희미한 뷰 포토포니크 이미징 재구성에서 L₁-L₂ 정규화의 적용

포토포니크 이미징(PAI)은 초음파 신호가 불완전하고 노이즈가 있는 경우에도 조직 내 에너지 흡수 분포를 재구성하는 데 사용되는 고급 기술입니다. 그러나 재구성 과정은 문제의 불량한 성격 때문에 도전적입니다. 이러한 도전에 대응하기 위해 정규화 기술이 도출된 의미 있는 해를 얻기 위해 사용됩니다. 이 기사는 희미한 포토포니크 이미지 재구성에서 볼록 알고리즘(DCA)의 차이를 기반으로 한 L₁-L₂ 노름의 중요성에 집중합니다. DCA 기반의 L₁-L₂ 노름의 성능을 평가하기 위해 세 가지 평가 지표를 사용한 비교 테스트가 수행되었습니다. 효과적으로 평가하기 위해 샘플링 양과 노이즈 수준을 조절했습니다. 조직 팬텀 실험에서의 결과는 DCA 방법 기반의 L₁-L₂ 노름이 불완전한 수준의 고도로 노이즈가 많은 데이터를 재구성하는 데 뛰어난 성능을 보여주었습니다. 또한, 돼지 간 실험에서 DCA 방법 기반의 L₁-L₂ 노름은 다른 방법과 비교하여 오류를 줄이고 안정성을 보장하는 데 우수한 성능을 보여주었습니다. 중요한 점은 DCA 방법 기반의 L₁-L₂ 노름이 샘플링 수가 40인 경우에 유사한 이미지 품질을 달성하였으며, 다른 방법은 더 높은 샘플링 수가 80이 필요하다는 것입니다. 높은 노이즈와 낮은 샘플링 수가 있는 시나리오에서는 DCA 방법 기반의 L₁-L₂ 노름이 만족스러운 재구성 결과를 제공하는 능력을 보여줍니다. 이 발견은 희미한 샘플링 포토포니크 단층촬영 알고리즘을 향상시킬 수 있는 중요한 잠재력을 지니며, 미래의 생물 의학 적용 개발을 위한 귀중한 통찰력을 제공합니다.