتن و MoBIIR المستندة إلى Broyden و MoBIIR المستندة إلى Broyden في (ب) و (ج) و (د).

يعطي الشكل 6 أداء الخوارزمية مع اثنين من عدم التجانس. يظهر الشكل 6 (أ) MSE للصور التي أعيد بناؤها مع عدم تجانس اثنين. الشكل 6 (ب)

(أ)(ب)

الشكل 3. (أ) الوهمية مع وجود عدم تجانس واحد و بحجم 8.2 ملم عند (0 ، 19.2). الصور المعاد بناؤها باستخدام (ب) MoBIIR المستندة إلى نيوتن (ج) MoBIIR المستندة إلى Broyden (d) MoBIIR المستندة إلى Broyden Adjoint.

(أ) (ب)

الشكل 4. (أ) طرق نيوتن وبرويدن وبرويدن المساعدة. يتقاربون في, و التكرارات على التوالي (ب) المقطع العرضي من خلال مركز عدم التجانس لطرق نيوتن وبرويدن وبرويدن المساعدة.

(أ)(ب)

الشكل 5. (أ) الشبح الأصلي المحاكي مع اثنين من عدم التجانس من عدم التجانس هي 0.02 و 0.015 وهي في (0، & # 8722192.2) و (0، 19.2) على التوالي النتائج المعاد بناؤها باستخدام (ب) نيوتن (ج) برويدن (د) طريقة برويدن المساعدة.

يوضح أن أساليب نيوتن وبرويدن وبرويدن المساعدة تتقارب عند, و التكرارات على التوالي. يظهر مخطط الخط عبر مركز عدم التجانس في الشكل 6 (ج).

يعطي الشكل 7 نتائج إعادة الإعمار مع اثنين من عدم التجانس المدمجين. الشكل 7 (أ) هو الصورة التي أعيد بناؤها بطريقة غاوس نيوتن. الشكلان 7 (ب) و (ج) عبارة عن صور أعيد بناؤها بواسطة خوارزمية الزحف الزمني الزائف الديناميكي الخطي وبواسطة خوارزمية الزحف الديناميكي غير الخطي (Hessian Integrated) على التوالي.

الشكل 8 يحلل النتائج. يظهر مخطط الخط عبر مركز عدم التجانس في الشكل 8 (أ). يظهر التباين في متوسط ​​الخطأ التربيعي الطبيعي (MSE) مع التكرار في الشكل 8 (ب). يمثل الخط الأزرق طريقة Gauss-Newton ويمثل الخط الأخضر خوارزمية مطابقة الوقت الديناميكي الزائف.

في هذه الدراسة ، نلقي نظرة على العديد من الأساليب المستخدمة لحل مشكلة DOT. مثل أي خوارزميات لإعادة بناء الصورة الطبية ، ينصب التركيز الأساسي على إعادة بناء صورة عالية الدقة بتباين جيد. منذ

(أ)(ب)(ج)

الشكل 6. (أ) MSE للصور المعاد بناؤها مع اثنين من عدم التجانس (ب) تتلاقى طرق نيوتن وبرويدن وبرويدن في, و التكرارات على التوالي (ج) رسم الخط من خلال مركز عدم التجانس باستخدام نيوتن والخوارزميات المقترحة.

(أ)(ب)(ج)

الشكل 7. (أ) الصورة المعاد بناؤها بطريقة Gauss-Newton (ب) الصورة المعاد بناؤها بواسطة خوارزمية الزحف الزمني الزائف الديناميكي الخطي (ج) الصورة المعاد بناؤها بواسطة خوارزمية غير خطية (Hessian Integrated) الزائفة الديناميكية المسيرة للوقت

(أ)(ب)

الشكل 8. (أ) مؤامرة الخط المستعرض من خلال عدم التجانس المعاد بناؤه (ب) تباين متوسط ​​الخطأ المربع الطبيعي (MSE) مع التكرار. يمثل الخط الأزرق طريقة Gauss-Newton ويمثل الخط الأخضر خوارزمية مطابقة الوقت الديناميكي الزائف.

المشكلة غير خطية وسوء العرض ، وغالبًا ما تستخدم الطرق التكرارية لحل هذا النوع من المشكلات. لقد لخصنا بعض الدراسات التي أجريناها في هذا الصدد. هم 1) MoBIIR على أساس Gauss-Newton 2) Quadratic Gauss-Newton و Broyden-Based MoBIIR 3) Adjoint Broyden القائم على MoBIIR والنهج شبه الديناميكي.


2. المنهجية

2.1. حل العناصر المحدودة

نحن نعتبر تقريب الانتشار لمعادلة النقل الإشعاعي [24 ، 25] إما في الحالة المستقرة أو الوقت أو مجال التردد كنموذج أمامي لنقل الضوء في الأنسجة. بالنسبة لمشاكل الحالة المستقرة ، يتم حساب كثافة الفوتون الثابتة ذات القيمة الحقيقية داخل الوسط الناشئ عن مصدر موجة مستمرة بينما بالنسبة لمشكلات مجال التردد ، يكون المصدر معدلاً بالسعة ، مما يؤدي إلى حل ذي قيمة معقدة لكثافة الفوتون توزيع الموجة. في مشاكل المجال الزمني ، يُعتبر المصدر نبضة دلتا في الوقت المناسب ، ويتكون القياس من التشتت الزمني للإشارة المرسلة. نظرا للمجال المضغوط & # x003a9 يحدها & # x02202& # x003a9، تُعطى معادلة الانتشار [26] في مجال الوقت والتردد

على التوالي ، أين & # x003c9 هو تردد تعديل المصدر الزاوي ، & # x003ba(ص) & # x02009 & # x02009 & # x02009 & # x02009& # x003bc أ(ص) هي معاملات الانتشار والامتصاص المتغيرة مكانيًا ، على التوالي ، حيث & # x003ba = [3(& # x003bc أ + & # x003bc س)] & # x022121 بمعامل تشتت & # x003bc س. ج هي سرعة الضوء في الوسط ، و & # x003d5 و & # x02009 & # x02009 و & # x02009 & # x02009 & # x003d5 ^ هي حقول كثافة الفوتون الحقيقية والمعقدة. من أجل البساطة في ما يلي ، نستخدم & # x003d5 للدلالة على الخصائص الحقيقية أو ذات القيمة المعقدة حسب الاقتضاء.

ينطبق شرط حد من نوع Robin [27] على & # x02202& # x003a9,

أين ف هو توزيع مصدر حقيقي أو معقد القيمة حسب الاقتضاء ، & # x003b6(ن) هو مصطلح انعكاس حدودي يشتمل على معامل الانكسار ن في واجهة الأنسجة والهواء ، و & # x003bd هو السطح الطبيعي عند نقطة السطح & # x003be. عامل الحد الذي يحدد المخرج & # x00393 من خلال & # x02202& # x003a9 تُعطى بواسطة خريطة Dirichlet-to-Neumann

مجموعة القياسات ذ اي جاي من توزيع المصدر ف أنا يتم الحصول عليها من خلال دمج & # x00393 عبر ملفات تعريف القياس م ي(& # x003be) على السطح

بالنسبة لمشكلة المجال الزمني ، ذ اي جاي هي ملامح التشتت الزمني لشدة الإشارة المستقبلة بينما ، بالنسبة لمشكلة مجال التردد ، ذ اي جاي يتم الحصول عليها من خلال قيم الخروج المعقدة ، والتي يتم التعبير عنها عادةً بواسطة السعة اللوغاريتمية ln & # x02061أ وتحول المرحلة & # x003c6 [28],

بالنظر إلى مجموعة البيانات إلى الأمام ذ = <ذ اي جاي> لجميع القياسات من جميع توزيعات المصدر ، (1) إلى (4) حدد النموذج الأمامي F[& # x003ba, & # x003bc أ] = ذ الذي يعيّن توزيع المعلمات & # x003ba, & # x003bc أ لقياسات مجال معين وتردد التشكيل وتوزيعات المصدر وملامح القياس.

يتم حل النموذج الأمامي عدديًا باستخدام نهج العناصر المحدودة. تقسيم المجال & # x003a9 إلى عناصر رباعية السطوح التي يحددها ن توفر العقد الرأسية أساس متعدد الحدود للمعلمات & # x003ba, & # x003bc أ، وكثافة الفوتون & # x003d5. المجال التقريبي & # x003d5 ح (ص) في أي مرحلة ص & # x02208 & # x003a9 تعطى عن طريق الاستيفاء من المعاملات العقدية & # x003d5 أنا باستخدام وظائف متعددة الحدود متعددة الحدود ش أنا(ص)

تقريب متعدد الحدود & # x003ba ح , & # x003bc أ ح إلى المعلمات المستمرة ، المحددة بواسطة المعاملات العقدية & # x003ba أنا, & # x003bc أ,أنا شيدت بنفس الطريقة. يؤدي تطبيق نهج Galerkin إلى تحويل المشكلة المستمرة لـ (1) إلى ن- مشكلة منفصلة الأبعاد لإيجاد قيم المجال العقدية & # x003a6 = <& # x003d5 أنا> في جميع العقد أنا، بالنظر إلى مجموعة المعلمات العقدية x = <& # x003ba أنا, & # x003bc أ,أنا>. بالنسبة لمشكلة مجال التردد ، يتم إعطاء النظام الخطي الناتج بواسطة


مناقشة

في السنوات القليلة الماضية ، تم تنفيذ OCT بسرعة في تشخيص 7،13،66 ومراقبة أمراض الشبكية 67،68. حاليًا ، تُستخدم هذه القياسات على نطاق واسع في البشر 69،70،71 ، ولكنها لا تُستخدم بشكل روتيني في الحيوانات (الشكل 6). ومن ثم ، فإن هذا هو التقرير الأول للتجزئة الآلية للمقصورات الشبكية والجسمية والمشيمية في قرود cynomolgus الصحية ، وهي أنواع تستخدم عادة كنماذج حيوانية للأمراض البشرية وكذلك لتقييم السلامة في التجارب قبل السريرية. نجحت ترجمة إطار ML المطور سابقًا والقابل للتكرار في البشر 24 إلى الحيوانات. يشير هذا إلى أن إطار عمل DL الأساسي كان قابلاً للتطبيق أيضًا على الحيوانات بعد تعديل ML وتدريبه على بيانات الحيوانات على وجه التحديد.

أ تلطيخ هيماتوكسيلين ونسيج يوزين عالي الدقة لمقطع عرضي مضمن بالبارافين لعين قرد cynomolgus طبيعي. ب مطابقة OCT B-scan من عين قرد cynomolgus آخر. يتضح في كلتا الصورتين الحد الزجاجي للشبكية (ILM ، سهم واحد) ، والجزء الداخلي من المشيمة (CCi ، الأسهم المزدوجة) ، والواجهة المشيمية الصلبة (CSI ، رؤوس الأسهم).

بينما عزز ML اكتشاف الأنماط المعقدة في بيانات OCT وأظهر أداءً مشابهًا للبشر 37 ، لا تزال هناك حاجة غير ملباة لفهم أفضل لكيفية تعلم ML بالضبط 72،73،74. عادة ، يتم إدخال البيانات في بيئة تعلم الآلة وغالبا ما ترتبط النتائج الناتجة على الجانب الآخر بدرجة كبيرة من عدم اليقين بشأن ما يحدث بينهما. يشار إلى هذا باسم الصندوق الأسود ML (BBX). يستلزم توضيح هذا الصندوق الأسود إنشاء نهج ML شامل مصمم بشكل مثالي للمقياس المعرفي البشري.

وبالتالي ، لحل جزء من مشكلة الصندوق الأسود وتعزيز الشفافية ، نقترح مفهوم عرض ML الذي تم تعيينه على أنه تقنية T-REX. يعتمد T-REX على ثلاثة مكونات أو تروس رئيسية: إنشاء الحقيقة الأساسية بواسطة العديد من مصففي الصفوف المستقلين ، وحساب مسافات هامينج بين جميع مصففات الصف وتنبؤات الجهاز ، وتصور البيانات المعقد الذي يُطلق عليه التسجيل العصبي (NR) للتعلم الآلي. بالقياس إلى علبة التروس الميكانيكية ، التي تتكون من ترتيب لأجزاء الماكينة مع تروس مختلفة مترابطة ، فإننا نفهم أن علبة التروس ML تتكون من عناصر برمجية مضبوطة بدقة ، والتي ، عند ربطها بشكل صحيح ، يجب أن توفر نظرة ثاقبة للأعمال الداخلية للآلة بأكملها . بهذا المعنى ، ستحصل عملية تعلم ML على تقدير أفضل ومناسب لتحديد البيانات المميزة التي تستخدمها الخوارزمية لاتخاذ القرارات. نظرًا للتداخل بين علم الأعصاب و ML ، فإننا نفهم من خلال فكرة NR التسجيل والعرض المرئي للأداء التنبئي لخوارزمية التعلم الآلي والمدرجات البشرية المتعلقة بالغموض في بيانات الحقيقة الأساسية ، بحيث يتم تقديم القيم في طريقة شاملة لخبراء ML ولكنها مناسبة أيضًا للأشخاص الذين لديهم مستوى أقل من خبرة ML. يعد هذا أكثر أهمية للوصول إلى جمهور أكبر بحيث يمكن للباحثين خارج مجال ML الذين هم أقل دراية بتعقيدات ML الحصول على نهج أكثر وضوحًا للنتائج.

