這種相對較年輕的醫學(xué)成像技術(shù)可用于諸如可視化血管，研究腦活動(dòng)，表征皮膚病變以及診斷乳腺癌等應用。但是，渲染圖像的質(zhì)量很大程度上取決于設備使用的傳感器的數量和分布：傳感器的數量越多，圖像質(zhì)量就越好。

新的方法可以大幅減少傳感器的數量，而不會(huì )降低最終的圖像質(zhì)量。這使得可以降低設備成本，提高成像速度或改善診斷。

什么是光聲影像?

光聲在某些方面與超聲成像相似。在后者中，探頭將超聲波發(fā)送到體內，組織會(huì )對其進(jìn)行反射。探頭中的傳感器檢測返回的聲波并生成人體內部的圖像。相反，光聲成像將非常短的激光脈沖發(fā)送到組織中，在那里它們被吸收并轉換為超聲波。與超聲成像類(lèi)似，研究人員隨后可以檢測到將其轉換為圖像的波。

該團隊尋找一種方法來(lái)提高僅具有少量超聲波傳感器的低成本光聲設備的圖像質(zhì)量。

為此，他們開(kāi)始使用具有512個(gè)傳感器的自行開(kāi)發(fā)的高端光聲掃描儀，該掃描儀可提供高質(zhì)量的圖像。他們使用人工神經(jīng)網(wǎng)絡(luò )分析圖片，并了解了高質(zhì)量圖片的特征。

接下來(lái)，研究人員丟棄了大多數傳感器，因此只剩下128或32個(gè)傳感器，這對圖像質(zhì)量產(chǎn)生了不利影響。由于缺乏數據，圖像中出現了稱(chēng)為條紋型偽影的失真。然而，事實(shí)證明，先前訓練的神經(jīng)網(wǎng)絡(luò )可以在很大程度上校正這些失真，從而使圖像質(zhì)量更接近所有512個(gè)傳感器獲得的測量結果。

在光聲技術(shù)中，圖像質(zhì)量不僅隨著(zhù)研究人員使用的傳感器數量的增加而提高，而且當它們從盡可能多的方向捕獲信息時(shí)，圖像質(zhì)量也會(huì )提高：研究人員將傳感器圍繞對象布置的區域越大，質(zhì)量越好。機器學(xué)習算法還成功地提高了研究人員僅在有限范圍內記錄的圖像質(zhì)量。

蘇黎世大學(xué)和蘇黎世聯(lián)邦理工學(xué)院生物醫學(xué)成像教授丹尼爾·拉贊斯基(Daniel Razansky)表示：“這對于臨床應用尤為重要，因為激光脈沖無(wú)法穿透整個(gè)人體，因此成像區域通常只能從一個(gè)方向進(jìn)入。” 。

人工智能的幫手

科學(xué)家強調說(shuō)，他們的方法不僅限于光聲成像。因為該方法對重建的圖像而不是原始記錄的數據進(jìn)行操作，所以它也適用于其他成像技術(shù)。

“您基本上可以使用相同的方法從任何種類(lèi)的稀疏數據中生成高質(zhì)量的圖像，” Razansky說(shuō)。他解釋說(shuō)，醫生經(jīng)常面臨著(zhù)解釋病人的低質(zhì)量圖像的挑戰。“我們證明，使用AI方法可以改善此類(lèi)圖像，使其更容易獲得更準確的診斷。”

對于拉贊斯基來(lái)說(shuō)，這項研究工作很好地證明了科學(xué)家如何使用現有的人工智能方法。

許多人認為人工智能可以代替人類(lèi)的智能。至少對于當前可用的AI技術(shù)，這可能被夸大了。”他說(shuō)。“它不能取代人類(lèi)的創(chuàng )造力，但可能使我們擺脫繁瑣而重復的任務(wù)。”

在他們目前的研究中，科學(xué)家使用了為小動(dòng)物量身定制的光聲層析成像設備，并用小鼠的圖像訓練了機器學(xué)習算法。Razansky說(shuō)，下一步將是將該方法應用于人類(lèi)患者的光聲圖像。

無(wú)需造影劑

與光聲技術(shù)(也稱(chēng)為光聲技術(shù))不同，許多成像技術(shù)(例如超聲，X射線(xiàn)或MRI)主要適用于可視化人體的解剖結構變化。為了接收其他功能信息，例如有關(guān)血流或代謝變化的信息，醫生必須在成像前向患者使用造影劑或放射性示蹤劑。

相反，光聲方法可以可視化功能和分子信息，而無(wú)需引入造影劑。一個(gè)例子是組織氧合的局部變化，這是癌癥的重要標志，可用于早期診斷。血管中的脂質(zhì)含量仍是另一種潛在的疾病標記，可幫助及早發(fā)現心血管疾病。

但是，應注意的是，由于光聲成像中使用的光波不像其他光波那樣無(wú)法完全穿透人體，因此該方法僅適用于調查組織深達幾厘米(比英寸)。