[go: up one dir, main page]

CN118203356A - 一种生物组织的结构光声成像方法、系统与计算机设备 - Google Patents

一种生物组织的结构光声成像方法、系统与计算机设备 Download PDF

Info

Publication number
CN118203356A
CN118203356A CN202410106783.5A CN202410106783A CN118203356A CN 118203356 A CN118203356 A CN 118203356A CN 202410106783 A CN202410106783 A CN 202410106783A CN 118203356 A CN118203356 A CN 118203356A
Authority
CN
China
Prior art keywords
photoacoustic
tissue
equation
imaging
equations
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202410106783.5A
Other languages
English (en)
Other versions
CN118203356B (zh
Inventor
刘玉滨
王昭予
徐泽泉
杨龙灿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Kangaosi Information Technology Co ltd
Fujian Normal University
Original Assignee
Fujian Kangaosi Information Technology Co ltd
Fujian Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujian Kangaosi Information Technology Co ltd, Fujian Normal University filed Critical Fujian Kangaosi Information Technology Co ltd
Priority to CN202410106783.5A priority Critical patent/CN118203356B/zh
Publication of CN118203356A publication Critical patent/CN118203356A/zh
Application granted granted Critical
Publication of CN118203356B publication Critical patent/CN118203356B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0833—Clinical applications involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Clinical applications involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Vascular Medicine (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种生物组织的结构光声成像方法、系统与计算机设备，涉及生物医学光子学技术领域，包括：通过光纤束将激光器发射的高斯光斑转化为线型光斑；调整光纤束的位置使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号；将光声信号进行处理，获得生物组织的结构光声图像。本发明将线型光斑‑线型阵列传感器融合为一体，使得线型阵列传感器采集灵敏度最大化的光声信号，能够实现高分辨率、高对比度和高灵敏度的组织成像。