لتسهيل فهم قيم مسافة هامينج ، تم إجراء تمثيلات مرئية للبيانات باستخدام مخططات MDS (الشكل 4) ومخطط خريطة الحرارة (الشكل 5). فيما يتعلق بما سبق ذكره ، فإن هذا الشكل من التسجيل العصبي يمكّن علماء البيانات والمنظمين والمستخدمين النهائيين مثل الأطباء من فهم تأثير كل طالب على الأداء التنبئي لنموذج التعلم الآلي المُدرَّب وبالتالي تعزيز فهم الآلة. عملية اتخاذ القرار. لذلك ، هناك قيمة مضافة مثيرة للاهتمام لهذه الدراسة وهي أنه من الممكن الآن تطوير فهم أكثر تفصيلاً لما تقدره CNN في التعلم من كل تعليق توضيحي لصورة OCT. وبالتالي ، فيما يتعلق بعملية صنع القرار لشبكة CNN ، فإن عمق مستوى التفاصيل الذي تم النظر فيه باختصار ، تمت زيادة دقة قرار ML. أظهرت منهجية T-REX المقترحة أي جزء من الحقيقة الأساسية كان أكثر أهمية: بشكل عام ، كان الصفان الأول والثاني أكثر صلة من الصف الثالث لأن شبكة CNN كانت دائمًا أقرب إلى g1 و g2 (الشكلان 4 و 5). وبالتالي ، يبدو أن g1 و g2 أثرتا على CNN أكثر أثناء التعلم.

ومن المثير للاهتمام أن هذه النتائج ترتبط أيضًا بمستوى خبرة OCT. يتمتع الممهدين g1 و g2 بمستوى أعلى من الخبرة في تصوير OCT من الممهدة g3. لذلك ، يمكن الافتراض أن g1 و g2 ولدا المزيد من التعليقات التوضيحية المتسقة ، والتي كان من الممكن أن تجذب تنبؤات CNN أقرب إليهما منها إلى الدرجة g3. يمكن افتراض أن هذا الأداء التكيفي موجه ، أي يبدو أنه "موجه نحو الهدف". عادة ما يُعزى هذا النمط من السلوك إلى مصطلح "الذكاء".

بشكل عام ، لوحظ أداء تنبؤي جيد: كان متوسط ​​التباين الكلي البسيط لكل بكسل بين CNN المدربين والمصفوفين البشريين (1.75٪) أقل بشكل ملحوظ من التباين بين البشر (2.02٪). كان النطاق الإجمالي للتباين مطابقًا للتقارير السابقة 75،76. كشفت نتائجنا عن مهارات حل المشكلات في CNN وسلوكها كشكل من أشكال التعلم نوعًا من المتوسط ​​القوي بين جميع المتدرجين من البشر. تدعم هذه الحقيقة أيضًا استخدام الأدوات القائمة على DL لمهمة تجزئة الصورة ، خاصة وأن CNN تؤدي نفس المهمة بشكل متكرر وتنتج نفس المخرجات - بغض النظر عن أي حالة جسدية أو عقلية مقارنة بالبشر.

لمقارنة نتائج تجزئة OCT بالأعمال السابقة ، وضعنا نتائجنا في سياق دراسة مماثلة على البشر 24. يختلف تصميم الدراسة ، لكن المقارنة تعطي نظرة ثاقبة لأداء CNN. في الدراسة التي أجريت على البشر 24 ، تم تدريب CNN على أساس ممارس واحد فقط من ذوي الخبرة ، وتم التحقق من ذلك مع العديد من طلاب الصفوف البشرية في ثلاث نقاط زمنية. على النقيض من ذلك ، في هذه الدراسة ، تم تدريب CNN والتحقق منها مع نفس المصنفين البشريين الثلاثة الذين قاموا بتسمية الصور في نقطة واحدة في الوقت المناسب. في الدراسة البشرية ، كان التباين العام بين البشر 2.3٪ ، وكان التباين الإجمالي بين الإنسان و CNN 2.0٪ ، في حين أن التباين لثلاثة أشواط لمصنف الحقيقة الأرضي مع CNN كان 1.6٪. كان نطاق التباين مطابقًا أيضًا للتقارير السابقة 75،76. نظرًا لأن هذه الأرقام أعلى مما كانت عليه في دراسة القرود المقدمة هنا ، فإن التحسينات الفعلية في تصميم الدراسة قد تؤدي بالتالي إلى زيادة أداء شبكة CNN المقدمة. يكشف نمط السلوك المتوازن أثناء تنبؤات CNN ، كما تم كشف النقاب عنه مع T-REX ، أنه في دراسة ML ، يُنصح بتدريب CNN مع العديد من المصنفين - وليس فقط مع خبير معيار ذهبي واحد. تصميم الدراسة المقترح يجعل شبكة CNN أكثر قوة ويتضمن بطبيعتها التحقق من صحة خارجي 37.

من خلال تحليل أنماط مسافة ML Hamming ، لم يتم العثور على دليل يدعم نوعًا متوازنًا بشكل فعال من نظام ML الحسابي الذي يمكن أن يكمن وراء أي إجراء ML. تم عرض أداء مشابه أيضًا في الدوائر القشرية على الرغم من أن الشبكات العصبية الاصطناعية تمثل بالطبع تبسيطات قاسية جدًا لوظائف الدماغ. اعتمادًا على المقصورة ، أي تسمية البيانات المميزة ، تحكم CNN أهمية تسميات الدرجات البشرية الثلاثة أثناء التدريب بشكل مختلف. بالنسبة للمقصورات الزجاجية وشبكية العين ، أنتج g2 و g3 ملصقات متشابهة نسبيًا ، وأنتج g1 ملصقات مختلفة نسبيًا. أثناء التدريب ، يبدو أن CNN تولي مزيدًا من الاهتمام لملصقات اثنين من طلاب الصف الذين تم تصنيفهم بشكل مشابه لأن متوسط ​​مسافة هامينج عبر مجموعة الاختبار المكونة من 200 B-scans أقرب إلى g2 و g3 منه إلى g1 (الشكل 1). من ناحية أخرى ، بالنسبة للمقصورة المشيمية والصلبة ، تم تصنيف g1 و g2 بشكل مشابه نسبيًا و g2 و g3 مشابهين نسبيًا. لكن تسميات g1 و g3 كانت مختلفة نسبيًا. في هذه الحالة ، تعلمت CNN عمل تنبؤات أقرب إلى g1 و g2 منها إلى g3. يمكن مقارنة هذا السلوك بناقل السرعة. اعتمادًا على المقصورة ، أي ملصق البيانات ، تطبق CNN استراتيجية تعليمية مختلفة فيما يتعلق ببيانات الحقيقة الأساسية. يوضح هذا أهمية توظيف العديد من المصنفين المستقلين لتدريب CNN. على الرغم من أن هذه ظاهرة معروفة ومتوقعة في التعلم الآلي ، إلا أنه من اللافت للنظر أن هذا الظرف أصبح مرئيًا مع هذا العمل ويمكن إدراكه بهذه الطريقة.

يمكن أن يكون T-REX ، نهج XAI المقترح الخاص بنا ، مفيدًا في تضييق نطاق الاحتمالات العديدة لتطوير وتعزيز المعرفة المتولدة بشكل مصطنع على سبيل المثال ، لاختيار المصنف الذي يوفر أفضل الفرص لتطوير ML أو التلاعب المتعمد الذي يؤدي إلى تدهور الأداء 73. على وجه الخصوص ، أظهر تحليل T-REX الخاص بنا أنه من الضروري دراسة ليس فقط السلوك التنبئي المتوسط ​​لشبكة CNN ولكن أيضًا للنظر في التنبؤات الفردية على مستوى بيانات أعمق (على سبيل المثال كل مسح B واحد) لتحويل التعلم الآلي إلى قيمة. التعلم. إن اعتبار متوسط ​​الأداء التنبئي فقط قد يكون مضللاً لأنه سيكون من الممكن لشبكة CNN أن تتنبأ بصور معينة مثل المستوى البشري 1 وآخرون مثل المستوى 2 أو 3. يسمح تحليل الأداء التنبئي لشبكة CNN على الصور الفردية بإصدار بيانات أكثر دقة. حول العوامل التي تؤثر على عملية التعلم من بيانات الحقيقة الغامضة. بشكل عام ، سيمكن هذا من التلاعب المستهدف بإطار عمل ML في المستقبل لتوثيق وعرض الأداء لمقارنة نماذج ML بشكل موضوعي وبيانات الحقيقة الأساسية ضد بعضها البعض وبالتالي تحسين وتسريع التطوير. إذا تم فهم كيفية عمل الآلة بشكل أفضل ، فسيكون من الممكن أيضًا وضع مجموعة من المقدمات الصحيحة لتوجيه الشبكات العصبية العميقة في تعلمهم وتسهيل المتانة والتعميم.

من أجل أن تكون قادرًا على مقارنة نماذج ML لمجموعات بحث مختلفة ، سيكون من المثالي إذا كانوا سيوفرون ليس فقط الكود الخاص بهم ولكن أيضًا بياناتهم متاحة للجمهور. عادةً ما يتم تقييد مشاركة البيانات بسبب خصوصية البيانات الصحية أو البيانات ذات الحساسية التجارية أو حقوق الملكية الفكرية. لذلك ، توجد "بيانات ML السوداء" بجانب مربعات ML السوداء. سيكون T-REX خيارًا مثيرًا للاهتمام هنا لإنشاء أدلة غير مباشرة حول خصائص مثل هذه البيانات المقيدة المستخدمة حتى تتمكن الأطراف الثالثة من فهم المطالبات المقدمة والتحقق منها بشكل أفضل.

مقارنة بالتقارير الأخرى التي تستخدم شبكات CNN ، قد يكون حد هذه الدراسة هو العدد المنخفض نسبيًا لبيانات الحقيقة الأساسية المشروحة. ومع ذلك ، فإن متوسط ​​مسافة هامنج بين الدرجات البشرية و CNN كان 0.0175 مقابل 1.75٪ من البكسلات التي تم تصنيفها بشكل مختلف بواسطة المصنفين البشريين و CNN ، على التوالي. تم تأكيد هذا الأداء التنبئي العالي لـ CNN عند التدريب على مجموعة بيانات الحقيقة الأرضية الأصغر من 800 B-Scans ، والتي أسفرت عن نتائج مماثلة.يشير هذا إلى أن حجم الحقيقة الأساسية لـ 900 B-scans كان كافياً للحفاظ على الادعاءات المقترحة في هذه الدراسة. ومع ذلك ، يمكن التكهن بأن عددًا أكبر من بيانات الحقيقة الأساسية يمكن أن يزيد من تحسين النتائج. ومع ذلك ، فإن التعليق التوضيحي لبيانات الحقيقة الأساسية من قبل البشر هو عملية تستغرق وقتًا طويلاً للغاية ويبدو أن إعداد الدراسة الحالية هو حل وسط مقبول بين الجهد البشري والأداء التنبئي لـ CNN ، لا سيما بالنظر إلى أن تطوير خوارزميات ML غالبًا ما يهدف إلى تقليل الإنسان. عبء العمل.

يمكن أن تؤثر جودة الصورة أيضًا على النتائج ، خاصةً في العيون شديدة التصبغ بسبب فقدان الإشارة. علاوة على ذلك ، هناك أنظمة درجات أخرى محتملة غير مسافة هامنج ولا تأخذ مسافة هامينج في الاعتبار حجم المقصورات. في حالات معينة ، على سبيل المثال ، قصر النظر ، يمكن أن يكون المشيمية أرق بكثير من شبكية العين ، مما قد يؤدي إلى اختلاف أكبر ، لكن هذا لم يكن نطاق هذه الدراسة.

