Smart Computational Imaging (SCI) Lab
智能计算成像实验室

文章简介

【爱光学】南京理工大学:定量光声皮肤镜,基于四维光谱-空间计算的光声显微技术

122
发表时间:2024-01-04 16:16作者:爱光学来源:爱光学网址:https://mp.weixin.qq.com/s/F8_VztaB6uElZlkvv2AuGQ?from=industrynews&version=4.1.16.6007&platform=win

皮肤疾病是临床医学中一种常见疾病,影响人的外貌、身体健康和生活质量。因此,皮肤疾病的精准诊断及评估一直是医学领域的重要研究方向。然而,传统的皮肤检查方法通常需要进行切除或者穿刺,给患者带来不便和痛苦。因此,非侵入性皮肤成像技术被广泛研究和应用。其中,光声皮肤镜(Photoacoustic dermoscopy, PAD)是一种新兴的无损医学影像技术,可以通过获取皮肤组织的光吸收信息来辅助皮肤疾病的诊断或评估,展现出了极好的临床应用前景。但目前PAD技术仍面临一个极具挑战的关键科学问题亟待解决:在皮肤多层次散射、激发光波长分布以及超声探测器检测性能等因素影响下,如何定量、准确地、鲁棒地获取多光谱光声体素数据图像。

为了深入探究人体皮肤结构和光声皮肤功能成像的定量准确性,来自南京理工大学智能计算成像实验室(Smart Computational Imaging Laboratory, SCILab)研究团队及其合作单位(复旦大学、中国人民解放军总医院)提出了一种四维光谱空间计算的光声皮肤成像方法,为光声皮肤镜的发展和临床应用提供了新的思路。相关成果以“4D spectral-spatial computational photoacoustic dermoscopy”为题发表于期刊Photoacoustics。硕士生高杨为文章第一作者,封婷研究员、左超教授、马海钢副教授为共同通讯作者。

主要研究内容

为了实现PAD技术中对皮肤结构和功能成像的定量分析和优化,研究团队提出了一种四维光谱-空间计算方法。整个过程中考虑了皮肤的多层异质结构及各层的光学和声学特性,并据此建立起空间模型,结合蒙特卡罗法和K空间伪谱法实现了光声物理过程的精确计算。在这里,该空间模型被定义为一个三维体素网格(图1),在该空间模型中构建了七层皮肤解剖结构的异构体模型,并将其建模为多层平面介质。这种精致的网格设计允许对光在组织中的前向传播进行精确计算。通过这种方式,能够获取光子在组织内的沉积分布,并将其转化为三维初始声压分布矩阵。

图片

图1 皮肤的四维光谱空间计算模型

作为验证,研究团队进行了一系列研究性光声皮肤成像实验,包括光束类型和光子数量对PAD成像性能的影响;不同中心频率和带宽的超声换能器对PAD成像性能的影响;高斯光束聚焦于皮肤下不同深度的成像效果以及不同波长光束下的成像深度等,通过这些实验,研究团队不仅证实了所提出计算模型的可靠性,而且对PAD技术的理解和应用提供了更深入的见解。同时研究人员还实现了对皮肤血管中的血红蛋白(Hb)、氧合血红蛋白(HbO2)、脂质(Lipid)和葡萄糖(Glucose)四种特定生物分子的多光谱成像和解混,并得到与建模成分高度一致的成像结果(图2)。实验结果展示了在不同光波长下生物分子吸收特性的变化,例如,在700 nm和800 nm的波长下,由于脂质位于吸收谷,因此在成像中呈现较低的对比度。相反,在900 nm和950 nm附近,HbO2位于吸收峰,在成像中显示出更高的对比度。这种差异对于区分和识别皮肤组织中不同的生物分子至关重要。同时,光学正向模拟计算还考虑了组织的通量异质性。这意味着各成分产生的光声信号强度随着进入组织更深层而逐渐减弱,这一点在葡萄糖浓度较低的情况下尤为明显。总之,该方法的多光谱成像和光谱解混能力有助于推动多波长PAD系统的发展和优化,而且结合光谱解混算法分析生化成分,可以更准确地诊断皮肤疾病。

图片
图2 皮肤的多光谱成像和光谱解混

深度学习已经被广泛研究用于医学图像的分析及处理。而PAD仍处于临床转化的早期阶段,临床PAD数据的缺乏是相关研究面临的一个主要挑战。现有的模拟方法假设组织介质的光通量是均匀的,这与真实情况存在较大偏差。研究团队提出的计算方法考虑了与波长相关的光学散射,能够模拟真实皮肤异质组织光学和声学特性,用于生成多变量可控的光声数据集,然后进行相关神经网络训练,进而实现PAD系统成像性能的显著提升,尤其在空间分辨率和成像深度方面的突破(图3)。

图片

图3 基于四维光谱空间计算模型的深度学习数据集获取及系统优化

结论与展望

该研究开发了一种新的计算方法,可以实现对PAD成像的定量分析和优化,为PAD技术的发展和临床应用提供了新的思路和方法。该方法考虑了异质性皮肤组织的光学和声学特性,更加深入探究了人体皮肤组织的光声机制。此外,通过使用计算模型和神经网络训练,该方法还可以进一步提高PAD系统的成像质量,有望为临床医生提供更准确的皮肤病诊断及评估结果。因此,该研究具有重要的理论和实践意义,对于推动皮肤成像技术的发展和应用具有积极的促进作用。

研究团队介绍

南京理工大学智能计算成像实验室(SCILab:www.scilaboratory.com)隶属于南京理工大学光学工程国家一级重点学科带头人陈钱教授领衔的“光谱成像与信息处理”教育部长江学者创新团队、首批“全国高校黄大年式教师团队”。实验室学术带头人左超教授为国际光学工程学会会士(SPIE Fellow)、美国光学学会会士(Optica Fellow)、英国物理学会会士(IOP Fellow),入选科睿唯安全球高被引科学家。

实验室致力于研发新一代计算成像与传感技术,在国家重大需求牵引及重点项目支持下开展新型光学成像的机理探索、工程实践以及先进仪器的研制工作,并开拓其在生物医药、智能制造、国防安全等领域的前沿应用。研究成果已在SCI源刊上发表论文200余篇,其中36篇论文被选作Advanced Photonics、Photonics Research等期刊封面论文,20篇论文入选ESI高被引/热点论文,论文被引超过14000次。获中国光学工程学会技术发明奖一等奖、江苏省科学技术奖基础类一等奖、日内瓦国际发明展“特别嘉许金奖”等。培养研究生5人获全国光学工程优秀博士论文/提名奖,5人获中国光学学会王大珩光学奖,8人入围Light全国光学博士生学术竞赛全国百强,获“挑战杯”、“创青春”、“研电赛”全国金奖十余次,“互联网+”全国总冠军。

图片

随着光电成像新技术的蓬勃发展,相关领域的杰出研究工作层出不穷,高水平的成像期刊也有了新进展。中国激光杂志社与西安电子科技大学杭州研究院联合出版创办的Advanced Imaging(AI)即将在2024正式出版,西安电子科技大学邵晓鹏教授与法国索邦大学Sylvain Gigan教授担任共主编。

图片

AI致力于发表成像及相关领域内的高水平基础和应用研究进展,增强该领域国内外的学术交流合作,促进科研成果的转化,填补国际高水平成像期刊的空白。

撰稿人 | 南京理工大学 高杨、马海钢、左超

复审 | 左超

终审 | 徐峰

SCILab 官方公众号
SCILab 官方B站