PA-SfM: Tracker-free freehand 3D photoacoustic imaging via differentiable acoustic radiation

Stel je voor dat je probeert een driedimensionale foto te maken van iets dat diep verborgen zit in je lichaam, maar je kunt het slechts vanuit één hoek tegelijk zien. Dit is de uitdaging waar een krachtige medische beeldvormingstechniek, genaamd fotoakoestische beeldvorming, voor staat. Het werkt door een veilige, korte lichtpuls in het lichaam te schijnen; het weefsel absorbeert het licht, warmt een klein beetje op en zet uit om een minuscuul geluidssignaal te creëren. Sensoren op de huid vangen deze geluidsgolven op, en een computer gebruikt deze om een afbeelding van bloedvaten en andere structuren op te bouwen. Hoewel deze methode een duidelijk beeld biedt van hoe het bloed stroomt zonder schadelijke straling te gebruiken, mist een enkele opname vaak details omdat de sensoren slechts een beperkt gebied kunnen bestrijken. Om het volledige plaatje te zien, moeten artsen de sensor meestal rond de patiënt bewegen, maar dit met de hand doen is moeilijk. Als de hand zelfs maar een fractie van een millimeter te ver beweegt of een beetje draait, kan de computer de beelden niet correct aan elkaar naaien, wat resulteert in een wazig, onsamenhangend beeld. Traditioneel werd dit opgelost door ingenieurs zware motoren of externe trackingcamera's aan het apparaat te bevestigen om precies vast te leggen waar het zich op elk moment bevond. Deze toevoegingen maken het systeem volumineus, duur en lastig te gebruiken in een drukke ziekenhuiszaal.

Een team van onderzoekers heeft nu een manier gevonden om het beeldvormingsapparaat vrij te laten bewegen, zonder externe trackers of motoren, door de computer te leren zijn eigen positie te bepalen. Ze ontwikkelden een nieuwe methode genaamd PA-SfM, wat staat voor photoacoustic structure-from-motion. In plaats van te vertrouwen op een apart apparaat om de computer te vertellen waar de sensor zich bevindt, kijkt dit nieuwe systeem direct naar de geluidsgolven die van het lichaam komen om de locatie van de sensor af te leiden. De onderzoekers realiseerden zich dat de geluidsgolven een verborgen kaart dragen van de positie van de sensor ten opzichte van het weefsel. Door een wiskundig model te gebruiken dat door de computer zelf kan worden aangepast en verfijnd, kan het systeem de gehoorde geluidsgolven vergelijken met wat het zou verwachten te horen als de sensor zich op een specifieke plek zou bevinden. Als de voorspelling niet overeenkomt met de werkelijkheid, past de computer zijn gok over waar de sensor zich bevindt aan en probeert het opnieuw. Het herhaalt dit proces, waarbij het de schatting van de beweging van de sensor en de vorm van de bloedvaten tegelijkertijd verfijnt, totdat het beeld scherp is en het pad van de sensor duidelijk is.

Het team testte dit idee eerst op de hand van een vrijwilliger. Ze plaatsten de sensor boven de hand en vroegen de persoon om de sensor vrij te bewegen, door de arm in verschillende richtingen te zwaaien en te strekken. Het systeem registreerde de geluidsgolven terwijl de hand bewoog, waarbij de bloedvaten vanuit veel verschillende hoeken werden vastgelegd. Zonder externe begeleiding slaagde de computer erin om precies te bepalen hoe de hand had bewogen en alle gedeeltelijke aanzichten samen te voegen tot één grote, driedimensionale kaart van het vaatstelsel van de hand. Het resultaat was een compleet beeld van de bloedvaten dat fijne details liet zien zonder de wazigheid of duplicatie die normaal gesproken optreedt wanneer beelden onjuist aan elkaar worden gevoegd. De onderzoekers ontdekten dat het systeem de beelden nog steeds perfect kon uitlijnen, zelfs wanneer de hand tussen elke opname wel 9 millimeter bewoog.

Om er zeker van te zijn dat hun methode beter werkte dan bestaande technieken, testten de onderzoekers het ook op dieren en in computersimulaties. In één experiment gebruikten ze een machine die de sensor op een zeer nauwkeurige, gecontroleerde manier bewoog, wat de huidige standaard is voor het verkrijgen van heldere beelden. Ze vergeleken de beelden gemaakt met de ingebouwde positiesensoren van de machine met de beelden gemaakt met hun nieuwe, tracker-vrije methode. De nieuwe methode produceerde scherpere beelden met minder fouten, wat bewees dat de computer de positie van de sensor nauwkeuriger kon bepalen dan de mechanische sensoren zelf. In een andere test simuleerden ze een scenario waarin de sensor zeer snel bewoog, tot wel 80 millimeter per seconde, en waarbij de sensoren ver uit elkaar geplaatst waren. Zelfs onder deze moeilijke omstandigheden was de nieuwe methode in staat de beweging te volgen en het beeld te reconstrueren, terwijl oudere methoden die gebaseerd zijn op het vergelijken van beeldpatronen de snelheid niet konden bijhouden.

De onderzoekers valideerden hun aanpak ook met echte gegevens van ratten, waarbij ze de exacte posities van de sensor kenden omdat ze deze op een specifieke manier hadden opgezet. Toen ze hun nieuwe systeem de posities zelf lieten bepalen, waren de resulterende beelden bijna identiek aan de beelden gemaakt met de bekende posities, wat een zeer hoog niveau van nauwkeurigheid liet zien. Het systeem slaagde erin de sensoren te lokaliseren met een fout van minder dan een halve millimeter, wat klein genoeg is om de kleinste bloedvaten duidelijk te zien. Dit succes suggereert dat de methode de complexe, chaotische realiteit van handmatig scannen kan aan, waarbij de beweging onvoorspelbaar is en de overlap tussen verschillende aanzichten soms klein is.

Dit werk vormt een belangrijke stap voorwaarts om geavanceerde medische beeldvorming praktischer en toegankelijker te maken. Door het verwijderen van de noodzaak voor zware motoren, externe camera's of elektromagnetische trackers, stelt het nieuwe systeem artsen in staat om het apparaat natuurlijk vast te houden en het gemakkelijk rond het lichaam van een patiënt te bewegen. De computer doet het zware werk om de geometrie te bepalen, waarbij een chaotische reeks bewegingen wordt omgezet in een samenhangend, hoogwaardig 3D-beeld. De onderzoekers hebben aangetoond dat deze aanpak werkt voor menselijke handen, dierlijke organen en gesimuleerde scenario's, wat een solide basis biedt voor toekomstig gebruik in klinische omgevingen. Hoewel het huidige systeem enige tijd nodig heeft om de gegevens na de scan te verwerken, opent het vermogen om gedetailleerde, grootschalige kaarten van bloedvaten te maken zonder externe tracking de deur naar flexibelere en patiëntvriendelijkere beeldvorming in de toekomst. De studie bevestigt dat de geluidsgolven zelf alle informatie bevatten die nodig is om de reconstructie te sturen, mits de computer de juiste instrumenten krijgt om te luisteren en te leren.