تجدر الإشارة إلى أن العناصر الفردية المستخدمة في هذه الدراسة ، مثل مخططات U-Net و Hamming Distance و MDS و heatmap ، قد لا تعتبر حداثة منهجية على نفسها. ومع ذلك ، يمكن اعتبار الأصالة العلمية لعملنا مزيجًا فريدًا من المكونات الموجودة مسبقًا 78 أو كتقليب للمعلومات الجديدة والقديمة 79: يوفر T-REX والاكتشافات العلمية المرتبطة به في هذه الدراسة دراسات لاحقة بتقنية مميزة ومجموعة من المعارف غير متوفرة من التقارير السابقة. باختصار ، أدى التصور المناسب لعناصر ML المذكورة في الإطار المقترح إلى تحسين فهم الواجهة بين الحوسبة الآلية وعلوم الحياة ، وبالتالي فهي تمثل درجة معينة من الأصالة.

قبل كل شيء وعلى الرغم من كل القيود ، في الطب ، لن يستخدم الأطباء نظام الذكاء الاصطناعي إلا لتشخيص الأمراض ومراقبتها إذا تمكنوا من فهم وفهم معالجة الذكاء الاصطناعي الداخلية. والأهم من ذلك ، أن الأطباء لن يتخذوا قرارًا سريريًا إلا بناءً على توصية من مثل هذا النظام للذكاء الاصطناعي إذا تمكنوا من تعريف أنفسهم تمامًا بالذكاء الاصطناعي. تهدف مجموعة فرعية من طرق XAI إلى الكشف عن رؤى لاحقة حول "لماذا" اتخذت الآلة قرارًا معينًا. في حين أن المناهج اللاحقة المعروفة مثل LRP أو GradCAM تصور المناطق ذات الصلة في بيانات الإدخال ، فإن T-REX ، طريقة XAI المقترحة لدينا ، تصور وتقييم أوجه التشابه بين تنبؤات CNN وتسميات مختلف البشر التي تعلمتها CNN من. لذلك ، تساهم هذه الدراسة في تفسير أفضل في تطبيق الذكاء الاصطناعي ، بحيث يمكن تقدير نموذج DL الناتج بشكل أفضل. يمكن أن يوفر T-REX أداة تقييم وإعادة معايرة صارمة لدمج معايير DL الجديدة. بمعنى أكثر عمومية ، يمكن أن يزيد من جودة التفسيرات التي تستند إلى أنظمة DL ، مما يزيد من القابلية للسببية 55. وهذا بدوره يمكن أن يعزز سلامة الأطباء والمرضى. ووفقًا لذلك ، من المتوقع أن يمكّن نهج XAI اللاحق المقترح T-REX علماء البيانات من نمذجة أنظمة DL أكثر شفافية. في المقابل ، يؤدي هذا إلى مزيد من الرؤى حول نماذج DL المدربة من قبل الأطباء ، والتي تستخدم DL لاتخاذ القرارات السريرية المدعومة بالبيانات.

لا تقتصر الطريقة المقترحة T-REX على تجزئة الصورة الدلالية في طب العيون. في الواقع ، يمكن تطبيقه لتحسين فهم أي خوارزمية للتعلم الآلي تتعلم من بيانات الحقيقة الأساسية الغامضة. على سبيل المثال ، يمكن استخدام T-REX في تطبيق الكشف عن التحيزات لنماذج التنبؤ ML في علم أمراض الأنسجة الرقمية ، ليس فقط فيما يتعلق بتحيزات مجموعة البيانات ولكن أيضًا فيما يتعلق بآراء الخبراء المختلفة الذين يصفون صور التشريح المرضي 80. في التطبيقات ، حيث يتم تدريب نماذج قرار ML الخاضع للإشراف للكشف عن أمراض مثل Covid-19 (المرجع 81) ولا يزال الخبراء بحاجة إلى استكشاف خصوصيات مرض معين والاتفاق عليها ، سيكون T-REX مفيدًا في تصور غموض غموض المرض. آراء الخبراء ، أي التسميات. ومن ثم ، قد يكون T-REX مهمًا بشكل خاص إذا كان الغموض لا يمكن حله مما يعني أن خبراء المجال يختلفون حول الملصقات الحقيقية ، ولكن لا يمكن التخلص من الاختلافات بطريقة مباشرة. في العديد من التطبيقات الطبية ، لا يمكن التحقق من الملصقات الحقيقية لأن تطبيق الإجراءات الغازية على المرضى أمر مستحيل. لذلك ، تساعد طرق مثل T-REX ، التي تسلط الضوء على نتائج تدريب النموذج من الحقيقة الأرضية الغامضة ، على تحسين فهم موضوعية النموذج المدرَّب ويمكن أن تؤدي إلى تقليل التحيز في الحقيقة الأساسية.

في سياق أوسع ، قد يقدم T-REX رؤى حول كيفية اتخاذ خوارزميات الذكاء الاصطناعي القرار في ظل عدم اليقين ، وهي عملية مألوفة جدًا للبشر ولكنها أقل فهمًا في مجال الذكاء الاصطناعي.


المراجع والروابط

1. A. Yodh و B. Chance ، "التحليل الطيفي والتصوير بالضوء المنتشر ،" فيز. اليوم 48:34-40 (1995). [CrossRef]

2. S.R Arridge and J.C Hebden، “Optical Imaging in Medicine: II. النمذجة وإعادة البناء ، "فيز. ميد. بيول. 42:841-854 (1997). [CrossRef]

3. M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20:426-428 (1995). [CrossRef]

4. H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ 13:253-266 (1996). [CrossRef]

5. كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13:1341-1361 (1997). [CrossRef]

6. أريج ، "المشاكل الأمامية والعكسية في التصوير بالأشعة تحت الحمراء الذي يتم حله بمرور الوقت ،" إجراءات SPIE IS11:35–64 (1993).

7. أ.س.كاك وم. سلاني ، مبادئ التصوير المقطعي المحوسب (مطبعة IEEE ، نيويورك ، 1988).

8. D. A. Boas ، "أحد القيود الأساسية للخوارزميات الخطية للتصوير المقطعي البصري المنتشر ،" Opt. التعبير 1:404-413 (1997). [CrossRef]

9. X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي بموجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22:573-575 (1997). [CrossRef]

10. X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي بموجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22:1198 (1997). [CrossRef]

11. C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36:214-220 (1997). [CrossRef]

12. ماتسون ، "نموذج تصوير مقطعي للحيود لمشكلة الأمام باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. التعبير 1:6-11 (1997). [CrossRef]

13. د. بواس ، مجسات الفوتون المنتشرة للخصائص الهيكلية والديناميكية للوسائط العكسية: النظرية والتطبيقات الطبية الحيوية، شهادة دكتوراه. أطروحة في الفيزياء ، جامعة بنسلفانيا ، 1996.

14. D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91:4887 - 4891 (1994). [CrossRef]

15. P. N. den Outer و T.M Nieuwenhuizen و A. Lagendijk "موقع الكائنات في وسائط متعددة التشتت" J. Opt. شركة أكون. أ 10:1209-1218 (1993). [CrossRef]

16. S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34:3826–3837 (1995). [CrossRef]

17. R.C Haskell ، L.O. Svaasand ، T. Tsay ، T. Feng ، M. S. 11:2727-2741 (1994). [CrossRef]

18. T. J. Farrell ، M. S. Patterson ، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19:879 - 888 (1992). [CrossRef]

مراجع

  • عرض بواسطة:
  • ترتيب المادة
  • |
  • عام
  • |
  • مؤلف
  • |
  • النشر
  1. A. Yodh و B. Chance ، "التحليل الطيفي والتصوير بالضوء المنتشر ،" فيز. اليوم 48: 34-40 (1995).
    [كروسريف]
  2. S.R Arridge and J.C Hebden، “Optical Imaging in Medicine: II. النمذجة وإعادة البناء ، "فيز. ميد. بيول. 42: 841-854 (1997).
    [كروسريف]
  3. M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
    [كروسريف]
  4. H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
    [كروسريف]
  5. كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13: 1341-1361 (1997).
    [كروسريف]
  6. أريج ، "المشاكل الأمامية والمعكوسة في التصوير بالأشعة تحت الحمراء الذي يتم حله بالزمن ،" SPIE Proceedings IS11: 35–64 (1993).
  7. A.C.Kak and M. Slaney ، مبادئ التصوير المقطعي المحوسب (مطبعة IEEE ، نيويورك ، 1988).
  8. D. A. Boas ، "أحد القيود الأساسية للخوارزميات الخطية للتصوير المقطعي البصري المنتشر ،" Opt. Express 1: 404-413 (1997).
    [كروسريف]
  9. X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
    [كروسريف]
  10. X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي بموجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
    [كروسريف]
  11. C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
    [كروسريف]
  12. ماتسون ، "نموذج تصوير مقطعي للحيود لمشكلة الأمام باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. Express 1: 6-11 (1997).
    [كروسريف]
  13. بواس ، مجسات الفوتون المنتشرة للخصائص الهيكلية والديناميكية للوسائط العكسية: النظرية والتطبيقات الطبية الحيوية ، دكتوراه. أطروحة في الفيزياء ، جامعة بنسلفانيا ، 1996.
  14. D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
    [كروسريف]
  15. P. N. den Outer و T.M Nieuwenhuizen و A. Lagendijk "موقع الكائنات في وسائط متعددة التشتت" J. Opt. شركة أكون. أ 10: 1209-1218 (1993).
    [كروسريف]
  16. S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34: 3826–3837 (1995).
    [كروسريف]
  17. RC Haskell ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
    [كروسريف]
  18. T. J. Farrell، M. S. Patterson، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19: 879-888 (1992).
    [كروسريف]

1997 (7)

S.R Arridge and J.C Hebden، “Optical Imaging in Medicine: II. النمذجة وإعادة البناء ، "فيز. ميد. بيول. 42: 841-854 (1997).
[كروسريف]

D. A. Boas ، "أحد القيود الأساسية للخوارزميات الخطية للتصوير المقطعي البصري المنتشر ،" Opt. Express 1: 404-413 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي بموجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
[كروسريف]

ماتسون ، "نموذج تصوير مقطعي للحيود لمشكلة الأمام باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. Express 1: 6-11 (1997).
[كروسريف]

كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13: 1341-1361 (1997).
[كروسريف]

1996 (1)

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

1995 (3)

A. Yodh و B. Chance ، "التحليل الطيفي والتصوير بالضوء المنتشر ،" فيز. اليوم 48: 34-40 (1995).
[كروسريف]

M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
[كروسريف]

S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34: 3826–3837 (1995).
[كروسريف]

1994 (2)

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
[كروسريف]

1993 (2)

P. N. den Outer، T.M Nieuwenhuizen، and A. Lagendijk، "موقع الكائنات في وسائط متعددة التشتت" ، J. Opt. شركة أكون. أ 10: 1209-1218 (1993).
[كروسريف]

أريج ، "المشاكل الأمامية والمعكوسة في التصوير بالأشعة تحت الحمراء الذي يتم حله بالزمن ،" SPIE Proceedings IS11: 35–64 (1993).

1992 (1)

T. J. Farrell ، M. S. Patterson ، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19: 879-888 (1992).
[كروسريف]

أريدج ، س.

S.R Arridge and J.C Hebden، “Optical Imaging in Medicine: II. النمذجة وإعادة البناء ، "فيز. ميد. بيول. 42: 841-854 (1997).
[كروسريف]

أريج ، "المشاكل الأمامية والمعكوسة في التصوير بالأشعة تحت الحمراء الذي يتم حله بالزمن ،" SPIE Proceedings IS11: 35–64 (1993).

بواس ، د.

بواس ، مجسات الفوتون المنتشرة للخصائص الهيكلية والديناميكية للوسائط العكسية: النظرية والتطبيقات الطبية الحيوية ، دكتوراه. أطروحة في الفيزياء ، جامعة بنسلفانيا ، 1996.

بواس ، د.

D. A. Boas ، "أحد القيود الأساسية للخوارزميات الخطية للتصوير المقطعي البصري المنتشر ،" Opt. Express 1: 404-413 (1997).
[كروسريف]

M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
[كروسريف]

D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
[كروسريف]

فرصة ، ب.

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي باستخدام موجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
[كروسريف]

A. Yodh و B. Chance ، "التحليل الطيفي والتصوير بالضوء المنتشر ،" فيز. اليوم 48: 34-40 (1995).
[كروسريف]

S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34: 3826–3837 (1995).
[كروسريف]

أ.بواس ، إم إيه أوليري ، ب.تشانس ، وأ. ج.Yodh ، "تشتت موجات كثافة الفوتون المنتشرة بواسطة الجينات غير المتجانسة الكروية داخل الوسائط العكرة: المحلول التحليلي والتطبيقات ،" بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
[كروسريف]

كلارك ، ن.

