REVIEW ARTICLE

1．Recent advances in near-infrared photobiomodulation for the intervention of acquired brain injury

近红外光生物调节在获得性脑损伤干预中的最新进展

摘要：

获得性脑损伤（ABI）是一种影响大脑结构和功能的损伤。传统的ABI治疗策略，包括药物治疗和康复疗法，展现出其在改善认知、情绪和身体活动障碍方面的能力。近期，近红外（NIR）光生物调节（PBM）作为一种有前景的ABI物理干预方法出现，研究表明低强度光疗法可以调节细胞代谢过程，减少ABI微环境中的炎症和活性氧，促进神经修复和再生。已开展使用ABI模型的临床前研究，揭示了PBM在促进脑损伤恢复方面的潜力，尽管其临床应用仍处于早期阶段。在本综述中，我们首先检查了NIR-PBM的可能的物理和生物学机制，然后报告了NIR-PBM干预下ABI的病理生理学和生理学基础。因此，展示了NIR-PBM作为ABI治疗干预手段的潜力，也期望进一步的研究能够促进其临床应用。

引用：

Yujing Huang, Yujing Zhang, Chen Yang, Mengze Xu, and Zhen Yuan.Recent advances in near-infrared photobiomodulation for the intervention of acquired brain injury.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2430005 (2025)

https://doi.org/10.1142/S1793545824300052

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824300052

2．Super-resolution microscopy: Shedding new light on blood cell imaging

超分辨率显微镜：为血细胞成像带来新的曙光

摘要：

血细胞是人体中最重要的组成部分，由红细胞、血小板和白细胞组成。在纳米尺度上对血细胞内的亚细胞结构和蛋白质进行检查，可以为个体的健康状况、疾病的准确诊断以及有效的治疗策略提供宝贵的见解。超分辨率显微镜（SRM）最近作为一种尖端工具用于血细胞的研究，与传统检查亚细胞结构和蛋白质的方法相比具有许多优势。在本文中，我们专注于概述各种SRM技术的基本原理及其在血细胞正常和疾病状态下的应用。此外，还讨论了SRM技术在血细胞分析中的未来前景。

引用：

Huan Deng, Yan Ma, and Yu-Hui Zhang.Super-resolution microscopy: Shedding new light on blood cell imaging.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2430006 (2025)

https://doi.org/10.1142/S1793545824300064

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824300064

RESEARCH ARTICLE

3．Streamlined photoacoustic image processing with foundation models: A training-free solution

基于基础模型的简化光声图像处理流程：一种无需训练的解决方案

摘要：

基础模型（FMs）迅速发展，并在计算机视觉任务中取得了显著成就。特别是，提示机制方便地允许用户将图像先验信息整合到模型中，从而无需任何训练即可应用模型。因此，我们提出了一个基于基础模型和零训练的工作流程，以解决光声（PA）图像处理的任务。我们通过设置简单的提示并结合成像对象的先验知识，将模型的输出与之整合，从而完成了包括以下任务的各种任务：（1）在三维光声图像渲染中去除皮肤信号；（2）双声速重建，以及（3）手指血管的分割。通过这些演示，我们得出结论，基础模型可以直接应用于光声成像，而无需进行网络设计和训练。这可能允许一种亲自动手、便捷的方法来实现光声图像的高效和准确分割。本文作为一份全面的教程，通过提供代码和样本数据集，有助于掌握该技术。

引用：

Handi Deng, Yucheng Zhou, Jiaxuan Xiang, Liujie Gu, Yan Luo, Hai Feng, Mingyuan Liu, and Cheng Ma.Streamlined photoacoustic image processing with foundation models: A training-free solution.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2450019 (2025)

