基于多曲线正向投影和隐式神经表示的自监督光声层析成像重建

《Optics & Laser Technology》：Self-supervised photoacoustic tomography image reconstruction based on multi-curve forward projection and implicit neural representation

提出MIN-PAT方法，结合光声成像（PAT）多曲线前向模型与隐式神经网络表示（INR），通过自监督学习实现稀疏或有限视角下的高质量图像重建，有效抑制伪影并保留细节，无需完整真实数据。

　　

胡朝斌|莫宗新|钟宇天|魏安琪|梁照勇|李琦

南方医科大学生物医学工程学院，中国广东省广州市510515

摘要

在稀疏视图或有限视图的光声断层成像（PAT）中，成像性能主要受图像重建精度的限制。将PAT的多曲线前向模型与隐式神经表示（INR）相结合，为显著提升PAT成像性能提供了一种有前景的方法。受到最近报道的INR概念的启发，我们提出了一种自监督图像重建方法，该方法将PAT的多曲线前向模型与INR结合起来，我们将其命名为MIN-PAT。该方法旨在仅使用欠采样数据来提高重建质量。所提出的MIN-PAT框架从前向模型中的几何投影曲线中提取空间坐标，并利用INR学习从图像坐标到像素强度的隐式映射，从而无需完全采样的真实数据。在各种稀疏视图和有限视图条件下的实验结果表明，与传统重建方法相比，MIN-PAT能够有效恢复目标结构并抑制伪影。通过将PAT的多曲线前向模型与基于INR的学习相结合，MIN-PAT实现了无需外部训练数据的稳健自监督重建，提高了图像质量。这种方法在具有挑战性的采集场景中显示出显著的潜力。代码可在以下链接获取：https://github.com/CbinHu/MIN-PAT。

引言

PAT是一种先进的生物医学成像技术，它结合了光学成像的高对比度和超声成像的深度成像能力[1]、[2]、[3]，提供了无创的横截面成像能力。PAT在多个领域展示了巨大潜力，包括皮肤病学、肿瘤学、心脏病学和神经学[4]、[5]、[6]、[7]。尽管应用前景广阔，但理想的PAT系统通常需要密集的换能器阵列才能实现全角度覆盖的高质量成像。然而，由于复杂性和实际限制，实现这一理想状态颇具挑战[8]。在现实世界的设置中，换能器通常只覆盖组织的有限角度区域，导致数据采样不足，从而降低了PAT图像重建的质量[9]、[10]、[11]。如图1(a)和1(b)所示，这种“有限视图”问题会导致图像失真或不完整。此外，即使换能器覆盖了整个成像区域，由于成本限制，换能器数量不足也会导致所谓的“稀疏视图”问题[8]、[12]、[13]、[14]、[15]、[16]、[17]。如图1(c)和(d)所示，这个问题也会显著降低图像质量。

传统的PAT图像重建算法，如延迟求和（DAS）[18]、[19]和通用反投影（UBP）[20]，在处理欠采样数据时常常会产生图像失真、伪影和模糊。为了解决这个问题，已经提出了多种先进技术来提高PAT中欠采样数据的图像重建质量[21]、[22]、[23]。在这些方法中，基于模型的线性逆问题解决技术尤为突出[16]、[24]、[25]。

随着人工智能的发展，深度学习技术在医学图像重建方面取得了显著成功[26]、[27]。PAT也从这些进步中受益，特别是在PAT图像重建领域。Waibel等人使用U-Net框架[28]提出了一种从有限视图数据中提高PAT图像重建质量的方法。他们的方法可以用作DAS算法的后处理步骤，或者直接从光声投影数据重建图像。Lan等人提出了一种名为Y-Net的新型卷积神经网络架构[29]用于PAT图像重建。Y-Net在减少伪影和提高图像质量方面优于传统重建算法。Huang等人开发了一种名为FDP-GAN的先进方法[8]，专门针对稀疏视图和组织异质性的挑战。通过整合多样化的光声数据，FDP-GAN在低采样条件下增强了图像清晰度并有效减少了伪影，提高了成像精度。

尽管这些方法在一定程度上提高了重建图像的质量，但大多数都是需要大量高质量图像作为标记数据的监督学习方法[30]。最近，INR[31]的概念作为一种从稀疏测量中恢复缺失信息的有前景的方法出现了。INR可以通过神经网络捕获物体的复杂特征，而无需显式的几何表示，因此已被引入到包括CT[32]、MRI[33]和PAT成像[17]在内的医学图像重建中。尽管付出了这些努力，INR在稀疏或有限视图检测中的全部潜力以及其与物理成像模型的结合仍需进一步探索。

在这里，我们提出了一种基于INR的新型自监督PAT图像重建方法。与以往的方法相比，我们的框架将PAT前向模型的几何投影曲线坐标与INR结合起来，从而将多曲线集成过程引入到PAT图像重建中。我们的方法称为MIN-PAT，可以应用于有限视图或稀疏视图场景，并且仅基于原始的欠采样换能器信号进行训练。MIN-PAT的有效性和可靠性已在模拟数据和体内动物成像数据中得到验证。结果展示了MIN-PAT在PAT技术实际应用中的潜力。

部分摘录

PAT成像的前向投影

在热约束下，PAT的前向模型描述了光诱导超声生成和波传播的过程，其中声场的初始化和传播可以表示为[34]、[35]：