C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
[كروسريف]

دن الخارجي ، P. N.

P. N. den Outer، T.M Nieuwenhuizen، and A. Lagendijk، "موقع الكائنات في وسائط متعددة التشتت" ، J. Opt. شركة أكون. أ 10: 1209-1218 (1993).
[كروسريف]

دوردوران ، ت.

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي باستخدام موجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

فاريل ، ت.

T. J. Farrell ، M. S. Patterson ، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19: 879-888 (1992).
[كروسريف]

فندر ، ج.

C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
[كروسريف]

فنغ ، س.

S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34: 3826–3837 (1995).
[كروسريف]

فنغ ، ت.

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

فرانك ، ر.

كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13: 1341-1361 (1997).
[كروسريف]

هاسكل ، ر.

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

هيبدن ، ج.

S.R Arridge and J.C Hebden، “Optical Imaging in Medicine: II. النمذجة وإعادة البناء ، "فيز. ميد. بيول. 42: 841-854 (1997).
[كروسريف]

جيانغ ، هـ.

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

كاك ، أ.

A.C.Kak and M. Slaney ، مبادئ التصوير المقطعي المحوسب (مطبعة IEEE ، نيويورك ، 1988).

كليبانوف ، إم ف.

كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13: 1341-1361 (1997).
[كروسريف]

لاجينديك ، أ.

P. N. den Outer، T.M Nieuwenhuizen، and A. Lagendijk، "موقع الكائنات في وسائط متعددة التشتت" ، J. Opt. شركة أكون. أ 10: 1209-1218 (1993).
[كروسريف]

لي ، إكس. د.

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي باستخدام موجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

لوكاس ، ت.

كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13: 1341-1361 (1997).
[كروسريف]

ماتسون ، سي.

C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
[كروسريف]

ماتسون ، "نموذج تصوير مقطعي للحيود لمشكلة الأمام باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. Express 1: 6-11 (1997).
[كروسريف]

ماك آدامز ، م.

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

مكماكين ، إل.

C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
[كروسريف]

نيوينهويزين ، ت.

P. N. den Outer، T.M Nieuwenhuizen، and A. Lagendijk، "موقع الكائنات في وسائط متعددة التشتت" ، J. Opt. شركة أكون. أ 10: 1209-1218 (1993).
[كروسريف]

O’Leary، M. A.

M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
[كروسريف]

D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
[كروسريف]

أوستربرغ ، يو.

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

باتاناياك ، د.

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي باستخدام موجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

باترسون ، م.

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

T. J. Farrell ، M. S. Patterson ، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19: 879-888 (1992).
[كروسريف]

بولسن ، ك د.

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

بوج ، ب.

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

سلاني ، م.

A.C.Kak and M. Slaney ، مبادئ التصوير المقطعي المحوسب (مطبعة IEEE ، نيويورك ، 1988).

سفاساند ، ل.

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

ترومبيرج ، ب.

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

تساي ، ت.

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

ويلسون ، ب.

T. J. Farrell ، M. S. Patterson ، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19: 879-888 (1992).
[كروسريف]

يود ، أ.

A. Yodh و B. Chance ، "التحليل الطيفي والتصوير بالضوء المنتشر ،" فيز. اليوم 48: 34-40 (1995).
[كروسريف]

يود ، أ.

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي باستخدام موجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
[كروسريف]

D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
[كروسريف]

زينج ، ف.

S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34: 3826–3837 (1995).
[كروسريف]

تطبيق يختار، يقرر. (2)

C.L Matson، N. Clark، l. ماكماكين ، وجي إس فيندر ، "توطين الورم ثلاثي الأبعاد في الأنسجة السميكة باستخدام موجات كثافة الفوتون المنتشرة ،" أب. يختار، يقرر. 36: 214-220 (1997).
[كروسريف]

S. Feng ، F. Zeng ، و B. Chance ، "هجرة الفوتون في وجود عيب واحد: تحليل الاضطراب ،" أب. يختار، يقرر. 34: 3826–3837 (1995).
[كروسريف]

معكوس بروبل. (1)

كليبانوف ، تي آر لوكاس ، و آر إم فرانك ، "خوارزمية تصوير سريعة ودقيقة في التصوير المقطعي البصري / الانتشار ،" معكوس بروبل. 13: 1341-1361 (1997).
[كروسريف]

J. Opt. شركة أكون. ا (2)

H. جيانغ ، كيه دي بولسن ، يو إل أوستربيرج ، بي دبليو بوج ، إم إس باترسون ، "إعادة بناء الصورة البصرية باستخدام بيانات نطاق التردد: المحاكاة والتجارب ،" J. Opt. شركة أكون. أ ١٣: ٢٥٣ - ٢٦٦ (١٩٩٦).
[كروسريف]

P. N. den Outer، T.M Nieuwenhuizen، and A. Lagendijk، "موقع الكائنات في وسائط متعددة التشتت" ، J. Opt. شركة أكون. أ 10: 1209-1218 (1993).
[كروسريف]

J.Opt.Soc.of Am.A (1)

آر سي هاسكل ، LO Svaasand ، T. Tsay ، T. Feng ، MS McAdams ، and BJ Tromberg ، "شروط الحدود لمعادلة الانتشار في النقل الإشعاعي" ، J.Opt.Soc. of Am.A 11: 2727–2741 (1994 ).
[كروسريف]

الفيزياء الطبية (1)

T. J. Farrell ، M. S. Patterson ، and B. Wilson ، "نموذج نظرية الانتشار للانعكاس المنتشر المستقر والمحلول مكانيًا لتحديد الخصائص البصرية للأنسجة في الجسم الحي ،" الفيزياء الطبية 19: 879-888 (1992).
[كروسريف]

يختار، يقرر. اكسبرس (2)

ماتسون ، "نموذج تصوير مقطعي للحيود لمشكلة الأمام باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. Express 1: 6-11 (1997).
[كروسريف]

D. A. Boas ، "أحد القيود الأساسية للخوارزميات الخطية للتصوير المقطعي البصري المنتشر ،" Opt. Express 1: 404-413 (1997).
[كروسريف]

يختار، يقرر. بادئة رسالة. (3)

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N Pattanayak ، "التصوير المقطعي للحيود للتصوير الكيميائي الحيوي باستخدام موجات كثافة الفوتون المنتشرة ،" Opt. بادئة رسالة. 22: 573-575 (1997).
[كروسريف]

X. D. Li ، T. Durduran ، A.G Yodh ، B. Chance ، و D.N. Pattanayak ، "التصوير المقطعي للحيود للتصوير الطبي الحيوي باستخدام موجات كثافة الفوتون المنتشرة: أخطاء ،" Opt. بادئة رسالة. 22: 1198 (1997).
[كروسريف]

M. A. O’Leary ، D. A. Boas ، B. Chance ، و A.G Yodh ، "الصور التجريبية للوسائط العكرة غير المتجانسة عن طريق التصوير المقطعي بالفوتون المنتشر في مجال التردد ،" Opt. بادئة رسالة. 20: 426-428 (1995).
[كروسريف]

فيز. ميد. بيول. (1)

S.R Arridge and J.C Hebden، “Optical Imaging in Medicine: II. النمذجة وإعادة البناء ، "فيز. ميد. بيول. 42: 841-854 (1997).
[كروسريف]

فيز. اليوم (1)

A. Yodh و B. Chance ، "التحليل الطيفي والتصوير بالضوء المنتشر ،" فيز. اليوم 48: 34-40 (1995).
[كروسريف]

بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية (1)

D. A. Boas ، M. A. O’Leary ، B. Chance ، و A. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية 91: 4887-4891 (1994).
[كروسريف]

إجراءات SPIE (1)

أريج ، "المشاكل الأمامية والمعكوسة في التصوير بالأشعة تحت الحمراء الذي يتم حله بالزمن ،" SPIE Proceedings IS11: 35–64 (1993).

أخرى (2)

A.C.Kak and M. Slaney ، مبادئ التصوير المقطعي المحوسب (مطبعة IEEE ، نيويورك ، 1988).

بواس ، مجسات الفوتون المنتشرة للخصائص الهيكلية والديناميكية للوسائط العكسية: النظرية والتطبيقات الطبية الحيوية ، دكتوراه. أطروحة في الفيزياء ، جامعة بنسلفانيا ، 1996.

استشهد بها

OSA تشارك في خدمة Crossref's Cited-By Linking. نقلا عن مقالات من مجلات OSA والناشرين المشاركين الآخرين مدرجة هنا.


تين. 3

ملامح MTF للرسومات البيانية المبينة في الشكل 2 ، توضح المعلومات الواردة كدالة للتردد المكاني ، مع LSF ذات الاستبانة الأعلى ، و PSF التي تليها الأعلى ، و ESF لها الأدنى. تكون الدقة دائمًا أسوأ بشكل ملحوظ في الجزء الداخلي من وسط الانتشار منه عند الحافة بالقرب من المصدر أو الكاشف.

تطبيق اختبار الدقة في مجال التصوير المقطعي المنتشر

في التصوير بالضوء المنتشر ، من المعروف منذ فترة طويلة أن الضوء يتبع مسارًا إحصائيًا يكون فيه المسار السائد بين المصدر والكاشف عبارة عن خط محاط بتوزيع على شكل موزة. 63 هذا الانتشار لمسارات الفوتون ناتج عن وجود الانتثار المتعدد المتأصل ، ويقل عرضه في وسط به تشتت أقل أو امتصاص متزايد. يعتبر تأثير زيادة الامتصاص غير منطقي إلى حد ما ، ولكنه يؤدي عمومًا إلى فقدان الفوتونات التي انتقلت لمسافات أبعد في الأنسجة مما يؤدي لاحقًا إلى تضييق متوسط ​​مسار السفر. تمت دراسة هذه التوزيعات من قبل العديد من المحققين ، وتم تحديدها كمياً من خلال الأوراق البحثية في أوائل التسعينيات. 30 ، 51 ، 52 ، 56 ، 64 ، 65 لم يثبت تصوير الحواف كل هذه الفائدة ، لأن الانتشار الواسع للفوتونات يحد حقًا من القدرة على تصور حافة الأشياء بوضوح ، والتباين المكاني في الدقة يعقد التحليل في النهاية .

في التصوير المقطعي المنتشر ، يكون من الأسهل حل عدم تجانس دائري سلس مضمن في حقل من تغييرات الخطوة. 66 هذا بسبب حقيقة أن التغايرات تظهر ككائنات غاوسية متناظرة في الصورة. ركزت جميع الأوراق تقريبًا في مجال التصوير البصري المنتشر على تقييم الدقة عن طريق وضع كائنات نقطية أو كائنات خطية في الحقل لتقييم الدقة المكانية. 4 ، 30 ، 64 ، 67 ، 68 ، 69 ، 70 ، 71 ، 72 ، 73 ظهر هذا التركيز من قيود أساسية في مجال التصوير المقطعي المنتشر ناجم عن حقيقة أن جميع خوارزميات إعادة البناء المستخدمة حاليًا مشتقة على مستوى ما من الاضطراب نظرية. تعتمد طرق Born و Rytov و Newton لتقليل وظيفة موضوعية على تشويش حقل أولي لإيجاد الحل. تم تحسين هذا النهج بطبيعته لأجسام نقطة التصوير ، وتؤدي الطبيعة الخاطئة للمشكلة ، جنبًا إلى جنب مع تنظيم كبير ، إلى حل أكثر سلاسة من حقل الاختبار الأصلي.

بمجرد إنشاء نظام أو خوارزمية في قدرته على استعادة الكائنات النقطية ، أصبح الامتداد إلى كائنات متعددة موضوعًا مشتركًا ، ومع ذلك ، فإن هذه الخطوة مهمة ومشكلة على حد سواء. المشكلة الأكثر أهمية هي الاستجابة غير الخطية للحقل المقاس لعدم التجانس المتعدد أو الممتد ، مما يتطلب عددًا لا حصر له من تكوينات عدم التجانس لتحليل أداء النظام بشكل كامل.

ربما يكون الأسلوب الوحيد المعقول لتوصيف استجابة مجال التصوير للعديد من التغايرات هو محاكاة التوزيعات المتوقعة للقيم الممكنة في الجسم الحي واستخدم هذا كمعايرة محدودة للنظام والخوارزمية المقابلة. حتى مع اتخاذ هذه التدابير ، من الأهمية بمكان تقييم هذه التوزيعات مع النطاق الكامل لأحجام الكائنات والتباينات المتوقعة في الجسم الحي، كما تمت مناقشته في ثانية. 3 في تحليل تفاصيل التباين.

