相位像差校正的相干因子波束形成用于光声断层扫描

《Journal of Biomedical Optics》:Phase-aberration-corrected coherence factor beamforming for photoacoustic computed tomography

【字体: 大 中 小 】 时间:2026年10月12日 来源:Journal of Biomedical Optics 3.3

编辑推荐:

   PAC-CF 框架示意图。(a) PACT 数据采集。(b) 传统同质延迟 CF 与 PAC-CF 的对比,后者在双区 TOF 校正后评估相干性。(c) 包含目标区域及周围耦合介质的真实样本模型。(d) 典型的光声正弦图。(e) 使用由水温确定的背景声速进行的初始低分辨率重建

  

PAC-CF 框架示意图。(a) PACT 数据采集。(b) 传统同质延迟 CF 与 PAC-CF 的对比,后者在双区 TOF 校正后评估相干性。(c) 包含目标区域及周围耦合介质的真实样本模型。(d) 典型的光声正弦图。(e) 使用由水温确定的背景声速进行的初始低分辨率重建。(f) 包围目标的椭球形先验。(g) 由相干性引导的有效内部声速选择,其中目标函数为所选感兴趣区域内的平均 CF;所绘制的 CF 分数曲线为来自小鼠实验的实际搜索曲线。(h) 使用优化后的双区 TOF 模型进行的最终 PAC-CF 重建。

1. 引言

光声(PA)成像检测由脉冲光吸收产生的超声波,结合了光学吸收对比度与声学分辨率成像,可在超越纯光学显微镜的深度范围内进行成像。1–4 光声断层成像(PACT)在宽孔径范围内记录这些声波以实现体积重建。5,6 在半球形阵列 PACT 中,延迟求和(DAS)反投影仍是常用方法,因为其简单且计算效率高,7–9 但它会保留旁瓣、条纹伪影和离轴背景。10–12 相干因子(CF)加权通过比较相干与不相干孔径能量来抑制这些伪影;当延迟定律正确时,真实吸收体信号会相干叠加并被保留。13,14

CF 的弱点在于,它仅在延迟补偿已应用后才判断相干性。如果假定的飞行时间(TOF)模型是错误的,来自真实吸收体的延迟样本将不再相位对齐。15,16 组织、皮肤、脂肪、器官实质和耦合水的声速各不相同,因此 PA 波在到达阵列之前会累积与探测器相关的相位像差。17–20 传统 CF 无法区分这种相位像差的真实信号与不相干背景,因此可能会抑制那些本应保留的结构。

以往的研究既利用 PA 相干性来选择均匀有效声速,也用其来加权最终的二维波束合成图像。21 其他全环双模态研究使用脉冲回波 US 相干性来选择平均声速或双区声速,用于后续的 PA 重建。22,23 此外,椭球形双速模型已被纳入三维半球形 UBP 重建中,以考虑组织与耦合介质之间的声速差异。24,25 连同先验自聚焦、声速补偿、全波和基于学习的方法,26–32 这些研究确立了相干性引导的声速选择、CF 加权和双区传播校正的价值。本工作通过在三

重建采用以声源为中心的7.0 mm×7.0 mm×4.0 mm视野,体素间距为0.10 mm。重建面板中的红色十字标记了真实声源位置。

第二个仿真实验评估了PAC-CF对椭球边界分割误差的鲁棒性。探测器阵列同样包含1024个Fibonacci采样单元,位于半径为10 mm的半球上。外层和内层声速分别为1490 m/s和1950 m/s。在重建过程中,仅PAC-CF使用的边界模型受到扰动:平移误差将椭球中心沿z轴移动?15%到+15%的真实z半轴,而轴长误差将三个半轴缩放?15%到+15%。接收数据始终由真实椭球生成。对于每个扰动,PAC-CF指标相对于使用正确(0%误差)边界的PAC-CF重建进行评估。

为了评估超越匹配射线传播模型的鲁棒性,另外的二维非匹配验证使用了k-wave全波前向数据。前向和重建模型在网格间距、声速、边界形状和频率响应处理方面有所不同。前向模型包含密度不均匀性和全波传播,而重建保留了简化的直线路径两区域TOF。完整协议见补充方法、图S1和补充材料中的表S1。

