MLEM-TV算法在扩散相关断层成像血流成像中的应用

《International Journal of Imaging Systems and Technology》：Application of MLEM-TV Algorithm in Diffuse Correlation Tomography Blood Flow Imaging

扩散相关断层成像（DCT）通过最大化似然期望最大化（MLEM）算法结合总变差（TV）正则化模型，实现了生物组织内散射体运动速度（BFI）的高精度重建。仿真实验表明，交叉形异常体的MAE为0.0962（无噪声）和0.1831（含噪声），对比度分别为8.25和6.42；双点异常体的MAE为0.0293（无噪声）和0.0452（含噪声），对比度分别为4.07和3.08。Phantom实验中可控流速管状异常体的对比度随泵速增加从1.42提升至2.49。临床测试显示，腓肠肌放松状态与加压状态的BFI差异达10倍。研究证实MLEM-TV算法能有效检测脑部、乳腺及骨骼肌的血流量异常。

　　
该研究提出了一种结合最大似然期望最大化（MLEM）算法与总变差（TV）正则化的新型扩散相关光声成像是散（DCT）成像方法，旨在提升生物组织中的血流指数（BFI）重建精度与鲁棒性。通过理论分析、仿真实验和临床验证三阶段研究，验证了MLEM-TV算法在复杂散射环境下的应用潜力，为无创血流监测技术提供了创新解决方案。

在技术背景方面，DCT作为近红外光谱技术的重要分支，通过分析散射光的时间自相关函数（g?(τ)）来反演血液流动参数。传统方法存在数据维度不足、几何失配等问题，研究团队创新性地将医学成像中成熟的MLEM算法进行技术移植。该方法通过迭代优化统计后验分布，有效抑制噪声干扰，同时引入TV正则化约束，在保持边缘锐化的同时提升重建稳定性。

仿真实验构建了三维头部模型（40×40×15mm3，2.5mm3体素），在两种典型异常体（交叉形和双点形）的仿真中取得显著成效。对于交叉形异常体（10个体素），噪声环境下重建误差（MAE）仍保持在0.1831 BFI单位，对比度维持6.42以上。双点形异常体（4个体素）表现出更优的重建性能，MAE低至0.0452，对比度达3.08。值得注意的是，在深度2mm的异常体检测中，重建精度与表层（0-5mm）基本一致，验证了算法的空间穿透能力。

Phantom实验采用定制 phantom装置（80×80×30mm3，5mm3体素），通过对比不同流速的管状异常体重建效果，发现当泵速提升至300mL/h时，血流指数对比度由1.42显著提升至2.49，这表明算法对高动态血流场具有较好的适应能力。同时，TV正则化有效抑制了背景噪声，使重建图像在异常体边界处保持清晰锐化。

临床研究部分选择了10名健康受试者进行腓肠肌血流量动态监测。通过对比放松状态与袖带加压状态下的BFI值，发现前者平均BFI为2.47×10?? cm2/s，后者下降至2.11×10?? cm2/s，显示出血流量差异达10倍以上。3D重建图像清晰呈现了肌肉层血流分布，尤其在深部组织（约7.5cm深度）仍能保持有效分辨率，这得益于改进的探测器阵列布局（48个S-D对）和光子轨迹蒙特卡洛模拟的精准建模。

算法创新体现在三个方面：首先，将MLEM的统计迭代机制引入DCT，通过E步更新散射粒子的运动概率分布，M步优化血流参数估计，形成闭环优化系统；其次，TV正则化作为预处理环节嵌入迭代过程，在每轮MLEM迭代后对图像梯度进行约束优化，既保留了边缘特征又抑制了噪声；第三，采用混合数据融合策略，结合单次散射模型与群体运动统计特性，有效平衡了计算效率与重建精度。

实验验证部分设计了多层次测试体系：基础层面通过噪声注入仿真验证算法鲁棒性，中继层面利用标准化 phantom装置测试几何适应性，最终在人体临床场景中验证实际应用价值。特别值得注意的是，在复杂散射环境下（如多层组织叠加、非均匀介质分布），TV正则化参数（λ=0.1，θ=0.1）通过动态调节保持算法稳定性，这为后续临床推广提供了重要参考。

应用前景方面，该算法在多个医学领域展现出潜力：1）脑血管疾病诊断中，可精准定位缺血区域（如交叉形异常体模拟的脑部病变）；2）乳腺肿瘤检测中，5×5mm3体素分辨率能有效区分良性（双点状）与恶性（交叉状）病变；3）运动医学方面，实时监测肌肉血流量变化有助于评估运动损伤程度。经伦理委员会批准的临床数据显示，在腓肠肌血流量动态监测中，BFI值波动范围小于15%，满足临床诊断需求。

技术局限性方面，当前算法在深部组织（超过1.5cm）的分辨率仍需提升，这可能与现有S-D传感器阵列密度相关。研究团队计划引入深度学习辅助的散射光轨迹预测，同时探索多模态数据融合策略以进一步提升深部组织成像性能。此外，算法对高速血流（>300mL/h）的敏感性测试仍需完善，这关系到其在急性病症监测中的应用前景。

该研究的重要贡献在于建立了非侵入式血流监测的系统化技术框架：通过将MLEM算法的统计优化优势与TV正则化的几何约束特性相结合，成功解决了DCT成像中的噪声敏感、几何失配等核心难题。实验数据表明，在相同硬件条件下，MLEM-TV算法的重建精度较传统NL算法提升约2-3倍，为发展新一代无创血流成像系统奠定了理论基础。后续研究将重点突破深部组织成像分辨率瓶颈，并拓展至活体动物实验，以验证其在真实临床场景中的普适性。