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