Description

一种生物组织的结构光声成像方法、系统与计算机设备
技术领域
本发明涉及生物医学光子学技术领域，特别涉及一种生物组织的结构光声成像方法、系统与计算机设备。
背景技术
光声成像是一种新型的无创功能成像方法，它结合了超声成像的高分辨率和光学成像的高对比度等优点，同时突破了传统光学成像的深度限制，因此能够对生物组织进行3D定量分析。它是一种全新的生物成像技术，其原理基于光声效应。生物组织被一束脉冲激光照射，其中的吸收基团吸收激光能量，产生超声信号且被超声探测器检测，通过扫描成像区域，可以重建生物组织的结构与功能像。光声成像因其非侵入性和分辨率高的特点，在生物医学领域中具有重要的应用前景。
在血管形态的检测方面，光声成像能够重建微血管的三维形态，精确测量血管直径、长度等参数，为血管病变的早期诊断提供了有效的手段。同时，它还可以在肿瘤的诊疗中发挥重要作用。通过对肿瘤进行光声成像，可以获得肿瘤的形态、大小、位置和边缘信息等，开展肿瘤追踪、早期诊断及手术导航等工作，为医疗健康提供有力保障。
此外，光声成像还可以用于脑功能成像、血氧浓度检测、定量生理参数和代谢参数成像等方面，如可以通过光声成像技术追踪脑血流动力学，开展脑功能成像发明；可以同时测量血的氧合度和脉率，实现血氧浓度检测；还能够在发明疾病的生理及代谢过程中，实现定量参数的成像测量，提供更为准确的信息。然而，当前的光声技术多采用环形阵列探头进行测量，然而这种探头在测量过程中存在一定的噪声干扰，同时成像算法较为复杂，灵活性较低且成本较高，这些都制约了其在临床中的广泛应用。因此，深入研究线阵列探头在光声技术中的应用，对于推动光声技术的发展和临床应用具有深远的意义。在线阵列探头的光声成像中，其算法简单且成本低廉，测量精度也优于环形阵列探头。另外，在线阵列探头的应用中，其具备高度的灵活性，适用于不同形状、不同部位、不同大小和不同深度的组织进行精确成像，其适用范围较广。对于功能成像，目前需要采用多种复杂的方法才能实现多功能参数的重建，例如获取功能性氧饱和度，组织水浓度和组织弹性模量系数等。然而，现有的光声成像技术亦存在固有的不足之处，例如相较于CT扫描、MRI检查及超声成像等方式，光声成像的穿透深度相对较为有限，一般而言仅能达到人体组织厚度中的4至5厘米，这无疑为其应用范围带来了限制。此外，光声成像还容易受到诸如光照均匀性不佳、声波源分布不均以及某些环境噪音等多种因素干扰，导致生成的图像质量难以保证。
发明内容
本发明的目的在于针对上述现有技术的不足，提供一种生物组织的结构光声成像方法、系统与计算机设备，以解决现有技术中光声成像还容易受到诸如光照均匀性不佳、声波源分布不均以及某些环境噪音等多种因素干扰，导致生成的图像质量难以保证的问题。
本发明具体提供如下技术方案：一种生物组织的结构光声成像方法，包括如下步骤：
通过光纤束将激光器发射的高斯光斑转化为线型光斑；
调整光纤束的位置，使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号；
将所述光声信号进行处理，获得生物组织的结构光声图像；
其中，所述将所述光声信号进行处理，获得生物组织的结构光声图像，包括如下步骤：
通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声信号的产生和传播方程；
通过光声信号的产生和传播方程获得多光谱光声弹性的数学模型；
使用牛顿迭代法计算数学模型中，实验测得的光声信号数据和计算生成的信号光声数据沿边界生物组织的最小平方误差；
通过最小平方误差重新获取最佳的数学模型，作为重建模型，并通过所述重建模型获得获得结构光声图像。
优选的，所述通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声信号的产生和传播方程，具体表达式为：
其中，V是组织中粒子的速度，Cp是组织体的比热容，ρ是组织体密度，t是时间，vs是组织中的超声速度，p和T是超声压和组织体温度。H定义为H＝ΨI(t)，Ψ表示的是吸收光能量密度，I(t)为激光照度。
优选的，所述通过光声信号的产生和传播方程获得多光谱光声弹性的数学模型，包括如下步骤：
结合牛顿运动方程和热弹性方程，获得如下方程：
定义弹性模量系数K为上述方程改写为：
