.png){kind=icon}
返回
Polarization memory mapping using physically informed neural network
.png){kind=icon}
PRE
AI
DOI：10.1117/12.3080292.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种基于偏振光相互作用物理意义特征进行癌组织检测的机器学习方法。该方法不依赖基于图像分割的标注数据，而是使用在斯托克斯矢量、相位差和偏振指标像素级图上训练的无监督模型。这些从不同组织深度偏振解析数据中提取的特征，能够在无组织病理学真值的情况下实现聚类和异常检测，从而减少对病理学家耗时标注的依赖。该方法突出了基于偏振特征的诊断潜力，并展示了在生物医学成像中实现更可解释、无标注AI方法的前进路径。
Keyword:
Polarization memory rate
Stokes vectors
PINNs
biomedical imaging
期刊
机构
查看更多机构
引用论文
暂无论文信息