项目名称: 基于主成分分析法的血管内光声光谱定量成像的研究

项目编号: No.61475182

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 龚小竞

作者单位: 中国科学院深圳先进技术研究院

项目金额: 76万元

中文摘要: 心血管疾病是威胁人类健康的头号杀手,实现对易损斑块的早期诊断是降低该病死亡率的关键。新兴的光声成像技术既可实现高分辨的结构成像,又可借助光声光谱法检测化学成份,是一种非常有应用潜力的血管内成像技术。原有的光声光谱成份分析方法,对复杂样品的定量分析不够准确,甚至会出现无法求解的情况。新近从分析化学领域引入的主成分分析法因其强大的对多成份、未知成份样本的分辨能力,非常适于进行生物组织样本的分析。但是在光声光谱图像的实际处理中,对深层组织的分辨因为光谱的畸变而出现了困难。本项目拟以原有光学分辨血管内成像系统为平台,对斑块仿体进行光声光谱成像实验;分析主成分分析法理论,对算法进行优化,使之适应光声光谱成像数据特点,提高识别和定量分析能力;通过动物模型,评估和验证新的主成分分析法的精确度。预期通过本项目的研究,将会推动易损斑块的光声图像识别的发展,并可能为研究易损斑块中的重要基础科学问题带来突破。

中文关键词: 生物医学光子学;光声成像;光谱成像;主成分分析

英文摘要: The mortality rate caused by cardiovascular disease is at the top of all disease. And the key to decrease it is to diagnose the vulnerable plaque earlier. Photoacoustic imaging can get high resolution structure information with the components information of the plaque together by the spectroscopic photoacoustic method, which shows the large potential in the clinical application. However, the spectroscopic photoacoustic imaging has not made the quantificational analysis practical. The Principal Component Analysis method(PCA), which has been developed in analytical chemistry for several decades, has powerful ability to analyze the multi-components or unknown-components sample, which is the common situation in biomedical sample. But when it face the photoacoustic image which contains the deep tissue information, the PCA cannot get good results because of spectrum distortion. So, in this proposal, the spectroscopic photoacoustic imaging experiments will be performed based on the optical resolution intravascular system firstly. And the PCA algorithm will be optimized after the research of the theory of PCA and characteristic of photoacoustic signal, which will develop the ability of identification and quantitative analysis. Finally, the optimized PCA algorithm will be inspected by the spectroscopic photoacoustic imaging of animal model, and the order of accuracy will be evaluated.This proposal is aimed to improve the early diagnose for the vulnerable plaque based on intravascular imaging, and to push the research on the key scientific problem of the vulnerable plaque.

英文关键词: Biomedical Optics;Photoacoustic Imaging;Spectroscopic Imaging;Principal Component Analysis

成为VIP会员查看完整内容
1

相关内容

深度学习模型鲁棒性研究综述
专知会员服务
88+阅读 · 2022年1月23日
专知会员服务
26+阅读 · 2021年10月6日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
33+阅读 · 2021年4月23日
专知会员服务
26+阅读 · 2021年1月29日
专知会员服务
76+阅读 · 2020年12月6日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
利用 OpenCV+ConvNets 检测几何图形
极市平台
0+阅读 · 2022年1月26日
基于深度学习方法的图像分割,差距不止一点点
夕小瑶的卖萌屋
0+阅读 · 2021年8月23日
光学遥感图像目标检测算法综述
专知
7+阅读 · 2021年3月23日
深度学习与医学图像分析
人工智能前沿讲习班
39+阅读 · 2019年6月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
SAR成像原理及图像鉴赏
无人机
20+阅读 · 2017年8月14日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
15+阅读 · 2018年4月3日
Arxiv
15+阅读 · 2018年2月4日
小贴士
相关VIP内容
深度学习模型鲁棒性研究综述
专知会员服务
88+阅读 · 2022年1月23日
专知会员服务
26+阅读 · 2021年10月6日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
33+阅读 · 2021年4月23日
专知会员服务
26+阅读 · 2021年1月29日
专知会员服务
76+阅读 · 2020年12月6日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
相关资讯
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
利用 OpenCV+ConvNets 检测几何图形
极市平台
0+阅读 · 2022年1月26日
基于深度学习方法的图像分割,差距不止一点点
夕小瑶的卖萌屋
0+阅读 · 2021年8月23日
光学遥感图像目标检测算法综述
专知
7+阅读 · 2021年3月23日
深度学习与医学图像分析
人工智能前沿讲习班
39+阅读 · 2019年6月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
SAR成像原理及图像鉴赏
无人机
20+阅读 · 2017年8月14日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员