对于均匀的介质，定义其密度为ρ＝ρ0，上述方程重新写成：
将所述超声压进行傅里叶变换，获得：
则最终的数学模型的方程为：
上述公式中，ω是角频率，k0＝ω/v0是波数，v0和K0是光在介质中的速度和介质的弹性模量系数。
优选的，处理所述最终的数学模型，包括如下步骤：
根据光声弹性的数学模型，令O＝K0/K，获得：
其中，Φ是光能流率密度，μa是组织的光学吸收系数，根据比尔定律(Beer’slaw)，获得：
其中，Φ是光能流率密度，μa是组织的光学吸收系数，根据比尔定律，获得：
其中，εi(λ),ci分别是第i个组织体消光系数和第i个发色团浓度，这里的发色团浓度即包括了功能性氧饱和度和水浓度等参数。
优选的，将比尔定律方程导入经过处理后的所述数学模型，具体表达式为：
对上式利用有限元离散化，获得：
Ap＝B
通过有限元离散化公式定义多光谱光声弹性方程正向方程的逆解为：
(JTJ+ξI)Δχ＝JT(po-pc)
其中，Δχ为所要获得的组织体内发色团浓度和组织体弹性模量系数，定义为Δχ＝(Δcl,1 Δcl,2 ... Δcl,n ΔO1 ΔO2 ... ΔOn)，Δc为各个发色团浓度，ΔO为组织体弹性模量系数，ξ为正则化参数，po为实验测得的光声数据，pc为计算生成的光声数据。
优选的，所述实验测得的光声信号数据和计算生成的光声信号数据的具体表达式为：
其中，po为实验测得的光声数据，pc为计算生成的光声数据。
优选的，所述通过有限元离散化公式定义多光谱光声弹性方程正向方程的逆解时，获取所述逆解中的雅克比矩阵，包括如下步骤：
根据方程式Ψ＝μaΦ，各种发色团相关的雅克比矩阵定义为：
上述方程中，L是组织体内发色团的数量，而写成：
通过数学模型结合光子扩散方程获得和/>其中光子扩散方程为：
弹性模量参数的雅克比矩阵同样定义为：
基于伴随方法计算雅克比矩阵。
优选的，所述基于伴随方法计算雅克比矩阵，包括如下步骤：
定义一个M×N矩阵Ψ，让矩阵Ψ满足下面关系：
[Ψ][A]＝[Δd]
上述方程中，矢量Δd在边界测量节点为单位值，而在其它所有地方的节点为零值；
令与弹性模量参数的雅可比矩阵左边乘上Ψ，得到：
其中，上述方程左侧产生了一个雅克比矩阵。
优选的，本发明还包括一种生物组织的结构光声成像系统，包括：
线型光斑获取单元，用于通过光纤束将激光器发射的高斯光斑转化为线型光斑；
光声信号获取模块，用于调整光纤束的位置，使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号；
成像单元，用于将所述光声信号进行处理，获得生物组织的；
其中，所述成像单元具体包括：
光声波处理模块，用于通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声信号的产生和传播方程；
数学模型初建模块，用于通过光声信号的产生和传播方程获得多光谱光声弹性的数学模型；
光声数据计算模块，用于使用牛顿迭代法计算数学模型中，实验测得的光声信号数据和计算生成的光声信号数据沿边界的最小平方误差；
重建模型构建模块，用于通过最小平方误差重新获取最佳的数学模型，作为重建模型，并通过所述重建模型获得获得生物组织的结构光声图像。
优选的，本发明还提供一种计算机设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述结构光声成像方法的步骤。
与现有技术相比，本发明具有如下显著优点：
本发明通过调整光纤束的位置，将线型光斑的照射平面和线型阵列传感器的接收平面等高共轴，线型光斑-线型阵列传感器融合为一体，使得线型阵列传感器采集灵敏度最大化的光声信号，能够实现高分辨率、高对比度和高灵敏度的组织成像；同时，采用了多光谱光声弹性方程等，直接获取光声信号中蕴含的光学和声学信息，包括组织形态结构和组织弹性模量特性，功能性氧饱和度以及水浓度等生理学特征参数，具有较低的系统采集要求，且获取的精度和准确性均得到了极大提高。
附图说明
图1中(a)为本发明提供的结构光声成像系统；(b)128通道采集系统；(c)3D扫描成像方式；(d)线型光纤和线阵列超声探头组合；
图2中(a)实验样品实物图；(b)铅笔芯光声二维结构图；(c)铅笔芯光声三维结构图；
