Deep Learning for Undersampled Reconstruction and Precision Photoacoustic Microscopy-based Biomedicine Modeling
연구 내용
언더샘플링된 3D 광음향 현미경 영상을 딥러닝으로 복원해 고속 이미징을 구현하고, 혈관 모니터링 기반 생체 질환 모델을 정밀하게 생성하는 연구
본 연구는 광음향 현미경(PAM)의 공간 샘플링 밀도와 데이터 크기가 이미징 속도를 제한한다는 문제를 해결하기 위해, 언더샘플링 조건에서도 3D 부피 데이터를 복원하는 딥러닝 기반 방법을 개발합니다. PAM의 물리적 특성과 스캔 데이터의 불완전성을 고려하여 복원 모델의 강건성을 확보하고, 반복 실험에서도 재현성을 유지하도록 설계합니다. 동시에 혈관 모니터링과 광혈전 유도 과정을 결합해 국소 부위에 대한 표적 질환 모델을 만들고, 히스토로지 기반 타당성 평가로 모델 품질을 검증합니다. 영상 복원과 모델링을 함께 수행하는 점이 차별성입니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 PAM의 3D 데이터 특성을 반영하여 언더샘플링으로 인한 정보 손실을 줄이는 복원 프레임을 설계하고, 보간 기반 접근과 비교하며 성능과 강건성을 확인했습니다. 이후 복원 결과가 실제 실험 조건에서 활용 가능한 수준인지 검증하고, 데이터 처리 부담을 낮추는 방향으로 연구를 심화했습니다. 한편 생체 적용에서는 혈관 모니터링과 동적 유도 과정을 결합해 특정 위치의 손상 크기를 정밀하게 제어하는 질환 모델 생성 방법을 구축했습니다. 최근에는 고해상도 이미지 복원과 딥러닝 요소를 포함한 광음향 현미경 개발 프로젝트를 통해 시스템 수준 통합을 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Three-dimensional reconstructing undersampled photoacoustic microscopy images using deep learning
Target ischemic stroke model creation method using photoacoustic microscopy with simultaneous vessel monitoring and dynamic photothrombosis induction
관련 프로젝트
구분
제목
국소부위 내 표적 혈관의 자유로운 혈전 생성 및 용해를 위한 초고속 고정밀 광음향 현미경 개발