71、医学影像技术：光声成像与胎儿心脏超声4D重建

医学影像技术：光声成像与胎儿心脏超声4D重建

光声成像的新范式

光声成像（PA）是一种结合了光学和声学特性的成像技术，在生物医学领域具有巨大的应用潜力。传统的PA成像通常基于通道数据，但这里提出了一种新的范式，即使用临床超声（US）系统的后波束形成射频（RF）数据进行PA成像。

• 体内前列腺癌可视化 ：通过两种方法都能对模拟前列腺癌的肿瘤进行可视化。两种方法都能很好地捕捉到主要的对比度特征，但由于不同的噪声实现，周围的对比度会有所变化。
• 算法性能 ：引入了两种算法，即逆波束形成和基于合成孔径（SA）的重新波束形成，并在模拟中展示了它们的性能。实验研究使用伪PA信号源和体内目标，揭示了这些方法的有效性和临床意义，与使用通道数据的传统PA成像相比，实现了相似的分辨率。
• 系统要求 ：为了使帧速率与传统US B模式成像相似，激光传输的脉冲重复频率（PRF）应与传输速率相同，至少在几千赫兹的范围内。因此，像激光二极管这样的高PRF激光系统是理想的选择。此外，US传输应关闭或使用低能量，以消除US信号产生的伪影。

波束形成方法	半高全宽（FWHM，mm）
传统方法	1.49
逆波束形成	1.33
SA重新波束形成	1.08

下面是光声成像的流程：

graph LR
    A[获取临床US系统的后波束形成RF数据] --> B[应用逆波束形成或SA重新波束形成算法]
    B --> C[重建PA图像]
    C --> D[评估图像质量]

胎儿心脏超声4D重建

胎儿心脏的4D超声成像依赖于从B模式图像进行重建。然而，在胎儿或母亲运动的情况下，当前的方法会受到伪影的影响。

• 现有方法的局限性 ：传统的胎儿心脏功能检查通常在B模式成像时实时进行，但产前检测率因多种因素而异。4D US成像虽然简化了流出道的评估，但由于常见机械扫描探头的3D US采集速度比胎儿心率慢，需要特殊的图像重建方法。目前最常见的STIC方法在只有胎儿心脏运动时效果较好，但额外的运动（如胎儿自发活动或母亲呼吸）会产生无法修复的伪影。图像配准虽然可以改善重建效果，但计算成本通常很高。
• 新方法的提出 ：为了避免耗时的配准，采用从重复机械扫描的US采集中选择合适图像切片的方法。重点关注4D重建的一致性和运动异常值的检测。
  • 平均心率（HR）估计 ：测试了两种自动估计HR的方法。方法A1基于计算每个像素随时间的强度分布的自相关，取其平均值，然后通过傅里叶变换提取功率谱。方法A2则通过各种（不）相似性度量来测量帧之间的图像相似性，提取每行的功率谱并取平均值。最后，将得到的频谱在预期HR（100 - 200次/分钟）附近进行带通滤波，并将fh设置为其全局最大值处的频率。
  • 4D重建 ：从估计的HR中确定B模式图像的相位值，然后根据相位、空间和时间一致性选择用于重建的帧。测试了7种重建方法（M0 - M6），包括不同的优化策略和成本函数。此外，还进行了异常值去除（OR）操作，通过创建中帧的相关系数（CC）矩阵，去除与其他中帧平均相关性最低的扫描，直到最低平均相关性大于0.5或只剩下50%的扫描。

方法名称	HR估计	成本	优化类型	参考图像
M0	固定	相位差（PD）	全局	无
M1	固定	空间不一致成本（SC）	顺序	m = 1，√PD < 0.5，min(s)
M2	固定	SC	顺序	m = ⌈K/2⌉，√PD < 0.5，min(s)
M3	固定	SC	顺序	m = ⌈K/2⌉，√PD < 0.5，max(sumCC)
M4	固定	PD，SC	全局	无
M5	优化	PD，SC	全局	无
M6	固定	PD，SC，时间一致性成本（TC）	顺序	无

下面是胎儿心脏超声4D重建的流程：

graph LR
    A[估计平均心率（HR）] --> B[确定B模式图像的相位值]
    B --> C[选择用于重建的帧（根据不同方法）]
    C --> D[进行4D重建]
    D --> E[去除异常值（可选）]
    E --> F[评估重建图像质量]

通过对模拟数据和体内数据的实验，结果表明新提出的方法在胎儿心脏超声4D重建中具有显著的优势，能够有效减少伪影，提高图像质量。在未来，还可以将光声成像的算法在实时环境中实现，进一步推动医学影像技术的发展。

医学影像技术：光声成像与胎儿心脏超声4D重建

实验验证与结果分析

平均心率（HR）估计实验

为了验证自动HR估计方法的准确性，进行了模拟和体内实验。在模拟实验中，设置了三种场景：不规则HR无全局运动（Sim1）、规则HR有全局运动（Sim2）和不规则HR有全局运动（Sim3）。对于体内数据，通过M模式轨迹估计HR的地面真值。

