南昌大學(xué)在聲學(xué)分辨率光聲顯微成像增強(qiáng)方面研究獲得進(jìn)展

光聲顯微成像（PAM）作為一種前景廣闊的成像模式，結(jié)合了光學(xué)成像的高空間分辨率和超聲成像的深層組織穿透能力，在生物醫(yī)學(xué)研究領(lǐng)域備受關(guān)注，在腫瘤檢測(cè)、皮膚病學(xué)以及血管形態(tài)評(píng)估等諸多領(lǐng)域有廣泛的應(yīng)用。根據(jù)成像方式的不同，PAM可以分為光學(xué)分辨率光聲顯微（OR-PAM）和聲分辨率光聲顯微（AR-PAM）。OR-PAM利用光學(xué)強(qiáng)聚焦，實(shí)現(xiàn)了高橫向分辨率（<5 μm）成像。然而，生物組織內(nèi)的光散射限制了OR-PAM的穿透深度（不超過(guò)1-2 mm）。相比之下，AR-PAM表現(xiàn)出更深的成像效果（約3-10 mm）。然而，這種增強(qiáng)效果伴隨著橫向分辨率的降低（>50 μm）和背景噪聲的增加。如何在不犧牲成像深度的情況下，實(shí)現(xiàn)高橫向分辨率的AR-PAM成像一直是PAM亟需解決的問(wèn)題。

近日，來(lái)自南昌大學(xué)成像與視覺表示實(shí)驗(yàn)室研究團(tuán)隊(duì)提出了一種基于均值回歸擴(kuò)散模型的聲學(xué)分辨率光聲顯微增強(qiáng)策略，以實(shí)現(xiàn)從聲學(xué)分辨率到光學(xué)分辨率的轉(zhuǎn)變。該成果以“Mean-reverting diffusion model-enhanced acoustic-resolution photoacoustic microscopy for resolution enhancement: toward optical resolution”為題發(fā)表于生物醫(yī)學(xué)光子學(xué)領(lǐng)域知名期刊Journal of Innovative Optical Health Sciences。

主要研究?jī)?nèi)容

研究團(tuán)隊(duì)提出了一種基于均值回歸擴(kuò)散模型的聲學(xué)分辨率光聲顯微增強(qiáng)策略，以實(shí)現(xiàn)從聲學(xué)分辨率到光學(xué)分辨率的增強(qiáng)。在訓(xùn)練階段，通過(guò)對(duì)從高分辨率PAM圖像到具有固定高斯噪聲的低分辨率AR-PAM圖像的降質(zhì)過(guò)程進(jìn)行建模，訓(xùn)練一個(gè)均值回歸擴(kuò)散模型來(lái)學(xué)習(xí)數(shù)據(jù)分布的先驗(yàn)信息。在重建階段，利用學(xué)習(xí)到的先驗(yàn)信息迭代采樣噪聲狀態(tài)，從低質(zhì)量的AR-PAM圖像生成高分辨率圖像。 

圖1.基于均值回歸擴(kuò)散模型的AR-PAM增強(qiáng)算法流程圖

作為驗(yàn)證，研究團(tuán)隊(duì)使用活體小鼠實(shí)驗(yàn)數(shù)據(jù)對(duì)所提方法的性能進(jìn)行了評(píng)估。在橫向分辨率為55 μm、信噪比（SNR）為35dB的場(chǎng)景下，將該方法與傳統(tǒng)的RL deconvolution方法、 CycleGAN方法以及FDUnet方法進(jìn)行了比較，結(jié)果如圖2所示。所提方法的增強(qiáng)結(jié)果顯示出更高的質(zhì)量和更優(yōu)越的橫向分辨率。峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)分別達(dá)到了31.96 dB, 0.91, 相比于RL deconvolution方法分別提高了136%和54%。 

圖2.不同方法的重建結(jié)果對(duì)比圖。

此外，為了進(jìn)一步驗(yàn)證該模型在大規(guī)模圖像上的增強(qiáng)性能，研究團(tuán)隊(duì)還使用了完整的活體小鼠腦血管圖像進(jìn)行實(shí)驗(yàn)�？梢钥闯�，增強(qiáng)后的圖像（如圖3(c) 所示）血管拓?fù)浣Y(jié)構(gòu)更加清晰，橫向分辨率更高，圖像對(duì)比度更強(qiáng)。值得注意的是，子圖像接合處血管的連續(xù)性保持得很好，沒有明顯的偽影。與真值圖像（如圖3(a) 所示）相比，AR-PAM圖像（如圖3(b) 所示）的 PSNR 和 SSIM 分別為 19.39 dB 和 0.53，模型增強(qiáng)圖像的 PSNR 和 SSIM 分別提高到 24.72 dB 和 0.73，相較于AR-PAM分別提高了27%和38%。結(jié)果表明，所提方法仍能顯著提高大尺寸 AR-PAM 圖像的橫向分辨率。 

圖3.大尺寸AR-PAM圖像的分辨率增強(qiáng)結(jié)果。

結(jié)論與展望

該研究提出了一種新的基于均值回歸擴(kuò)散模型的AR-PAM增強(qiáng)策略，以實(shí)現(xiàn)AR-PAM和OR-PAM成像深度與橫向分辨率之間的平衡。該方法對(duì)OR-PAM到低質(zhì)量AR-PAM圖像的降質(zhì)過(guò)程建模。隨后，采用數(shù)值方法迭代執(zhí)行逆時(shí)SDE，旨在從均值狀態(tài)重建高質(zhì)量圖像。該方法在不犧牲成像深度的前提下，顯著提高了AR-PAM的橫向分辨率，具有提高PAM成像質(zhì)量和擴(kuò)展其應(yīng)用范圍的潛力。

論文鏈接：https://www.worldscientific.com/doi/10.1142/S1793545824500238

論文代碼鏈接：https://github.com/yqx7150/PAM-AR2OR