近年来随着激光器技术、超声传感器技术、集成电路技术以及医学影像算法等的快速发展,基于光声物理效应(1880年由电话的发明人Alexander Bell 发现)的光声成像技术,受到越来越多的关注。信息学院智能医学信息研究中心高飞教授团队(混合成像系统实验室)深耕光声成像领域多年,研究贯通物理、硬件、算法、应用多个维度。2022年以来,该团队在光声成像的物理非线性效应、数据采集系统与传感器小型化、图像重建算法智能化及其在手术中前哨淋巴结定位的临床应用等方面发表了一系列科研成果,提出了新观点和新思路。
物理方法研究
基于多波长光学吸收系数与光声信号强度的线性相关性,光声成像可以对不同的生物组织和分子进行定量成像。然而,由于光声效应的物理过程涉及到复杂的多物理场(光-热-声-电)耦合与转化,各种非线性效应一定程度上影响其定量精度。因此,如何有效避免或利用光声非线性效应,逐步成为最近几年的研究热点。
2021届博士毕业生段廷阳(合作导师:杜克大学Yao Junjie教授)发表于光声成像领域知名期刊Photoacoustics [1]的论文中,阐明了在弱吸收条件下,由于有限带宽和探测视角的原因,光声信号的幅值与光吸收系数之间的非线性关系。该现象的发现为提升光声显微成像的定量分析(如血氧饱和度)精度提供了新的思路。
图1. 弱吸收和强吸收条件下的光声非线性效应示意图,以及数值仿真结果。
光声成像在物理上的另外一个重要瓶颈是硬组织(如颅骨)对于光波和声波信号的严重衰减和畸变,从而导致其应用领域局限于软组织成像。为了拓展光声成像在硬组织中的成像能力(如脑成像),有效的光学聚焦和声学聚焦至关重要。
博士生张钜泽(合作导师:上科大汪婧雅教授)在发表于光声成像领域知名期刊Photoacoustics [2]的论文中,提出一种基于时间反演光声信号引导的时间反演超声编码光聚焦技术(TRPA-TRUE)。有望应用于脑科学(如经颅光/声调控,成像)和计算成像相关领域(如雾中成像,非视距成像)。
图2. TRPA-TRUE的工作原理及其仿真结果
小型化技术研究
光声成像设备中,激光器和数据采集系统占据了整个成像设备的主要成本和体积。对于激光器系统的小型化,多个研究小组提出采用基于半导体激光器的激光二极管阵列,可以大幅减小激光器模块的成本和体积。然而,对于高通量数据采集系统的小型化和低成本化,相关研究仍比较匮乏。
博士生江道淮在发表于超声领域知名期刊IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control [3]的论文中,提出基于可编程声学延迟线电路的低成本光声成像系统,通过将并行的多通道光声脉冲信号,赋予不同的延迟时间,实现低成本串行单通道数据采集,同时保持了高质量的图像重建效果。
图3. 可编程声延迟线的电路与系统图,以及人手指关节血管的活体成像结果。
在光声内窥成像的应用场景中(如食道内窥,血管内窥等),超声传感器的小型化至关重要。传统的基于压电体材料的超声换能器无法同时满足小尺寸和高密度阵列的要求,基于先进微机电工艺的超声传感器,为微型光声成像探头的设计提供了新的思路。
硕士生王怡韵与信息学院吴涛教授课题组硕士生蔡俊翔合作,分别在微机电系统领域旗舰会议IEEE International Conference on Micro Electro Mechanical Systems (MEMS 2022) [4],和电路与系统领域旗舰会议IEEE International Symposium on Circuits and Systems (ISCAS 2022) [5]发表了两项成果,提出基于氮化铝的微型压电超声传感器(PMUT),并应用于光声/超声双模态成像和双模式传感领域。利用PMUT器件高集成度的优点,开发微型光声成像内窥探头,在血管内窥成像等领域有重要的应用前景。
图4. PMUT器件表征及其光声/超声成像结果。
智能化技术研究
医学成像设备的智能化是大势所趋,光声成像也不例外。设计一种成像区域可自适应调整、超声传感器接收频率可自动优化选择的智能光声成像系统具有重要意义。
博士生江道淮,与上科大本科毕业生徐逸飞(现为加州大学尔湾分校在读博士)发表于生物光子学领域知名期刊Journal of Biophotonics [6]的论文中,提出一种成像区域可以自适应变化的环形光声成像系统。有望在包括临床前光声小动物全身成像、乳腺癌早筛早诊、外周血管/淋巴管3D成像与定位等方向上得以应用。
图5. 可变尺寸光声成像系统照片,及其成像结果。
光声成像系统智能化的另一方向是将先进的深度学习算法,应用于更高性能的光声图像重建,获得更好的成像精度和速度。如何将深度学习算法的优势赋能传统的基于物理和逆问题求解的医学图像重建,而不是完全取代是研究重点。恰到好处的结合与赋能,是实现图像质量提升并同时保持算法泛化能力的关键。
