図S1。 U-Net トレーニング データセットのスナップショットを示します。(a および b) ゼラチン ファントムに挿入されたグラファイト ロッド (直径 0.5 mm) の低フレーム平均光音響画像。 (c) ゼラチンファントムに挿入されたグラファイトロッドの縦断面図。 (d) 金属板を水浴に置いた。 ファントムからの関連信号は、緑色の矢印またはボックスで示されます。 残りの信号は、底部またはトランスデューサーからのファントムの反射です。 （e – h）それぞれ（a）–（d）の対応するファントムのLEDシステムによって、多数のフレーム平均画像がキャプチャされました。 (i – l) 4 つのファントムはすべて、各画像の上部に記載されているように、さまざまな濃度のグラファイト粉末が含まれて埋め込まれた 8% ～ 10% のゼラチンと 0.01% TiO2 を表しています。 すべての画像は、少数のフレーム平均 LED システムを使用して取得されます。 (m – p) (i) – (j) に対応する多数のフレーム平均画像。 フレーム平均化された少数の画像はすべてトレーニング入力であり、フレーム平均化された多数の画像は U-Net のトレーニング ラベルです。 緑色の長方形のボックスまたは矢印でマークされた領域が重要な関心領域です。
図S2。 トレーニングサンプルと検証サンプルの数に対する損失平均二乗誤差値のプロット。 トレーニング データセットと検証データセットの間に大きな違いがないため、ネットワークはオーバーフィットしません。
図S3。 (a) グラファイト インク ファントムのサンプルの低フレーム平均 LED 画像。 画像内のファントム領域の外側の青い四角ボックスは、ノイズ レベルの計算に使用される 8 × 8 ピクセルの ROI を示します。 (b) 少数のフレーム平均 LED 取得画像と U-net 深層学習技術によって予測された画像の青色 ROI 内の平均ノイズ分布のプロット。 (c) マウスの皮下腫瘍の低フレーム平均 LED 画像。 (d) プロットは、少数のフレーム平均 LED 取得画像と U-net 深層学習技術によって予測された画像の青色 ROI の平均ノイズ分布値を示しています。 四分位範囲を超えるデータ ポイントは、赤いプラス記号を使用して表示されます。
図S4。 各行は、それぞれ平均 128 フレーム数、25 600 フレーム数、および U-Net 深層学習モデルを備えた LED Acoustic-X PA イメージング システムによってキャプチャされた 3 つの列にある 3 つの異なるマウス腫瘍画像を示しています。 U-Net の結果は、多数のフレーム平均グラウンド トゥルースよりもぼやけて見えます。
1713244790
#UNet #の強化されたリアルタイム #LED #ベースの光音響イメージング #Paul #Journal #Biophotonics
2024-04-16 05:04:11