該研究的創(chuàng)新點之一是解決深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)問題，利用風(fēng)格遷移網(wǎng)絡(luò)實現(xiàn)仿真數(shù)據(jù)與實驗數(shù)據(jù)的無監(jiān)督自由轉(zhuǎn)換，將豐富的帶標(biāo)注仿真數(shù)據(jù)轉(zhuǎn)換到實驗域，即生成了大量帶標(biāo)注的“實驗數(shù)據(jù)”用于后續(xù)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

日前，天津大學(xué)精密儀器與光電子工程學(xué)院李嬌副教授和高峰教授團隊，利用定量光聲深度學(xué)習(xí)的方法，實現(xiàn)了活體深層組織的光學(xué)功能“真實透視”成像，這在世界尚屬首次。這將為獲取活體組織生理病理相關(guān)的血氧特性圖像提供高空間分辨定量成像方法，可用于腫瘤早期篩查、良惡性診斷以及抗癌藥物療效在體監(jiān)測與量化評估。該論文近日發(fā)表在國際光學(xué)期刊《Optica》上。

深度學(xué)習(xí)方法進入醫(yī)學(xué)影像學(xué)

定量光聲層析成像是一種新興的無創(chuàng)生物醫(yī)學(xué)成像技術(shù)，可結(jié)合傳統(tǒng)光學(xué)成像的功能性以及傳統(tǒng)超聲成像的高清晰度等優(yōu)勢，直接獲取深層組織光學(xué)吸收系數(shù)圖像，因此受到國內(nèi)外研究機構(gòu)和醫(yī)療企業(yè)的廣泛關(guān)注。

但目前的定量光聲層析成像方法需要龐大的計算資源和時間消耗，且存在穩(wěn)定性差、先驗信息依賴性強及誤差大等問題。

近年來，深度學(xué)習(xí)方法進入醫(yī)學(xué)影像學(xué)領(lǐng)域。但深度學(xué)習(xí)想要實現(xiàn)既定功能一般需要兩個過程：訓(xùn)練過程以及實際識別過程。

“如果想要讓深度神經(jīng)網(wǎng)絡(luò)充分發(fā)揮其學(xué)習(xí)能力，必須有大量帶有標(biāo)注的真實數(shù)據(jù)用于其訓(xùn)練過程。”論文第一作者李嬌表示，然而，在許多生物醫(yī)學(xué)成像中很難獲得深層組織特別是活體組織的真實值（如光學(xué)吸收系數(shù)），因此很難構(gòu)建大量帶有標(biāo)注的真實實驗數(shù)據(jù)集用于深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，造成深度學(xué)習(xí)方法在許多生物醫(yī)學(xué)成像領(lǐng)域難以應(yīng)用推廣。

針對上述難題，李嬌和高峰團隊首次提出了無需標(biāo)注真實數(shù)據(jù)的定量光聲層析成像深度學(xué)習(xí)方法，實現(xiàn)了深層組織吸收系數(shù)的準(zhǔn)確重建。

解決深度學(xué)習(xí)方法的泛化性難題

該研究的創(chuàng)新點之一是解決了深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)問題，利用風(fēng)格遷移網(wǎng)絡(luò)（SEED-Net）實現(xiàn)仿真數(shù)據(jù)與實驗數(shù)據(jù)的無監(jiān)督自由轉(zhuǎn)換，將豐富的帶標(biāo)注仿真數(shù)據(jù)轉(zhuǎn)換到實驗域，即生成了大量帶標(biāo)注的“實驗數(shù)據(jù)”用于后續(xù)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

“我們提出的SEED-Net不僅可以解決定量光聲層析成像方面缺乏真實數(shù)據(jù)集的問題，在其他生物醫(yī)學(xué)成像領(lǐng)域例如光學(xué)、熒光層析成像中同樣受限于缺乏足夠的帶標(biāo)注的真實實驗數(shù)據(jù)，也可使用該網(wǎng)絡(luò)通過豐富的仿真數(shù)據(jù)生成‘實驗數(shù)據(jù)’，進一步發(fā)展適用于實際應(yīng)用的生物醫(yī)學(xué)成像深度學(xué)習(xí)方法。”李嬌說。

該方法具有普遍適用性，適合在不同光聲成像系統(tǒng)、其他光學(xué)成像技術(shù)和整個生物醫(yī)學(xué)成像領(lǐng)域推廣及應(yīng)用。

“這也從一定程度上解決了深度學(xué)習(xí)方法的泛化性難題。”論文的通訊作者之一、天津大學(xué)副教授孫彪介紹說。

該研究的另一創(chuàng)新點是結(jié)合實際光聲數(shù)理模型設(shè)計了一種雙通道神經(jīng)網(wǎng)絡(luò)，分別考慮組織光強分布和光學(xué)吸收系數(shù)對初始聲壓圖像的影響。

“目前光聲成像領(lǐng)域中的深度學(xué)習(xí)方法，通常是將其他領(lǐng)域發(fā)展好的網(wǎng)絡(luò)模型直接用于解決光聲成像中的問題。如何改造其神經(jīng)網(wǎng)絡(luò)使它們更加貼近光聲或其他成像技術(shù)的數(shù)理模型將成為深度學(xué)習(xí)方法在生物醫(yī)學(xué)成像領(lǐng)域應(yīng)用的重要問題之一。”李嬌說。

利用該深度學(xué)習(xí)方法，團隊成功重建出高空間分辨率的深層組織光學(xué)吸收系數(shù)定量分布圖像。

這是首次應(yīng)用定量光聲層析成像深度學(xué)習(xí)方法實現(xiàn)對活體深層組織光學(xué)吸收系數(shù)的“真實透視”成像。無標(biāo)注真實數(shù)據(jù)情況下深度神經(jīng)網(wǎng)絡(luò)的成功應(yīng)用也開拓了深度學(xué)習(xí)方法在生物醫(yī)學(xué)成像方向的發(fā)展空間。 （記者 陳 曦 通訊員 趙 暉）