基于小波增强残差最优传输与多尺度Mamba的稀疏光声层析成像重建方法研究

为解决稀疏采样光声层析成像(PAT)中因投影不足导致的条纹伪影问题，香港科技大学团队提出RCMamba框架，创新性地将小波分析与混合多尺度状态空间模型结合，通过残差条件最优传输(WEROT)和定向扫描机制，在16-64投影条件下显著提升图像质量，PSNR达32.23dB，为临床快速成像提供新方案。

　　

在生物医学影像领域，光声层析成像(PAT)凭借其独特的光学对比度与超声穿透深度结合优势，已成为肿瘤检测和血管成像的重要工具。然而硬件限制常迫使系统采用稀疏采样（如16-64个投影），由此产生的方向性条纹伪影严重干扰诊断。传统滤波反投影(FBP)和U-Net等深度学习方法难以有效消除这类伪影，而Transformer架构又面临长程依赖建模不足的瓶颈。

香港科技大学的研究团队突破性提出RCMamba框架，通过融合小波增强残差最优传输(WEROT)与多尺度Mamba架构，在稀疏PAT重建领域取得重要进展。该研究创新性地用Daubechies小波替代传统傅里叶残差分析，通过自相干损失和方向方差惩罚精准捕捉伪影的多尺度特征；同时设计的混合MS-SS2D扫描机制整合全局状态空间建模与局部窗口处理，在保持血管连续性的同时抑制伪影。实验显示，该方法在16投影条件下PSNR达30.57dB，较次优方法提升1dB，其LPIPS 0.1553更证明其感知质量优势。

关键技术包括：（1）构建WEROT框架，将小波域相干性惩罚引入Kantorovich对偶问题；（2）开发双路径MS-VSS模块，通过SS2D和W-SS2D并行处理全局-局部特征；（3）采用512元素环阵超声换能器采集小鼠活体数据，以70%比例划分训练集验证16/32/64投影场景。

研究结果方面：

1. 方法学验证：小波系数分析显示残差能量集中在10⁰量级（图5c），证实其较傅里叶变换更利于捕捉方向性伪影；MS-SS2D模块使PSNR提升0.2dB（表2）。

2. 血管模型重建：在16投影下，RCMamba成功修复被FDUNet断裂的微血管（图3a红框），其SSIM 0.908优于RCOT的0.895。

3. 活体小鼠成像：32投影时器官边界清晰度显著提升（图4b），LPIPS 0.1590显示更好的视觉保真度。

该研究的突破性在于：首次将状态空间模型引入PAT重建，通过WEROT框架实现伪影与真实结构的可解释性分离。尽管在极稀疏(16投影)场景下微小血管恢复仍存挑战，但其在32投影时接近全采样(512投影)的性能，为缩短临床扫描时间提供可能。未来通过融合Laplacian先验与多中心验证，有望进一步推动PAT在肝癌介入导航等场景的应用。