光聲斷層成像(PAT)是一種新型的混合醫學成像技術，可以實現不同空間尺度下生物組織結構的精確成像，已廣泛應用於(yu) 各領域，包括腦成像、癌症檢測和心血管疾病診斷等。然而，由於(yu) 數據采集條件的限製，光聲斷層成像係統通常隻能以有限的探測視角收集光聲信號，這必定會(hui) 導致光聲斷層成像圖像質量下降。如何在有限視角采樣下實現高質量重建一直是PAT亟需解決(jue) 的問題。

近日，來自南昌大學成像與(yu) 視覺表示實驗室研究團隊提出了一種基於(yu) 分數擴散模型的有限視角下的高質量光聲斷層成像。該成果以“Score-based generative model-assisted information compensation for high-quality limited-view reconstruction in photoacoustic tomography”為(wei) 題發表於(yu) 光聲領域頂級期刊Photoacoustics。

主要研究內(nei) 容

研究團隊提出了一種基於(yu) 分數擴散模型的光聲斷層成像重建方法。在訓練階段，模型通過逐步向現有樣本中添加噪聲來學習(xi) 樣本的數據分布。在重建階段，該方法將擴散模型學習(xi) 到的有關(guan) 圖像重建的先驗信息作為(wei) 迭代重建算法中的正則化項，通過循環迭代可以實現有限視角下的高質量光聲斷層成像。

圖1. 基於(yu) 擴散模型方法的有限視角下PAT重建流程圖

作為(wei) 驗證，研究團隊使用圓形仿體(ti) 和活體(ti) 小鼠實驗數據對所提方法的性能進行了評估。在圓形仿體(ti) 重建實驗中，將該方法與(yu) 傳(chuan) 統的延遲求和方法(DAS)、無正則化項的梯度下降法(GD)、帶有Tikhonov正則化項的梯度下降法、U-Net方法以及GAN方法進行了比較，結果如圖2所示。所提方法在不同有限視角情況下，所提方法的重建結果均顯示出更高的質量和更清晰的輪廓。在70°有限視角下，所提方法重建結果的峰值信噪比(PSNR)和結構相似性(SSIM)分別達到了31.57dB,0.95,相比於(yu) 延遲求和方法分別提高了203%和48%。

圖2. 圓形仿體(ti) 的重建結果

從(cong) 仿體(ti) 小球和活體(ti) 小鼠（實驗數據）的實驗結果來看，該方法依然具有良好的表現（圖3）。特別地，在極有限的探測視角下（如90°有限視角），該方法顯著優(you) 於(yu) U-Net方法。在活體(ti) 小鼠實驗中，該方法在90°有限視角的重建圖像SSIM/PSNR可達到0.80/29.18 dB，相較於(yu) U-Net方法，PSNR提高了64%，SSIM提高了48%。

圖3. 不同探測視角下活體(ti) 數據的重建結果

結論與(yu) 展望

該研究提出了一種新的基於(yu) 分數擴散模型的有限視角下的高質量光聲斷層成像策略。該方法將PAT的物理模型與(yu) 擴散模型相結合，在基於(yu) 模型的迭代過程中引入擴散模型深度網絡學習(xi) 到的高維先驗信息。該方法顯著改善了成像質量，該方法有效地解決(jue) 了PAT中因有限視角采樣導致的成像質量下降的問題，具有加速PAT成像速度和擴展其應用範圍的潛力。

南昌大學郭康俊、碩士生鄭誌遠、碩士生鍾文華，碩士生李子龍為(wei) 文章共同第一作者，劉且根教授，宋賢林副教授為(wei) 共同通訊作者。該研究得到國家自然科學基金委、江西省重點研發項目的資助。

論文鏈接：https://doi.org/10.1016/j.pacs.2024.100623

代碼鏈接：https://github.com/yqx7150/Limited-view-PAT-Diffusion

來自：光學天下