南昌大學(xué)在聲學(xué)分辨率光聲顯微成像增強方面研究獲得進展

圖1.基于均值回歸擴散模型的AR-PAM增強算法流程圖

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、皮膚病學(xué)以及血管形態(tài)評估等諸多領(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)強聚焦，實現(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，實現(xiàn)高橫向分辨率的AR-PAM成像一直是PAM亟需解決的問題。

近日，來自南昌大學(xué)成像與視覺表示實驗室研究團隊提出了一種基于均值回歸擴散模型的聲學(xué)分辨率光聲顯微增強策略，以實現(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。

主要研究內(nèi)容

研究團隊提出了一種基于均值回歸擴散模型的聲學(xué)分辨率光聲顯微增強策略，以實現(xiàn)從聲學(xué)分辨率到光學(xué)分辨率的增強。在訓(xùn)練階段，通過對從高分辨率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)過程進行建模，訓(xùn)練一個均值回歸擴散模型來學(xué)習(xí)數(shù)據(jù)分布的先驗信息。在重建階段，利用學(xué)習(xí)到的先驗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。

作為驗證，研究團隊使用活體小鼠實驗數(shù)據(jù)對所提方法的性能進行了評估。在橫向分辨率為55 μm、信噪比(SNR)為35dB的場景下，將該方法與傳統(tǒng)的RL deconvolution方法、 CycleGAN方法以及FDUnet方法進行了比較，結(jié)果如圖2所示。所提方法的增強結(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)果對比圖。

此外，為了進一步驗證該模型在大規(guī)模圖像上的增強性能，研究團隊還使用了完整的活體小鼠腦血管圖像進行實驗?？梢钥闯觯鰪姾蟮膱D像(如圖3(c) 所示)血管拓撲結(jié)構(gòu)更加清晰，橫向分辨率更高，圖像對比度更強。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散模型的AR-PAM增強策略，以實現(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OR-PAM到低質(zhì)量AR-PAM圖像的降質(zhì)過程建模。隨后，采用數(shù)值方法迭代執(zhí)行逆時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)量和擴展其應(yīng)用范圍的潛力。


審核編輯 黃宇