تحليل اللمعان و دقة التصوير الفلوري

يعتبر تصوير الحد الأدنى من الدقة المكانية معقولاً فقط عندما يكون من المتوقع وجود تباين غير محدود بشكل فعال. تصوير البروتين الإسفار أو تصوير التلألؤ الحيوي هما من الحالات القليلة في التصوير البصري في الجسم الحي حيث قد يكون من المعقول توقع تباين غير محدود تقريبًا ، عندما يتم إهمال مشكلات الانبعاث في الخلفية أو تصحيحها.74 ، 75 ، 76 ، 77 عندما يتم نقل الخلايا على وجه التحديد أو تعديلها للتعبير عن إشارة بصرية ، مثل عضو معين أو ورم ، يجب أن يكون انبعاث الخلفية في الأعضاء المجاورة صفرًا فعليًا. في تصوير البروتين الفلوري الأخضر أو ​​الأحمر (GFP أو RFP) ، توفر الخلفية وتسرب ضوء الإثارة عبر المرشحات إشارة الخلفية الأكثر أهمية ، ومع ذلك ، يمكن تقليل ذلك بشكل كبير عند استخدام تركيب يعتمد على طول الموجة أو طرح الخلفية على أساس الطول الموجي . في التلألؤ الحيوي ، توجد خلفية حقيقية قليلة في معظم الحالات ، والخلفية غالبًا ما تكون مجرد ضوضاء مظلمة في الكاميرا أو تسرب الضوء إلى العلبة من الغرفة. وبالتالي ، فإن الاستبانة المكانية للتلألؤ البيولوجي أو تصوير البروتين الفلوري في الجسم الحي يمكن تقييمها من خلال وظيفة انتشار النقطة أو تصوير وظيفة انتشار الخط ، ومع ذلك فقد تم الإبلاغ عن القليل من الدراسة لهذا الأمر. أظهرت ورقة واحدة شاملة حول هذه المسألة من قبل Troy 77 وظائف فعالة لنشر النقاط كما تم قياسها في الأشباح و في الجسم الحيباستخدام أعداد صغيرة من الخلايا لتقييم الحد الأدنى من عدد الفوتونات والخلايا التي يمكن اكتشافها. أوضح هذا التحليل أن التلألؤ البيولوجي هو تقنية تصوير أكثر حساسية في هندسة المغفرة ، بهامش كبير ، بسبب انخفاض حساسية تصوير البروتين الفلوري الناجم عن التألق الذاتي للخلفية. ومع ذلك ، من المرجح أن تكون التقارير الأخيرة عن التصوير الفلوري في هندسة الإرسال أكثر حساسية. في معظم تطبيقات التألق أو التلألؤ البيولوجي ، لم يكن الدقة الفعلية هي العامل الأكثر أهمية في التمييز بين النظامين ، ولكن في الواقع الحساسية. يبدو أن دقة التلألؤ الحيوي والفلورة متشابهة ، لأن انتشار الفوتون داخل نافذة طيفية كان مكافئًا بشكل فعال. تركز هذه الدراسة وغيرها من الدراسات المماثلة على الحد الأدنى من التباين أو الإشارة القابلة للاكتشاف ، لأن مسألة الدقة لا تحكمها قيود النظام ، بل القيود المادية لنقل الضوء في الأنسجة. حدود الدقة في هذا النظام لها علاقة أقل بتصميم النظام مقارنة بعمق الكائن المراد حله في النسيج. في حين أن دقة الأجسام الموجودة على سطح الأنسجة يمكن ، من حيث المبدأ ، أن تكون عالية مثل حد الانعراج للضوء (أي بالقرب من 250 نانومتر) في ظل تباين كافٍ ، فإن وجود حركة الأنسجة وجودة نظام التصوير يساهمان عادةً إلى دقة التصوير الحقيقية التي يتم تخفيضها عادةً إلى ما يقرب من 1 إلى 2 ميكرومتر عند التصوير على سطح الأنسجة. مرة أخرى ، من الواضح أن الدقة تتدهور بأوامر من حيث الحجم في بضعة ملليمترات من العمق في الأنسجة ، بسبب الوجود الهائل للتشتت.


3. طرق التعلم العميق للتصوير المقطعي البصري

تم تطبيق الشبكات العصبية العميقة (DNNs) على نطاق واسع في رؤية الكمبيوتر ، مثل تصنيف الصور ومعالجة اللغة الطبيعية. 21،37 نظرًا لكونها بنية أعمق للشبكة العصبية ونهجًا واحدًا للتعلم الآلي ، يمكن اعتبار DNN عمومًا طريقة تقريب للوظيفة من خلال ملاءمة مجموعة البيانات المعطاة لصيغة معينة مع سلسلة من المعلمات. بمعنى آخر ، يمكن اعتباره نموذجًا لرسم الخرائط بين المدخلات والمخرجات. في الواقع ، يمكن معالجة إعادة بناء التصوير البصري من خلال وسيط عشوائي كخطوتين: أولاً ، للعثور على نموذج الإرسال بين الكائن (المصدر) والمراقب (الكاشف) ، والذي يُسمى عادةً بالمشكلة الأمامية الثانية ، لحساب المصدر المطلوب عن طريق القياس الذي تم الحصول عليه من المراقب (الكاشف) ، والذي يسمى عادة بالمشكلة العكسية. يتم الحصول على المشكلات الأمامية بشكل تقليدي رياضيًا وفقًا لنظرية الإرسال ، بينما يتم حل المشكلات العكسية عادةً من خلال مناهج التنظيم ، مثل Tikhonov ، أو الطرق التكرارية ، مثل نزول التدرج.

مستوحاة من مبدأ التدريب لتعلم نموذج من مجموعة البيانات ، جذبت خوارزميات إعادة البناء مع التعلم الآلي أو التعلم العميق المزيد والمزيد من الاهتمام. هوريساكي وآخرون. اقترح بنية تعلم دعم متجه الانحدار (SVR) لإعادة بناء كائنات الوجه. 38 تم أيضًا استخدام الشبكات العميقة المتصلة تمامًا ، باعتبارها بنية نموذجية في التعلم العميق ، في التصوير من خلال وسيط عشوائي. 39 لي وآخرون. وسينها وآخرون. قدم العديد من الأبحاث حول إدخال الشبكات العصبية التلافيفية العميقة في مشاكل معكوسة على التوالي. 40،41

تضمنت الهندسة المعمارية العميقة المقترحة سابقًا في عمل Li الكتل السفلية المتبقية ، والكتل المتخلفة ، والكتل التلافيفية ، وكتل أخذ العينات ثنائية الخطوط ، والتي تم توضيح الكتل المتبقية منها في الشكل 1. وقد تم تصميم طبقة الإدخال للصور الملتقطة بواسطة a تم تصميم الجهاز المقترن بالشحن (CCD) ، وكاشف نظام بدون عدسة للتحقق من صحة الخوارزمية المقترحة. تم تجميعها بواسطة طبقة واحدة ثنائية الاتجاه لأخذ العينات ، وكتلة التفاف واحدة ، و 5 كتل متبقية من الالتواء مع أخذ عينات لأسفل و 4 كتل متبقية من التفكيك مع أخذ عينات أعلى ، على التوالي. تم تدريب الشبكة بواسطة خوارزمية الانتشار الخلفي مع الخطأ التربيعي بين المدخلات والمخرجات كدالة التكلفة. 42

الشكل 1. الفرق بين الكتلة المتبقية والكتلة المتصلة بكثافة. (أ) هندسة كتلة متبقية نموذجية و (ب) هندسة كتلة نموذجية كثيفة ثلاثية الطبقات.

أجريت التجارب على نظام انتشار في الفضاء الحر يتكون من مصدر ليزر مع ترشيح وتوازي مكاني ، ومعدّل الضوء المكاني الطور (SLM) والكاشف (CCD). تختلف المسافة بين CCD و SLM بثلاث قيم مختلفة. تم تعديل SLM بواسطة أحرف تم اختيارها عشوائيًا من قاعدة بيانات MNIST الرقمية المكتوبة بخط اليد 43 ثم التقط CCD الأضواء المنقولة عبر SLM وتم الحصول على الصور غير الواضحة كمدخلات لبنية DNN المقترحة. تألفت مجموعة التدريب من 10000 عينة. تضمنت مجموعة الاختبار 1000 رقم باستثناء العينة المستخدمة لتدريب شبكة MNIST ، و 15 حرفًا صينيًا ، و 26 حرفًا باللغة الإنجليزية ، و 19 حرفًا عربيًا. تم استخدام متوسط ​​الخطأ التربيعي (MSE) للحقيقة الأساسية والنتائج المعاد بناؤها كمقياس للتقييم. تم توضيح قدرة النهج القائم على DNN ، في صور إعادة البناء من خلال نظام انتشار مجاني ، من خلال النتائج المرئية. كان أداء الشبكة المدربة جيدًا أفضل عندما كانت المسافة بين CCD و SLM أقرب.

تختلف عن بنية نظام التصوير بالانتشار الحر الموصوف أعلاه ، تم اقتراح ما يسمى بـ "IDiffNet" للمشكلة العكسية للتصوير من خلال وسط منتشر في عام 2018. 41 باستخدام شبكة تلافيفية متصلة بكثافة ، تتكون "IDiffNet" من طبقة تلافيفية متوسعة مع التجميع ، 6 كتل انتقالية كثيفة ومختزلة ، كتلة كثيفة ، 6 كتل انتقالية كثيفة ومختزلة ، كتلة اختزال وطبقة تلافيفية مع وحدة خطية مصححة (ReLU).

يمكن توضيح الفرق بين الكتلة الكثيفة والكتلة المتبقية المذكورة سابقًا في الشكل 1 وصياغتها بواسطة 44

كما تم توظيف المزيد من اتصالات التخطي في "IDiffNet". البديل الآخر لـ "IDiffNet" هو أنه استخدم معامل ارتباط Pearson السلبي (NPCC) كدالة خسارة لتحل محل استراتيجية MAE التقليدية لأن أداء NPCC أفضل للأجسام المتفرقة مكانيًا وظروف التشتت القوية. 45

تم إجراء تجارب مع واحد من اثنين من الناشرين المختلفين ومدخلات التدريب ، والتي تم استخلاصها من إحدى قواعد البيانات الثلاث (Faces-LFW و 46 ImageNet و 47 و MNIST 43) لكل مرة للتحقق من صحة الطريقة المقترحة. كان حجم التدريب 10000 في كل مرة. تم استخدام 450 عينة ، تم جمعها من نفس قاعدة البيانات مع مجموعة بيانات التدريب وقواعد البيانات الأخرى للاختبار. تم استخدام "IDiffNet" مع MAE حيث تم استخدام وظيفة الخسارة كمقارنة لاستراتيجية دالة الخسارة NPCC. أشارت نتائج التجارب إلى أن درجات حدة التشتت المختلفة تتطلب مجموعات بيانات تدريبية مختلفة. في ظروف التشتت القوية ، فإن التدريب باستخدام مجموعة بيانات مقيدة نسبيًا مع تباين قوي من شأنه أن يتفوق على التدريب باستخدام مجموعات البيانات العامة. كانت المقايضة متشابهة في اختيار وظيفة الخسارة: كان NPCC أكثر فائدة من MAE عندما كان التشتت قويًا وكان الكائن متناثرًا بينما كان أسوأ قليلاً عندما تم جمع مجموعة بيانات التدريب من قاعدة بيانات عامة.

أشارت أعمال لي ، في الواقع ، إلى جدوى وقدرة النهج القائم على التعلم ، ولا سيما النهج القائم على التعلم العميق ، في إعادة بناء التصوير من خلال وسيط عشوائي. نظرًا لأن المشكلات الأمامية والمشكلات العكسية لأنظمة التصوير الضوئي الطبي الحيوي متنوعة وأكثر تعقيدًا من الأنظمة المذكورة أعلاه ، فإن دراسات خاصة لإعادة البناء تعتمد على طرق التعلم والتركيز على طرائق مختلفة ، مثل DOT و FMT و BLT و PAT ، تم تقديمها مؤخرًا.