实验结果显示，自相关方法（A1）的误差低于0.6%，图像相似性度量方法（A2）除了体内序列#2的均方差异（MSD）误差为11.0%外，误差均低于3.5%。因此，在所有4D重建中都使用A1方法来估计HR。

方法/序列	Sim1	Sim2	Sim3	体内序列1	体内序列2	体内序列3	体内序列4
GT	143.08	143.08	143.08	148.06	154.29	159.34	147.86
A1	0.00	0.00	0.00	-0.75	0.34	0.60	0.46
A2 CC	0.00	0.00	4.62	-0.75	-2.03	0.60	0.46
A2 MSD	0.00	0.00	0.00	-0.75	16.92	0.60	0.46
A2 SK1	0.00	-4.62	-4.62	-0.75	-2.03	0.60	0.46
A2 MI,SK2,CD1,CD2	0.00	0.00	0.00	-0.75	-2.03	0.60	0.46

4D重建模拟实验

在模拟实验中，对最复杂的场景Sim3进行了详细分析，使用了三种图像不相似性度量（CC、CD2、MI）和异常值去除（OR）操作，对M0 - M6方法进行了性能量化。性能通过组合运动误差来衡量，将相位误差转换为运动误差，为每个相位值分配相应的半轴长度的平均变化（±2.25 mm）。

实验结果表明，基于CD2的M2方法（有或无OR）和M6 - CD2 - OR✓方法实现了最高的准确性。在没有运动的Sim1场景中，误差较低，OR操作没有影响；在有运动的场景中，额外优化心率（M5）适得其反，而OR操作通常有助于提高性能。

D	OR	M0	M1	M2	M3	M4	M5	M6
CC	×	2.59	1.68	0.50	0.58	0.88	6.04	0.93
CD2	×	2.59	0.92	0.36	0.47	2.14	4.49	0.39
MI	×	2.59	1.81	0.64	0.77	3.95	5.59	1.57
CC	✓	0.71	0.57	0.50	0.59	0.54	1.25	0.55
CD2	✓	0.71	0.62	0.36	0.47	0.68	1.51	0.36
MI	✓	0.71	0.88	0.64	0.77	0.61	1.59	1.03

下面是模拟实验结果的流程分析：

graph LR
    A[选择模拟场景（Sim1 - Sim3）] --> B[选择图像不相似性度量（CC、CD2、MI）]
    B --> C[选择重建方法（M0 - M6）]
    C --> D[决定是否进行异常值去除（OR）]
    D --> E[计算平均绝对误差]
    E --> F[比较不同方法的性能]

4D重建体内实验

对于体内数据，使用vv图像查看器对重建的4D US图像进行视觉检查。四名评估者被要求比较两种方法（M2 - CD2 - OR✓和M0）在10个病例中的图像质量，并使用李克特量表进行评分。

实验结果显示，M2 - CD2 - OR✓方法的平均评分为2.1（接近“更好”），分布为1: 20.0%，2: 57.5%，3: 15.0%，4: 7.5%和5: 0%。通过Wilcoxon符号秩检验，中位数评分（2: “更好”）与评分3（“相等”）在<0.0001水平上有统计学显著差异。评估者观察到跨帧的伪影减少，运动伪影也更少。

以下是体内实验的步骤列表：
1. 使用vv图像查看器加载重建的4D US图像。
2. 四名评估者（包括三名研究人员和一名妇科医生）对M2 - CD2 - OR✓和M0方法的重建图像进行比较。
3. 评估者使用李克特量表（1: “好得多”，2: “更好”，3: “相等”，4: “更差”，5: “差得多”）对图像质量进行评分。
4. 收集评分数据，进行统计分析（如Wilcoxon符号秩检验）。

总结与展望

通过上述实验可以看出，在光声成像方面，利用临床US系统的后波束形成RF数据进行PA成像的新范式具有可行性和有效性，所提出的逆波束形成和SA重新波束形成算法能够实现与传统方法相似的分辨率。在胎儿心脏超声4D重建方面，新提出的基于多扫描选择合适图像切片的方法，通过对HR估计、重建方法的优化以及异常值去除等操作，显著提高了重建图像的质量，减少了伪影。

未来，光声成像算法可以进一步在实时环境中实现，以满足临床快速诊断的需求。对于胎儿心脏超声4D重建，可以继续探索更高效、更准确的重建方法，同时考虑将这些技术与人工智能相结合，实现自动诊断和分析，为医学影像技术的发展带来更多的突破。

同时，在实际应用中，还需要进一步优化算法的计算效率，降低对硬件资源的要求，以便在更广泛的临床场景中推广使用。此外，加强多模态成像技术的融合，将光声成像与其他成像技术（如超声、磁共振等）相结合，有望提供更全面、更准确的医学信息，为疾病的诊断和治疗提供更有力的支持。