与NIR-1区域（700-900 nm）相比，短波红外窗口（SWIR：1000-1700 nm）在深度和时间分辨率上低至4 mm方面代表了一项重大改进。SWIR是X射线和光声成像等更精确方法的一种快速而廉价的替代方法。SWIR成像的主要障碍是来自组织和皮肤的噪声和散射，降低了该方法的精度。我们证明NIR-IIb区域（1500-1700 nm）中的SWIR体内成像与先进的深度学习图像分析相结合可以克服这些障碍，并向高分辨率成像迈进了一大步：它可以精确地分割血管从组织和噪声中获取血管网络的形态结构，了解伪3D形状，它们的相对位置，深入了解小动物血液血管化的动态信息，并区分血管类型：大动脉和静脉。为了进行演示，我们使用了神经网络IterNet，该网络利用了血管的结构冗余，为原始SWIR图像提供了有用的分析工具。



"点击查看英文标题和摘要"