利用深度学习扩展非接触扩散光学层析成像系统中探测器的动态范围

赵星; 刘桐君; 陈平; 王京凡; 刘伟伟

doi:10.37188/OPE.2021.0219

您当前的位置：

首页 >

文章列表页 >

利用深度学习扩展非接触扩散光学层析成像系统中探测器的动态范围

现代应用光学 | 更新时间：2022-01-25

- 利用深度学习扩展非接触扩散光学层析成像系统中探测器的动态范围
- Extending dynamic range of detector in non-contact diffuse optical tomography system using deep learning
- 光学精密工程 2021年29卷第11期页码：2529-2538
- 作者机构：
  
  1.南开大学现代光学研究所，天津 300350
  2.天津市微尺度光学信息技术科学重点实验室，天津 300350
- 作者简介：
  
  [ "赵　星（1980-），男，北京人，博士，教授，2007年于南开大学获得博士学位，主要从事光学信息处理和光学系统设计等方面的研究。E-mail：zhaoxingtjnk@nankai.edu.cn" ]
  [ "刘桐君（1995-），男，四川德阳人，硕士研究生，2018年于西北工业大学获学士学位，主要从事扩散光学层析成像方面的研究。E-mail：609345567@qq.com" ]
- 基金信息：
  
  国家重点研发计划资助项目(2018YFB0504400);国家自然科学基金资助项目(62075106);天津市科技支撑计划资助项目(19YFZCSY00250);天津市自然科学基金资助项目(19JCZDJC36600)
- DOI：10.37188/OPE.2021.0219
  中图分类号： O439;TP391.4
- 收稿日期：2021-04-23，
  
  修回日期：2021-05-13，
  
  纸质出版日期：2021-11-15
- 稿件说明：
移动端阅览
赵星,刘桐君,陈平等.利用深度学习扩展非接触扩散光学层析成像系统中探测器的动态范围[J].光学精密工程,2021,29(11):2529-2538.

ZHAO Xing,LIU Tong-jun,CHEN Ping,et al.Extending dynamic range of detector in non-contact diffuse optical tomography system using deep learning[J].Optics and Precision Engineering,2021,29(11):2529-2538.
赵星,刘桐君,陈平等.利用深度学习扩展非接触扩散光学层析成像系统中探测器的动态范围[J].光学精密工程,2021,29(11):2529-2538. DOI： 10.37188/OPE.2021.0219.

ZHAO Xing,LIU Tong-jun,CHEN Ping,et al.Extending dynamic range of detector in non-contact diffuse optical tomography system using deep learning[J].Optics and Precision Engineering,2021,29(11):2529-2538. DOI： 10.37188/OPE.2021.0219.

摘要

非接触式扩散光学层析成像（Diffuse Optical Tomography，DOT）技术和传统DOT技术相比具有更高的空间采集密度，系统中探测器的动态范围对实验结果有很大的影响。通过仿真和实验研究了探测器动态范围过小对重建结果的影响，并提出了一种利用深度学习拓展探测器动态范围的方法。在NIRFSAT软件包中设置不同的吸收散射的仿体及入射光场参数，批量生成训练样本，搭建全连接网络进行模型训练，并利用该模型修复仿真和光学实验条件下探测器获得的数据。实验数据修复及重建结果表明，该模型修复了低动态范围探测器获得的数据，将探测器的动态范围从256扩展到10

。该方法能够有效地减小探测器动态范围过小带来的重建误差，为使用普通低动态范围探测器进行非接触式DOT提供了一种有效的技术解决方案。

Abstract

Non-contact diffuse optical tomography （DOT） is a novel technique exhibiting higher spatial detection density compared to traditional DOT. The dynamic range of the detector in non-contact DOT considerably influences the accuracy of the reconstruction of the absorption coefficient. In this study， the effect of low dynamic range of the detector on the reconstruction results was examined by conducting experiments and simulations. A method based on deep learning was proposed to extend the dynamic range of the detector. The training samples were generated in the NIRFAST software by setting different phantom absorption and scattering coefficients and incident light field parameters. A fully connected network was built for model training. The model was used to recover the detection data in the simulations and optical experiments. The data recovery and reconstruction results of the experiments indicate that the model recovers the error data of the detector with a low dynamic range while extending the dynamic range of the detector from 256 to 10

. The proposed method can effectively reduce the reconstruction error caused by the low dynamic range of the detector and provide an effective technical solution for non-contact DOT using detectors having a low dynamic range.