博士生兰恒荣与上科大本科毕业生龚嘉礼(现为华东师范大学在读硕士)合作,在光学领域知名期刊Optics Letters [7]发表研究成果,提出一种将卷积神经网络嵌入model-based迭代优化光声图像重建的方法,实现有限视角光声图像重建精度和速度方面的显著提升。该工作完成了在活体小动物实验数据上的初步验证,正在推进其在商用光声成像设备上的优化和部署。
图6. 算法流程图,成像结果及其定量对比。
硕士生郭梦杰(合作导师:南科大刘江教授)和博士生兰恒荣在计算成像领域知名期刊IEEE Transactions on Computational Imaging [8]发表研究论文,提出一种基于多特征融合和稀疏数据的快速光声图像重建方法,并在光声活体小鼠和斑马鱼成像数据集上进行了验证,在图像相似度(SSIM)和信噪比(SNR)等指标方面显著优于现有算法。
图7. 算法流程图,成像结果及其定量对比。
临床应用研究
光声成像在乳腺癌早筛方面的临床研究较早,在但相比于其他成熟的医学影像模态(超声,CT,MRI等),光声成像技术的临床应用场景还需要深度挖掘。
博士生江道淮与山东省肿瘤医院王永胜主任团队硕士生赵家贤合作,在复旦大学附属肿瘤医院主办的中文核心期刊《中国癌症杂志》[9]发表研究论文,提出应用荧光靶向示踪剂吲哚菁绿与利妥昔单抗偶联物(ICG-RIT),搭建了手持式光声信号传感系统及成像系统,探索其探测富集ICG-RIT的淋巴组织的穿透深度,研究了其定位前哨淋巴结的可行性,下一步将进行更系统性的临床实验验证。
图8. 前哨淋巴结的荧光成像,体外光声成像,在体光声传感与成像结果。
以上系列成果,上海科技大学均为通讯单位,高飞教授为通讯作者。近年来,课题组围绕光声成像技术,在交叉学科领域开展前沿科学研究,探索有潜力的临床应用,并加速技术转化落地。
相关论文:
[1] Tingyang Duan†, Xiaorui Peng†, et al, Photoacoustics, 25, 100335 (2022)
链接:https://www.sciencedirect.com/science/article/pii/S2213597922000076
[2] Juze Zhang, et al, Photoacoustics, 26, 100352 (2022)
链接:https://www.sciencedirect.com/science/article/pii/S2213597922000210
[3] Daohuai Jiang, et al, IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, in press (2022)
链接:https://ieeexplore.ieee.org/document/9755888
[4] Junxiang Cai†, Yiyun Wang†, et al, IEEE International Conference on Micro Electro Mechanical Systems (MEMS), 2022
链接:https://ieeexplore.ieee.org/document/9699511
[5] Yiyun Wang†, Junxiang Cai†, et al, IEEE International Symposium on Circuits and Systems (ISCAS), 2022. (oral)
[6] Daohuai Jiang†, Yifei Xu†, et al, Journal of Biophotonics, in press (2022)
链接:https://onlinelibrary.wiley.com/doi/full/10.1002/jbio.202200070
[7] Hengrong Lan†, Jiali Gong†, et al, Optics Letters, 47(7), 1911-1914 (2022)
链接:https://opg.optica.org/ol/fulltext.cfm?uri=ol-47-7-1911&id=470985
[8] Mengjie Guo†, Hengrong Lan†, et al, IEEE Transactions on Computational Imaging, 8, 215 - 223 (2022)
链接:https://ieeexplore.ieee.org/document/9723652
[9] 赵家贤†, 江道淮†, et al, 中国癌症杂志, 32(2), 106-117 (2022)
链接:http://www.china-oncology.com/CN/10.19401/j.cnki.1007-3639.2022.02.002