基于光声差分衰减频谱的骨质评估仿真研究

光声层析成像术(Photoacoustic Tomography,PAT)在骨组织微结构的量化评估方面具有潜力,但在传统PAT工作模式下,松质骨的固液两相多孔结构导致骨小梁等分布式光吸收成分激发的光声信号混叠,增加了定量分析骨微结构特性的难度和复杂度。针对这一问题,文章将PAT系统改进为偏心激励-差分检测模式,获取差分衰减频谱(Differential Attenuation Spectrum,DAS);并通过数值仿真计算和验证了松质骨孔隙率与光声差分衰减频谱特征参数的相关性。研究结果表明：提取的光声差分衰减频谱特征参数与骨头孔隙率呈强线性相关,基于光声差分衰减频谱的分析方法可有效实现骨质定量评估和诊断。     

血管网光声成像的机器学习抗散射仿真研究

乳腺癌已成为全球女性发病率最高的肿瘤疾病,微血管成像对乳腺癌的治疗方案和预后有重要意义。光声层析成像术(Photoacoustic Tomography, PAT)可有效对乳腺癌内微血管网进行成像,但肿瘤组织内部的异质微结构和钙化点的散射对成像质量影响较大。针对该问题,文章基于U-Net的卷积神经网络对不同颗粒散射条件下软组织中血管网图像散斑开展仿真研究。仿真结果表明,该神经网络可以学习光声散斑图像和成像目标之间的映射关系,提取出隐藏在噪声中的血管光声信号,并重建出轮廓清晰、背景清晰的高质量血管图像,表明U-Net网络可以从高度模糊的散射图像中提取出有效的光声信息,实现目标图像的高清重建,在乳腺癌的诊断成像中具有广阔的应用前景。