Ученые из Университета Цюриха и Швейцарской высшей технической школы Цюриха использовали методы машинного обучения для улучшения визуализации, полученной с помощью оптоакустики. Об этом пишет EurekAlert.

Использование оптоакустики — сравнительно молодой метод медицинской визуализации, который используется для диагностики кровеносных сосудов, активности мозга, поражений кожи и рака молочной железы. Тем не менее, качество изображений в значительной степени зависит от количества и распределения датчиков, используемых устройством: чем их больше, тем лучше качество изображения. Новый подход, разработанный в Цюрихе, позволяет существенно сократить количество датчиков, не отказываясь от заданного качества изображения. Это позволяет снизить стоимость устройства, увеличить скорость обработки изображений или улучшить диагностику.

Команда во главе с Даниэлем Разанским, профессором биомедицинской визуализации, нашла способ повышения качества изображения недорогих оптоакустических устройств, которые обладают лишь небольшим количеством ультразвуковых датчиков.

Разработчики использовали снимки, полученные с помощью устройства, имеющего 512 датчиков, для обучения нейронной сети. Качество этих снимков было превосходным. Отбросив большинство датчиков, команда исследователей получила снимки с артефактами — пропущенными полосами. Ранее обученная нейронная сеть смогла в значительной степени восстановить качество изображений, близко к тому, что было изначально, когда датчиков было 512.

Разработанный алгоритм машинного обучения также оказался успешным в улучшении качества изображений, которые были записаны с помощью всего лишь узко очерченного сектора. «Это особенно важно для клинического применения, так как лазерные импульсы не могут проникать через весь организм человека, следовательно, отображаемая область, как правило, доступна только в одном направления», — добавляет Рязанский.

Источник: hightech.fm