2.4. 实验获取与重建

所有实验数据均使用自定义半球形PACT系统采集,该系统配备1024单元超声波换能器阵列,3.16 MHz中心频率,半径100 mm。光声信号由Nd:YAG激光器(Nimma-900,Beamtech Optronics Co, Ltd)激发,工作在1064 nm,单脉冲能量100 mJ,重复频率10 Hz。

对于体模实验,两根100 μm直径的钨丝交叉并浸入由桶形琼脂支架容纳的98%无水乙醇中。去离子水作为外部耦合介质。体模成像期间测量的水温为23.3°C,整数报告后对应v_out=1492 m/s。对于常规DAS和CF,通过穷举重建不同候选声速下的体模数据并比较图像质量,经验性地选择了共同的均匀声速1447 m/s。PAC-DAS和PAC-CF则在两区域模型中使用v_out=1492 m/s和v_in=1260 m/s。体模定量分析使用一个重建帧。乙醇-水声速失配产生了受控的非均匀声学路径,允许在已知的相位像差条件下比较DAS、常规CF、PAC-DAS和PAC-CF。

对于活体成像,使用一只10周龄成年雄性裸鼠(NU/NU,Charles River Co)。成像前禁食24小时,使用脱毛膏去除体毛,并用1.5%气化异氟烷维持麻醉。动物固定在专用支架中,全身PACT期间浸入水浴中。测量的水温为21.4°C,整数报告后对应v_out=1487 m/s。活体重建和定量分析使用单次采集的20个相关性选择帧。未进行采集间重复性评估;因此,活体实验作为单动物概念验证研究呈现。动物方案经杭州医学院机构动物护理和使用委员会批准。

2.5. 定量指标

图像质量使用真声源峰比、声源CF、半高全宽(FWHM)、峰定位误差、信号保持率、对比噪声比(CNR)、广义对比噪声比(gCNR)、背景波动、相对峰幅度和线廓比较进行评估。本文未报告基于信噪比(SNR)的图像质量指标。对于体模分析,两条固定的方法无关采样线大致垂直于已知钨丝轨迹放置,相同的采样坐标和ROI定义不变地应用于DAS、常规CF、PAC-DAS和PAC-CF。信号ROI为覆盖两根钨丝的带状区域,背景ROI从远离钨丝的角落区域选择。CNR定义为公式(12):

CNR = |mean(signal ROI) ? mean(background ROI)| / std(background ROI)

背景波动定义为背景ROI的标准差。FWHM在固定采样线周围的局部窗口内计算。对于体模比较,信号保持率和峰保持率分别相对于DAS信号ROI均值和DAS钨丝峰值进行归一化。对于边界误差仿真,gCNR量化了目标ROI和背景ROI分布之间的可分离性。目标和背景直方图p_t(i)和p_b(i),其中i是直方图箱索引,在联合强度范围内以128个归一化箱构建,gCNR定义为公式(13):

gCNR = 1 ? (1/128)∑_{i=1}^{128} min(p_t(i), p_b(i))

热力图报告的是相对于0%边界误差条件的gCNR变化,而非绝对gCNR值,公式(14):

ΔgCNR = (gCNR_{0%} ? gCNR_{error}) × 100%

这里,gCNR_{0%}和gCNR_{error}分别表示零边界误差和扰动边界gCNR值。因此,负ΔgCNR表示扰动边界结果的gCNR高于0%边界误差结果。原理仿真中使用的真声源峰比定义为公式(15):

R_source = I(r_s) / max_r I(r)

其中I(r_s)是真实声源位置r_s处的重建值,max_r I(r)是相同重建图像中所有体素的最大值。该指标表明真声源是否保持为图像峰值;它不是物理初始压力比。在边界误差仿真中,PAC-CF信号保持率基于目标ROI平均强度,公式(16):