https://doi.org/10.1142/S1793545824500196

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500196

4．A 3D semantic segmentation network for accurate neuronal soma segmentation

用于精准神经元胞体分割的三维语义分割网络

摘要：

神经元胞体分割在神经科学应用中扮演着关键角色。然而，细胞图像中通常存在诸如边界、小体积神经元胞体和纤维等精细结构，这些结构给精准分割带来了挑战。在本文中，我们提出了一种用于神经元胞体分割的三维语义分割网络，以解决这一问题。利用编码 - 解码结构，我们在每个编码块之后引入了一个多尺度特征提取和自适应加权融合模块（MSAW）。MSAW模块不仅可以借助上采样策略突出精细结构，还能提供像素级权重来衡量多尺度特征的重要性。此外，我们采用了动态卷积来替代普通卷积，以便更好地使网络适应不同分布的输入数据。我们提出的基于MSAW的语义分割网络（MSAW - Net）在来自小鼠大脑的三张神经元胞体图像和来自猕猴大脑的一张神经元胞体图像上进行了评估，证明了所提方法的高效性。它在Fezf2 - 2A - CreER数据集上实现了91.8%的F1分数，在LSL - H2B - GFP数据集上实现了97.1%的F1分数，在Thy1 - EGFP - Mline数据集上实现了82.8%的F1分数，在猕猴数据集上实现了86.9%的F1分数，分别比三维U - Net模型提高了3.1%、3.3%、3.9%和2.3%。

引用：

Li Ma, Qi Zhong, Yezi Wang, Xiaoquan Yang, and Qian Du.A 3D semantic segmentation network for accurate neuronal soma segmentation.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2450018 (2025)

https://doi.org/10.1142/S1793545824500184

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500184

5．Correlating NAD(P)H lifetime shifts to tamoxifen resistance in breast cancer cells: A metabolic screening study with time-resolved flow cytometry

将NAD(P)H寿命变化与乳腺癌细胞对三苯氧胺耐药性相关联：一项基于时间分辨流式细胞术的代谢筛查研究

摘要：

时间分辨流式细胞术（TRFC）用于测量雌激素受体阳性乳腺癌细胞的代谢差异。这种特殊的细胞术技术将荧光寿命作为单细胞参数进行测量，从而为高通量细胞计数和筛查提供了一种独特的方法。检测到了荧光寿命的差异，并且这与对常用治疗药物三苯氧胺的敏感性相关。荧光寿命的差异归因于自身荧光代谢物NAD(P)H的结合状态。NAD(P)H的功能已被充分描述，通常涉及从还原态到氧化态的循环，以促进丙酮酸向乳酸转化的电子传递。NAD(P)H的荧光寿命取决于该代谢物的结合或未结合状态，这也与氧化磷酸化和糖酵解之间的代谢转变有关。为了确定对三苯氧胺敏感的细胞与耐药细胞的基本代谢特征是否不同，对大量MCF-7乳腺癌细胞进行了筛查，并量化了荧光寿命。此外，还使用Seahorse HS mini代谢分析仪（Agilent Technologies Inc. Santa Clara, CA）和共聚焦成像测量了与三苯氧胺敏感性相关的代谢差异。结果显示，与对三苯氧胺敏感的乳腺癌细胞相比，耐药的乳腺癌细胞更多地利用糖酵解来产生能量。这项工作具有影响力，因为它为开发一种可靠的筛查技术迈出了早期的一步，通过这种技术，可以在无标记的情况下对大量细胞进行区分，以确定其对药物的敏感性。

引用：

Samantha Valentino, Karla Ortega-Sandoval, Kevin D. Houston, and Jessica P. Houston.Correlating NAD(P)H lifetime shifts to tamoxifen resistance in breast cancer cells: A metabolic screening study with time-resolved flow cytometry.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2450020 (2025)Research ArticleOpen Access

https://doi.org/10.1142/S1793545824500202

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500202

6．High-performance laser speckle contrast image vascular segmentation without delicate pseudo-label reliance