图3为本发明提供的光声弹性成像技术重构图像；其中(a)中(a1)为矩形猪肝脏组织实物图，(a2)为矩形猪肝脏组织光声成像的脱氧血红蛋白浓度分布图，(a3)为矩形猪肝脏组织光声成像的弹性模量系数分布图；(b)中(b1)为三角形猪肝脏组织实物图，(b2)为三角形猪肝脏组织光声成像的脱氧血红蛋白浓度分布图，(b3)为三角形猪肝脏组织光声成像的弹性模量系数分布图；其中(c)为两种猪肝脏组织光声成像的平均脱氧血红蛋白浓度图；(d)为两种猪肝脏组织光声成像的平均弹性模量系数图。
具体实施方式
下面结合本发明中的附图，对本发明实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
本发明提出一种生物组织的结构光声成像方法、系统和计算机设备，可手持式操作，也可连接机械平台进行精准的三维扫描。如图2(a)所示，在该系统中，光源部分由Nd:YAG激光系统以及光参量振荡器(Optical parametric oscillator,OPO)系统组成(PhotoSonus-1，PhotoSonus Inc.，EKSPLA)。该Nd:YAG激光系统可输出532/1064nm双泵浦波长，而由泵浦光源激发OPO晶体可输出680nm～2300nm的可调谐光谱。此外，该激光器最大输出能量为200mJ，输出最大脉冲重复频率为20Hz，脉宽为3-5ns。由激光器输出的光束经单根光纤传导，最终有128光纤束均匀排列输出，形成一个1*28mm的线型光斑，光纤与探头被固定于升降平台(uKSA200,Zolix)上，通过多层二维扫描，以实现三维成像。图2(d)展示了线型光斑和医用线型阵列超声传感器固定于自主设计的3D加工模具上，该模具最终固定于升降平台上，如图2(c)所示。线型光斑以斜照的方式最终与阵列超声探头的检测平面等高共轴，确保产生和接收信号的灵敏度最大化。实验中，探头与光纤置于水槽之中，产生的光声信号经探头采集，传输给128通道采集系统(128-channel DAQ，如图2(b)所示)，经放大，滤波等处理，最终储存于电脑系统里做进一步的数据处理。结构光声图像通过延迟求和算法(delay and sumbeamformer method)重建而得。
本发明的实施例提供一种生物组织的结构光声成像方法，包括如下步骤：
步骤S1：通过光纤束将激光器发射的高斯光斑转化为线型光斑或极窄的矩形光斑。
步骤S2：调整光纤束的位置，使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号。
步骤S3：将光声信号进行处理，获得生物组织的结构光声图像。
其中，将光声信号进行处理，获得生物组织的结构光声图像，具体包括如下步骤：
步骤S31：通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声波(信号)的产生和传播方程。
具体的，建立多光谱光声弹性成像算法的重建模型，主要将声耦合介质中的光声波的产生和传播方程用基本的牛顿运动方程(1)、连续性方程(2)和热弹性方程(3)来描述。
上述公式中，V是组织中粒子的速度，Cp是组织体的比热容，ρ是组织体密度，t是时间,vs是组织中的超声速度，p和T是超声压和组织体温度。H定义为H＝ΨI(t)，Ψ表示的是吸收光能量密度，I(t)为激光照度。
步骤S32：通过光声波(信号)的产生和传播方程获得多光谱光声弹性的数学模型。
具体的，结合方程(1)和(3)，可得方程(4)：
我们定义弹性模量系数K为方程(4)改写为：
对于均匀的介质，我们假设其密度为ρ＝ρ0，方程(5)可以重新写成：
将声压进行傅里叶变换，得到：
方程(6)可以写成：
上述公式中，ω是角频率，k0＝ω/v0是波数，v0和K0是光在介质中的速度和介质的弹性模量系数。方程式(8)即为多光谱光声弹性的数学模型。
其中，处理最终的数学模型，包括如下步骤：
根据光声弹性的数学模型，即方程式(8)，令O＝K0/K，得到：
考虑到Ψ＝μaΦ，方程(9)可以写成。
上述方程中，Φ是光能流率密度，μa是组织的光学吸收系数，根据比尔定律(Beer’s law)，获得：
步骤S33：使用牛顿迭代法计算数学模型中，实验测得的光声(信号)数据和计算生成的光声(信号)数据沿边界的最小平方误差。
