Improving diffuse optical tomography reconstruction using an attention-based U-Net post-processing framework

Zhang, Limin

doi:10.1364/josaa.589649

Improving diffuse optical tomography reconstruction using an attention-based U-Net post-processing framework

2026-05-01

0

PRE

AI

DOI：10.1364/josaa.589649

原文链接

原文求助

摘要

En 中文

漫射光学层析成像（DOT）是一种具有良好生物医学应用前景的非侵入式成像技术；然而，其重建问题严重不适定，导致使用常规算法时空间分辨率、定量精度和鲁棒性均较低。本研究提出一种基于注意力增强的深度学习后处理方法ART-U-Net-CBAM，以改进DOT图像重建。该方法结合了基于物理学的代数重建技术（ART）与整合了卷积块注意力模块（CBAM）的U-Net网络，能够自适应地强调信息丰富的空间和通道特征。该网络仅使用模拟数据进行训练，并通过涉及圆形和椭圆形目标的数值模拟和仿体实验进行评估。定量结果表明，ART-U-Net-CBAM在重建精度、噪声鲁棒性、空间分辨率和结构相似性方面均持续优于ART和ART-U-Net。这些发现表明，基于注意力增强的深度学习后处理为提升DOT图像质量提供了一种有效且通用的策略。(c) 2026 Optica Publishing Group. All rights, including for text and data mining (TDM), Artificial Intelligence (AI) training, and similar technologies, are reserved.

Keyword:

IMAGE-RECONSTRUCTION

Improving diffuse optical tomography reconstruction using an attention-based U-Net post-processing framework

摘要

期刊

机构

引用论文