基于级联U-Net的多带宽光声层析成像重建方法

Multi-bandwidth reconstruction for photoacoustic tomography using cascade U-net

Zezheng Qin, Lingyu Ma, Zhigang Lei, Yiming Ma, Weiwei Fu, and Mingjian Sun.

https://doi.org/10.1142/S1793545825500075

光声成像（Photoacoustic Imaging, PAI）作为一种新兴的生物医学成像技术，利用短脉冲激光激发组织产生超声信号，从而实现高分辨率的成像效果。然而，由于超声探头的带宽限制，单一探头只能捕获有限的信号频段，导致成像信息的丢失。近日，哈尔滨工业大学孙明健教授研究团队和中国科学院苏州生物医学工程技术研究所付威威研究员团队在《Journal of Innovative Optical Health Sciences》上发表了一项创新性研究，提出了一种基于级联U-Net的多带宽光声层析成像（PACT）重建方法，显著提升了成像质量和信息完整性。

研究背景

光声成像（PAI）通过短脉冲激光激发组织中的吸收物质，产生覆盖宽频段的超声信号。这些信号被探头捕获后用于重建初始压力分布，从而实现断层成像。尽管光声信号具有宽频带特性，但单一探头由于带宽限制，只能捕获部分信号，导致图像分辨率和信噪比之间的权衡。为了克服这一限制，研究者们开发了多带宽成像技术，并结合深度学习方法进一步提升成像质量。

研究方法

研究团队设计了一种多带宽环形阵列光声层析成像（MB-PACT）系统，该系统包含两个半环阵列探头，分别用于捕获高频（5.5 MHz）和低频（2.5 MHz）信号。为了实现多带宽全视场光声成像，团队提出了一种基于级联U-Net的深度学习架构。该架构通过两个串联的U-Net网络，分别进行粗重建和精重建，并结合通道融合技术，显著提升了图像重建质量。

实验结果

通过模拟实验和活体实验验证了该系统的性能。在高频重建中，系统实现了34.78 dB的峰值信噪比（PSNR）和0.94的结构相似性指数（SSIM），表现出优异的成像效果。在低频重建中，系统同样展现出卓越的性能，能够显著增强大光学吸收体的可视化效果。此外，级联U-Net架构在不同数据集上均表现出色，尤其是在复杂结构的活体小鼠腹部成像中，展现了强大的鲁棒性和适应性。

主要创新点

• 多带宽成像系统：开发了一种新型的多带宽环形阵列光声层析成像系统，通过高频和低频探头实现多带宽成像。

• 级联U-Net架构：提出了一种级联U-Net网络架构，通过粗重建和精重建两阶段处理，显著提升了图像质量。

• 通道融合与优化损失函数：引入通道融合技术和优化的损失函数，进一步增强了图像重建的精度和鲁棒性。

• 广泛的实验验证：通过模拟实验和活体实验（小鼠和人手指）全面验证了系统的性能，证明了其在不同成像场景中的适用性。

应用前景

该研究提出的多带宽光声成像技术结合深度学习方法，为生物医学成像领域提供了新的解决方案。其在高频成像中展现出的高分辨率和低频成像中的高信噪比特性，使其在肿瘤检测、血管成像和功能成像等领域具有广阔的应用前景。此外，该技术的灵活性和适应性使其能够根据不同成像需求进行定制，为临床诊断和研究提供了有力支持。

结语

本研究通过创新的多带宽成像系统和深度学习架构，显著提升了光声层析成像的性能。这一成果不仅推动了光声成像技术的发展，也为未来的生物医学成像应用提供了新的思路和方法。

通讯作者简介

孙明健，哈尔滨工业大学航天学院的教授，其研究领域包括智能检测处理与控制、光声/超声成像技术及应用、医疗机器人影像分析与智能感知、人工智能医学影像分析、无人系统自主控制及应用。更多详情见：http://homepage.hit.edu.cn/sunmingjian

付威威，中国科学院苏州生物医学工程技术研究所研究员，研究方向为人工智能视觉检测以及光电成像、人体健康测评与效能增强。更多详情见：http://sibet.cas.cn/sourcedb/zw/yjdw/sxkxj/202402/t20240226_6995366.html