基于环形阵列的光声层析成像信号域双声速校正方法及其在生物医学动态实时成像中的应用

针对生物组织中声速(Speed of Sound, SoS)分布不均导致光声层析成像(PAT)质量下降的问题，研究人员提出了一种信号域双声速校正方法。通过识别成像目标轮廓的光声信号特征，区分不同声速区域并进行信号校正，实现了10 fps的动态实时双声速PAT重建。该方法将分辨率误差降低近12倍，对比度提升30%，计算效率比传统方法提高187.22%，为异质组织动态成像提供了可行方案。

　　

光声成像技术近年来在生物医学领域大放异彩，这种融合了光学高对比度与超声深穿透优势的混合成像技术，在肿瘤检测、脑成像和血管成像等方面展现出巨大潜力。然而，生物组织中不均匀的声速分布就像一面哈哈镜，让重建的图像扭曲失真。传统方法假设组织声速均匀，就像试图用同一把尺子测量不同材质的物体，必然导致误差。更棘手的是，现有双声速成像方法需要为每帧数据重新计算声速分布参数，计算耗时严重阻碍了实时动态成像的实现。

为了解决这一难题，研究人员开发了一种创新的信号域双声速校正方法。这项发表在《Photoacoustics》的研究，巧妙地避开了传统方法需要反复调整重建参数的瓶颈。研究团队发现，光声信号的波长与传播介质的声速成正比，就像不同密度的弹簧会改变波的传播速度。基于这一原理，他们通过识别目标轮廓的光声信号特征，在信号域区分出生物组织与耦合介质两个声速区域，然后对信号进行声速校正，最终用单一声速模型就能实现高质量重建。

关键技术包括：1）基于环形阵列的边界光声信号(B-PA信号)轮廓检测；2）信号域声速分布图生成；3）基于声速比的波形校正算法；4）延迟叠加(DAS)重建算法优化。人体手指活体实验验证了方法的可行性。

研究结果显示，在仿真实验中，该方法将分辨率误差降低至传统方法的1/12，边界宽度误差减少5%。活体手指血管成像的对比度提升30%，清晰展现出传统方法难以分辨的微小血管结构。更令人振奋的是，该方法将动态成像速度提升至10 fps，计算效率比传统双声速方法提高187.22%。

在讨论部分，作者指出该方法虽然目前仅划分两个声速区域，但已能解决主要成像质量问题。随着超声阵列通道数的增加，信号域校正的计算优势将更加明显。未来结合深度学习等技术，有望实现更精细的多区域声速校正。

这项研究的突破性在于，它像一位高明的翻译，将混杂着不同"方言"(声速)的光声信号，统一转换成标准"语言"，使重建算法能更准确地解读组织信息。这不仅为临床前研究和临床应用提供了更可靠的成像工具，也为开发更智能的多参数光声成像系统开辟了新思路。当其他方法还在为计算复杂度所困时，这项研究另辟蹊径，用信号域的巧妙处理实现了"四两拨千斤"的效果，堪称医学影像处理领域的一项精巧设计。