光聲-超聲聯合圖像重建方法研究進展

，立爽

(華北電力大學電子與通信工程系，河北 保定 071003)

超聲層析成像(ultrasonic computed tomography, USCT)利用超聲波束掃描成像組織，根據自組織反射回的超聲波中提取的聲學特征對其形態結構進行成像，具有無輻射、集成度高、成像時間短、組織穿透力強，在可獲得的合理穿透深度內有極好的空間對比度等優點，已普遍應用于疾病的臨床診斷和治療。但超聲灰度圖像分辨率較低，區分組織成分的敏感度和特異度有限。光聲層析成像(photoacoustic computed tomography, PACT)具有純光學成像高對比度和超聲檢測高空間分辨率的特點；生物組織在短脈沖激光的照射下發生熱彈性膨脹并向外輻射超聲波(即光聲信號)，由于不同組織成分的光吸收系數不同，超聲換能器可以檢測到不同強度的超聲波，經圖像重建，可得到組織的光吸收分布圖。基于不同組織成分光吸收系數和散射系數的差異，PACT在反映組織結構信息的同時又可靈敏反映其生理特征變化，從而實現功能成像[1]。

USCT和PACT均以超聲波作為載體，且優勢互補，超聲換能器可以產生超聲信號以及接受光聲信號和超聲回波信號，故2個系統可共用同一個超聲換能器和信號采集卡，形成光聲-超聲(photoacoustic-ultrasonic, PAUS)聯合成像，充分發揮2種成像手段各自的優勢，同時獲得目標組織的結構和功能信息[2]。聯合圖像重建是PAUS成像中需要解決的關鍵問題。本文對PAUS聯合圖像重建方法的研究進展進行綜述。

1 PAUS聯合成像原理及發展現狀

PAUS聯合成像原理如下：在復合成像探頭掃描目標組織的過程中，激光器和超聲換能器分時向目標組織發射短脈沖激光和超聲波脈沖；激光器在輸出激光的同時發出觸發信號，集成成像系統通過對超聲子系統進行延時，在時域上將超聲回波信號和光聲信號分開；超聲換能器分時采集組織反射、散射或產生的超聲信號并傳入計算機中，根據信號特性分析組織成分或重建PAUS圖像。

到目前為止，對PAUS聯合成像的研究已超過10年，大量的體模和動物實驗證明了其可行性和識別早期病變組織的能力[3-4]，并已應用于胃腸道[5]、泌尿系統[6]、生殖系統[7]及心腦血管[8-10]等方面，取得了巨大進展。

2 USCT和PACT圖像重建的主要方法

2.1 USCT圖像重建 在USCT過程中，超聲波穿過非均勻組織時會發生散射，利用散射聲波中攜帶的組織信息可重建組織內的聲速分布或聲學特性參數。USCT圖像重建方法主要包括3種。①射線跟蹤法，是基于聲波在非均勻介質中折射路徑的代數重建方法。假設聲波沿直線傳播，首先計算其穿越組織的渡越時間，并求出組織折射系數的初始值；然后采用光學中的射線跟蹤法校正聲波的傳播路徑，修正折射系數與傳播路徑之間的關系，獲得更精確的折射系數分布。射線跟蹤法計算較簡單，但只考慮了聲波的折射現象，存在較強衍射現象或發生多次折射時此法會受到影響，甚至失效。②衍射層析成像法[11]，系以傅里葉衍射投影定理為基礎，在Born、Rytov近似下實現層析成像。典型的衍射層析成像法包括頻域內的插值算法、空間域內的濾波反投影算法(filtered back projection， FBP)及濾波反向傳播算法(filtered-back propagation algorithm， FBPP)等[12]。此法的計算速度較快，但由于運用了Born、Rytov近似，使其僅適用于弱散射組織。③基于精確場描述的層析成像法，其基本思想是采用矩量法將泛函方程轉化為矩陣方程并進行求解，求解方法主要有奇異值分解、截斷完全最小二乘以及正則化方法[13]等。由于在反演目標內部結構時不再利用某種近似假設，因而拓寬了其適用范圍，不僅適用于強散射體，亦可應用于弱散射體。該方法最大的不足是矩陣方程不穩定性強，求解過程較繁瑣。

2.2 PACT圖像重建 在PACT過程中，生物組織在理想短脈沖激光均勻照射下產生的光聲信號幅值與入射光的強度呈正比，而光聲信號的特性由組織的光吸收特性決定，通過合適的算法可從超聲探測器采集的聲壓時間序列中重建出組織的初始聲壓分布或光吸收分布，從而反映組織形態結構[14-15]。主要方法有FBP、時間反演(time reversal, TR)法、相控聚焦法、基于傅里葉變換的重建算法、反卷積重建算法和迭代重建算法等[16]。