具体的，上述方程中，εi(λ),ci分别是第i个组织体消光系数和第i个发色团浓度，这里的发色团浓度即包括了功能性氧饱和度和水浓度等参数。将方程(11)导入方程(10)可以获得：
方程式(12)即多光谱光声弹性成像正向方程。将方程(12)利用有限元离散化：
Ap＝B (13)
根据式(13)，定义多光谱光声弹性方程正向方程的逆解为：
(JTJ+ξI)Δχ＝JT(po-pc) (14)
上述公式中，Δχ为我们所要获得的组织体内发色团浓度和组织体弹性模量系数，定义为Δχ＝(Δcl,1 Δcl,2 ... Δcl,n ΔO1 ΔO2 ... ΔOn)，Δc为各个发色团浓度，ΔO为组织体弹性模量系数，ξ为正则化参数，和/>为实验测得的和计算生成的光声数据：
J为雅克比矩阵，定义为其中，/>和/>分别表示为与弹性模量参数和各种发色团相关的雅可比矩阵。
根据方程式Ψ＝μaΦ，雅克比矩阵可以定义为：
上述方程中，L是组织体内发色团的数量，而可以写成：
方程(16)和(17)中和/>的求解要通过方程(9)结合光子扩散方程(18)而得到：
同时，雅克比矩阵也可以写成：
基于伴随方法可以计算上述雅克比矩阵。
我们首先定义一个M×N矩阵Ψ，然后让矩阵Ψ满足下面关系：
[Ψ][A]＝[Δd] (20)
上述方程中，矢量Δd在边界测量节点为单位值，而在其它所有地方的节点为零值。然后让方程(19)左边乘上Ψ，得到：
可以发现方程(21)的左侧产生了一个雅克比矩阵。
步骤S34：通过最小平方误差重新获取最佳的数学模型，作为重建模型，并通过重建模型获得获得生物组织的结构光声图像。
因此，综上所述，对于所开发的光声弹性方程数值求解方法，我们需要使用牛顿迭代法求解正向方程(13)和逆解方程(14)，使实验测得的和计算生成的光声数据沿边界的最小平方误差最小化。
上述方法可实现同时获取弹性模量系数，功能性氧饱和度和水浓度，重建过程需要用到四个波长，其中功能性氧饱和度是含氧血红蛋白(HbO2)与含氧血红蛋白(HbO2)+脱氧血红蛋白(Hb)之比得出，重建二者通常在等吸收点800nm左右各取一个波长，因此，本项目中采用795nm，800nm，950nm和1064nm多波长实现同时获取弹性模量，功能性氧饱和度参数和水浓度。
参考图1，本申请的实施例还提供一种生物组织的结构光声成像系统，包括：线型光斑获取单元、光声信号获取模块和成像单元。
其中，线型光斑获取单元用于通过光纤束将(多波长脉冲)激光器发射的高斯光斑转化为线型光斑或极窄的矩形光斑；光声信号获取模块(包括升降平台和固定装置)用于调整光纤束的位置，使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号；成像单元用于将光声信号进行处理，获得生物组织的结构光声图像。
其中，获得生物组织的结构光声图像，具体包括：光声波处理模块、数学模型初建模块、光声数据计算模块和重建模型构建模块。
其中，光声波处理模块用于通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声波的产生和传播方程；数学模型初建模块用于通过牛顿运动方程和热弹性方程获得多光谱光声弹性的数学模型；光声数据计算模块用于使用牛顿迭代法计算数学模型中，实验测得的光声数据和计算生成的光声数据沿边界的最小平方误差；重建模型构建模块用于通过最小平方误差重新获取最佳的数学模型，作为重建模型，并通过所述重建模型获得获得结构光声图像。
具体的，其中升降平台用于连接固定装置，固定装置用于固定多波长脉冲激光器的光纤束与线型阵列传感器。
本发明还提供一种计算机设备，包括存储器及处理器，存储器中储存有计算机程序，计算机程序被处理器执行时，使得处理器执行结构光声成像方法的步骤。
实验过程：
该系统包括一台多波长脉冲激光器、一个高精度升降平台、一体化的线型光斑-线型阵列传感器固定装置、一个水槽、一台多通道采集卡和一台电脑。激光器经自主设计的光纤传输，将高斯光斑转化为线型光斑或极窄的矩形光斑。线型光斑光纤束和线型阵列传感器采用专门设计的固定装置整合在一起，可手持式照射和接收，也可固定在升降平台上进行三维扫描。调整光纤束在固定装置上的位置可使线型光斑的照射平面和线型阵列传感器的接收平面等高共轴，增强接收信号的灵敏度。手持式采用超声胶作为耦合剂，固定在升降平台上的三维平台扫描则采用水槽注水作为耦合剂。信号经线型阵列传感器传输到多通道采集卡，再过滤波和放大，最终存入电脑平台显示。本发明将线型光斑-线型阵列传感器融合为一体，能够实现高分辨率、高对比度和高灵敏度的组织成像。同时，结合算法还可获取生物组织的多种功能参数，如组织弹性模量，功能性氧饱和度参数和水浓度。
