单次双尺度光声显微成像实现光学分辨率成像的超稀疏采样重建

《Photoacoustics》:Single-Shot Dual-Scale Photoacoustic Microscopy Enables Ultra-Sparse Sampling Reconstruction of Optical-Resolution Imaging

【字体: 大 中 小 】 时间:2026年10月09日 来源:Photoacoustics 6.9

编辑推荐:

  光学分辨率光声显微成像(Optical-resolution photoacoustic microscopy, OR-PAM)可实现无标记、亚细胞分辨率的微血管成像,但速度与分辨率之间的权衡仍是其发展瓶颈。虽然稀疏采样可加速采集,但OR-PAM紧密光学焦点与

  
光学分辨率光声显微成像(Optical-resolution photoacoustic microscopy, OR-PAM)可实现无标记、亚细胞分辨率的微血管成像,但速度与分辨率之间的权衡仍是其发展瓶颈。虽然稀疏采样可加速采集,但OR-PAM紧密光学焦点与增大扫描步长之间的失配会导致不可逆的信息丢失。为缓解超稀疏采样的局限性,研究人员提出了一种单次双尺度光声显微成像(single-shot dual-scale PAM, DS-PAM)框架。基于独立光纤的光学焦点导向配置可实现OR与声学分辨率(Acoustic-resolution, AR)采集的同步进行,既保证了扫描灵活性,又利用AR信号增强重建效果。AR模态由其更宽的声学点扩散函数(point-spread function, PSF)主导,充当内在的物理低通滤波器,稳健地捕获目标的主要血管架构。在理论AR-PSF的指导下,研究人员执行去模糊操作以获得锐化的结构先验。随后,一个双尺度超分辨率生成对抗网络将该先验与超稀疏OR测量相融合,以重建高保真二维血管最大振幅投影(maximum amplitude projection, MAP)图像。在重建评估中,超稀疏输入通过对密集采样的体内数据进行回顾性抽取生成。实验结果表明,所提方法显著优于具有代表性的先进方法。通过克服高达16×16(0.4%采样率)高倍稀疏采样下的极端空间信息稀缺问题,该方法相较于最优基线方法实现了16.1%的结构相似性指数(SSIM)提升和2.18 dB峰值信噪比(PSNR)增益,同时学习感知图像块相似度(LPIPS)降低了33.7%。
一、研究背景与问题
光学分辨率光声显微成像(OR-PAM)是一种结合光学吸收对比度与超声深层组织穿透能力的无标记生物医学成像模态,能够实现亚细胞分辨率的微血管结构、血流动力学及代谢活动可视化。然而,其临床应用与研究价值长期受限于成像速度与空间分辨率之间的固有矛盾。为保持紧聚焦光斑所提供的高空间分辨率,传统系统需依据奈奎斯特采样准则进行密集逐点机械扫描,这一严格的采样要求从根本上限制了整体采集速率,难以捕捉快速的病理生理过程。
针对成像速度瓶颈,已有研究主要集中于硬件加速,包括音圈平移台、MEMS振镜、检流计扫描器和多边形扫描器等快速扫描组件。但这些方法仍依赖密集采样,仅提高遍历速度而未放宽底层采样需求,成像速度仍受限于激发激光的脉冲重复频率,并存在超出生物组织激光安全限值的风险。多焦点方法虽通过换能器阵列或声学掩模实现并行采集以提高通量,但需要更复杂的光激发和声检测设计,且常伴随空间分辨率和对比度下降。
稀疏采样通过增大扫描步长减少空间测量数量,可提升采集效率,但不可避免地导致严重图像退化。计算重建方法已从刚性数学模型发展到先进深度学习方法,包括引入注意力模块和残差块的CNN架构、FD U-net、MeU-net、UPAMNet、隐式神经表示、Kolmogorov-Arnold网络以及扩散模型等。尽管这些方法在结构连续性方面取得进展,但在超稀疏采样条件下(保留原始像素不足1%),传统逐点光栅扫描仍面临关键性未解决的技术瓶颈。当扫描步长扩大至16×16比例(0.4%采样率)时,会严重违反奈奎斯特-香农采样定理,在原始物理采集层面引发不可逆的高频混叠。现有最先进网络仅处理这些被破坏的单尺度测量数据,缺乏捕获完整血管结构分布所需的物理先验,纯数据驱动的幻觉重建在高保真图像恢复中的可靠性受限。