根據光聲信號的測量值可以同時重建聲速分布和光吸收分布[17]，但恒定聲速的假設可導致PACT重建圖像中存在嚴重的聲學畸變、偽影、模糊以及目標錯位等問題，目前多采用基于誤差最小化的方法[18]，其主要流程如下：根據PACT原理和光聲波動方程建立前向成像模型，模擬組織在短脈沖激光照射下產生光聲信號的過程，模型的輸出即為光聲信號的理論值，由光吸收分布和聲速分布共同決定；選擇適當的優化策略和正則化方法，求解非線性最小二乘問題，使光聲信號測量值與理論值之間的誤差最小，實現光吸收分布和聲速分布的同時重建。主要方法包括基于有限元分析的非線性迭代算法[19-20]、基于廣義Radon變換的時域迭代算法[21]和基于時域波動方程的交替優化算法[18,22-23]等。與采用恒定聲速重建圖像相比，利用上述方法重建的光吸收分布圖像質量増高，但即使采用完備的光聲測量數據集，依然無法準確重建聲速分布，故亦無法準確重建光吸收分布，仍需與其他測量數據相結合，以提高重建圖像的質量[23]。

3 PAUS聯合圖像重建方法

在PAUS聯合成像中，可以同時采集組織反射的超聲回波數據和組織產生的光聲壓時間序列，故可同時重建聲速分布和光吸收分布，主要方法有獨立重建法和聯合重建法。

3.1 獨立重建法 獨立重建法首先根據超聲回波測量數據重建聲速分布，然后在此基礎上由光聲信號測量值重建光吸收分布。超聲回波信號中包含組織的大量聲學信息，超聲回波信號亦可用于估算聲速分布，主要方法有2種[24]，分別為基于射線的方法(即基于幾何光學的方法)和基于聲波方程的重建算法(即波形反演法)。前者無法模擬高階衍射效應，分辨率較低；后者可以產生高分辨率的圖像，但計算較復雜。但是，分別獨立重建出的聲速分布和光吸收分布并非最優。由于光聲波根據介質的聲學特性傳播，光聲信號測量值中包含組織的聲速分布信息，若僅根據超聲回波數據重建聲速分布，則忽略了光聲信號中隱含的聲學信息。因此，與單獨采用光聲測量數據的方法相比，雖然獨立重建法重建的光吸收分布相對準確，但僅根據稀疏的超聲回波數據，很難準確估計聲速分布。

3.2 聯合重建法 聯合重建法是同時利用超聲回波和光聲信號測量值重建聲速分布，在此基礎上再重建初始聲壓分布或光吸收分布，可進一步提高重建圖像的質量。目前聯合重建法主要包含以下3種方法：①基于范式轉變的方法[25]，該方法定義與聲速分布和光吸收分布有關的全變差(total-variation, TV)正則化成本函數，并利用快速迭代收縮閾值算法(fast iterative shrinkage thresholding algorithm, FISTA)使成本函數最小，求解出光吸收分布。重建聲速分布時，首先對光聲和超聲測量數據進行L2范數歸一化處理，由于加入了源編碼的思想，所以采用二階K空間算法重建聲速分布。該算法充分利用了光聲測量數據中的聲學信息，僅用16個角度的測量數據便可達到USCT中100個角度數據的重建效果。②交替優化算法[26]，與基于范式轉變的方法中所述的采用交替優化算法重建聲速和光吸收分布的方法[18,22-23]類似，也是通過交替優化與聲速分布和光吸收分布有關的成本函數，同時重建聲速和光吸收分布，不同之處僅在于其根據USCT測量值得到聲速分布的初始值。由于充分利用了超聲回波和光聲測量數據中所包含的聲學信息，所以交替優化算法根據光聲數據獲得的聲速分布更精確、穩定性更高。交替優化算法的不足在于：涉及的參數過多，而獲取這些參數需要大量實驗；每次迭代都要計算子問題，計算過程較復雜；用二維模型代替實際的三維模型，前向模型存在偏差等。③基于逆時偏移(reverse-time migration, RTM)的方法[27]，RTM是一種常用于勘探地震學的TR成像算法[28]，對速度異質性和多方向的復雜傳播路徑具有很強的處理能力，將其與適當的邊界條件相結合，可增強圖像SNR、精確定位結構并減少偽影。基于RTM的PAUS聯合圖像重建方法的原理如下：首先，對數值仿真出的激光超聲(laser-ultrasound, LU)聲場進行TR處理，并與檢測到的LU波一起反向傳播，重建LU聲散射圖像；然后，考慮到光聲場與LU聲場不同，光聲波直接從聲源傳播到組織表面，故僅對測量的光聲場進行反向傳播，重建初始聲壓分布圖像。該算法應用二維或三維的波動方程，相比于應用單向波動方向的反投影或TR算法，其魯棒性更強，準確率更高；但固有的低頻成像噪聲以及較高的計算復雜度可能限制其應用。

與獨立重建法相比，聯合重建法具有以下優點：可以更準確地估計聲速分布，進而優化PACT重建圖像質量；重建圖像具有最小的系統偽影；使成像模型中的誤差最小化；利用有限角度的超聲回波成像數據(即稀疏數據)就可估計出相對準確的聲速分布圖，實現稀疏數據條件下聲速分布的重建[29]。

4 小結與展望

PAUS聯合圖像重建是未來提高PAUS成像精度的主要發展方向，但在實際應用中，測量數據的稀疏程度通常較大，采用現有方法重建圖像則可能存在較大誤差；若能結合壓縮感知和深度學習等方法，利用稀疏測量數據準確估計出未測數據，提高數據的完整性，即可提高重建圖像的精度，具有高度潛在應用價值。