S_retention = μ_{t,error} / μ_{t,0%}

在公式(16)中,μ_{t,error}和μ_{t,0%}分别是扰动边界和零边界误差PAC-CF重建的目标ROI平均强度。然后信号损失计算为(1 ? S_retention) × 100%。对于活体线廓分析,相对峰幅度定义为方法血管峰值强度与相同固定血管位置对应DAS峰值之比。由于相干加权改变了绝对图像幅度尺度,该指标与PAC-CF对CF的改善、CNR和背景波动一起解释。背景波动通过排除血管峰邻域后计算归一化背景轮廓的标准差。由于精确的轮廓线和代表性血管位置是在预定义DAS基ROI内回顾性选择的,这些指标被解释为描述性、机制导向的比较,而非盲法全局性能估计。

计算密集的回波投射和PAC-CF重建步骤在NVIDIA GPU上使用CUDA实现。在提供的实现中,使用CUDA版本12.4的NVIDIA RTX 4090 GPU重建单帧500×500×500体素体积需要2.39秒。仿真代码、重建代码和重建所需数据可在https://github.com/GaoXiali/Phase-Aberration-Corrected-Coherence-Factor-Beamforming获取。

3. 结果

3.1. PAC-CF防止相位像差导致的真声源抑制

图2展示了主要原理仿真。图2(a1)和2(a2)在三维和横截面视图中展示了探测器阵列、点声源和椭球先验。中央重建块在代表性声速差下以独立归一化的线性显示比较DAS、常规CF、PAC-DAS和PAC-CF;红色十字在每个图像中标记了真实声源位置。当声速差为零时,所有方法都在真声源处定位峰值,真声源峰比为1。随着声速差增加,均匀TOF补偿变得越来越不准确。在v_in=1660 m/s时,对应170 m/s声速差,均匀TOF误差的标准差约为154.6 ns,误差范围约为597.0 ns。在v_in=1850 m/s时,对应360 m/s声速差,这些值分别增加到约293.8 ns和1134.3 ns。

图2 展示相位像差导致的常规CF抑制和PAC-CF恢复的原理仿真。(a1)半球形探测器阵列、椭球两区域先验和点声源的三维几何。(a2)横截面几何。(b)在0、170和360 m/s声速差下的DAS、常规CF、PAC-DAS和PAC-CF重建;红色十字标记真声源。每个重建子图独立归一化到其自身最大强度,并以0到1的线性刻度显示,如共享的Min-Max颜色条所示。(c1)–(c4) 在整个扫描范围内的声源到峰比、声源能量比CF、横向FWHM和定位误差。PAC-DAS显示两区域TOF校正后的DAS重建,而PAC-CF显示使用相位校正相干因子的重建。常规CF在均匀延迟失配下逐渐抑制和错误定位真声源,而PAC-CF在两区域TOF校正后保持相干和定位。

图2中的定量图展示了这种延迟误差对CF加权的影响。真声源峰比图显示常规CF逐渐抑制真实声源,而PAC-CF保持真声源为主导峰值。声源CF图显示在170 m/s声速差时均匀延迟声源CF降至0.00794,在230 m/s或更高的声速差时降至约0.00039到0.00042。FWHM和定位误差图显示抑制伴随着空间可靠性丧失。在最严重的测试条件v_in=1850 m/s下,常规CF的真声源峰比约为1.6×10??,峰定位误差约为1.18 mm。使用校正的两区域TOF,PAC-DAS和PAC-CF在所有测试声速差下均保持真声源为图像峰值,并将定位误差保持在0。因此,PAC-DAS隔离了延迟校正的贡献而不进行最终CF加权,而PAC-CF进一步应用常规能量比CF,在整个扫描过程中将声源CF保持在约0.983到0.984,并产生比PAC-DAS更窄的横向响应。

3.2. PAC-CF对中等边界先验误差的耐受性

图3评估PAC-CF是否需要完美的椭球边界。图3(a1)展示真实仿真几何。图3(a2)说明边界模型的平移扰动,图3(a3)说明椭球轴的均匀缩放。在所有情况下,原始通道数据均使用真实椭球合成;仅PAC-CF重建中使用的边界模型受到扰动。

