深圳先進院等在低劑量光聲成像取得進展
近日，中國科學院深圳先進技術研究院醫工所生物醫學光學與分子影像中心劉成波研究員團隊、醫學人工智能研究中心梁棟研究員團隊，與武漢協和醫院放射科鄭傳勝教授團隊合作，提出了基于卷積神經網絡的低劑量光聲成像方法，該方法有望推動光聲成像技術進一步臨床轉化。
光聲成像能夠無創獲取生物體和人體高分辨形態和功能信息，是有可能取得重大突破的新一代醫學成像技術。受激光安全局限，生物組織允許承受的激光能量有限，特別是在高速成像，激光能量安全性是目前制約這一技術發展的瓶頸問題。激光劑量、成像速度、圖像質量在光聲成像中相互制約，阻礙了技術在臨床和基礎研究更廣泛應用，迄今為止，仍缺少很好解決方法。
本研究團隊提出一種多任務殘差密集網絡（multi-task residual dense network, MT-RDN）的卷積神經網絡方法，較好解決了這一問題。利用多監督學習策略，挖掘光聲光譜域互補信息，基于雙通道網絡和自適應權重分布，團隊實現了低劑量激光照射下高質量成像，獲得了比激光安全閾值低32倍的超低劑量光聲圖像。為滿足神經網絡需要的多波長、多劑量數據同時獲取，團隊在光聲成像技術方面開展創新，實現了四激光脈沖連續成像。該工作有望進一步推動光聲成像技術臨床應用，特別是在低激光劑量、高速成像場景。
本課題研究得到國家自然科學基金重大研究計劃、國家自然科學基金面上項目、中科院儀器團隊、中科院儀器青年項目、中科院青促會等項目支持。相關工作以Deep learning enables superior photoacoustic imaging at ultra-low laser dosages為題發表于Advanced Science（DOI: 10.1002/advs.202003097, IF:15.84）上。本研究中，第一作者為武漢協和醫院趙煌旋博士（深圳先進院客座學生）和深圳先進院博士生柯子文。深圳先進院劉成波研究員、梁棟研究員和武漢協和醫院鄭傳勝教授為共同通訊作者。
上方為光聲成像系統示意圖，下方由左到右依次為雙波長輸入圖像、多任務殘差密集網絡框架、和卷積神經網絡輸出圖像。
