基于小波增强残差最优传输的Mamba网络在光声断层扫描稀疏图像重建中的应用

针对光声断层扫描(PAT)中稀疏采样导致的条纹伪影问题，研究人员提出新型RCMamba框架，通过小波残差增强传输方案和混合多尺度状态空间模型，显著提升了图像重建质量。实验证明该方法在16-64投影条件下均优于现有技术，为临床诊断提供了新工具。

　　

在生物医学成像领域，光声断层扫描(Photoacoustic Tomography, PAT)因其兼具光学成像的高对比度和超声穿透深度的双重优势，已成为肿瘤检测和血管成像的重要工具。然而受硬件限制，实际临床采样往往只能获取稀疏投影数据，这就像试图用残缺的拼图还原完整画面——重建图像中会出现严重的条纹伪影。当前基于卷积神经网络(CNN)和Transformer的方法在长程依赖建模和细节保持方面存在明显局限，犹如雾里看花，难以准确捕捉生物组织的复杂结构特征。

为突破这一瓶颈，研究人员在《Photoacoustics》发表的研究中提出了革命性的RCMamba框架。该研究创造性地将小波多分辨率分析与状态空间模型(State Space Model)相结合，其技术核心包含两大创新：首先是开发了具有小波相干性惩罚项(Wavelet Coherence Penalty)的残差传输方案，能精准识别不同尺度下的稀疏模式；其次是构建了混合多尺度Mamba架构，通过窗口化与全局扫描的协同作用，既保留了毛细血管级别的精细特征，又重建出大血管的连续结构。

关键技术方面，研究采用离散小波变换(DWT)进行多尺度特征分解，设计最优传输理论指导的残差学习策略，并创新性地整合了Mamba模型的序列建模优势。实验数据涵盖数字血管体模和活体小鼠模型，采样条件覆盖16/32/64三种临床常见投影配置。

研究结果显示：

1. 在定量指标方面，RCMamba在峰值信噪比(PSNR)和结构相似性(SSIM)上分别比U-Net提高3.2dB和12.7%，尤其对16投影的超稀疏数据提升更为显著。
2. 伪影抑制分析表明，新方法能有效消除90%以上的条纹伪影，同时保持血管分支的拓扑完整性。
3. 计算效率测试显示，相较于Transformer类方法，RCMamba将推理速度提升2.3倍，内存消耗降低58%。

该研究的突破性在于首次将状态空间模型引入PAT重建领域，通过小波域残差传输机制解决了跨尺度特征融合的难题。其临床价值体现在：为低剂量PAT检查提供了可靠的技术支撑；建立的混合扫描策略为其他医学影像重建提供了新范式；开源框架可直接整合到现有超声设备中。未来研究可进一步探索三维体积重建中的长程依赖建模，以及多模态数据联合重建等方向。