无需精细伪标签依赖的高性能激光散斑对比成像血管分割

摘要：

激光散斑对比成像（LSCI）是一种无创、无标记的技术，能够实时研究生物组织的微循环情况。高质量的微血管分割对于分析和评估血管形态和血流动力学至关重要。然而，由于标记数据获取的成本和复杂性以及血管形态的不规则性，实现高质量的血管分割一直是一个挑战。此外，监督学习方法严重依赖高质量的标签来获得准确的分割结果，这通常需要大量的标记工作。在这里，我们提出了一种新的方法LSWDP，用于高性能实时血管分割，该方法利用低质量的伪标签进行非匹配训练，无需依赖大量的复杂标签和图像配对。此外，我们证明了我们的方法在多种风格的数据集上比传统分割方法更稳健、更有效，即使面对不熟悉的数据，也能减轻性能下降。重要的是，在大鼠实验中，我们的方法的Dice相似性系数超过了85%。我们的研究有可能高效地分割和评估正常和疾病情况下的血管。这将极大地有利于未来生命科学和医学的研究。

引用：

Shenglan Yao, Huiling Wu, Suzhong Fu, Shuting Ling, Kun Wang, Hongqin Yang, Yaqin He, Xiaolan Ma, Xiaofeng Ye, Xiaofei Wen, and Qingliang Zhao.High-performance laser speckle contrast image vascular segmentation without delicate pseudo-label reliance.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2450015 (2025)

https://doi.org/10.1142/S1793545824500159

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500159

7．MA-VoxelMorph: Multi-scale attention-based VoxelMorph for nonrigid registration of thoracoabdominal CT images

MA-VoxelMorph：基于多尺度注意力的VoxelMorph用于胸腹部CT图像的非刚性配准

摘要：

本文旨在开发一种用于术前和术中胸腹部CT图像的非刚性配准方法，以实现在计算机辅助介入手术中精准定位肿瘤和增强组织可视化。然而，复杂胸腹部器官的精细结构配准以及由呼吸运动引起的大幅形变配准是一个挑战。为了解决这一问题，我们提出了一种三维多尺度注意力VoxelMorph（MA-VoxelMorph）配准网络。为了缓解大幅形变问题，我们利用残差扩张金字塔池化进行多尺度特征提取，以及利用位置感知轴向注意力捕捉像素之间的长距离依赖关系。为了进一步提高大幅形变和精细结构配准结果，我们采用多尺度上下文通道注意力机制，通过相邻编码层利用内容信息。我们的方法在四个公开的肺部数据集（DIR-Lab数据集、Creatis数据集、Learn2Reg数据集、OASIS数据集）和一个本地数据集上进行了评估。结果证明，与目前最先进的方法相比，我们提出的方法在处理大幅形变和精细结构配准方面取得了更好的配准性能。它还在3D图像配准中表现出快速性，大约需要1.5秒，比大多数方法更快。定性和定量评估证明，我们提出的MA-VoxelMorph有潜力在临床介入手术中实现精准快速的肿瘤定位。

引用：

Qing Huang, Lei Ren, Tingwei Quan, Minglei Yang, Hongmei Yuan, and Kai Cao.MA-VoxelMorph: Multi-scale attention-based VoxelMorph for nonrigid registration of thoracoabdominal CT images.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2450022 (2025)

https://doi.org/10.1142/S1793545824500226

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500226

8．Quantitative evaluation of intensity fidelity of super-resolution reconstruction for structured illumination microscopy

定量评估结构光照明显微镜超分辨率重建的强度保真度

摘要：

结构光照明显微镜（SR-SIM）高度依赖后处理重建，从原始数据中获得高质量的超分辨率图像。尽管已经开发了许多SIM重建算法，即使从含噪声的数据中也能以高保真度恢复精细的细胞结构，但重建的超分辨率图像的像素强度是否仍与原始荧光强度成比例，这一问题尚未得到充分探索。重建前后强度的线性关系被定义为强度保真度。在这里，我们提出了一种方法，用于在不同空间频率下评估重建的超分辨率图像的强度保真度