3.1. الأساليب القائمة على النموذج للمشاكل العكسية

تُستخدم المعالجة الخاضعة للمراقبة المباشرة (DOT) عمومًا للتحقيق في الامتصاص البصري ومعلمات التشتت للأنسجة البيولوجية ، مما يشير إلى الحالات الشاذة. يمكن إنشاء النموذج الأمامي بشكل تقليدي من نماذج انتشار الضوء مثل معادلة الانتشار. في الواقع ، يمكن كتابة النموذج الأمامي لـ DOT جنبًا إلى جنب مع FMT والطرائق الأخرى في النموذج

تجاهل انعكاسات انتشار الضوء عبر الوسط ، كاميلوف وآخرون. اقترح شبكة عصبية اصطناعية متعددة الطبقات 49 تستخدم طريقة انتشار الحزمة (BPM) لنمذجة عملية التشتت في كائنات طور ثلاثية الأبعاد (3D). تم تقسيم الوسط غير المتجانس 50،51 هنا إلى عدة شرائح على طول اتجاه الانتشار. كما هو مبين في الشكل 2 ، تم أخذ عينات من كل شريحة بالتساوي على طول الإحداثي (x ، y) مع فاصل العينة δ وتم تمثيلها بواسطة كل دائرة على كل طبقة من بنية BPM. تم ضرب مجموع السعة المعقدة للإشارات المتقاربة لكل دائرة في ej 2 π Δ nz δ z ∕ λ ، مع δ z تدل على الفاصل الزمني للعينة على طول اتجاه الانتشار ، Δ n (x ، y ، z) تدل على اضطراب مؤشر ثلاثي الأبعاد في الوسط عند الإحداثيات (x ، y ، z) ، و للدلالة على الطول الموجي ، على التوالي. يشير الخط المستقيم بين كل دائرتين إلى مضاعفة ناتج الوحدة المقابلة ونواة حيود فرينل المنفصلة. 52 تم تمثيل نموذج BPM ببنية متعددة الطبقات وتم تدريبه بواسطة خوارزمية الانتشار العكسي للخطأ.

2. رسم تخطيطي لشبكة BPM. 49 تشير كل دائرة ، والتي يمكن اعتبارها عقدة طبقة من الشبكة ، إلى تعديل الطور الذي يجب تعلمه من تدريب الشبكة عن طريق تقليل الخطأ بين ناتج الطبقة الأخيرة والقياس التجريبي. يكون انتشار الضوء الساقط على طول اتجاه Z.

تم زرع تجارب تصوير خرز البوليسترين وخلايا هيلا و hTERT-RPE1 عبر نظام ثلاثي الأبعاد للتحقق من صحة البنية المقترحة. أثناء التجارب ، تم تقطيع جسم التصوير إلى 420 طبقة على طول مسافة انتشار طولها 30 ميكرون وتم ضبط الفاصل الزمني لأخذ العينات المستعرض على 72 نانومتر. تكونت مجموعة التدريب من 80 عينة تم جمعها من خلال إضاءة العينة عند 80 زاوية مميزة. تمت تهيئة الشبكة باستخدام خوارزمية إعادة بناء الإسقاط الخلفي المُفلترة القياسية أو الثوابت غير الصفرية للتحقق من تأثير التهيئة. تم استخدام إعادة بناء تحويل الرادون العكسي كمقارنة. تم تقييم أداء خوارزمية شبكة BPM المقترحة والخوارزمية المقارنة بصريًا.

باختصار ، اقترح عمل كاميلوف شبكة BPM للحصول على توزيع المعاملات البصرية في وسط غير متجانس في الفحص المجهري. كانت مصفوفة الوزن التي تم الحصول عليها من خلال تدريب الشبكة مع عدة تكرارات مرتبطة ارتباطًا مباشرًا بالنتيجة المرجوة.

في DOT العياني ، يو وآخرون. اقترح بنية تلافيفية للتشفير - فك التشفير شبكة عصبية عميقة لعكس معادلة Lippmann-Schwinger المتكاملة لترحيل الفوتون. 53،54

تتكون الشبكة من ثلاثة أجزاء: طبقة متصلة بالكامل ترسم البيانات المقاسة إلى مجال voxel ، وزوج من طبقات CNN للتشفير ، وطبقة تلافيفية وسيطة. تم استخدام وظيفة الظل الزائدية (tanh) كوظائف التنشيط للطبقات الثلاث الأولى وتم اعتماد ReLU للطبقة التلافيفية الأخيرة.

أجريت التجارب عبر تصوير أشباح البولي بروبلين والماوس الحامل للورم على التوالي. تم إنشاء مجموعة التدريب بواسطة أحد حلول FEM. تم الحصول على 1500 عينة عن طريق تغيير حجم الشذوذ غير المتجانس في نطاق 2-13 مم في نصف القطر وعن طريق تغيير الخصائص البصرية للخلفية غير المتجانسة في النطاق ذي الصلة بيولوجيًا. تم استخدام محسن MSE و Adam كدالة خسارة واستراتيجية التحسين ، على التوالي. تم التعامل مع 1000 عينة من أصل 1500 كمجموعة تدريب وتم التعامل مع الباقي كمجموعة التحقق من الصحة. تم تطوير طريقة ريتوف التكرارية لتكون طريقة المقارنة. 55 يجب التأكيد على أن الشبكة قد تم تدريبها فقط من خلال محاكاة العينات العددية. أظهرت النتائج التجريبية بشكل واضح أن أداء الشبكة المدربة جيدًا ويمكنها إعادة بناء الحالات الشاذة بدقة دون إجراء تكراري أو تقريب خطي.

النهج المقترح في بحث يو كان في الواقع بنية شاملة للتصوير المقطعي البصري. تم تصميم كتلة CNN لجهاز فك التشفير والتشفير بقوة وفقًا لمعادلة Lippmann-Schwinger المتكاملة ، والتي كانت مختلفة عن الطرق الشاملة التي تمت مناقشتها لاحقًا.

تم اقتراح نهج تعليمي نموذجي آخر قائم على النموذج لحل مشكلة عكسية محدودة في PAT. 56 أولاً ، يجب تصوير بعض نظريات بات. يمكن صياغة المشكلة المستقبلية لـ PAT كـ

ركزت خوارزمية ما يسمى بـ "الانحدار العميق (DGD)" في عمل Hauptmann على تعلم كيفية تحديث x k + 1 في كل تكرار. بالنسبة للتكرار (k + 1) ، تم تدريب المعلمة θ k لهيكل شبكة بسيط G θ k لتحديث x k بواسطة

تم اقتراح استراتيجيتين لتدريب بنية DGD: تم استخدام الإستراتيجية الأولى لتدريب الشبكة ككل باستخدام الحد الأقصى للتكرار المحدد مسبقًا k max ، بينما تم استخدام الإستراتيجية الثانية لتدريب معلمات الشبكة في كل تكرار بالتتابع. كان هناك مفاضلة بين النهجين. قدم النهج الأول أفضل النتائج بعد تكرارات k max بينما كان يعاني من التقييمات المتكررة لمصفوفة النظام والمرافقة. كان للنهج الثاني ميزة في فصل حساب التدرج وعملية التدريب ، مما يوفر حدًا أعلى لخطأ التدريب. ومع ذلك ، لم يتمكن النهج الثاني من الحصول على الحد الأدنى من خطأ التدريب ، وفشل في تحقيق النتيجة المثلى. بدلاً من ذلك ، يمكن استخدام الطريقة الثانية كتهيئة للنهج الأول.

تم تصنيع العينات المحاكاة ، كمجموعة التدريب ، عن طريق المعالجة المسبقة للبيانات x الحقيقية المستخرجة من قاعدة بيانات صور الرئة العامة 57 ELCAP المتاحة للجمهور مع العملية التالية:

علاوة على ذلك ، تم تحديث خوارزمية DGD عن طريق نقل تدريب الشبكة على إعادة بناء التباين الكلي المنتظم الضعيف (TV) من البيانات التي تم أخذ عينات منها بالكامل x TV و y.

تم استخدام الطريقة التكرارية التقليدية التي تستخدم U-net كمعالجة لاحقة ، 58 إعادة البناء المباشر التي تستخدم بيانات عرض الحد عن طريق طريقة التلفزيون ، وإعادة البناء المباشر التي استخدمت بيانات مأخوذة بالكامل بواسطة طريقة التلفزيون ، كمقارنة بنهج DGD و DGD المحدث مقاربة. كانت نتائج DGD المحدثة قابلة للمقارنة بشكل واضح مع نتائج التلفزيون التي تم أخذ عينات منها بالكامل وتتفوق على الآخرين من الناحية الكمية ، وفقًا لمقاييس التقييم التي تضمنت ذروة نسبة الإشارة إلى الضوضاء (PSNR) والتشابه الهيكلي (SSIM).

3.2 طرق المعالجة اللاحقة لتحسين عمليات إعادة البناء بالتعلم العميق

بسبب التشتت الشديد للفوتونات في الوسط العكر ، فإن المشاكل العكسية للتصوير المقطعي البصري سيئة التكييف وتعاني من سوء الوضع. نتيجة لذلك ، من الصعب الحصول على كميات دقيقة ومواقع الأشياء. عادة ما تكون عمليات إعادة البناء معيبة بسبب القطع الأثرية ، مما يؤدي إلى تقديرات التحيز للحقائق الأرضية. باستخدام الشبكات العصبية العميقة كطرق ما بعد المعالجة ، يتم طرح طرق من مرحلتين لتقليل الأخطاء بين النتائج المعاد بناؤها والحقيقة الأساسية. 59

لنأخذ عمل Long على سبيل المثال ، فقد استخدمت طريقة من مرحلتين عمومًا نهجًا تكراريًا تقليديًا للحصول على إعادة البناء الأولية (توزيع الفلوروكروم في FMT) من البيانات المقاسة واعتمدت CNN لإلغاء إعادة البناء الأولي. 59 في بحث Long عن FMT ، كان النهج التكراري التقليدي المستخدم في المرحلة الأولى هو تنظيم Tikhonov المعتمد على العمق ، والذي تم استخدامه على نطاق واسع في حل المشكلة العكسية. 60 تتكون المرحلة الثانية من ثلاث طبقات تلافيفية ثلاثية الأبعاد ، وطبقة تجميع واحدة كحد أقصى ، وطبقتان تلافيفيتان ثلاثية الأبعاد ، وطبقتان متصلتان تمامًا ، على التوالي.

تم إجراء تجارب عددية باستخدام طريقة المرافقة الأمامية المستندة إلى مونت كارلو (MC) لمحاكاة انتشار الفوتون. تم تصميم 61 فانتومًا بهدف واحد وهدفين لإثراء مجموعات البيانات. تم تنفيذ المرحلة الأولى بالإجراء العادي. في المرحلة الثانية ، تم اختيار كل من البيانات المحاكاة والبيانات المعاد بناؤها لموازنة نسبة العينات السلبية والإيجابية. النقطة الأساسية في هذه الطريقة المكونة من مرحلتين هي أنه تم استخدام CNN لمعرفة ما إذا كان التصحيح ، بما في ذلك العديد من وحدات البكسل التي تم الحصول عليها من تحديد الوسط بأكمله إلى وحدات فوكسل وعقد ، يقع على حدود هدف التألق المراد إعادة بنائه.

على الرغم من التحقق من أداء هذه الطريقة ذات المرحلتين في تنقيح إعادة بناء FMT ، إلا أن النقص لا يزال موجودًا: لا يمكن لطريقة CNN المقترحة أن تعمل إلا على الوضع المثالي الذي تكون فيه أهداف الفلورة المراد إعادة بناؤها متجانسة. بمعنى آخر ، الطريقة المقترحة ذات المرحلتين في المرجع. 59 سيفشل إذا اختلف تركيز الأهداف ، وهو أمر شائع في التجارب الحقيقية. ومع ذلك ، فإنه يوفر فكرة جديدة لطمس نتائج إعادة الإعمار مع CNN.

كما ذكر سابقا في ثانية. 3.1 ، تم أيضًا تطبيق شبكات U كمعالجة لاحقة لتقليل خطأ إعادة الإعمار. الى جانب ذلك ، أنتولزر وآخرون. طبق U-net نموذجيًا لرسم خريطة لإعادة الإعمار باستخدام قطعة أثرية أقل من العينات ، والتي تم إنشاؤها بواسطة الطريقة الخطية التقليدية ، على صورة إعادة البناء مع الأداة التي تمت إزالتها. 62 تم تدريب الشبكة المقترحة على عينات محاكاة تم إنشاؤها بواسطة التجارب العددية. تتمثل ميزة طريقة المعالجة اللاحقة لـ U-net في أن إجمالي وقت الحساب للمرحلتين لا يتجاوز 20 مللي ثانية ، أي أقل بكثير من 25 ثانية من طريقة التلفزيون التقليدية.