该实验中，首先按1:50比例将工业琼脂粉和水混合加热后，注入圆柱形模具中，待凝固后，插入5根2cm长的0.5mm铅笔芯。将样品置于光声水槽内，使用660nm波长的光覆盖铅笔芯区域，并结合升降平台进行三维扫描。最终成像结果如下图所示，其中图2a为样品实样图，图2b为光声成像的二维结果，图2c为250个断层，每个断层间距0.08mm拼接而成的三维结果，结果显示铅笔芯的弹性模量参数为40±0.5GPa。以上实验方法和成像技术使用在该领域具有很高的可重复性和准确性，适用于全方位的样本。
基于线光斑-线阵列临床超声传感器的功能光声成像技术，采用离体实验验证了该方法的可行性和效果。将两块不同形状的猪肝脏组织进行光声成像，图3可以看出我们的算法很好的重建了不同形状(三角形(b)和矩形(a))的肝脏组织的功能结果，平均脱氧血红蛋白浓度为(245±2μM)，平均弹性模量系数为(2.55±0.01GPa)。衡量组织生理学特征参数的结果与同行科研工作者所采用的超声弹性成像技术所得的结果具有高度的一致性，详情请见表格1。对比图2的铅笔芯弹性模量结果和图3猪肝脏的弹性模量结果，可以得出铅笔芯弹性模量参数为猪肝脏组织的15倍左右，该结果验证了本发明的方法可以用于区分一些不同声学性质的组织，最终用于疾病的诊断。
本发明的发现表明，功能光声成像技术具备高效的组织成像功能，可为临床医疗诊断和治疗提供有力的支持。同时，该技术的实验过程较为简单，易于操作，可为发明者提供更为丰富的实验手段。值得注意的是，虽然本发明中所用鸡胸肉和猪肝脏组织只是相对简单的模型，但其成像结果足以说明该技术的优越性。希望这项发明能够为其他发明人员提供好的思路和实验参考。
表1超声弹性成像技术重建不同样品
Young'sModulus ShearModulus Bulkmodulus
Phantom (kPa) (kPa) (Gpa)
Bovinelivertissue 31.1±4.5 10.3±1.5 2.53±0.02
以上内容是结合具体优选实施方式对本发明做进一步详细说明，对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种生物组织的结构光声成像方法，其特征在于，包括如下步骤：
通过光纤束将激光器发射的高斯光斑转化为线型光斑；
调整光纤束的位置，使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号；
将所述光声信号进行处理，获得生物组织的结构光声图像；
其中，将所述光声信号进行处理，获得生物组织的结构光声图像，包括如下步骤：
通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声信号的产生和传播方程；
通过光声信号的产生和传播方程获得多光谱光声弹性的数学模型；
使用牛顿迭代法计算数学模型中，实验测得的光声信号数据和计算生成的光声信号数据沿边界的最小平方误差；
通过最小平方误差重新获取最佳的数学模型，作为重建模型，并通过所述重建模型获得获得生物组织的结构光声图像。
2.如权利要求1所述的一种生物组织的结构光声成像方法，其特征在于，所述通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声信号的产生和传播方程，具体表达式为：
其中，V是组织中粒子的速度，Cp是组织体的比热容，ρ是组织体密度，t是时间，vs是组织中的超声速度，p和T是超声压和组织体温度，H定义为H＝ΨI(t)，Ψ表示的是吸收光能量密度，I(t)为激光照度。
3.如权利要求2所述的一种生物组织的结构光声成像方法，其特征在于，所述通过光声信号的产生和传播方程获得多光谱光声弹性的数学模型，包括如下步骤：
结合牛顿运动方程和热弹性方程，获得如下方程：
定义弹性模量系数K为上述方程改写为：
对于均匀的介质，定义其密度为ρ＝ρ0，上述方程重新写成：
将所述超声压进行傅里叶变换，获得：
则最终的数学模型的方程为：