图3 PAC-CF对边界模型误差的鲁棒性。(a1)探测器阵列、椭球和点声源的真实几何。(a2)平移误差模型,其中椭球中心沿z轴从真实z半轴的?15%到+15%移动。(a3)轴长误差模型,其中所有半轴从?15%到+15%缩放。(b1), (b2) 分别是在平移和轴长误差下的PAC-CF信号保持率、FWHM比和定位误差;阴影区域标记±10%范围。信号保持率和FWHM比相对于0%误差PAC-CF重建归一化。(c1), (c2) 相对于0%误差PAC-CF重建的信号损失、绝对FWHM变化、定位误差和gCNR损失的热力图。负gCNR损失值表示gCNR高于零误差参考。

图3(b1)和3(b2)中的线图总结了在平移和轴长误差下PAC-CF信号保持率、FWHM比和定位误差。在完整的?15%到+15%范围内,平移误差产生0.656到1.000的信号保持率,0.829到1.000的FWHM比,以及不超过0.2 mm的定位误差。轴长误差产生0.909到1.000的信号保持率,0.931到1.000的FWHM比,以及不超过0.3 mm的定位误差。在阴影±10%范围内,信号保持率在平移误差下保持至少0.800,在轴长误差下保持至少0.941。图3(c1)和3(c2)中的热力图以信号损失、绝对FWHM变化、定位误差和相对于零误差PAC-CF重建的gCNR损失报告了相同结果。最大信号损失34.4%发生在极端+15%平移误差处,而最大FWHM变化17.1%发生在?10%平移误差处。gCNR损失值是非单调的:对于平移误差,范围为?4.5%到+6.1%,而每个非零轴长扰动都产生负值,范围为?16.8%到?1.7%。负gCNR损失值表示扰动重建的gCNR高于零误差参考。这些结果支持对中等边界失配的鲁棒性,而非对分割误差的无限耐受。

在补充的非匹配全波仿真中,PAC-DAS和PAC-CF将峰定位误差从DAS的0.582 mm和常规CF的0.506 mm降至0.113 mm,同时保持真声源到峰比分别为0.946和0.936。对应的DAS和常规CF比率分别为0.229和0.055。PAC-CF相对于PAC-DAS进一步降低了归一化背景标准差。完整的非匹配全波验证见补充材料,仿真配置和重建图像见Fig. S1,定量比较见表S1。

3.3. 交叉钨丝体模在相位失配下的验证

交叉钨丝体模实验测试了PAC-CF能否在乙醇和水之间受控的实际失配条件下恢复常规CF抑制的目标信息。图4(a1)和4(a2)展示了体模的示意图和照片。两根100 μm钨丝浸入琼脂支架中的无水乙醇中,而水作为耦合介质。PAC-DAS和PAC-CF使用测量的水声速v_out=1492 m/s和乙醇区域声速v_in=1260 m/s。

该配置导致线状目标生成的声光(PA)信号在探测之前累积了依赖探头的相位像差。

图4 下载 全屏图片 相位失配条件下PAC-CF的体模验证。(a1)、(a2) 乙醇填充区域中交叉的100 μm钨丝体模的示意图和照片,该区域被水包围。(b1)–(b3) 在?????、?????和?????视向上的DAS投影。(c1)–(c3) 常规CF投影。(d1)–(d3) 应用双区域飞行时间校正但未进行最终CF加权的PAC-DAS投影。(e1)–(e3) 应用双区域飞行时间校正后再接常规能量比CF加权的PAC-CF投影。(f) 从所示采样线提取的四种方法的归一化强度剖面。PAC-DAS隔离了校正延迟的效果,而PAC-CF则展示了校正相位对齐与最终CF加权的组合效果。两条采样线大致垂直于已知的丝径轨迹,并对所有四种方法保持不变。

