本發(fā)明屬于人工智能，涉及一種多帶寬光聲成像系統(tǒng)及方法，具體涉及一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像系統(tǒng)及方法。

背景技術(shù)：

1、近年來(lái)，光聲成像技術(shù)(pai)在生物醫(yī)學(xué)領(lǐng)域取得了顯著進(jìn)展，尤其在腫瘤檢測(cè)和功能成像中展現(xiàn)出了巨大的潛力。然而，傳統(tǒng)的光聲成像方法受限于探測(cè)器的帶寬和響應(yīng)特性，導(dǎo)致部分光譜信息丟失，從而限制了成像的分辨率和信息完整性。雖然多帶寬成像技術(shù)通過(guò)使用不同中心頻率的探測(cè)器來(lái)緩解這一問(wèn)題，但仍存在信息整合效率低、成像質(zhì)量低等挑戰(zhàn)。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，特別是在圖像重建和信號(hào)處理領(lǐng)域的應(yīng)用，提供了新的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有光聲成像技術(shù)中信號(hào)帶寬受限、圖像分辨率和質(zhì)量不足的缺點(diǎn)，本發(fā)明提供了一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像系統(tǒng)及方法。本發(fā)明通過(guò)引入級(jí)聯(lián)深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，有效整合多頻率光聲信號(hào)，實(shí)現(xiàn)從粗略到精細(xì)的圖像重建，顯著提升成像精度和質(zhì)量，同時(shí)降低系統(tǒng)硬件的復(fù)雜性，實(shí)現(xiàn)更高質(zhì)量的光聲圖像重建，適用于生物醫(yī)學(xué)成像中的高分辨率、多帶寬成像需求。

2、本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

3、一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像系統(tǒng)，由脈沖激光器、兩個(gè)不同中心頻率的半環(huán)形陣列探頭、多通道數(shù)據(jù)采集卡和中央計(jì)算機(jī)構(gòu)成，其中：

4、所述脈沖激光器用于激發(fā)目標(biāo)區(qū)域內(nèi)的光吸收體，產(chǎn)生光聲信號(hào)；

5、所述兩個(gè)半環(huán)形陣列探頭分別具有中心頻率為5.5mhz的高頻探頭和中心頻率為2.5mhz的低頻探頭，高頻探頭用于獲取高分辨率圖像，低頻探頭用于檢測(cè)較大的光吸收體和低信噪比的結(jié)構(gòu)特征；

6、所述多通道數(shù)據(jù)采集卡用于將兩個(gè)半環(huán)形陣列探頭接收到的光聲信號(hào)進(jìn)行數(shù)字化處理，并將處理后的數(shù)據(jù)傳輸至中央計(jì)算機(jī)，基于濾波反投影重建算法重建光聲圖像。

7、一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像方法，包括如下步驟：

8、步驟1：多帶寬光聲成像系統(tǒng)硬件組成與配置

9、多帶寬光聲成像系統(tǒng)由脈沖激光器、兩個(gè)不同中心頻率的半環(huán)形陣列探頭、多通道數(shù)據(jù)采集卡和中央計(jì)算機(jī)構(gòu)成，其中：

10、所述脈沖激光器用于激發(fā)目標(biāo)區(qū)域內(nèi)的光吸收體，產(chǎn)生光聲信號(hào)；

11、所述兩個(gè)半環(huán)形陣列探頭分別具有中心頻率為5.5mhz的高頻探頭和中心頻率為2.5mhz的低頻探頭，高頻探頭用于獲取高分辨率圖像，低頻探頭用于檢測(cè)較大的光吸收體和低信噪比的結(jié)構(gòu)特征；

12、所述多通道數(shù)據(jù)采集卡用于將兩個(gè)半環(huán)形陣列探頭接收到的光聲信號(hào)進(jìn)行數(shù)字化處理，并將處理后的數(shù)據(jù)傳輸至中央計(jì)算機(jī)，基于濾波反投影重建算法重建光聲圖像；

13、步驟2：信號(hào)采集與預(yù)處理

14、步驟2.1：脈沖激光器發(fā)射短脈沖光，照射在目標(biāo)成像區(qū)域內(nèi)的組織上，激發(fā)出光聲信號(hào)；

15、步驟2.2：兩個(gè)半環(huán)形陣列探頭分別接收到不同頻率的光聲信號(hào)，這些光聲信號(hào)通過(guò)多通道數(shù)據(jù)采集卡進(jìn)行采集并存儲(chǔ)于中央計(jì)算機(jī)中；

16、步驟2.3：中央計(jì)算機(jī)對(duì)采集到的光聲信號(hào)進(jìn)行預(yù)處理；

17、步驟2.4：預(yù)處理后的光聲信號(hào)使用重建算法，生成高頻光聲圖像xh和低頻光聲圖像xl，并劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，用于后續(xù)深度學(xué)習(xí)級(jí)聯(lián)網(wǎng)絡(luò)的訓(xùn)練和性能驗(yàn)證；

18、步驟3：深度學(xué)習(xí)級(jí)聯(lián)網(wǎng)絡(luò)的構(gòu)建與訓(xùn)練

19、步驟3.1：級(jí)聯(lián)深度學(xué)習(xí)網(wǎng)絡(luò)由兩個(gè)串聯(lián)的u-net模塊組成，首先，將預(yù)處理生成的高頻光聲圖像xh和低頻光聲圖像xl分別通過(guò)大小為3×3的卷積核進(jìn)行淺層特征提取，隨后沿通道方向?qū)⑻崛〉奶卣鬟M(jìn)行融合，并將融合后的特征輸入到第一個(gè)編碼-解碼結(jié)構(gòu)的u-net模塊中，該模塊在編碼過(guò)程中，通過(guò)雙層double?conv3×3卷積層進(jìn)行特征提取，并通過(guò)四級(jí)最大池化層實(shí)現(xiàn)下采樣，在解碼過(guò)程中，通過(guò)double?deconv3×3反卷積層進(jìn)行上采樣，最后經(jīng)卷積核大小為1×1的輸出層完成粗略重建，生成初步的全環(huán)形圖像y1；接著，將生成的全環(huán)形圖像y1與原始輸入的高頻光聲圖像xh和低頻光聲圖像xl沿通道方向進(jìn)行特征融合，融合后的特征輸入到第二個(gè)編碼-解碼結(jié)構(gòu)的u-net模塊中，該模塊在編碼過(guò)程中，通過(guò)雙層double?conv3×3卷積層進(jìn)行特征提取，并通過(guò)四級(jí)最大池化層實(shí)現(xiàn)下采樣，在解碼過(guò)程中，通過(guò)double?deconv3×3反卷積層進(jìn)行上采樣，最后經(jīng)卷積核大小為1×1的輸出層完成精細(xì)重建，生成最終的全環(huán)形圖像y2；

20、步驟3.2：在訓(xùn)練過(guò)程中，采用聯(lián)合損失函數(shù)衡量重建圖像與真實(shí)圖像之間的差異，該損失函數(shù)由兩部分組成：

21、l＝αl1+βl2

22、

23、

24、其中，l1為第一級(jí)粗重建模型輸出的y1與真實(shí)圖像y之間的mse損失，l2為第二級(jí)精細(xì)重建模型輸出的y2與真實(shí)圖像y之間的mse損失，α為l1損失權(quán)重，β為l2損失權(quán)重；

25、步驟3.3：使用adam優(yōu)化器對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化調(diào)整；

26、步驟4：多帶寬光聲重建：

27、將2.5mhz半環(huán)陣采集到的光聲圖像和5.5mhz半環(huán)陣采集到的光聲圖像作為深度學(xué)習(xí)級(jí)聯(lián)網(wǎng)絡(luò)的輸入，利用訓(xùn)練好的深度學(xué)習(xí)級(jí)聯(lián)網(wǎng)絡(luò)進(jìn)行多帶寬光聲重建，得到2.5mhz和5.5mhz全環(huán)光聲圖像。

28、相比于現(xiàn)有技術(shù)，本發(fā)明具有如下優(yōu)點(diǎn)：

29、1、本發(fā)明通過(guò)級(jí)聯(lián)深度學(xué)習(xí)網(wǎng)絡(luò)(cu-net)實(shí)現(xiàn)了從粗略到精細(xì)的兩階段圖像重建過(guò)程，顯著提升了光聲圖像的分辨率和信息完整性，尤其是在低頻和高頻信號(hào)的融合與處理方面效果突出。

30、2、本發(fā)明采用不同中心頻率的半環(huán)形陣列探頭，能夠捕獲更廣泛的光聲信號(hào)，實(shí)現(xiàn)了多尺度、多帶寬的成像，兼顧了大光吸收體和精細(xì)結(jié)構(gòu)的檢測(cè)需求。

31、3、本發(fā)明利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)自動(dòng)化圖像重建，減少了對(duì)人工調(diào)整的依賴，大幅提高了處理效率，適用于實(shí)時(shí)成像和大規(guī)模應(yīng)用場(chǎng)景

32、4、本發(fā)明通過(guò)深度學(xué)習(xí)驅(qū)動(dòng)的信號(hào)整合與優(yōu)化，避免了復(fù)雜的硬件設(shè)計(jì)需求，降低了系統(tǒng)的復(fù)雜性和成本，同時(shí)保留了高效的多角度、多頻率成像能力。

33、5、在體內(nèi)實(shí)驗(yàn)中，多帶寬光聲成像系統(tǒng)成功應(yīng)用于小鼠腹部的光聲成像，cu-net在圖像重建的psnr(峰值信噪比)、mae(平均絕對(duì)誤差)和ssim(結(jié)構(gòu)相似性指數(shù))等指標(biāo)上均表現(xiàn)優(yōu)異，驗(yàn)證了其在實(shí)際應(yīng)用中的可靠性和廣泛適用性。

34、6、本發(fā)明的多帶寬光聲成像系統(tǒng)展示了極高的圖像重建能力，為生物醫(yī)學(xué)成像提供了更為精確的解決方案。該系統(tǒng)集成高、低頻探頭，通過(guò)深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)模型cu-net融合了低頻探頭在整體結(jié)構(gòu)成像中的廣覆蓋能力和高頻探頭在細(xì)節(jié)捕捉中的高分辨率特性，從而在多帶寬光聲成像任務(wù)中展現(xiàn)出的顯著優(yōu)勢(shì)和巨大應(yīng)用潛力。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像系統(tǒng)，其特征在于所述多帶寬光聲成像系統(tǒng)由脈沖激光器、兩個(gè)不同中心頻率的半環(huán)形陣列探頭、多通道數(shù)據(jù)采集卡和中央計(jì)算機(jī)構(gòu)成，其中：

2.一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像方法，其特征在于所述方法包括如下步驟：

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像方法，其特征在于所述聯(lián)合損失函數(shù)由兩部分組成：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)級(jí)聯(lián)增強(qiáng)的多帶寬光聲成像系統(tǒng)及方法，所述系統(tǒng)由脈沖激光器、兩個(gè)半環(huán)形陣列探頭、多通道數(shù)據(jù)采集卡和中央計(jì)算機(jī)構(gòu)成，脈沖激光器用于激發(fā)目標(biāo)區(qū)域內(nèi)的光吸收體，產(chǎn)生光聲信號(hào)；兩個(gè)半環(huán)形陣列探頭分別具有中心頻率為5.5MHz的高頻探頭和2.5MHz的低頻探頭，高頻探頭用于獲取高分辨率圖像，低頻探頭用于檢測(cè)較大的光吸收體和低信噪比的結(jié)構(gòu)特征；多通道數(shù)據(jù)采集卡用于將兩個(gè)半環(huán)形陣列探頭接收到的光聲信號(hào)進(jìn)行數(shù)字化處理，并將處理后的數(shù)據(jù)傳輸至中央計(jì)算機(jī)，基于濾波反投影重建算法重建光聲圖像。本發(fā)明的多帶寬光聲成像系統(tǒng)展示了極高的圖像重建能力，為生物醫(yī)學(xué)成像提供了更為精確的解決方案。

技術(shù)研發(fā)人員：孫明健,秦澤政,馬一鳴,李港,馬凌玉,馬立勇
受保護(hù)的技術(shù)使用者：哈爾濱工業(yè)大學(xué)（威海）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9