Feb, 2024

妇科癌症组织亚型的稀疏数据快速高光谱光热中红外光谱成像

PDF
TL;DR通过稀疏成像方法，将中红外光热成像技术应用于卵巢癌检测，实现了数据采集速度提升 10 倍，并利用随机森林和卷积神经网络模型对超过 65 百万个数据点进行了分析，证明了该方法能够产生优秀的图像质量，并以超过 95% 的分割准确率准确区分不同的妇科组织类型。
ovarian cancer detectionmir photothermal imagingdata acquisitionsparse imaging methodologygynecological tissue types
发现论文，激发创造
  • 手术过程中基于高光谱图像的脑癌检测的时空谱分类

    开发了一种考虑到高光谱图像的空间和光谱特征的新型分类方法，帮助神经外科医生在手术过程中准确确定肿瘤边界，避免过度切除正常组织或意外剩余肿瘤，初步结果有望获得肿瘤区域的准确划分。

    Feb, 2024

  • 脑癌检测的体内高光谱人脑影像数据库

    该研究论文介绍了在欧洲项目 HELIcoiD（高光谱成像癌症检测）的框架内开发了第一个活体人类脑组织高光谱数据库的方法，该数据库中包含了用于在神经外科手术期间实时描绘脑肿瘤的高光谱图像和超过 300,000 个光谱标记。

    Feb, 2024

  • 利用可逆神经网络进行光学成像模态的不确定性感知性能评估

    该研究提出了一种新方法来评估光学成像技术，该方法基于可逆神经网络的概念，将多光谱测量映射到全概率分布中以表示解的不确定性，可以帮助优化光学相机设计。

    Mar, 2019

  • 利用近红外光谱数据基于机器学习算法在体内诊断皮肤癌

    皮肤病变、近红外光谱、机器学习算法、分类和自动辅助诊断是本研究的关键词，旨在利用近红外光谱数据对皮肤病变进行自动分类的机器学习算法进行研究及分析。

    Jan, 2024

  • 多光谱立体影像融合用于 3D 高光谱场景重建

    通过将两个校准的多光谱实时摄像机结合成一个立体系统，我们提出了一种新方法来连续捕捉高光谱数据立方体，实现三维重建和光谱分析，以提高空间分辨率和光谱分辨率的视频流，旨在用于手术辅助监控。

    Dec, 2023

  • 利用潜变量进行高效的热成像分类与分割

    乳腺癌是全球关注的突出健康问题，目前是妇女第二最常见和第二致命的癌症类型。该论文提出了一种新颖的乳腺癌分类和分割算法，通过利用信息丰富的学习特征空间，简化了解决方案的使用和扩展性，并且在分类方面取得了最先进的成果，同时是首个提出研究分割区域的工作。

    Apr, 2024

  • 基于一维卷积神经网络模型的乳腺癌亚型分类与生化内容评估，利用微红外光谱图像

    开发了一种 1D 深度学习工具用于乳腺癌分型和生化贡献的评估，该模型基于高光谱图像和 CaRNet-V1，对乳腺癌、邻近组织以及分子亚型的分类具有高准确性，并能够评估对分类的生化影响，有潜力应用于乳腺癌活检的评估以及其他相关研究如治疗效果评估和新诊断治疗方法的开发。

    Oct, 2023

  • 近红外地质目标高光谱图像的通用非监督聚类

    这篇论文开发了一种全自动的无监督处理工作流程，使用一种轻量级的自动编码器和高斯混合模型来对地质材料进行聚类，该工作流程称为 GyPSUM， 可以快速准确地聚类相似的地质材料并在实验室图像和遥感图像中一致地识别和分离主要的矿物类。

    Jun, 2021

  • 基于吸收的高光谱热测量被动距离成像

    通过对范围成像方法进行分析和模型建立，我们提出了一种新颖的被动范围成像方法，它利用大气吸收环境热辐射，在低对比度场景下联合估计范围和固有目标属性，并成功地将此方法应用于无主动照明的自然场景中的长波红外高光谱图像数据。

    Aug, 2023

  • STIR：红外手术纹身

    为了实现图像引导和医疗介入和手术自动化，对于跟踪和映射组织方法的性能进行量化是至关重要的。我们引入了一种新的标注方法和一个使用该方法的数据集，称为 Surgical Tattoos in Infrared (STIR)。STIR 使用持久但对可见光谱算法不可见的标签，通过在组织点上标记 IR 荧光染料，indocyanine green (ICG)，然后收集可见光视频剪辑。STIR 包括数百个立体视频剪辑，涵盖了体内和体外场景，在 IR 谱中标记了起始点和终止点。通过引入 STIR，我们使用 3D 和 2D 端点误差和准确性指标分析了多种基于帧的跟踪方法。

    Sep, 2023