关键词

Keywords

references

ARRIDGE S R ， HEBDEN J C . Optical imaging in medicine： II. Modelling and reconstruction ［J］. Physics in Medicine and Biology ， 1997 ， 42 （ 5 ）： 841 - 853 . doi: 10.1088/0031-9155/42/5/008 http://dx.doi.org/10.1088/0031-9155/42/5/008

EGGEBRECHT A T ， FERRADAL S L ， ROBICHAUX-VIEHOEVER A ， et al . Mapping distributed brain function and networks with diffuse optical tomography ［J］. Nature Photonics ， 2014 ， 8 （ 6 ）： 448 - 454 . doi: 10.1038/nphoton.2014.107 http://dx.doi.org/10.1038/nphoton.2014.107

ALFONSO ， GALDERISI ， SABRINA ， et al . Long-term continuous monitoring of the preterm brain with diffuse optical tomography and electroencephalography： a technical note on cap manufacturing ［J］. Neurophotonics ， 2016 ， 3 （ 4 ）： 045009 . doi: 10.1117/1.nph.3.4.045009 http://dx.doi.org/10.1117/1.nph.3.4.045009

NTZIACHRISTOS V . Concurrent Diffuse Optical Tomography ， Spectroscopy and Magnetic Resonance Imaging of Breast Cancer ［D］. Philadelphia ： University of Pennsylvania . 2000 . doi: 10.1364/bosd.2000.wb4 http://dx.doi.org/10.1364/bosd.2000.wb4

JIANG H B ， IFTIMIA N V ， XU Y ， et al . Near-infrared optical imaging of the breast with model-based reconstruction ［J］. Academic Radiology ， 2002 ， 9 （ 2 ）： 186 - 194 . doi: 10.1016/s1076-6332(03)80169-1 http://dx.doi.org/10.1016/s1076-6332(03)80169-1

YUAN Z ， ZHANG Q Z ， SOBEL E S ， et al . Tomographic x-ray-guided three-dimensional diffuse optical tomography of osteoarthritis in the finger joints ［J］. Journal of Biomedical Optics ， 2008 ， 13 （ 4 ）： 044006 . doi: 10.1117/1.2965547 http://dx.doi.org/10.1117/1.2965547

XU Y ， IFTIMIA N ， JIANG H B ， et al . Imaging of in vitro and in vivo bones and joints with continuous-wave diffuse optical tomography ［J］. Optics Express ， 2001 ， 8 （ 7 ）： 447 - 451 . doi: 10.1364/oe.8.000447 http://dx.doi.org/10.1364/oe.8.000447

李江涛，胡文雁，赵龙莲，等 . 频域近红外光学成像法的苹果内部病变检测精度［J］. 光谱学与光谱分析， 2019 ， 39 （ 9 ）： 2836 - 2841 . doi: 10.1016/j.postharvbio.2019.03.014 http://dx.doi.org/10.1016/j.postharvbio.2019.03.014

LI J T ， HU W Y ， ZHAO L L ， et al . Study of the accuracy of apple internal lesion detection based on frequency domain diffuse optical tomography ［J］. Spectroscopy and Spectral Analysis ， 2019 ， 39 （ 9 ）： 2836 - 2841 . （in Chinese） . doi: 10.1016/j.postharvbio.2019.03.014 http://dx.doi.org/10.1016/j.postharvbio.2019.03.014

YOKO HOSHI M D ， YAMADA Y . Overview of diffuse optical tomography and its clinical applications ［J］. Journal of Biomedical Optics ， 2016 ， 21 （ 9 ）： 091312 . doi: 10.1117/1.jbo.21.9.091312 http://dx.doi.org/10.1117/1.jbo.21.9.091312

ZHOU X Q ， FAN Y ， HOU Q ， et al . Spatial-frequency-compression scheme for diffuse optical tomography with dense sampling dataset ［J］. Applied Optics ， 2013 ， 52 （ 9 ）： 1779 - 1792 . doi: 10.1364/ao.52.001779 http://dx.doi.org/10.1364/ao.52.001779

范颖 . 基于空间光测量的光学层析成像系统研究［D］. 天津：天津大学， 2012 .

