光声(OA)成像基于对生物组织的激发,该组织具有纳米持续激光脉冲,然后随后检测通过光吸收介导的热弹性扩张产生的超声波。 OA成像具有丰富的光学对比度和深层组织高分辨率之间的强大组合。这使得在临床和实验室环境中都可以探索许多有吸引力的新应用程序。但是,没有使用不同类型的实验设置和相关处理方法生成的标准化数据集,可以促进OA在临床环境中的更广泛应用中的进步。这使新的和已建立的数据处理方法之间的客观比较变得复杂,通常会导致定性结果和对数据的任意解释。在本文中,我们提供实验性和合成OA原始信号以及带有不同实验参数和层析成像采集几何形状的重建图像结构域数据集。我们进一步提供了训练有素的神经网络,以应对与OA图像处理相关的三个重要挑战,即在有限的视图层析成像条件下准确重建,去除空间不足的采样伪像以及解剖学细分,以改善图像重建。具体而言,我们将与上述挑战相对应的18个实验定义为用于开发更先进处理方法的参考的基准。
translated by 谷歌翻译