• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Optics Letters >Efficient estimation of subdiffusive optical parameters in real time from spatially resolved reflectance by artificial neural networks
【24h】

Efficient estimation of subdiffusive optical parameters in real time from spatially resolved reflectance by artificial neural networks

机译：从人工神经网络的空间解决反射率实时高效地估计沉屈光学参数

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Subdiffusive reflectance captured at short source-detector separations provides increased sensitivity to the scattering phase function and hence allows superficial probing of the tissue ultrastructure. Consequently, estimation of subdiffusive optical parameters has been the subject of many recent studies focusing on lookup-table-based (LUT) inverse models. Since an adequate description of the subdiffusive reflectance requires additional scattering phase function related optical parameters, the LUT inverse models, which grow exponentially with the number of estimated parameters, become excessively large and computationally inefficient. Herein, we propose, to the best of our knowledge, the first artificial-neural-network-based inverse Monte Carlo model that overcomes the limitations of the LUT inverse models and thus allows efficient real-time estimation of optical parameters from subdiffusive spatially resolved reflectance. The proposed inverse model retains the accuracy, is about four orders of magnitude faster than the LUT inverse models, grows only linearly with the number of estimated optical parameters, and can be easily extended to estimate additional optical parameters. (C) 2018 Optical Society of America
机译：在短源检测器分离下捕获的副抗性反射率为散射相位函数的敏感性增加，因此允许组织超微结构的浅探测。因此，沉淀光学参数的估计是重点在于基于查找表（LUT）逆模型的最近研究的主题。由于诸多反射率的足够描述需要额外的散射阶段函数相关光学参数，因此随着估计参数的数量呈指数增长的LUT逆模型变得过高且计算效率低下。在此，我们提出了据我们所知，基于第一人工神经网络的逆蒙特蒙特模型克服了LUT逆模型的局限性，从而允许从SupdiffiveS空间分辨反射率的光学参数的有效实时估计。所提出的逆模型保留了精度，比LUT逆模型快约四个数量级，只能与估计的光学参数线性线性增长，并且可以很容易地扩展以估计额外的光学参数。 （c）2018年光学学会

著录项

  • 来源
    《Optics Letters》 |2018年第12期|共4页
  • 作者

    Ivancic Matic; Naglic Peter; Pernus Franjo; Likar Bostjan; Burmen Miran;

  • 作者单位

    Univ Ljubljana Fac Elect Engn Lab Imaging Technol Trzaska Cesta 25 SI-1000 Ljubljana Slovenia;

    Univ Ljubljana Fac Elect Engn Lab Imaging Technol Trzaska Cesta 25 SI-1000 Ljubljana Slovenia;

    Univ Ljubljana Fac Elect Engn Lab Imaging Technol Trzaska Cesta 25 SI-1000 Ljubljana Slovenia;

    Univ Ljubljana Fac Elect Engn Lab Imaging Technol Trzaska Cesta 25 SI-1000 Ljubljana Slovenia;

    Univ Ljubljana Fac Elect Engn Lab Imaging Technol Trzaska Cesta 25 SI-1000 Ljubljana Slovenia;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 计量学;光学;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号