图4(b1)–4(b3)展示了在?????、?????和?????投影中的DAS重建。DAS部分恢复了丝径,但表现出强旁瓣和条纹状背景伪影;在?????投影中,一根丝径出现分裂和空间位移。图4(c1)–4(c3)展示了常规CF,它减少了部分非相干背景,但也抑制了因单速延迟模型而表观相干性降低的丝径信号。图4(d1)–4(d3)展示了PAC-DAS,它应用了双区域飞行时间校正但未进行最终CF加权。校正后的延迟恢复了更强且更集中的丝径响应,但比PAC-CF保留了更多的离靶波动。图4(e1)–4(e3)展示了PAC-CF。通过将常规能量比CF应用于相位校正后的通道贡献,PAC-CF将校正延迟提供的结构恢复与进一步的非相干背景抑制相结合。图4(f)中沿?????投影中所示固定采样线提取的归一化线剖面支持了这一组合效果。由于四种方法之间的相对图像幅度差异显著,使用了方法相关的线性显示范围以维持重建结构的可见性;该显示缩放未用于线剖面或定量计算。

定量体模指标进一步说明了两者的组合为何对于整体PAC-CF性能是必需的。DAS、常规CF、PAC-DAS和PAC-CF的平均半高全宽(FWHM)值分别为0.400、0.250、0.283和0.217 mm,而相应的背景波动分别为0.0231、0.0063、0.0191和0.0031,对比噪声比(CNR)值分别为8.55、11.75、13.43和18.20。PAC-DAS将信号保留和平均峰值保留分别提高了19.6%和25.6%(相对于DAS),分别为1.196和1.256,证实仅双区域飞行时间校正即可恢复和重新聚焦丝径信号。在最终CF加权后,PAC-CF的信号保留为0.237,平均峰值保留为0.555;后者略高于常规CF获得的0.535,而PAC-CF实现了四种方法中最低的背景波动、最窄的平均半高全宽和最高的CNR。因此,PAC-DAS作为机制消融,表明PAC-CF的改善不能仅用延迟校正来解释:校正后的延迟恢复了CF运作所依赖的相位对齐,两者的结合提供了靶标集中度与背景抑制之间最强的平衡。

3.4 小鼠体内血管成像

图5评估了PAC-CF在小鼠PACT数据中的表现。图5(a)展示了全鼠最大强度投影,标注了两个代表性感兴趣区域(ROI):蓝色虚线框标记的肝脏区域和黄色虚线框标记的肠系膜动脉区域。肝脏剖面从?????视向??=3.30 mm处提取,肠系膜动脉剖面从?????视向??=?7.60 mm处提取。DAS、常规CF、PAC-DAS和PAC-CF使用相同的空间位置。PAC-CF使用的??out=1487 m/s来自测量的水温,??in=1563 m/s由基于相干性的搜索选定。这些宽泛的ROI是从初始的均匀延迟DAS体积中选择出来的,是在查看PAC-DAS或PAC-CF图像之前确定的,因为它们是相对较深、特征丰富的区域,在这些区域中预期非均匀声路会有更强的影响。精确的剖面线和代表性血管位置随后在这些预定义的ROI内被选择用于回顾性、机制导向的比较,然后对所有方法保持不变地应用。对两个区域使用了单一的优化内部声速;肝脏ROI与声速优化ROI在空间上是分离的,而肠系膜动脉ROI与之重叠。

图5 下载 全屏图片 PAC-CF在小鼠PACT重建中对血管特征的保留和增强。(a) 全鼠最大强度投影,肝脏和肠系膜动脉ROI分别由蓝色和黄色虚线框标记。(b1)–(b4) 使用DAS、常规CF、PAC-DAS和PAC-CF的肝脏区域重建。(c1)–(c4) 使用同样四种方法的肠系膜动脉区域重建。(d1)、(d2) 在对应重建面板中所示的相同水平采样位置提取的四种方法归一化强度剖面。PAC-DAS隔离了校正后双区域延迟的贡献,而PAC-CF额外应用了能量比相干权重以抑制背景干扰。每个重建面板均归一化至各自的最大值以供可视化;定量相对峰值幅度由原始投影值计算。白色箭头指示了被常规CF衰减但被PAC-CF更清楚恢复的代表性弱血管特征。比例尺:2 mm。

一项针对33个ROI配置的独立灵敏度分析产生了名义离散最大值1560 m/s,与1563 m/s的生产搜索结果接近;扰动后的ROI最大值保持在1557.5至1580.0 m/s范围内,均未在搜索边界处出现。曲线形成了一个宽泛的高相干性平台而非尖锐可辨识的最优点;完整协议和曲线在补充材料中的图S2提供。

