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

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109.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.