目前基于ICG的荧光成像主要在NIR-I（700-1,000 nm）或NIR-IIa’窗口（1,000-1,300 nm）中运行，由于其光散射高于NIR-IIb窗口（1,500-1,700 nm），因此在空间分辨率和对比度方面不是最佳的。人们非常希望在NIR-IIb窗口实现基于ICG的荧光成像，但ICG的超低NIR-IIb发射尾受到阻碍。
近日，我课题组在NIR-I窗口实现ICG高分辨率和高对比度成像研究方面取得新进展，通过采用生成对抗网络（GAN）直接从采集的NIR-I ICG图像中生成NIR-IIb ICG图像。这种方法通过亚表面血管、肠结构和肿瘤的体内成像进行了研究，其结果表明基于ICG的荧光成像的空间分辨率和对比度得到了显著改善。深度学习有可能改善基于ICG的荧光成像在临床诊断和临床图像引导手术中的应用。
研究结果以“Indocyanine green-based fluorescence imaging improved by deep learning”为题发表在Journal of Biophotonics期刊上，该论文的第一作者为研究生熊枭和贺礼，通讯作者为朱守平教授、曹旭教授和詹勇华教授。
论文详情见：https://onlinelibrary.wiley.com/doi/10.1002/jbio.202300066?af=R