引用：

Yujun Tang, Linbo Wang, Gang Wen, and Hui Li.Quantitative evaluation of intensity fidelity of super-resolution reconstruction for structured illumination microscopy.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2450026 (2025)

https://doi.org/10.1142/S1793545824500263

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500263

9．Neural-field-based image reconstruction for bioluminescence tomography

基于神经场的生物发光断层扫描图像重建

摘要：

基于深度学习（DL）的图像重建方法在过去的几年里引起了越来越多的关注。许多研究表明，基于DL的重建方法在光学断层成像技术中表现卓越，例如生物发光断层扫描（BLT）。然而，几乎每一种现有的基于DL的方法都使用显式的神经表示来解决重建问题，这要么消耗大量的内存空间，要么需要各种复杂的计算。在本文中，我们提出了一种基于神经场（NF）的BLT图像重建方案，该方案使用隐式的神经表示。所提出的基于NF的方法通过一个相对轻量级的多层感知器建立任意空间点的坐标与该点的源值之间的转换，具有显著的计算效率。另一个由两个全连接层和一个一维卷积层组成的简单神经网络用于生成神经特征。模拟和实验结果表明，所提出的基于NF的方法与光子密度补全网络和两阶段网络具有相似的性能，同时消耗更少的浮点运算，并且模型参数更少。

引用：

Xuanxuan Zhang, Xu Cao, Jiulou Zhang, Lin Zhang, and Guanglei Zhang.Neural-field-based image reconstruction for bioluminescence tomography.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2550002 (2025)

https://doi.org/10.1142/S1793545825500026

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545825500026

10．Multi-bandwidth reconstruction for photoacoustic tomography using cascade U-net

基于级联U-Net的光声层析成像多带宽重建

摘要：

光声成像（PAI）利用短脉冲激光激发吸收材料，产生覆盖宽频谱的超声波。这些超声波被围绕样本捕获，并用于断层扫描重建初始压力分布。尽管激光产生的光声信号具有宽光谱范围，但由于带宽有限，单个换能器只能捕获信号的有限部分。在此，我们开发了一种多带宽环形阵列光声计算机断层扫描（PACT）系统，该系统配备了一个带有两个半环阵列的探头：一个用于高频，另一个用于低频。利用这两个半环阵列PAI，我们设计了一个专门的深度学习模型，该模型由两个串联连接的U-Net架构组成，以自动生成多带宽全视图PAI。模拟和体内实验的结果表明，该系统具有强大的多带宽成像能力，在复杂小鼠腹部结构的高频重建中，实现了34.78分贝的优秀峰值信噪比（PSNR）和0.94的结构相似性指数（SSIM）。这种创新的PACT系统以其无缝获取多带宽全视图PAI的能力而引人注目，从而推动了光声成像技术在生物医学领域的应用。

引用：

Zezheng Qin, Lingyu Ma, Zhigang Lei, Yiming Ma, Weiwei Fu, and Mingjian Sun.Multi-bandwidth reconstruction for photoacoustic tomography using cascade U-net.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2550007 (2025)

https://doi.org/10.1142/S1793545825500075

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545825500075

11．Machine learning-enhanced SERS for accurate azoospermia diagnosis via seminal plasma exosome analysis

机器学习增强的SERS技术用于通过精浆外泌体分析实现精准无精症诊断

摘要：

全球约有10% - 15%的夫妇受到男性不育的影响，其中无精症（精液中完全缺乏精子）占15%的病例。传统的无精症诊断方法主观性强且结果不稳定。本研究提出了一种新型、无创且精准的诊断方法，利用表面增强拉曼光谱（SERS）结合机器学习技术分析精浆外泌体。研究收集了健康对照组（n = 32）和无精症患者（n = 22）的精液样本，并获取了其外泌体的SERS光谱。通过机器学习算法对健康和无精症样本的SERS光谱进行区分，实现了99.61%的灵敏度和99.58%的特异性，显著揭示了两者光谱的差异。这种结合SERS和机器学习的方法为无精症的早期检测和监测提供了一种灵敏、无标记且客观的诊断工具，有望改善临床治疗效果和患者管理。

引用：

Jiarui Wang, Shiyan Jiang, Jiaxin Shi, Jing Wang, Shengrong Du, and Zufang Huang.Machine learning-enhanced SERS for accurate azoospermia diagnosis via seminal plasma exosome analysis.Journal of Innovative Optical Health SciencesVol. 18, No. 01, 2550003 (2025)

https://doi.org/10.1142/S1793545825500038

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545825500038