Advanced Science文献分享：AI助力1/10光量拍出高清器官“透视照”
2025-07-02 来源:本站 点击次数:137该研究由中国科学院深圳先进技术研究院刘成波、梁栋团队联合华中科技大学郑传胜团队主导，成果发表于《Advanced Science》。团队通过跨学科协作，将深度学习的“智慧”注入光声成像，为活体显微成像领域开辟了全新路径。
重要发现
01双波长数据的“拼图游戏”：从模糊到清晰的跨越
传统OR-PAM面临的核心挑战，是低激光剂量下光声信号微弱导致的图像噪声与分辨率下降。为此，研究团队设计了一套双波长（532nm和560nm）双通道数据采集系统：
硬件革新：通过多模光纤耦合双波长激光，利用时间延迟技术分离不同能量、波长的光声信号。例如，532nm激光敏感于血红蛋白的氧合状态，560nm则擅长捕捉组织形态，两者互补如同“彩色拼图”，为后续深度学习提供多维数据基础。
数据采集：在实验中，团队对10只Balb/c小鼠的脑部进行双波长成像，获取6696组训练数据，包含2倍/4倍下采样图像与全采样高分辨率图像。
02MT-RDN网络：让机器学会“脑补”细节为破解低剂量数据的“先天不足”，团队开发了多任务残差密集网络（MT-RDN），其核心设计如同“三级智能修复工厂”：
第一级：两个子网络分别处理532nm和560nm的下采样图像，通过残差密集连接提取血管结构、噪声模式等底层特征；
第二级：第三子网络融合前两级输出，利用多监督学习（同时优化去噪、超分辨率、血管增强三个任务）填补数据缺失，如同“跨维度联想”，从低分辨率数据中“重建”高清晰细节；
第三级：通过合理权重分配（例如根据波长敏感性调整特征贡献度），最终输出兼具高信噪比与结构保真度的图像。
03实验验证：从“模糊马赛克”到“高清显微照”在测试中，MT-RDN展现出惊人的“修复能力”：
定量指标：对于4倍下采样的脑部数据，重建图像的峰值信噪比（PSNR）达27.28±0.018，结构相似性（SSIM）达0.77±0.011，接近全采样图像水平，远超传统算法PAIVEF和经典深度学习模型U-net、RDN；
视觉效果：对比传统方法，MT-RDN重建的脑血管网络清晰可辨，甚至能区分耳组织中相邻的动脉与静脉，而传统算法（如PAIVEF）会导致血管扭曲或信号混叠；
极限挑战：当激光剂量进一步降至安全阈值的1/4（即传统剂量的1/16），MT-RDN仍能保持重建精度，证明其在极端条件下的鲁棒性。
创新与亮点
01技术瓶颈突破：从“高风险”到“低剂量自由”
传统OR-PAM为保证图像质量，常需使用接近生物安全极限的激光剂量，这对眼、脑等敏感组织构成潜在风险。MT-RDN通过数据驱动的智能重建，将所需激光剂量降低32倍，首次实现“超低剂量下的高质量成像”，为婴幼儿脑成像、眼科微创检测等场景扫清安全障碍。
提高成像速度通常需牺牲分辨率（如下采样），而MT-RDN通过超分辨率重建，能从稀疏采样数据中恢复细节。例如，4倍下采样意味着数据量仅为全采样的1/16，配合激光重复频率提升，理论上可将成像速度提升16倍，同时通过实时重建（仅需0.45秒）满足动态过程（如神经元活动）的捕捉需求。
03跨模态的“通用型显微镜”
团队用脑部数据训练的模型，无需额外调整即可直接用于耳组织成像，且重建效果优异。这种跨组织泛化能力源于双波长数据的互补性与多任务学习的灵活性，意味着OR-PAM未来可能成为“一机多用”的通用型成像平台，适用于肿瘤、神经、心血管等多领域研究。
总结与展望
这项研究标志着OR-PAM从“高门槛科研工具”向“临床实用技术”的关键转型。通过深度学习与光学成像的深度融合，团队不仅破解了激光剂量、速度与质量的“三角难题”，更开辟了智能生物医学成像的新范式——未来，OR-PAM或许能像“光学超声”一样，成为手术室中的实时监测工具，或在基层医院实现无创血管健康筛查。
当然，挑战依然存在：例如，如何进一步提升模型对复杂病变组织的适应性，或开发更轻便的便携式OR-PAM系统。但正如研究团队所言，MT-RDN的普适性架构为跨模态成像提供了新思路——无论是光声、超声还是MRI，深度学习都可能成为突破物理极限的“钥匙”。随着硬件成本下降与算法优化，我们有理由期待，这种“会思考的显微镜”将在未来十年内重塑精准医疗的格局，让微米级的生命奥秘触手可及。
论文信息声明：本文仅用作学术目的。
Zhao H, Ke Z, Yang F, Li K, Chen N, Song L, Zheng C, Liang D, Liu C. Deep Learning Enables Superior Photoacoustic Imaging at Ultralow Laser Dosages. Adv Sci (Weinh). 2020 Dec 21;8(3):2003097.
DOI:10.1002/advs.202003097.