图注意力迭代收缩网络

跨组织泛化重建

一种用于生物发光断层成像的深度展开网络，通过图注意力空间变换与迭代收缩激活，在仿真和活体实验中均表现出优于现有方法的定位精度、双光源分辨率和泛化能力。

Zhang, Heng · 郭红波 · 侯榆青 · 贺小伟 · Li, Shuangchen · Beilei, Wang · 余景景 · Liu, Yanqiu · Chu, Mengxiang · He, Xuelei · 易黄建

IEEE Transactions on Medical Imaging 2024

技术优势

跨组织也能用

前向-后向分裂框架保留了表面荧光与内部光源的物理一致性，使网络不再依赖特定组织的光学参数。

双光源能分开

图注意力机制对相邻节点动态加权，配合迭代收缩激活能有效区分空间上接近的两个光源。

可解释的模型

作为一个深度展开方法，GAICN中网络结构对应优化算法步骤，便于理解其重建行为。

应用场景

• 小动物活体成像：用GAICN重建小动物体内的肿瘤光源分布，提高定位和双光源分辨准确性，减少实验误差。
• 光学分子成像：GAICN为光学分子成像提供更稳定且可泛化的重建算法，用于定量分析分子探针的生物分布。
• 术中导航：GAICN提高生物发光断层成像在术中的光源定位速度和准确性，辅助判断肿瘤边界。
• 多模态医疗影像：GAICN可集成到多模态影像流程中，为结构像提供功能性的光源分布信息，提高综合诊断能力。