Laboratory Dispatch
祝贺医学影像系统与应用研究室研究生熊枭、贺礼以共同第一作者在Journal of Biophotonics发表最新研究成果
研究采用生成对抗网络从NIR-I ICG图像生成NIR-IIb ICG图像，提高荧光成像空间分辨率和对比度。
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），在空间分辨率和对比度方面仍有提升空间。研究人员希望在NIR-IIb窗口实现基于ICG的荧光成像，但ICG在NIR-IIb窗口的发射尾很弱。
近日，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，通过生成对抗网络（GAN）直接从采集的NIR-I ICG图像生成NIR-IIb ICG图像。该方法用于亚表面血管、肠结构和肿瘤的体内成像，结果表明，基于ICG的荧光成像空间分辨率和对比度得到显著改善。深度学习有望改善ICG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”为题发表于 Journal of Biophotonics。论文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。