北航新闻网5月6日电（通讯员 林欧雅 杨潇宇）近日，北航生物医学工程高精尖创新中心的张光磊研究员团队在荧光分子成像技术研究上实现了突破性进展，首次将人工智能技术应用于FMT成像，研究实现了一种基于深度学习技术的FMT高精度、超快速成像方法。该研究提出了一种端到端(end-to-end)的基于三维卷积深度编码器-解码器(Three-dimensional deep encoder-decoder,3D-En-Decoder)的重建方法。该研究成果发表在光学领域的国际知名期刊“光学快报”上，论文标题为“3D deep encoder–decoder network for fluorescence molecular tomography” (Opt. Lett.2019,44(8): 1892–1895)。通讯作者为北航生物医学工程高精尖创新中心张光磊研究员。该工作得到国家自然科学基金、111引智计划、生物医学工程高精尖创新中心的支持。
基于三维卷积深度编码器-解码器网络的FMT重建算法架构
近年来，“人工智能+”的时代逐渐开启，智能医疗在国内外的研究飞速发展。深度学习等关键技术的突破带来了人工智能技术新一轮的发展，大大推动了以数据密集、知识密集、脑力劳动密集为特征的医疗产业与人工智能的深度融合。如何实现癌症的早期精准检测、并在分子和细胞水平对癌细胞进行在体的长期观测是困扰生物与医学研究者的难题，荧光分子断层成像（Fluorescence molecular tomography，FMT）技术可以在分子和细胞层次上观察癌症的发生、发展及转移的病理过程，具有无创、在体、实时监测等特点，对癌症的早期诊断具有重大意义。然而阻碍FMT技术用于生物医学研究的主要原因有成像分辨率较低、成像时间较长等。
不同于传统的重建方法，张光磊研究员团队这种基于深度学习的重建方法不需要光学参数等先验知识，而是通过大量的从内部荧光分布到边界荧光信号分布的数据映射案例来不断学习调整模型参数，直接建立输入和输出的非线性映射关系。这种方法不需要明确定义FMT重建的前向和逆向问题，从而根本上避免了由于线性模型的不准确带来的误差。并且由于没有传统重建方法中的复杂的迭代计算过程从而极大提高了重建效率。实验结果证明：该人工智能重建方法显著提高了FMT重建结果的目标定位精度和成像对比度；特别地，与传统重建方法相比，该方法的重建速度提高了1000倍以上。
论文链接：https://www.osapublishing.org/ol/abstract.cfm?uri=ol-44-8-1892.
（审核：刘岩）
编辑：贾爱平
