光聲斷層成像(PAT)是一種新型的混合醫(yī)學成像技術(shù),可以實現(xiàn)不同空間尺度下生物組織結(jié)構(gòu)的精確成像,已廣泛應(yīng)用于各領(lǐng)域,包括腦成像、癌癥檢測和心血管疾病診斷等。然而,由于數(shù)據(jù)采集條件的限制,光聲斷層成像系統(tǒng)通常只能以有限的探測視角收集光聲信號,這必定會導(dǎo)致光聲斷層成像圖像質(zhì)量下降。如何在有限視角采樣下實現(xiàn)高質(zhì)量重建一直是PAT亟需解決的問題。
近日,來自南昌大學成像與視覺表示實驗室研究團隊提出了一種基于分數(shù)擴散模型的有限視角下的高質(zhì)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”為題發(fā)表于光聲領(lǐng)域頂級期刊Photoacoustics。
主要研究內(nèi)容
研究團隊提出了一種基于分數(shù)擴散模型的光聲斷層成像重建方法。在訓(xùn)練階段,模型通過逐步向現(xiàn)有樣本中添加噪聲來學習樣本的數(shù)據(jù)分布。在重建階段,該方法將擴散模型學習到的有關(guān)圖像重建的先驗信息作為迭代重建算法中的正則化項,通過循環(huán)迭代可以實現(xiàn)有限視角下的高質(zhì)量光聲斷層成像。
圖1. 基于擴散模型方法的有限視角下PAT重建流程圖
作為驗證,研究團隊使用圓形仿體和活體小鼠實驗數(shù)據(jù)對所提方法的性能進行了評估。在圓形仿體重建實驗中,將該方法與傳統(tǒng)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(jié)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(jié)果均顯示出更高的質(zhì)量和更清晰的輪廓。在70°有限視角下,所提方法重建結(jié)果的峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)分別達到了31.57dB,0.95,相比于延遲求和方法分別提高了203%和48%。
圖2. 圓形仿體的重建結(jié)果
從仿體小球和活體小鼠(實驗數(shù)據(jù))的實驗結(jié)果來看,該方法依然具有良好的表現(xiàn)(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(yōu)于U-Net方法。在活體小鼠實驗中,該方法在90°有限視角的重建圖像SSIM/PSNR可達到0.80/29.18 dB,相較于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數(shù)據(jù)的重建結(jié)果
結(jié)論與展望
該研究提出了一種新的基于分數(shù)擴散模型的有限視角下的高質(zhì)量光聲斷層成像策略。該方法將PAT的物理模型與擴散模型相結(jié)合,在基于模型的迭代過程中引入擴散模型深度網(wǎng)絡(luò)學習到的高維先驗信息。該方法顯著改善了成像質(zhì)量,該方法有效地解決了PAT中因有限視角采樣導(dǎo)致的成像質(zhì)量下降的問題,具有加速PAT成像速度和擴展其應(yīng)用范圍的潛力。
南昌大學郭康俊、碩士生鄭志遠、碩士生鐘文華,碩士生李子龍為文章共同第一作者,劉且根教授,宋賢林副教授為共同通訊作者。該研究得到國家自然科學基金委、江西省重點研發(fā)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
轉(zhuǎn)載請注明出處。