借助深度学习算法标准CT技术可产生光谱图像

纽约州特洛伊市-生物成像技术是一种眼睛，可让医生看到人体内部以诊断，治疗和监测疾病。Rensselaer理工学院生物医学工程系特聘教授Ge Wang因致力于将这些成像技术与人工智能相结合以改善医师的“视野”而获得了广泛认可。

在今天发表在Patterns上的研究中，由Wang领导的工程师团队展示了如何将深度学习算法应用于常规的计算机断层扫描(CT)扫描，以便生成通常需要更高水平的成像技术(称为双重成像)的图像。能量CT。

Rensselaer的研究科学家Congxiang Cong是本文的第一作者。Wang和Cong也参加了上海第一影像技术公司的合著者和GE Research的研究人员。

Wang表示：“我们希望这项技术将有助于从常规的单光谱X射线CT扫描中提取更多信息，使其更加定量，并改善诊断。”伦斯勒的生物技术和跨学科研究(CBIS)。

传统的CT扫描所产生的图像可以显示出人体内部组织的形状，但无法为医生提供有关这些组织组成的足够信息。即使使用碘和其他造影剂来帮助医生区分软组织和脉管系统，也很难区分微妙的结构。

一种称为双能CT的高级技术会收集两个数据集，以生成显示组织形状和有关组织成分信息的图像。但是，这种成像方法通常需要更高剂量的辐射，并且由于需要额外的硬件而更加昂贵。

Wang说：“使用传统CT可以拍摄灰度图像，而使用双能CT则可以拍摄两种颜色的图像。”“通过深度学习，我们尝试使用标准机器完成双能CT成像工作。”

在这项研究中，Wang和他的团队展示了他们的神经网络如何能够使用单光谱CT数据生成那些更复杂的图像。研究人员使用双能CT产生的图像来训练他们的模型，发现它能够产生高质量的近似值，相对误差小于2%。