图5(b1)–5(b4)在肝脏ROI中比较了DAS、常规CF、PAC-DAS和PAC-CF。DAS保留了丰富的血管信号,但也保留了较高的背景和旁瓣伪影。常规CF产生了更干净的背景,但衰减了箭头所示的弱血管特征。PAC-DAS使用校正后的双区域延迟而不使用相干加权,改善了血管连续性,同时保留了类似DAS的背景。PAC-CF将校正延迟与能量比CF加权相结合,在保留恢复的特征的同时进一步抑制了背景干扰。图5(c1)–5(c4)展示了肠系膜动脉ROI。观察到了相同的模式:PAC-DAS在延迟校正后改善了连续性,但保留了更多的背景,而PAC-CF在比PAC-DAS更强的背景抑制下保留了精细的血管形态。图5(d1)和5(d2)中的剖面分别在面板(b1)–(b4)和(c1)–(c4)中所示的相同水平采样位置提取。主要血管峰值在四种方法中保持空间一致性,表明这是现有结构的恢复而非人为的空间位移。

定量线剖面分析进一步支持了这一解释。报告的体内峰值值是相对于同一空间位置相应DAS血管峰值归一化的相对峰值幅度;由于CF加权改变了绝对图像缩放,最相关的比较是PAC-CF与常规CF之间的比较,结合CNR和背景波动。在肝脏ROI中,PAC-DAS将平均相对峰值幅度提高到1.234,而常规CF和PAC-CF产生的值分别为0.0081和0.0151;因此,PAC-CF相对常规CF将保留的峰值幅度提高了87.4%。DAS、常规CF、PAC-DAS和PAC-CF的背景波动分别为0.0787、0.0362、0.0642和0.0252,相应的CNR值分别为4.23、5.35、6.02和12.53。在肠系膜动脉ROI中,PAC-DAS的平均相对峰值幅度为1.235,而常规CF和PAC-CF分别为0.0104和0.0174,对应PAC-CF相对常规CF 67.0%的改善。四种方法的背景波动分别为0.0433、0.0198、0.0522和0.0163,相应的CNR值分别为5.32、6.17、5.88和11.00。这些结果分离了两种贡献:PAC-DAS中的延迟校正恢复了血管峰值幅度和连续性,而PAC-CF中随后的能量比CF加权提供了最强的背景抑制和CNR。

4. 讨论与结论

结果表明了常规CF在半球形PACT中的一个特定局限性。CF通常被解释为伪影抑制权重,但其决策取决于在计算因子之前所使用的延迟模型。当该模型不正确时,真实的吸收体可能被赋予较低的相干值。在原理模拟中,增加声速差降低了表观源的CF值,导致常规CF抑制并错误定位真实声源。PAC-CF在相干性估计之前应用了双区域飞行时间校正,恢复了声源作为一个高相干结构。

PAC-CF的方法学贡献在于将椭球双区域飞行时间校正从相干反投影项扩展到由最终常规CF评估的角度加权通道贡献。这一区分很重要,因为传播模型失配不仅影响DAS聚焦,还影响相干性决策的有效性:当检测器依赖的延迟得不到充分补偿时,真实吸收体可能获得人为的低CF权重。因此,PAC-CF使用部分飞行时间校正来改善相干重建以及随后CF加权的可靠性。

该公式整合了先前研究在不同条件下证明的要素:二维声光波束形成中使用CF引导的均匀有效声速选择与最终CF加权;21 全环超声波声光CT中基于超声相干性的平均或双区域声速选择;22,23 以及三维半球形超声波反投影重建中的椭球双速校正。24,25 在PAC-CF中,相干性具有两个相互关联的作用:从声光数据中选择ROI优化的有效内部声速,以及在部分相位对齐之后对最终图像进行加权。因此,其贡献在于这种仅使用声光的三维整合,而非单独的椭球模型、基于相干性的声速搜索或常规CF定义。