二、研究内容与意义
为应对稀疏采样重建的挑战,研究人员提出了一种新型单次双尺度光声显微成像(DS-PAM)框架。该框架将OR-PAM与AR-PAM集成于统一的双尺度成像系统中,其中AR模态作为内置物理低通滤波器,保留了在稀疏采样OR-PAM中不可逆丢失的可靠结构骨架。通过像素重分配策略补偿AR点扩散函数(PSF)引起的模糊,生成去模糊的结构先验。在此基础上,研究人员开发了双尺度超分辨率生成对抗网络,通过自适应门控融合模块将AR物理先验与超稀疏OR测量相融合,实现高保真、超分辨率的稀疏OR图像重建。小鼠耳朵体内实验表明,该框架在极端稀疏水平(0.7%和0.4%采样率)下仍能实现优越的重建质量,有效克服稀疏采样OR-PAM中关键血管信息的严重丢失,保留精细血管结构和边缘锐度。
三、关键技术方法
研究人员采用的主要技术方法包括:单次双尺度光声显微成像系统,通过独立光纤导向配置实现OR与AR信号的同步采集与固有空间配准;基于理论AR-PSF的物理引导去模糊操作,利用像素重分配策略生成锐化结构先验;双尺度超分辨率生成对抗网络(DSGAN),包含自适应门控融合模块和挤压激励增强残差密集块(SE-RDBs)的生成器架构。样本来源为小鼠耳朵体内血管成像数据。
四、研究结果
4.1 系统构建与表征
研究人员构建了基于532 nm脉冲激光激发的DS-PAM系统,通过半波片和偏振分束器实现双光路功率分配。OR路径经2 m单模光纤传输,AR路径经30 m多模光纤传输,光纤长度差异引入约140 ns的时间延迟以防止信号重叠。不锈钢锐边样品表征结果显示,OR-PAM横向分辨率为3.89 μm,AR-PAM横向分辨率为50.88 μm,验证了双尺度成像设计。在稀疏采样过程中,紧聚焦OR光束仅激发离散组织区域造成严重信息丢失,而AR声学焦点因空间重叠确保对血管网络的连续探测,为稀疏重建提供关键结构线索。
4.2 物理引导去模糊与结构先验生成
研究人员利用已知的AR-PSF几何特性,将声学模糊能量确定性地重新分配回其空间起源位置。PSF宽度先以微米定义,再根据横向像素尺寸转换为图像像素。去模糊前应用局部最小值滤波器进行背景校正,随后通过样条插值将图像从原始网格变换至更密集的坐标网格,生成去模糊的结构先验。
4.3 双尺度超分辨率重建网络
研究人员开发了双尺度超分辨率生成对抗网络,以稀疏采样OR图像和AR先验作为双尺度输入。AR尺度虽然衰减高频细节,但其成像过程由特征明确的声学PSF控制,模糊具有确定性和部分可逆性,在通带内保留频谱未污染的结构信息。网络通过自适应门控融合模块融合双尺度特征,由SE-RDBs驱动的生成器有效利用融合表示实现高保真超分辨率重建。
4.4 超稀疏采样重建性能评估
研究人员通过回顾性抽取密集采样体内数据生成超稀疏输入进行重建评估。实验结果表明,在16×16稀疏采样(0.4%采样率)条件下,所提方法相较于最优基线方法实现16.1%的SSIM提升、2.18 dB的PSNR增益以及33.7%的LPIPS降低,显著优于代表性先进方法,包括FD U-net、UPAM-KAN及扩散模型等。
五、讨论与结论
研究讨论指出,纯计算方法无法解决确定性混叠问题,而DS-PAM通过整合OR-PAM和AR-PAM于统一框架,利用AR模态作为物理低通滤波器保留可靠结构骨架,克服了超稀疏采样下关键血管信息的严重丢失。双尺度重建策略在极端稀疏条件下有效保留精细血管结构和边缘锐度,在不同采样率下持续优于评估的最先进方法。该框架通过硬件-算法协同设计,为超稀疏采样下的高保真光声显微成像重建提供了可行方案,有望推动快速高分辨率微血管成像的临床应用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号