上述公式中，ω是角频率，k0＝ω/v0是波数，v0和K0是光在介质中的速度和介质的弹性模量系数。
4.如权利要求3所述的一种生物组织的结构光声成像方法，其特征在于，处理所述最终的数学模型，包括如下步骤：
根据光声弹性的数学模型，令O＝K0/K，获得：
考虑到Ψ＝μaΦ，经过处理后的数学模型为：
其中，Φ是光能流率密度，μa是组织的光学吸收系数，根据比尔定律，获得：
其中，εi(λ),ci分别是第i个组织体消光系数和第i个发色团浓度，发色团浓度即包括了功能性氧饱和度和水浓度等参数。
5.如权利要求4所述的一种生物组织的结构光声成像方法，其特征在于，将比尔定律方程导入经过处理后的所述数学模型，具体表达式为：
对上式利用有限元离散化，获得：
Ap＝B
通过有限元离散化公式定义多光谱光声弹性方程正向方程的逆解为：
(JTJ+ξI)Δχ＝JT(po-pc)
其中，Δχ为所要获得的组织体内发色团浓度和组织体弹性模量系数，定义为Δχ＝(Δcl,1 Δcl,2 ... Δcl,n ΔO1 ΔO2 ... ΔOn)，Δc为各个发色团浓度，ΔO为组织体弹性模量系数，ξ为正则化参数，po为实验测得的光声数据，pc为计算生成的光声数据。
6.如权利要求5所述的一种生物组织的结构光声成像方法，其特征在于，所述实验测得的光声信号数据和计算生成的光声信号数据的具体表达式为：
其中，po为实验测得的光声数据，pc为计算生成的光声数据。
7.如权利要求5所述的一种生物组织的结构光声成像方法，其特征在于，所述通过有限元离散化公式定义多光谱光声弹性方程正向方程的逆解时，获取所述逆解中的雅克比矩阵，包括如下步骤：
根据方程式Ψ＝μaΦ，各种发色团相关的雅克比矩阵定义为：
上述方程中，L是组织体内发色团的数量，而写成：
通过数学模型结合光子扩散方程获得和/>其中光子扩散方程为：
弹性模量参数的雅克比矩阵同样定义为：
基于伴随方法计算雅克比矩阵。
8.如权利要求7所述的一种生物组织的结构光声成像方法，其特征在于，所述基于伴随方法计算雅克比矩阵，包括如下步骤：
定义一个M×N矩阵Ψ，让矩阵Ψ满足下面关系：
[Ψ][A]＝[Δd]
上述方程中，矢量Δd在边界测量节点为单位值，而在其它所有地方的节点为零值；
令与弹性模量参数的雅可比矩阵左边乘上Ψ，得到：
其中，上述方程左侧产生了一个雅克比矩阵。
9.一种生物组织的结构光声成像系统，其特征在于，包括：
线型光斑获取单元，用于通过光纤束将激光器发射的高斯光斑转化为线型光斑；
光声信号获取模块，用于调整光纤束的位置，使得线型光斑的照射平面和线型阵列传感器的接收平面等高共轴后，对生物组织进行照射，并通过线型阵列传感器采集照射后灵敏度最大化的光声信号；
成像单元，用于将所述光声信号进行处理，获得生物组织的结构光声图像；
其中，所述成像单元具体包括：
光声波处理模块，用于通过牛顿运动方程、连续性方程和热弹性方程描述声耦合介质中的光声信号的产生和传播方程；
数学模型初建模块，用于通过光声信号的产生和传播方程获得多光谱光声弹性的数学模型；
光声数据计算模块，用于使用牛顿迭代法计算数学模型中，实验测得的光声信号数据和计算生成的光声信号数据沿边界的最小平方误差；
重建模型构建模块，用于通过最小平方误差重新获取最佳的数学模型，作为重建模型，并通过所述重建模型获得获得生物组织的结构光声图像。
10.一种计算机设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述的结构光声成像方法的步骤。
CN202410106783.5A 2024-01-25 2024-01-25 一种生物组织的结构光声成像方法、系统与计算机设备 Active CN118203356B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410106783.5A CN118203356B (zh) 2024-01-25 2024-01-25 一种生物组织的结构光声成像方法、系统与计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410106783.5A CN118203356B (zh) 2024-01-25 2024-01-25 一种生物组织的结构光声成像方法、系统与计算机设备

