PACT中的端到端算法研究——从信号处理到重建解决方案再到图像处理（综述）
JinJin Cheng, Shuilin Wang, Shirui Dong, Yang Wang, Xuyu Fu, Jichao Zhang, Wenkai Li, Siyu Chen, Silue Zeng, Yaguang Ren, Xiaohui Ma, Jinhai Liu, Mingjian Sun, Rongkang Gao, and Chengbo Liu
Journal of Innovative Optical Health Sciences Vol. 18, No. 04, 2530006 (2025)
光声计算机断层扫描（Photoacoustic Computed Tomography, PACT）作为一种新兴的生物医学成像技术，因其能够以高分辨率和深度组织穿透力可视化光学对比度而在生物医学领域备受关注。然而，光声信号的激发、传播和检测过程中固有的挑战常常导致成像质量欠佳。为了克服这些限制，研究人员开发了一系列先进的算法，涵盖了整个图像重建流程。近期，中国科学院深圳先进院刘成波研究员团队、高蓉康副研究员团队和哈尔滨工业大学（威海）孙明健教授团队在《Journal of Innovative Optical Health Sciences》期刊联合综述了PACT算法的最新进展，并将这些算法整合到一个连贯的框架中，从信号处理到重建解决方案再到图像处理，全面分析了这些算法的原理、方法、适用性和局限性，为提升PACT的成像效果提供了理论基础和实践指导。
1. PACT技术简介
PACT结合了光学成像的高对比度和超声成像的深度穿透能力，通过宽场照明和多位置声学检测实现图像重建。然而，成像过程中存在诸多挑战，如激光脉冲有限持续时间导致的轴向分辨率限制、组织声学异质性和衰减引起的波前畸变、有限视图几何和有限孔径效应导致的空间分辨率下降等。为了应对这些挑战，研究人员开发了多种先进的算法，包括信号处理、重建算法和图像处理技术。
图 1.PACT 中成像质量的下降。
2. 算法研究进展
2.1 信号处理
信号处理阶段是优化PACT数据的基础，预处理算法通过多维度优化原始超声信号，为高质量图像重建奠定基础。核心包括：信号反卷积消除激光脉冲响应和电子脉冲响应导致的模糊，提升径向分辨率；噪声抑制采用字典学习、奇异值分解、小波分解、经验模态分解等，显著提升信噪比；多频重建通过频带分解融合增强结构对比度；深度学习端到端实现噪声分离、伪影消除与信号增强等多任务联合优化。该体系系统性提升数据质量与成像精度。
图 3.PACT 的脉冲响应和反卷积算法。
2.2 主变换算法
主变换算法将时域信号重构为空间图像，核心方法包括：反投影（BP）快速成像但分辨率有限；时间反演（TR）通过波场逆传播提升精度；模型迭代（MB）结合声波方程建模与正则化优化实现高清成像但计算复杂；压缩感知（CS）基于信号稀疏性实现少样本重建；深度学习（DL）端到端映射但泛化能力需要提升。针对组织特性融合声速补偿、频散校正及空间响应建模抑制伪影。三维重建通过合成孔径聚焦（SAFT）与深度神经网络优化z轴分辨率及离焦区清晰度。各算法在质量、效率及场景适用性间互补，支撑多尺度生物结构可视化。
图 19.血压重建评估。（a） BP 重建的图像。（b），（c） 沿 x 轴和 y 轴的原始轮廓（虚线）和重建轮廓（实线）的比较。经出版商许可转载的图表。6
图 20.TR 重建的评估。（a） 体模的横截面。（b）、（c） 沿体模水平线的通用 BP 和 TR 的重建剖面。细线和粗线分别表示原始轮廓和重建的轮廓。经出版商许可转载。55
图 21.用 BP（第一行）和 MB（第二行）重建小鼠心脏，用于对应于不同海拔 z 位置的三个不同切片。经出版商许可转载。57
2.3 图像后处理
后处理算法通过多维度提升图像质量，核心包括：空间响应反卷积（盲/非盲/深度学习）抑制系统响应导致的模糊，提升图像域分辨率；图像去噪与伪影消除融合传统滤波与深度学习，消除噪声、条带及反射伪影；运动校正采用超声引导或相位追踪补偿呼吸/脉搏伪影；图像增强应用直方图均衡化等算法优化深层组织对比度。各技术综合提升图像分辨率、信噪比及定量分析精度。
图 38.用于 PACT 图像修复的 DIPP 框架图示。经出版商许可转载的图表。110
3. 算法的挑战与展望
尽管PACT算法取得了显著进展，但仍面临诸多挑战。例如，提高成像分辨率、加快成像速度和实现更深层次组织成像是未来研究的重要方向。此外，深度学习在PACT中的应用前景广阔，但其对训练数据和计算资源的需求也限制了其广泛应用。
结语
PACT作为一种具有巨大潜力的生物医学成像技术，其发展依赖于成像流程中所用算法的复杂性。本文综述了PACT算法的最新进展，从信号域预处理到主变换重建算法再到图像域后处理，全面探讨了这些算法的原理和应用。未来，随着理论模型和算法的不断创新，PACT有望在生物医学领域发挥更大的作用。
通讯作者简介
刘成波，中国科学院深圳先进院研究员，研究方向为光声成像技术与仪器，并开展产业转化与临床转化。提出了零背景靶向光声成像的理论方法，研制出微观/介观/宏观跨尺度光声成像仪器，实现了人体外周血管成像。
更多详情见https://ibhe.siat.ac.cn/siat/2025-02/28/article_2025022802085666735.html
高蓉康，中国科学院深圳先进院副研究员，主要研究方向为光声理论机制、高分辨率高灵敏度光声技术开发与应用、以及光声成像算法研究工作等。
更多详情见https://ibhe.siat.ac.cn/siat/2025-02/28/article_2025022802095437481.html
孙明健，滨工业大学（威海）教授，主要研究领域包括：智能检测处理与控制、光声/超声成像技术及应用、人工智能医学影像分析、水下探测与声呐成像、无人机自主控制及应用等。
更多详情见https://homepage.hit.edu.cn/sunmingjian
转载本文请联系原作者获取授权，同时请注明本文来自王珍科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3534623-1501598.html?mobile=1
收藏
