导语

光声计算断层成像（PACT）作为一种融合光学成像的高对比度和声学成像的深层组织穿透能力的成像技术，已在小动物模型的临床前研究中具有广阔的应用前景。然而，三维成像数据量的激增为其存储与传输带来了严峻挑战。近日，哈尔滨工业大学沈毅教授和孙明健教授研究团队提出了一种基于Wavelet-Transformer（WT-PACT）的三维数据压缩方法来提升系统的计算效率和存储性能，在极度数据压缩的条件下仍能实现高保真重建。该系统有效降低了存储量和硬件成本，保证了计算效率和成像质量，推动光声成像发展。该成果已发表于《Journal of Innovative Optical Health Sciences》2026年第1期。

Photoacoustic-computed tomography 3D data compression method and system based on Wavelet-Transformer

Jialin Li, Tingting Li, Yiming Ma, Yi Shen, and Mingjian Sun

Journal of Innovative Optical Health Sciences Vol. 19, No. 01, 2550029 (2026)

https://www.worldscientific.com/doi/10.1142/S1793545825500294

研究背景

PACT利用超声波探测器捕捉到从组织中反射回来的光声信号，在动物全身可视化等方面具有独特优势。然而，为了重建生物内部的三维结构，PACT需要从成像目标的各个位置记录超声波，存在数据采集时间和数据量显著增加等问题，对采集数据的有效分析和共享产生影响，限制了在小动物三维高质量成像中的实际应用。因此，在不改变系统硬件的基础上，结合深度学习开发一种有效的方法来提高PACT成像效率，具有重要研究意义。

研究方法

针对上述挑战，研究团队创新性地提出了Wavelet-Transformer协同压缩框架，实现高质量且高效的数据压缩与重建，提高了系统成像的效率。该方法将小波硬编码与深度学习软解码相结合，基于小波变换提取多尺度频域特征，再通过Transformer的自注意力机制恢复全局结构与细节信息，最终通过时间反演算法从压缩投影数据中重建高质量的光声图像。

实验结果

为了验证所提方法在数据压缩成像的可行性，首先开展基于k-Wave仿真平台的血管仿真实验。通过对比DCT、DWT、CNN和WT-PACT的压缩投影数据和重建图像的结果，对压缩效果进行评估。在仿真实验中，WT-PACT在不同压缩比下的投影数据和重建图像都表现出卓越的性能。即使在1/40的高度压缩下，所提出的方法获得的血管结构与原始图像保持一致的同时，明显减少了图像伪影，实现光声图像的高质量压缩重建。

图6：仿真血管投影数据压缩与重建结果

为了评估所提方法在真实生物数据中的压缩与重建能力，开展基于活体小鼠的三维成像实验。在活体实验中，通过对比不同压缩比下的裸鼠腹部二维切片成像效果，证明了WT-PACT方法在数据压缩应用背景下的重建能力，能够有效恢复裸鼠内部组织结构细节。

图7：活体小鼠投影数据压缩与重建结果

为了证明WT-PACT在真实生物数据中的适用性和灵活性，开展不同压缩比情况下的活体小鼠成像实验，并对包含小鼠器官的躯干截面进行量化分析。结果表明，在不同压缩比的情况下，WT-PACT能够得到的高质量光声图像，并且保证小鼠的内部组织结构和边缘皮肤轮廓完整且清晰。综合表明，WT-PACT能够在显著降低数据存储和传输的负担的同时，保持较高的光声图像质量。

图8：活体小鼠投影数据压缩与重建结果

主要创新点

1.Wavelet-Transformer协同架构：将小波多尺度分析能力与Transformer全局特征建模优势融合，实现从投影数据的高效压缩与高保真重建。

2. 高压缩比下的细节保持能：在高压缩比下，仍能有效保留生物组织的结构与细节信息。

3. 光声层析成像系统：搭建了一套光声层析成像系统，该系统具有不同中心频率的定制环形换能器阵列，能够对活体动物进行快速高质量成像。

应用前景

WT-PACT技术在临床前小动物全身成像、远程医疗数据传输、存储与分析等领域具有重要应用价值。它不仅能够通过压缩数据节约时间成本，并且可以保证成像质量。尤其适用于长时程动态观测与多中心数据共享场景，推动光声成像在临床前研究与广泛应用。

结语

沈毅教授和孙明健教授团队的这项研究，为光声成像的数据吞吐量大等瓶颈问题提供了新的思路和技术路径。WT-PACT技术的提出，不仅在PACT数据压缩效率与重建质量上取得显著突破，有望推动光声层析成像技术的进步，在活体动物实时成像方面具有应用潜力。

通讯作者简介

沈毅，哈尔滨工业大学航天学院控制科学与工程系教授、博士生导师，飞行器控制国家实验示范中心主任，哈尔滨工业大学副校长。主要研究方向包括：智能检测处理与控制、特征提取与故障诊断、医学光声/超声成像系统技术等。

更多详情见https://homepage.hit.edu.cn/shenyi?lang=zh

孙明健，哈尔滨工业大学（威海）信息科学与工程学院长聘教授、博士生导师，国家重点研发计划首席科学家，哈工大智慧医疗与健康研究中心主任。主要研究领域包括：智能检测处理与控制、光声/超声成像技术及应用、人工智能医学影像分析、医疗机器人影像分析与智能感知、无人系统自主控制及应用等。

更多详情见https://homepage.hit.edu.cn/sunmingjian

版权声明：

本文由《创新光学健康科学杂志（英文）》编辑部负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系jiohs@mail.hust.edu.cn。