FAN Y . Research on Continues Wave Non-Contact Optical Tomography System ［D］. Tianjin ： Tianjin University ， 2012 . （in Chinese）

ANDO T ， NAKAMURA T ， FUJII T ， et al . Non-contact acquisition of brain function using a time-extracted compact camera ［J］. Scientific Reports ， 2019 ， 9 ： 17854 . doi: 10.1038/s41598-019-54458-7 http://dx.doi.org/10.1038/s41598-019-54458-7

RIVENSON Y ， GÖRÖCS Z ， GÜNAYDIN H ， et al . Deep learning microscopy ［J］. Optica ， 2017 ， 4 （ 11 ）： 1437 - 1443 . doi: 10.1364/optica.4.001437 http://dx.doi.org/10.1364/optica.4.001437

LI S ， DENG M ， LEE J ， et al . Imaging through glass diffusers using densely connected convolutional networks ［J］. Optica ， 2018 ， 5 （ 7 ）： 803 - 813 . doi: 10.1364/optica.5.000803 http://dx.doi.org/10.1364/optica.5.000803

BORHANI N ， KAKKAVA E ， MOSER C ， et al . Learning to see through multimode fibers ［J］. Optica ， 2018 ， 5 （ 8 ）： 960 - 966 . doi: 10.1364/optica.5.000960 http://dx.doi.org/10.1364/optica.5.000960

闫敬文，陈宏达，刘蕾 . 高光谱图像分类的研究进展［J］. 光学精密工程， 2019 ， 27 （ 3 ）： 680 - 693 . doi: 10.3788/ope.20192703.0680 http://dx.doi.org/10.3788/ope.20192703.0680

YAN J W ， CHEN H D ， LIU L . Overview of hyperspectral image classification ［J］. Opt. Precision Eng. ， 2019 ， 27 （ 3 ）： 680 - 693 . （in Chinese） . doi: 10.3788/ope.20192703.0680 http://dx.doi.org/10.3788/ope.20192703.0680

李宇，刘雪莹，张洪群，等 . 基于卷积神经网络的光学遥感图像检索［J］. 光学精密工程， 2018 ， 26 （ 1 ）： 200 - 207 . doi: 10.3788/ope.20182601.0200 http://dx.doi.org/10.3788/ope.20182601.0200

LI Y ， LIU X Y ， ZHANG H Q ， et al . Optical remote sensing image retrieval based on convolutional neural networks ［J］. Opt. Precision Eng. ， 2018 ， 26 （ 1 ）： 200 - 207 . （in Chinese） . doi: 10.3788/ope.20182601.0200 http://dx.doi.org/10.3788/ope.20182601.0200

DEHGHANI H ， EAMES M E ， YALAVARTHY P K ， et al . Near infrared optical tomography using NIRFAST： Algorithm for numerical model and image reconstruction ［J］. Communications in Numerical Methods in Engineering ， 2009 ， 25 （ 6 ）： 711 - 732 . doi: 10.1002/cnm.1162 http://dx.doi.org/10.1002/cnm.1162

KRIZHEVSKY A ， SUTSKEVER I ， HINTON G E . ImageNet classification with deep convolutional neural networks ［J］. Communications of the ACM ， 2017 ， 60 （ 6 ）： 84 - 90 . doi: 10.1145/3065386 http://dx.doi.org/10.1145/3065386

WANG L V ， WU H I . Biomedical Optics ［M］. Hoboken ： John Wiley & Sons， Inc. ， 2009 . doi: 10.1002/tdm_license_1.1 http://dx.doi.org/10.1002/tdm_license_1.1

秦莉，董丽丽，许文海，等 . CCD图像灰度与照度的转换标定方法［J］. 仪器仪表学报， 2015 ， 36 （ 3 ）： 639 - 644 .

QIN L ， DONG L L ， XU W H ， et al . Method for conversion calibration between CCD image gray value and illumination ［J］. Chinese Journal of Scientific Instrument ， 2015 ， 36 （ 3 ）： 639 - 644 . （in Chinese）

浏览量

367

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多分支残差注意力网络的水下图像增强

基于策略梯度和伪孪生网络的异源图像匹配

面向点云分类和分割的形状自适应特征聚合网络

基于机载的红外动态目标视频实时超分辨率重建