3.3 طرق شاملة مع التعلم العميق

الخوارزميات غير النموذجية المذكورة في الفقرات القليلة الأولى من الثانية. يشير الشكل 3 إلى أن عمليات إعادة البناء من طرف إلى طرف عن طريق طرق التعلم العميق للتصوير البصري أو التصوير المقطعي ممكنة. في الواقع ، تم تقديم العديد من الدراسات حول كيفية تعيين البيانات المقاسة المكتسبة في الكاشف إلى النتيجة المرجوة في غياب النموذج الأمامي.

تم اقتراح بنية تسمى "Net-FLICS" (شبكة للتصوير مدى الحياة الفلورية باستخدام الاستشعار المضغوط) بواسطة Yao وآخرون. لتوفير حل شامل لعمليات إعادة البناء بكثافة التألق ومدى الحياة. 63

كما هو مبين في الشكل 3 ، كان Net-FLICS منظمًا متعدد المخرجات ، ويتألف من مقطع تلافيفي مشترك ، وفرع لإعادة بناء الصورة بكثافة ، وفرع لإعادة بناء الصورة مدى الحياة. الجزء الأول ، الذي يتكون من طبقة تلافيفية واحدة وستة كتل متبقية ، تمت مشاركته من خلال مهام إعادة البناء لكل من الكثافة والعمر ، مع تصفية المتواليات المقاسة بشكل أساسي على طول اتجاه النمط. تم نقل بيانات الموتر لتكون جاهزة للتصفية على طول الاتجاه الزمني. تم تغذية البيانات المنقسمة إلى فرع إعادة بناء الصورة بكثافة وفرع إعادة بناء الصورة مدى الحياة ، على التوالي. في فرع إعادة بناء الكثافة ، تمت ترشيح البيانات المعاد تشكيلها بواسطة أربع كتل متبقية ثنائية الأبعاد (2D) ، تضمنت كل منها ثلاث طبقات تلافيفية. في فرع إعادة بناء العمر ، تم الاحتفاظ بالتلافيفات أحادية البعد (1D) في أربع كتل ثم تمت إعادة تشكيل بيانات الموتر وتم تغيير الهياكل إلى كتل ثنائية الأبعاد لتناسب منحنيات كثافة الفوتون من أجل الحصول على العمر. تم استخدام الوصلات المتبقية لبناء وربط الكتل المتبقية. في نهاية كلا الفرعين ، تم إنشاء ثلاث طبقات تلافيفية لتصفية الصورة النهائية.

الشكل 3. هندسة Net-FLICS. 63 يشتمل القسم العلوي على المقطع التلافيفي المشترك وفرع إعادة بناء الصورة بكثافة (داخل المستطيل البرتقالي المنقط) ، بينما يتضمن القسم السفلي فرع إعادة بناء الصورة مدى الحياة (داخل المستطيل المنقط الأرجواني). يتم عرض تفاصيل الكتلة المتبقية (ن = 1 ، 2) في أسفل اليسار ، على التوالي.

لتقييم Net-FLICS المقترح ، تم الحصول على بيانات مضغوطة على نظام التصوير أحادي البكسل للاستشعار بالضغط. تمت معالجة 64،65 صورة ثنائية من قاعدة بيانات MNIST لإنشاء الصور المحاكاة بكثافة وأعمار مختلفة ، على التوالي. لزيادة مجموعة البيانات ، تمت معالجة كل صورة من MNIST لإنشاء ست صور: الصورة الأصلية ، تم تدويرها بمقدار 90 درجة ، وتم تدويرها بمقدار 180 درجة ، وتم تدويرها بمقدار 270 درجة مئوية ، والتقليب لأعلى / لأسفل ، والتقليب لليسار / لليمين. تم استخدام 32000 عينة كمجموعة تدريب و 8000 عينة كانت مجموعة الاختبار. كما تم استخدام تجارب مع فانتوم تحتوي على ثلاثة أحرف "RPI" مليئة بصبغتين ، AF750 لـ "R" و "I" ، و HITCI لـ "P" ، للتحقق من صحة Net-FLICS. بالمقارنة مع طريقة تركيب مدى الحياة TVL3 + 66 ، يمكن لـ Net-FLICS تحقيق جودة إعادة بناء أعلى لحرف HITCT المصبوغ "P" مع العمر المعاد بناؤه 0.97 نانوثانية ، وهو نفس الحقيقة الأساسية ، لكنه فشل في تحقيق إعادة البناء المطلوبة بالنسبة لحروف AF750 مصبوغة "R" و "I". عزا المؤلفون عدم التطابق إلى أن الأنماط الناتجة عن DMD لم تكن ثنائية تمامًا ، والتي تختلف عن تلك المستخدمة لمحاكاة مجموعة التدريب.

تم اقتراح طريقة محاكاة المشكلة العكسية (IPS) القائمة على الإدراك متعدد الطبقات (MLP) بواسطة Gao وآخرون. للحصول على إعادة بناء شاملة لـ BLT. 67 تتألف بنية IPS ، التي أنشأت التعيين من البيانات المقاسة على سطح الأنسجة البيولوجية إلى توزيع التلألؤ الحيوي داخل الأنسجة ، من طبقة إدخال واحدة ، و 4 طبقات مخفية ، وطبقة إخراج واحدة. وفقًا لعمل Gao ، يمكن اعتبار IPS بمثابة محاكاة لطريقة عتبة الانكماش التكراري (IST) المستخدمة على نطاق واسع في حل المشكلات العكسية. تم إنشاء العينات المقترنة ، بما في ذلك شدة الفوتون على السطح ومصدر الإضاءة الحيوية الداخلي ، باستخدام طريقة MC مع ما يسمى بـ "الشبكة القياسية" لمحاكاة هجرة الفوتون. تم إنشاء العينات ذات المصادر المتعددة عن طريق تجميع العينات مع مصدر واحد مختلف. تم استخدام خطأ مركز barycenter (BCE) بين المصدر المعاد بناؤه والحقيقة الأساسية لتقييم النتائج في المحاكاة كميًا. تم التحقق من صحة شبكة IPS من خلال تقييمها من حيث دقة تحديد المواقع والمتانة والأداء في إعادة بناء المصدر المزدوج والأداء في إعادة بناء في الجسم الحي نموذج الفأر الحامل للورم.

تساي وآخرون. اقترح خوارزمية أخرى شاملة قائمة على التعلم العميق لإعادة بناء التصوير الضوئي الكمي (QPAI). 68 الشبكة العصبية العميقة المقترحة كانت تسمى "ResU-net" ، وهي مزيج من U-net و Res-net. كانت الفروق بين "شبكة ResU" والشكل الأساسي لشبكة U هي أن الأولى استخدمت الكتل المتبقية بما في ذلك ثلاث طبقات تلافيفية وتطبيع دفعي بين كل كتلتين من فرع الانكماش وفرع التمدد. ظل حجم القناة ثابتًا في كل كتلة متبقية. تم إنشاء عينات محاكاة بأطوال موجات إضاءة متغيرة وتوزيعات مختلفة للأهداف وتركيزات مختلفة من الكروموفور بواسطة نموذج رقمي أمامي. تم إجراء ثلاث تجارب محاكاة بما في ذلك حالة تستخدم الماوس الرقمي 69 للتحقق من صحة "شبكة ResU" لإعادة بناء QPAI من طرف إلى طرف ، مما أكد الأداء في دقة إعادة الإعمار لتركيز الكروموفور وقوة الخصائص البصرية المتغيرة والهندسة.

في الآونة الأخيرة ، اقترحت مجموعتنا خوارزمية شاملة لإعادة بناء FMT مع إطار شبكة عصبية عميقة. 70 لقد أسس مخططًا غير خطي بين توزيع الفلوروكروم الداخلي وقياسات الحدود. لقد كانت عبارة عن بنية نموذجية لوحدة فك التشفير ثلاثية الأبعاد مع 6 4 × 6 4 × 2 4 مدخلات و 6 4 × 6 4 × 1 6 مخرجات ، بالإضافة إلى طبقات متعددة من مشغلي الالتفاف المكاني والتفكيك. تم استخدام 10000 عينة محاكاة مع إعدادات تجريبية متغيرة كمجموعة تدريب بينما تم استخدام كل من عينات المحاكاة والعينات الوهمية للتحقق من الصحة. أظهرت نتائج كل من التجارب المحاكاة والتجارب الوهمية التحسن الكبير في إعادة بناء FMT مقارنة بالطرق التقليدية. يمكن اعتبار الخوارزمية المقترحة كأول خوارزمية مبنية على DNN للتشفير وفك التشفير ثلاثي الأبعاد لإعادة بناء FMT مع عمليات التحقق التجريبية الشاملة.

على الأقل ، تتطلب طريقة إعادة البناء من طرف إلى طرف أن تتمتع الشبكة العصبية المستخدمة بقدرات لمحاكاة المشكلة العكسية تمامًا وتقليل أخطاء إعادة البناء. ومن ثم ، يجب اختيار بنية الشبكة العصبية العميقة ومجموعة التدريب بشكل صحيح لتجنب الآثار المضللة المحتملة الناجمة عن التصميم غير المناسب.

الميزة الأكثر دراماتيكية للطرق الشاملة هي أنها تستغرق وقتًا ضئيلًا للحصول على النتيجة المرجوة من خلال شبكة جيدة التدريب على الرغم من أن عملية التدريب قد تستغرق وقتًا طويلاً.

باختصار ، تم التحقق من صحة جميع هذه الفروع الثلاثة للطرق القائمة على التعلم العميق للتصوير المقطعي البصري لتكون فعالة من خلال عدد كبير من التجارب. تظهر المقارنة في الجدول 2. يصعب تحديد طريقة التعلم العميق القائمة على النموذج. في بعض الحالات ، تكون النماذج التي تحتاج إلى محاكاة بواسطة إطار عمل التعلم العميق هي نماذج انتشار الفوتون أو أجزاء معينة من نماذج الانتشار. بينما في حالات أخرى ، قد تركز الأساليب ذات إطار عمل التعلم العميق بشكل أساسي على كيفية نمذجة تحديث المصفوفات الموزونة. تتمثل ميزة استخدام أطر التعلم العميق كعمليات لاحقة بعد الحصول على إعادة البناء في أن بعض أطر التعلم العميق الحالية ، مثل U-net ، يمكن تكييفها بسهولة مع العمليات اللاحقة مع تغييرات طفيفة. ومع ذلك ، قد تحدث طرق شاملة مع التعلم العميق للطرق الأخرى في المستقبل لسبب أنها تغير المبدأ النموذجي لإعادة البناء للتصوير المقطعي البصري. يمكن الحصول على النتائج النهائية مباشرة تحت فرضية أن أطر التعلم العميق جيدة التصميم مدربة تدريباً جيداً. وبالطبع ، لا توجد متطلبات لافتراض نماذج هجرة الفوتون باستثناء أن مجموعات التدريب يتم الحصول عليها من عمليات المحاكاة.

الجدول 2. مقارنة لثلاث فئات من الأساليب القائمة على التعلم العميق.


الجمع بين التصوير fDOT و microCT

بعد ساعة واحدة من حقن ICG أو بعد 24 ساعة من حقن Angiostamp800 ، تم وضع الفئران المخدرة (الأيزوفلورين / الهواء: 2٪) في حامل حيوانات متحرك محلي الصنع من أجل التصوير الثنائي microCT / fDOT. تم إجراء التصوير الفلوري ثلاثي الأبعاد على الكبد باستخدام نظام fDOT الموصوف سابقًا [3]. تم إجراء التصوير MicroCT بالتوازي مع نظام vivaCT40 (Scanco Medical AG ، سويسرا) ، الذي كانت معلمات الاستحواذ الخاصة به 55 كيلو فولت من الطاقة ، وشدة 177 & # 181A ، ووقت تكامل 300 مللي ثانية ، ودقة متناحية للخواص 80 & # 181 متر فوكسل. تم دمج وحدات التخزين التي أعيد بناؤها MicroCT و 3D-fluorescence باستخدام برنامج ImageJ. تم قياس كمية إشارة التألق الكلية في حجم الاهتمام (الكبد) والتعبير عنها على أنها RLU.


المقدمة

التصوير المقطعي البصري المنتشر (DOT) هو طريقة تصوير جديدة لها تطبيقات محتملة في التصوير الوظيفي للدماغ واكتشاف سرطان الثدي [1-5]. تسعى تقنية التصوير هذه إلى استعادة المعلمات الضوئية للأنسجة من القياسات الحدودية للأشعة تحت الحمراء القريبة أو الضوء المرئي. تعد الأجهزة المستخدمة في نظام التصوير المقطعي البصري أقل تكلفة نسبيًا ويمكن حملها في الإعدادات السريرية [1]. لقد ثبت أن نظام DOT يمكن أن يوفر بديلاً قابلاً للتطبيق لأنظمة التصوير الوظيفي المتاحة حاليًا مثل التصوير بالرنين المغناطيسي الوظيفي [1].

غالبًا ما يتكون نظام DOT النموذجي من مصدر ضوء (ليزر ، ضوء أبيض) ، يضيء الأنسجة البيولوجية من السطح في مواقع مصدر مختلفة على التوالي [1]. يتم بعد ذلك جمع الفوتونات التي تنتشر عبر الأنسجة في مواضع كاشف متعددة على سطح الأنسجة [1]. تستخدم ثلاثة مخططات قياس لهذه القياسات: المجال الزمني ومجال التردد والموجة المستمرة (cw). من بين هذه الأنواع الثلاثة للقياس ، تعتبر طريقة cw هي الأبسط والأقل تكلفة ، ويمكن أن توفر الحصول على البيانات الأسرع وأعلى مستوى للإشارة إلى الضوضاء [6].

أحد تطبيقات نظام cw DOT هو قياس الجرعات الخفيف للعلاج الضوئي الديناميكي للبروستاتا (PDT). تعتمد فعالية العلاج PDT إلى حد كبير على عدد الفوتونات التي تمتصها المحسسات الضوئية الموجودة في أنسجة الورم [7]. وبالتالي فإن قياس جرعات الضوء والمُحسِس للضوء ضروريان لعلاج PDT [8]. في بروتوكول PDT الخاص بالبروستاتا ، يتم أولاً تحديد الخصائص البصرية للبروستاتا قبل العلاج ، بحيث يمكن تحقيق النمذجة في الوقت الحقيقي ورصد ترسب الفوتونات في البروستاتا. يتم تحديد الخصائص البصرية للبروستاتا عبر نظام DOT الخلالي حيث يتم إدخال مصادر الضوء وأجهزة الكشف بشكل خلالي في أنسجة البروستاتا [9].

في هذه الدراسة ، نقدم نماذج عكسية ثنائية وثلاثية الأبعاد يمكنها استعادة الخصائص البصرية غير المتجانسة لنسيج البروستاتا. كما يتم تقديم نموذج هجين ثنائي الأبعاد وثلاثي الأبعاد. تم بناء هذه النماذج في بيئة COMSOL Multiphysics / MATLab ، حيث يتم حل المعادلات التفاضلية الجزئية في COMSOL Multiphysics ويتم تحديث معاملات المعادلة غير المتجانسة عبر خوارزمية Levenberg-Marquardt المكتوبة في MATLab. لقد تحققنا من صحة هذه النماذج المقترحة من خلال إعادة بناء الخصائص البصرية للأوهام الرياضية ثنائية الأبعاد وثلاثية الأبعاد باستخدام البيانات المحاكية عدديًا. لقد أثبتنا أن الخوارزمية الهجينة ثنائية الأبعاد وثلاثية الأبعاد تتفوق على الخوارزمية ثنائية وثلاثية الأبعاد من حيث الدقة / نسبة تكلفة الحساب.


التصوير المقطعي البصري عالي الدقة المنتشر باستخدام التصوير تحت السطحي قصير المدى وغير المباشر

التصوير المقطعي البصري المنتشر (DOT) باستخدام الكاميرا الممسوحة ضوئيًا الخطي وجهاز عرض MEMS لمسح الخطوط (يسار) مقارنةً بالنقاط التقليدية مع أزواج كاشف المصدر النقطي (يمين). يلتقط كلا الترتيبين ضوءًا مبعثرًا غير مباشر قصير المدى تحت السطح ، لكن نهجنا أكثر كفاءة ويستعيد الوسط (الصف السفلي) بدقة أعلى بكثير. (انقر فوق الشكل للحصول على صورة كاملة ، بما في ذلك مقارنة النتائج من DOT التقليدي والطريقة المقترحة)

توليد صور غير مباشرة قصيرة المدى لمسافة بكسل صغيرة (يسار) وكبيرة (يمين) لمسافة الإضاءة. يتكون المشهد من ثلاث أسطوانات مدمجة في وسط تناثر ، انقر فوق الشكل للصورة الكاملة.

تصور وظيفة الطور للبكسل المختلف لمسافة خط الإضاءة في مستوى y-z (الصف العلوي) والمستوى x-y (الصف السفلي). يمثل S و D خط الإضاءة وموقع البكسل على التوالي. مع زيادة المسافة بين البكسل وخط الإضاءة ، تميل الفوتونات إلى الانتقال أعمق في وسط التشتت ولكنها تؤدي إلى انخفاض عدد الفوتونات التي تصل إلى البكسل ، وبالتالي تقليل نسبة الإشارة إلى الضوضاء.

إعداد التجربة والمعايرة لتعويض اختلال مرآة الليزر والخطية غير الخطية للنظم الكهروميكانيكية الصغرى. يتم تثبيت الجهاز عموديًا فوق حاوية العينة ، مع عدم وجود غطاء فوق وسط الانتثار. بسبب المحاذاة الخاطئة ، لن يكون شعاع الليزر الساقط على مرآة MEMS عموديًا على سطح المرآة ويتماشى مع مركز دوران MEMS نظرًا لعدم خطية ميكانيكا MEMS ، فإن إشارة التحكم في الإدخال ودرجات الدوران ليست مرتبطة خطيًا. انقر فوق الرقم للصورة الكاملة.

صور بيانات حقيقية ونتائج لإدراج كائنات متعددة. وسيط الانتثار هو الحليب الخالي من الدسم مع عدم وجود تخفيف للماء أو القليل منه. انقر فوق الرقم للصورة الكاملة

فيديو

نعرض الرسم التوضيحي لمخطط العمل ونتائج إعادة الإعمار في الفيديو

من أين يأتي الالتفاف في النموذج الأمامي؟
يأتي من: (1) استخدام إضاءة المسح وخطوط عرض الكاميرا لاستبدال أزواج كاشف المصدر في DOT التقليدي (2) توزيع اتجاه انتشار الضوء المتناحي داخل وسط تشتت كثيف. بالنسبة إلى (2) ، يكون الافتراض صحيحًا بالنسبة لوسط التشتت الكثيف مثل جلد الإنسان. نحن نختبر متانة طريقتنا ضد فشل هذا الافتراض في الورقة. تعمل طريقتنا مع مجموعة واسعة من معاملات التشتت للوسط. يرجى الرجوع إلى القسم 6.1 لمزيد من التفاصيل.

على ماذا تعتمد وظيفة المرحلة والنواة؟
إنها تعتمد على كاشف المصدر (لـ DOT التقليدي باستخدام المصادر النقطية وأجهزة الكشف) أو الفصل بين خطوط الإضاءة والإخراج (لطريقتنا) ، ومعاملات التشتت والامتصاص للوسط المتجانس المحيط بالتغايرات.

بالنظر إلى فصل الخط ، كيف نحصل على نواة الطور؟ بمعنى آخر ، كيف نحصل على معاملات الامتصاص والتشتت للوسط المتجانس؟
نقوم بتحسين معاملات الامتصاص والتشتت للوسط المتجانس من خلال حل مشكلة عكسية للمنطقة المتجانسة. نظريًا ، تكفي شدة الصورة في منطقة 1 × 1 (نقطة) داخل المنطقة المتجانسة لحل المعامِلات. نأخذ منطقة متجانسة ونحسب القيم المتوسطة على المنطقة للحصول على مجموعة الشدة لتقليل الضوضاء. يمكن تقسيم المنطقة المتجانسة يدويًا أو تلقائيًا كمناطق ذات تباين مكاني منخفض في جميع الصور غير المباشرة قصيرة المدى.

في التجربة ، ما هو الحد الأقصى للفصل بين إضاءة الخط وخط تعريض الكاميرا على السطح؟
في تجربتنا ، كان الفصل يصل إلى حوالي 10 ملم على السطح. يعتمد إعداد الفصل الأقصى على العمق المحسوس وميزانية وقت التقاط البيانات. لفصل أكبر ، يمكن استشعار عدم التجانس الأعمق وإعادة بنائه. لكن الإشارة أضعف بسبب المزيد من التشتت والامتصاص ، لذلك نحن بحاجة إلى استخدام تعريضات أطول للكاميرا وبالتالي المزيد من الميزانية الزمنية.

يمتد قطر الليزر عدة بكسلات في الصورة الملتقطة بكاميرا FoV صغيرة. هل يعتبر هذا؟
نعم فعلا. نقوم بمعايرة ملف التعريف 1D مسبقًا عبر إضاءة خط الليزر ، ونأخذ ذلك في الاعتبار في النموذج الأمامي باعتباره التفافًا مكانيًا.

ما هي البقعة السوداء في وسط الصور قصيرة المدى غير المباشرة؟
المنطقة السوداء هي قطعة أثرية ناتجة عن زجاج الحماية أمام مرآة MEMS التي نستخدمها. ينعكس جزء من ضوء الليزر مباشرة بواسطة زجاج الحماية دون التلاعب به بواسطة مرآة MEMS. بالإضافة إلى ذلك ، هناك انعكاس داخلي بين الزجاج ومرآة MEMS. نتيجة لذلك ، في الصورة الأولية ، توجد نقطة مضيئة في منتصف الصورة. يتسبب هذا في مشكلة خاصة بالنسبة لوسط التشتت الشديد نظرًا لأن منطقة البقعة الساطعة ستكون أكبر بكثير من بقعة الليزر نفسها بسبب التشتت تحت السطحي.

لتخفيف هذه المشكلة ، نطرح الصورة "المظلمة" من الصور الملتقطة ، حيث يتم التقاط الصورة "المظلمة" مع توجيه الليزر خارج العينة و FoV للكاميرا. ومع ذلك ، نظرًا لأن الانعكاس البيني بين الزجاج ومرآة MEMS يعتمد أيضًا على اتجاه مرآة MEMS ، فلا تزال هناك قطعة أثرية (المنطقة السوداء) في وسط الصورة بعد أن نطبق الخدعة البسيطة. طريقة أكثر مباشرة وواعدة للتخلص من هذه القطعة الأثرية هي إزالة الزجاج الواقي. ولكن يجب أن يتم ذلك في غرفة نظيفة لتجنب تلوث مرآة النظم الكهروميكانيكية الصغرى.

هل الطريقة قوية لفشل الافتراض في DOT التقليدي بأن معاملات التشتت للتغايرات والمتجانسة المحيطة بها قريبة؟
نعم فعلا. قمنا باختبار الخوارزمية بمعاملات تشتت مختلفة للتغايرات ومعامل التشتت الثابت للمحيط ، باستخدام بيانات محاكاة مونت كارلو. لا يتدهور الأداء إذا اختلف معامل التشتت لعدم التجانس. يرجى الرجوع إلى القسم 6.1 في الورقة لمزيد من التفاصيل.

مواصفات ممس؟
نحن نستخدم مجموعة أدوات تطوير Mirrorcle MEMS. مشغل المسح هو بتصميم ذو محورين بدون gimbal. يبلغ قطر مرآة MEMS 1.2 مم ، مع نطاق زاوي تشغيلي من -5 إلى 5 درجات في كل من المحور x و y. نحن نستخدم الوضع من نقطة إلى نقطة (شبه ثابت) من أجل عرض الرسوم البيانية المتجهة.

مشاريع ذات صلة

رموز متجانسة للإضاءة والتصوير الموفرة للطاقة
مات أوتول ، وسوبريت أشار ، وسرينيفاسا ج.ناراسيمهان ، وكيرياكوس إن. كوتولاكوس
معاملات ACM على الرسومات (SIGGRAPH) 2015

اكتساب وتوصيف النقل الخفيف من طائرة إلى شعاعية
هيرويوكي كوبو ، سورين جياسوريا ، تاكافومي إيواغوتشي ، تاكويا فوناتومي ، ياسوهيرو موكايجاوا ، سرينيفاسا ج.ناراسيمهان
المؤتمر الدولي IEEE للتصوير الحاسوبي (ICCP) 2018


شاهد الفيديو: التصوير الطبقي المحوري في دقائق 2. أهم الآفات الكبدية (يوليو 2022).


تعليقات:

  1. Myles

    أهنئكم ، لقد زارتك الفكر الممتاز

  2. Marceau

    لو كنت أنت ، كنت قد تصرفت بشكل مختلف.

  3. Itotia

    أهنئني ولد ابني!

  4. Irven

    أنت بالتأكيد على حق. في ذلك شيء وهذا هو الفكر ممتازة. وهي على استعداد لدعمكم.

  5. Franklin

    الجدير بالذكر أن الإجابة مضحكة للغاية



اكتب رسالة