近日，西安电子科技大学韩一平课题组联合清华大学马骋课题组，提出了一种用于稀疏光声重建的新型非线性插值算法，提出并验证了该算法在稀疏光声成像中的实际可行性，相关成果以“An Extremum-guided Interpolation for Sparsely Sampled Photoacoustic Imaging”为题目发表于光声学顶级期刊“Photoacoustics”（中国科学院一区，2022年影响因子为7.9），杭研院先进视觉研究所21级学生王皓宇为第一作者，韩一平教授为第一通讯作者。
光声成像是一种新兴的无损检测技术，其成像依赖于生物组织的光声效应，最早由Bell在1880年发现。利用脉冲光源照射生物组织，吸收体短脉冲激光照射后，局部温度的变化会引起组织弹性形变，进而产生声波。由于不同性质组织吸收特性的差异，光声信号的变换可以反映其分布，所以能根据脉冲激发产生的超声波信号对物体内部的结构进行重建。其兼具光学成像高分辨率与超声成像高成像深度的优点，且具有较好的生物安全性。
在光声重建当中，空间条件限制或系统实时性需求常使得光声采样数据稀疏。为了保持采样密度不变的情况下提高重建图像质量，对传感器的数据来进行插值是一个重要的步骤，数据插值的效果会直接影响到重建图像的质量。对于稀疏采样下的光声传感器数据而言，空域稀疏而时域密集的采样往往导致较差的信号连续性。想要更好的利用光声信号在空间尺度上的连续性，就需要使算法在信号处理上作用的尺度与信号的稀疏程度相符，还可以合理地计算相应的信号数值。针对稀疏光声信号的结构特点，提出了一种基于极值引导插值（EGI）的数据插值算法，该算法输入参数仅依赖于传感器阵列几何结构，无需复杂的数学变换、梯度、特征等计，就能轻松实现基于信号连续性的插值，实现稀疏采样下的高质量光声成像。
随着稀疏级别的增加，当使用最邻近插值（NI）、新边缘引导插值（NEDI）和压缩感知（CS）算法时，图像质量的恶化主要体现为图像细节的丢失和图像伪影的增加。通过与线性插值、非线性插值中的先进算法作对比，验证了EGI算法的性能优势。图像评价的结果为，在相同的稀疏级别下，EGI算法的性能更好。对于光声成像，使用调整波长和使用对比剂等方法来增强感兴趣区域对光声信号的吸收。在这种情况下，EGI算法的优点是其第一先考虑与强信号对应的结构的完整性。此特点能够在一定程度上帮助研究人员在比正常稀疏条件下使用更少的传感器来重建目标结构。
本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。