边界误差模拟表明PAC-CF不需要精确的分割。这是令人鼓舞的,因为实际的组织边界很难仅从声光数据中精确定义。在±10%的扰动范围内,对于平移误差,PAC-CF保留了零误差目标信号的至少0.800;对于轴长误差,保留了至少0.941,定位误差不大于0.2 mm。在极端+15%平移误差下信号保留降至0.656也表明容差并非无限。因此,先验信息应捕获主要的相位像差区域,但适度的边界失配可以容忍。

体模和体内实验进一步支持PAC-CF作为一种校正与加权相结合的策略。在交叉丝径体模中,PAC-DAS证实仅双区域飞行时间校正即可恢复和重新聚焦丝径响应,但其保留的背景波动比PAC-CF更多。PAC-CF在此部分相位对齐后应用了常规能量比CF,实现了四种方法中最窄的平均半高全宽、最低的背景波动和最高的CNR。因此,PAC-DAS消融表明观察到的PAC-CF收益不能仅归因于延迟校正;它源于改善的相位对齐与随后相干性决策的结合。在小鼠数据中,观察到了相同的关系:PAC-DAS改善了血管峰值保留和结构连续性,但保留了相对较高的背景,而PAC-CF在提供能量比相干加权所带来的额外背景抑制的同时保留了恢复的特征。图5中的线剖面对齐表明增强的特征在空间上与DAS、常规CF或PAC-DAS中存在的结构一致。

应指出若干局限性。首先,当前实现使用简化的椭球双区域先验。真实组织包含空间变化的声速、衰减、密度变化和可能的曲面界面折射效应。因此,PAC-CF应被理解为一种相位像差减少策略,而非完整的声学逆解。其次,当前参数搜索是标量且基于ROI的;更复杂的解剖结构可能需要多个区域或更强的先验信息。第三,主要模拟使用了基于射线的正演数据以隔离相干机制。补充的非匹配k-wave模拟提供了全波正演验证,但重建仍使用简化的直线路径双区域模型;将折射、衍射和空间变化的声学性质纳入逆模型仍是未来的工作。发布的代码和重建数据支持可重复性,但仍需要额外的系统和样本上的独立测试来确定框架的实际工作范围。ROI灵敏度分析表明产生的声速相对接近,但离散最大值在宽泛的目标平台内变化;因此,所选值不应被解释为高精度估计。详细的ROI扰动和目标函数曲线在补充材料中的图S2报告。单只小鼠的体内实验未包含采集间重复性评估;其回顾性的、区域特异性的剖面分析因此被解释为描述性的概念验证证据,而非盲法或全局验证。

紧凑的椭球先验也应被解释为PAC-CF框架的一种实现方式,而非固定要求。在更复杂的生物学或临床场景中,如人体乳腺成像,真实的组织边界和声速分布可能是不规则的且空间异质的。

因此,PAC-CF可以通过将椭球先验替换为从初始DAS重建、配准超声或其他多模态结构信息中获得的非椭球形解剖掩模来扩展。此类掩模可以提供体素相关的声程划分或分区域的有效声速,同时保持相同的核心理念:在评估CF之前先校正TOF模型。这种扩展可能会在不改变PAC-CF相干加权原则的前提下,提高其在解剖结构复杂样本中的泛化能力。所提出的方法应被视为一种灵活的部分相位像差校正框架,而非封闭的终点。更高级的声学先验、自动区域划分或测量的声速图均可被整合,以改善CF评估前的延迟估计。类似地,相位对齐后,PAC-CF可与修改后的CF、滞后相干性或其他空间相干度量相结合。核心原则是:相干加权应仅在实际可能范围内使信号尽可能相干之后,再对延迟模型应用。PAC-CF将椭球形双区域TOF校正扩展到用于三维半球形仅PA PACT中最终传统能量比CF评估的角度加权通道贡献。通过在评估传统能量比CF之前校正所使用的TOF,PAC-CF减少了相位像差引起的过度抑制。仿真、体模数据和活体小鼠重建表明,PAC-CF保留了CF的伪影抑制优势,同时恢复了传统CF可能会衰减的结构。该方法为更加可靠的相干加权PACT重建提供了一条切实可行的途径。
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