多通道先验支持下的光声断层成像加速稀疏重建新策略

01导读

2023年11月27日，来自南昌大学成像与视觉表示实验室研究团队提出了一种结合多通道自编码先验（MDAE）和模型迭代的高分辨加速稀疏重建策略。该成果以“Accelerated model-based iterative reconstruction strategy for sparse-view photoacoustic tomography aided by multi-channel autoencoder priors”为题发表于国际生物医学光子学领域著名期刊《Journal of Biophotonics》，并被选为封面。

02研究背景

光声断层成像（PAT）是近些年发展起来的一种非入侵式和非电离式的新型生物医学成像技术，已广泛应用于各领域，包括脑成像、癌症检测和心血管疾病诊断等。然而，PAT常采用稀疏视角采样策略，这会导致重建图像产生严重伪影和模糊。如何在稀疏视角采样下实现高质量重建一直是PAT亟需解决的问题。

03研究创新点

研究团队提出了一种融合多通道自编码先验和模型迭代的光声断层快速稀疏重建方法。该方法将PAT的物理模型与深度学习网络相结合，方法的流程图如图1所示。在训练阶段，利用全视角得到的光声断层图像构建三通道图像，利用MDAE网络学习数据的高维先验信息。在重建阶段，采用基于共轭梯度下降法的模型迭代方法，将学习到的高维先验信息与原始数据结合，约束网络生成高质量的PAT图像。

图1. 基于MAEP方法的PAT稀疏重建流程图。

作为验证，研究团队进行了一系列的仿真血管、仿体和活体实验，以评估所提方法的性能。在仿真血管实验中，将该方法与单通道自编码先验(DAE)方法、无正则化项的梯度下降法(GD)以及带有Tikhonov正则化项的梯度下降法进行了比较，结果如图2所示。从64个投影下的重建结果来看，该方法相较于其他方法表现出更显著的去伪影效果，能够实现显著的迭代加速，且SSIM（结构相似性指标）/PSNR（峰值信噪比）可达0.9931/44.75dB。

图2. 64投影下不同方法的仿真血管实验结果对比。

从仿体小球和活体小鼠（实验数据）的实验结果来看，该方法依然具有良好的表现（图3和图4）。特别地，在极稀疏的条件下（如32投影下），该方法显著优于U-Net方法。在活体小鼠实验中，该方法在32个投影下的重建图像SSIM/PSNR可达到0.8353/32.20 dB，相较于U-Net方法，PSNR提高了48%，SSIM提高了12%。

图3. 不同稀疏投影下仿体小球重建结果。

图4. 不同稀疏投影下活体小鼠重建结果。

04总结与展望

该研究提出了一种新的光声断层加速稀疏重建策略。该方法将PAT的物理模型与无监督多通道深度学习网络相结合，在基于模型的迭代过程中引入MDAE深度网络学习到的高维先验信息。该方法显著改善了成像质量，且重建速度比传统梯度下降方法提高了约7.5倍。该方法有效地解决了PAT中因稀疏采样导致的伪影严重的问题，具有加速PAT成像速度和扩展其应用范围的潜力。

南昌大学副教授宋贤林、硕士生钟文华、硕士生李子龙为文章共同第一作者，刘且根教授，徐晓玲教授为共同通讯作者。该研究得到国家自然科学基金委、江西省重点研发项目的资助。

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/jbio.202300281