فناوریهای فوتونیک و لیزر؛
ابزارهای تصویربرداری محاسباتی رزولوشن عرضی OCT را بهبود میبخشد
روش جدید تصویربرداری OCT که تصویربرداری مقطعنگاری همدوس ضریب شکست (OCRT) نامیده میشود قادر است قدرت تفکیک OCT را تا حدود 1 میکرون در تمام جهات حتی در نمونه زنده بهبود دهد.
روش جدید تصویربرداری OCT که تصویربرداری مقطعنگاری همدوس ضریب شکست (OCRT) نامیده میشود قادر است قدرت تفکیک OCT را تا حدود 1 میکرون در تمام جهات حتی در نمونه زنده بهبود دهد.
به دلیل اینکه OCT دارای تفکیک بهتری در جهت عمقی نسبت به جهت عرضی است، غالبا در مواقعی استفاده میشود که نمونه مورد آزمایش دارای لایههای صاف باشد. بهمنظور افزایش توان این روش تصویربرداری برای استفاده در تصویربرداری نمونههای زنده، محققین دانشگاه دوک نیاز داشتند تا به رقابت بین رزولوشن عرضی و عمق تصویربرداری غلبه نمایند. این گروه با تلفیق تصاویر گرفتهشده در زوایای مختلف توانستند قدرت تفکیک عمقی را به سمت عرض گسترش دهند. در همین حین آنها متوجه شدند که تصاویر بهدستآمده به علت شکست نور در لایهها و سلولها دچار تغییر میشوند. بهمنظور جبران این تغییر راه نور، شکست نور به هنگام عبور از نمونه را مدلسازی کردند و بهمنظور یافتن مدلی دقیق، از تکنیک یادگیری ماشین (Machine Learning) بهره جستند.
برای آزمایشهای، این گروه مقاطع بافت را از بدن نمونه برداشته درون تیوبی قرار دادند و با چرخش تا 360 درجه تصاویر مختلف را ثبت و با الگوریتم آماده شده آنالیز کردند که مشاهده شد قدرت تفکیک عرضی با تکنیک جدید بسیار بهبود یافته است.
این محققین در حال بررسی این حالت هستند که اسکن قرنیه تا چه اندازه میتواند با اسکن مابین زوایای حدود 180 درجه بهبود پیدا کند. در صورت موفقیتآمیز بودن نتایج، این روش قادر خواهد بود در بسیاری از مقاصد تصویربرداری پزشکی مانند چشمپزشکی مورد استفاده قرار بگیرد.
منبع:
https://www.photonics.com/Articles/Computational_Imaging_Tools_Improve_OCT/a65068
به دلیل اینکه OCT دارای تفکیک بهتری در جهت عمقی نسبت به جهت عرضی است، غالبا در مواقعی استفاده میشود که نمونه مورد آزمایش دارای لایههای صاف باشد. بهمنظور افزایش توان این روش تصویربرداری برای استفاده در تصویربرداری نمونههای زنده، محققین دانشگاه دوک نیاز داشتند تا به رقابت بین رزولوشن عرضی و عمق تصویربرداری غلبه نمایند. این گروه با تلفیق تصاویر گرفتهشده در زوایای مختلف توانستند قدرت تفکیک عمقی را به سمت عرض گسترش دهند. در همین حین آنها متوجه شدند که تصاویر بهدستآمده به علت شکست نور در لایهها و سلولها دچار تغییر میشوند. بهمنظور جبران این تغییر راه نور، شکست نور به هنگام عبور از نمونه را مدلسازی کردند و بهمنظور یافتن مدلی دقیق، از تکنیک یادگیری ماشین (Machine Learning) بهره جستند.
برای آزمایشهای، این گروه مقاطع بافت را از بدن نمونه برداشته درون تیوبی قرار دادند و با چرخش تا 360 درجه تصاویر مختلف را ثبت و با الگوریتم آماده شده آنالیز کردند که مشاهده شد قدرت تفکیک عرضی با تکنیک جدید بسیار بهبود یافته است.
این محققین در حال بررسی این حالت هستند که اسکن قرنیه تا چه اندازه میتواند با اسکن مابین زوایای حدود 180 درجه بهبود پیدا کند. در صورت موفقیتآمیز بودن نتایج، این روش قادر خواهد بود در بسیاری از مقاصد تصویربرداری پزشکی مانند چشمپزشکی مورد استفاده قرار بگیرد.
منبع:
https://www.photonics.com/Articles/Computational_Imaging_Tools_Improve_OCT/a65068
ارسال به دوستان