上海科技大学信息科学与技术学院智能医学信息研究中心（SMIRC）蔡夕然课题组（智能超声成像和治疗实验室）和中国科学院深圳先进技术研究院李飞课题组合作，提出了一种基于深度学习的波束形成方法，该方法实现了基于行列寻址阵列（RCA）的实时三维被动空化成像。该方法在确保成像质量的同时，大幅提升三维被动空化成像的效率、降低硬件需求，为聚焦超声空化治疗的实时监测提供了新的解决方案。
聚焦超声空化治疗通过介导体内发生声空化活动，实现期望的生物效应，在癌症治疗、血脑屏障开放及超声组织损毁等方面展现重要的潜力。被动空化成像是可视化监测声空化活动、确保聚焦超声空化治疗安全和有效的重要手段。然而，传统的二维被动空化成像只能监测一维线性阵列成像平面内的空化活动，无法有效定位成像平面外的空化源。现有的三维被动空化成像方法主要基于二维面阵或半球阵列，但受限于高通道数需求和复杂的计算量，难以满足实时成像的需求。
为解决这一问题，蔡夕然课题组和李飞课题组合作提出了一种基于深度学习的波束形成方法，实现了基于RCA的实时三维被动空化成像。该方法使用仿真数据集训练深度神经网络，将RCA采集的超声射频信号映射为三维空化图像（图1），在确保与使用相同孔径二维面阵（角谱法）成像质量相当的同时，大幅提升了三维被动空化成像的图像重建效率，降低成像所需硬件通道数量1~2个数量级。
图1 基于RCA的三维被动空化成像方法。（a）微泡群声空化信号仿真及训练数据集构建。实验装置示意图：（b）单硅胶管实验，（c）双硅胶管实验，（d）双通道无壁仿体实验，（e）离体生物组织实验（硅胶管置于新鲜鸡胸肉下方）。（f）超声信号采集序列示意图。
仿真结果表明，使用该方法重建的图像在能量扩散体积（ESV）和图像信噪比（ISNR）这两个图像质量的评价指标上与传统二维面阵方法所得结果的差异小于13.2%和1.8%，但图像重建速率在CPU和GPU上分别提高11倍和30倍，实现42.4 帧/秒（2 .1* 10⁶ 体素）的图像重建速度，能够满足实时监测空化活动的需求。此外，在硅胶管、无壁仿体和离体生物组织中的实验结果均成功验证了该方法精准定位微泡空化活动的能力（图2）。基于RCA和深度神经网络，该方法使三维被动空化成像的计算成本和硬件需求显著降低，在聚焦超声空化治疗中的微泡声空化活动实时监测问题中展现出一定的应用价值。
图2 （a）双硅胶管（两管均通有流动的微泡悬浮液），（b）双通道无壁仿体（左侧通道通有微泡悬浮液，右侧通道通有生理盐水）和（e）离体生物组织实验（通有微泡悬浮液的硅胶管置于新鲜鸡胸肉下方）的双模态（B模式图像和三维被动空化图像）三维渲染图。
此项工作以上海科技大学为第一完成单位，相关研究成果以“Deep Beamforming for Real-Time 3-D Passive Acoustic Mapping With Row-Column-Addressed Arrays”为题在线发表于超声领域国际期刊IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control。信息学院2023级硕士研究生连奕航为第一作者，2024级博士研究生曾一、2021级本科生周随安、2022级博士研究生朱卉为共同作者，蔡夕然和李飞研究员为共同通讯作者。此项工作得到了上海科技大学电子学科平台的设备支持，得到国家自然科学基金、上海市自然科学基金、上海市扬帆计划和医学成像科学与技术系统全国重点实验室开放课题的资助，以及广州多浦乐电子科技股份有限公司提供的测试探头支持。
全文链接：
https://ieeexplore.ieee.org/document/10818696
END
沪公网安备 31011502006855号