Publications (2)

Publication Number Publication Date
CN118203356A true CN118203356A (zh) 2024-06-18
CN118203356B CN118203356B (zh) 2025-10-28

Family

ID=91451220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410106783.5A Active CN118203356B (zh) 2024-01-25 2024-01-25 一种生物组织的结构光声成像方法、系统与计算机设备

Country Status (1)

Country Link
CN (1) CN118203356B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608036A (zh) * 2012-03-20 2012-07-25 中北大学 基于声学透镜和传感器阵列的三维光声成像系统及方法
WO2013017105A1 (en) * 2011-08-04 2013-02-07 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Ultrasonic imaging system and method for measuring elasticity of biological tissues
CN115953492A (zh) * 2022-12-14 2023-04-11 山东非金属材料研究所 基于tv-cg的光声断层图像重建方法
CN116086614A (zh) * 2022-11-15 2023-05-09 中国矿业大学 一种联合辐射图像及光谱的炉膛断面温度场实时可视化监测方法
CN117237473A (zh) * 2023-10-16 2023-12-15 南昌大学 一种基于扩散模型的光声断层成像稀疏重建方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013017105A1 (en) * 2011-08-04 2013-02-07 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Ultrasonic imaging system and method for measuring elasticity of biological tissues
CN102608036A (zh) * 2012-03-20 2012-07-25 中北大学 基于声学透镜和传感器阵列的三维光声成像系统及方法
CN116086614A (zh) * 2022-11-15 2023-05-09 中国矿业大学 一种联合辐射图像及光谱的炉膛断面温度场实时可视化监测方法
CN115953492A (zh) * 2022-12-14 2023-04-11 山东非金属材料研究所 基于tv-cg的光声断层图像重建方法
CN117237473A (zh) * 2023-10-16 2023-12-15 南昌大学 一种基于扩散模型的光声断层成像稀疏重建方法

Also Published As

Publication number Publication date
CN118203356B (zh) 2025-10-28

Similar Documents

Publication Publication Date Title
US12408839B2 (en) Transcranial photoacoustic/thermoacoustic tomography brain imaging informed by adjunct image data
US20220054017A1 (en) Laser Optoacoustic Ultrasonic Imaging System (LOUIS) and Methods of Use
JP5749164B2 (ja) 組織バイオマーカーの定量的多重スペクトル光音響トモグラフィ
Xu et al. The functional pitch of an organ: quantification of tissue texture with photoacoustic spectrum analysis
Mozaffarzadeh et al. The double-stage delay-multiply-and-sum image reconstruction method improves imaging quality in a led-based photoacoustic array scanner
JP3532800B2 (ja) 聴診器
Deán-Ben et al. Optoacoustic image formation approaches—a clinical perspective
JP2011528923A5 (zh)
US20180064346A1 (en) Photo-acoustic sensing apparatus and methods of operation thereof
Fadhel et al. Fluence-matching technique using photoacoustic radiofrequency spectra for improving estimates of oxygen saturation
JP2017029610A (ja) 光音響装置、信頼度取得方法、プログラム
US20230404520A1 (en) Methods and systems for photoacoustic computed tomography of blood flow
CN118203356B (zh) 一种生物组织的结构光声成像方法、系统与计算机设备
Jaeger et al. Iterative reconstruction algorithm for reduction of echo background in optoacoustic images
Fouladi et al. Fundamentals of Photoacoustic Imaging
Zhao System Development and Clinical Applications of the Handheld PA/US Dual Mode Imaging System
Lin Photoacoustic Tomography: From Bench to Bedside
Yip Development of a Near-Full-View Angle Coverage Photoacoustic Tomography System and Its Application Towards Optical Fluence Distribution Imaging
Buckley Medical Tomographic Imaging Techniques: A Brief Conceptual Review
Jetzfellner et al. Tomographic optoacoustic inversion in dynamic illumination scenarios
Xu et al. Investigation of a quantitative photoacoustic tomography fitting procedure on multiple targets in reflection geometry with diffuse optical measurement assistance
Wang et al. Non-invasive in vivo optical monitoring of human placental oxygenation
CN121154068A (zh) 一种高光谱光声层析内窥镜系统
Shan Photoacoustic Imaging and Its Application to Congenital Brain Diseases
Roumeliotis Real-time Three-dimensional Photoacoustic Imaging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant