I CONTEGGI DI FRAME DI 60 E 5 VENGONO UTILIZZATI RISPETTIVAMENTE PER LE IMMAGINI BASATE SULLA LOCALIZZAZIONE DENSE E SPARSE. VISTE RAVVICINATE DELLE REGIONI DELINEATE DAI RIQUADRI TRATTEGGIATI VERDI E IMMAGINI IN MODALITÀ B IN SEZIONE TRASVERSALE DELLA REGIONE EVIDENZIATA DALLE LINEE TRATTEGGIATE BLU. I DUE VASI SANGUIGNI ADIACENTI SONO CHIARAMENTE RISOLTI NELL’APPRENDIMENTO PROFONDO E NELLE IMMAGINI BASATE SULLA LOCALIZZAZIONE DENSA, MENTRE NON SONO NELL’IMMAGINE OR-PAM NORMALE NELLA MAP IN PRIMO PIANO (Ⅰ). IN MODALITÀ B RAVVICINATA (II), UN VASO SANGUIGNO EVIDENZIATO DAI CERCHI BIANCHI TRATTEGGIATI, IN CUI L’IMMAGINE SPARSA HA UN BASSO RAPPORTO SEGNALE-RUMORE, È BEN RIPRISTINATO NELL’IMMAGINE BASATA SULLA LOCALIZZAZIONE DEL DEEP LEARNING. ANCHE SE L’IMMAGINE SPARSA NON CONTIENE I VASI, QUESTI VENGONO RIPRISTINATI NELL’IMMAGINE BASATA SULLA LOCALIZZAZIONE DEL DEEP LEARNING PERCHÉ LA NOSTRA RETE SI BASA SU CONVOLUZIONI 3D
Dopo un fulmine, si sente un tuono per un breve periodo di tempo. Ciò è dovuto al fatto che il materiale circostante colpito da un fulmine assorbe la luce e, come risultato della conversione di questa luce in calore, il materiale si espande e produce un suono. Questa tecnica di imaging nota come imaging fotoacustico (PAI), che utilizza questo fenomeno per scattare fotografie dell’interno del corpo, viene esplorata come un nuovo dispositivo di imaging medico di punta in varie applicazioni precliniche e cliniche.
La tecnologia PAI ha recentemente utilizzato il metodo di “localizzazione dell’immagine”, che prevede l’imaging della stessa area numerose volte al fine di ottenere una risoluzione spaziale estremamente elevata oltre la limitazione fisica indipendentemente dalla profondità dell’immagine. Tuttavia, questa risoluzione spaziale superiore si ottiene sacrificando la risoluzione temporale poiché più fotogrammi, ciascuno contenente il target di localizzazione, devono essere sovrapposti per formare un’immagine a super risoluzione ad alta densità sufficientemente campionata. Ciò ha reso difficile l’impiego per la ricerca che deve confermare una reazione immediata.
In un nuovo articolo pubblicato su Light Science & Application, un team di scienziati, guidato dal professor Chulhong Kim, dal professor Seungchul Lee, Ph.D. candidato Jongbeom Kim e MS Gyuwon Kim del Dipartimento di ingegneria elettrica, ingegneria informatica della convergenza e ingegneria meccanica, della Pohang University of Science and Technology (POSTECH), Corea del Sud, e insieme al team del professor Lihong Wang e dell’associato di ricerca post-dottorato Lei Li del California Institute of Technology (Caltech), USA, ha sviluppato un PAI di localizzazione basato sull’intelligenza artificiale per risolvere gli svantaggi della bassa velocità di imaging. Utilizzando il deep learning per aumentare la velocità di imaging e ridurre la quantità di raggi laser sul corpo, è stato in grado di affrontare tutti e tre questi problemi contemporaneamente: velocità di imaging lenta, bassa risoluzione spaziale e carico sul corpo.
Utilizzando la tecnologia di apprendimento profondo, il team di ricerca è stato in grado di ridurre il numero di immagini utilizzate in questo metodo di oltre 10 volte e aumentare la velocità di imaging di 12 volte. I tempi di imaging della microscopia fotoacustica di localizzazione e della tomografia computerizzata fotoacustica sono stati ridotti rispettivamente da 30 secondi a 2,5 secondi e da 30 minuti a 2,5 minuti.
Questo avanzamento apre la nuova possibilità della localizzazione delle tecniche PAI in varie applicazioni precliniche o cliniche, che richiedono sia alta velocità che risoluzione spaziale fine, come gli studi del farmaco istantaneo e delle risposte emodinamiche. Soprattutto, uno dei principali vantaggi di questa tecnologia è il fatto che riduce notevolmente sia l’esposizione del raggio laser al corpo vivente che il tempo di imaging, riducendo il carico sui pazienti.
