论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

原文链接

有空可以细看，这里中列出了文中提到的部分研究结果

写作大纲

1. 引言

• 光声成像（PAI）的介绍，它结合了光学和超声成像的优点，为生物医学成像提供了一种有前景的模态。
• 深度学习（DL）在解决PAI中存在的技术限制（如硬件限制、生物特征信息缺乏等）方面的潜力。

2. DL方法的原理

• 介绍DL的子集：监督学习、无监督学习和强化学习。
• 详细说明代表性DL架构：卷积神经网络（CNN）、U-形神经网络（U-Net）和生成对抗网络（GAN）的基本结构和操作原理。

3. 通过DL克服PAI的挑战

• 3.1 克服有限检测能力的挑战：介绍各种DL方法如何通过增强带宽、处理有限视角和补偿稀疏数据来提高PAI的图像质量。
• 3.2 补偿低剂量光传递的挑战：讨论DL方法在低光照强度系统中如何提高图像质量，包括LED和脉冲激光二极管PA系统。
• 3.3 提高定量PAI准确性的挑战：探索DL如何提高生理参数（如氧合饱和度和光吸收系数）估计的准确性。
• 3.4 优化或替代传统重建算法的挑战：分析DL如何优化或完全替代PAI中的常规重建算法，提高图像质量并减少伪影。
• 3.5 解决组织异质性问题：深入研究DL如何帮助解决由组织声速非均匀性引起的图像伪影问题，提高PAI在异质组织中的应用效果。

4. 挑战与解决方案的分类讨论

• 对挑战进行分类，讨论针对每类挑战的