🔬 applied physics

An angular distortion matrix approach for joint wave-speed tomography and aberration correction in scattering media

本文引入了一种迭代角失真矩阵方法，该方法利用时间反转分析来同时估计波速分布并校正散射介质中的相位像差，从而显著增强了临床超声应用的反射成像质量。

原作者： Chenyu Cui, Flavien Bureau, Foucauld Chamming's, Alexandre Aubry, Naiara Korta Martiartu

发布于 2026-09-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Chenyu Cui, Flavien Bureau, Foucauld Chamming's, Alexandre Aubry, Naiara Korta Martiartu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

声波是自然界观察隐藏之物的手段。通过向物体内部发送振动并监听回传的回声，科学家和医生可以重建那些无法被打开的物体内部的图像，从我们脚下深处的地壳到人体内的软组织。这种被称为反射成像的技术，是医院每天使用的超声扫描的基础。然而，这些图像的清晰度完全取决于是否准确了解声音在所扫描材料中的传播速度。在一个完美、均匀的世界里，这个速度是恒定的，但真实的身体是复杂的。它们由脂肪、肌肉和器官组成，每一层都有略微不同的声速。当成像机假设整个身体使用单一的平均速度时，声波在穿过这些不同层级时就会发生畸变，就像光线穿过一块扭曲的玻璃时会发生折射一样。这些被称为“像差”的畸变会使最终图像变得模糊，从而掩盖重要的细节，或使健康的组织看起来像是病变的。

几十年来，研究人员一直面临着一个困难的“先有鸡还是先有蛋”的问题：为了修复模糊的图像，他们需要知道身体每个部分的真实声速；但为了测量那个速度，他们首先需要一个清晰的图像。破坏图像的畸变本身也携带了修复图像所需的线索，但如何从组织本身的噪声中理清这些线索，一直是研究中的一大障碍。来自瑞士和法国的研究团队的一项新研究发现了一种打破这一循环的方法。他们开发出一种方法，能够同时绘制声速图并纠正图像畸变，将模糊、不可靠的扫描转化为清晰、定量的组织特性图谱。

研究人员使用了一个旨在模拟人体组织的明胶块来测试他们的方法，该明胶块包含具有不同声速的脂肪和肌肉层。他们还将该方法应用于真实患者，扫描了健康志愿者的肝脏以及确诊为癌症患者的乳房。在实验室中，明胶块包含了一些声速在每秒 1420 到 1550 米之间的特定区域。当团队最初使用声波以均匀速度（每秒 1540 米）传播的标准假设对该明胶块进行成像时，得到的图像是模糊的，各层之间难以分辨。由于速度差异，声波被扰乱了，导致图像失去了焦点。

为了解决这个问题，团队使用了一种称为“矩阵成像”的技术。他们不再仅仅发送单束声波并监听回声，而是记录了声波从每一个可能的角度发出并由探头中每一个传感器接收时的行为。这产生了大容量的数据，描述了声波如何与组织相互作用。其核心创新是一个名为“角畸变矩阵”的新数学工具。该工具允许他们以特定的方式观察数据，从而将组织自身纹理引起的干扰与由组织速度变化引起的畸变分离出来。通过分析波在不同角度下的相关性，他们可以提取出波在穿过身体时积累的特定相位误差——即时间延迟。

这些时间误差随后被用于构建一张更准确的体内声速图。有了这张新地图，研究人员就可以更新他们关于声音如何在体内传播的模型，并重新处理原始数据。这个过程在一个循环中重复进行：改进后的速度图带来了更清晰的图像，而更清晰的图像反过来又能实现更精确的速度图。经过仅几次次的迭代优化，原本模糊的明胶块就转化为了清晰的图像，其中的脂肪层和肌肉层被清晰地分隔开来。最终的速度图与已知数值的误差在 1% 以内，证明了该方法可以恢复组织的真实物理特性。

真正的考验出现在团队将该技术应用于活体人类时。在一次涉及浸润性癌患者的乳腺成像案例中，标准超声图像显示了一个病灶，但周围的组织被脂肪和腺体组织的复杂混合物所遮蔽。新方法纠正了这些层级造成的畸变，展现出了肿瘤清晰锐利的视图。更重要的是，速度图显示，癌变组织的声速高于周围健康组织，这是恶性肿瘤的一个已知特征。修正后的图像还显示，病灶出现的位置与标准扫描建议的位置略有不同，这证明了未纠正的畸变曾误导了观察。

在健康志愿者的肝脏扫描中，该方法同样表现出了强大的威力。腹壁是由皮肤、脂肪和肌肉组成的厚重堆叠，经常会破坏肝脏图像的质量。这种新方法成功绘制了通过这些层级的声速图，使研究人员能够以前所未有的清晰度深入观察肝脏。生成的图像展示了此前无法看到的精细结构和血管，且声速图与健康肝脏组织的预期值相符。该技术即使在存在复杂多层结构的情况下也能奏效，证明了它能够应对人体解剖结构的复杂现实。

这项工作不仅仅是让图像变得清晰，它还提供了一种无需切开身体即可测量组织物理状态的方法。声速是一种生物标志物，是人体内部情况的可测量信号。在乳房中，较高的速度可能预示着癌症；而在肝脏中，较低的速度可能表明脂肪堆积。通过在测量这些速度的同时纠正图像畸变，该方法为医生同时提供了两个强大的工具：更清晰的解剖结构视图和定量的组织健康度量。研究人员展示了这种方法不仅适用于受控的实验室环境，也适用于复杂多变的真人环境，为更可靠的诊断和对声音如何与生命相互作用的深入理解打开了大门。

技术摘要：用于联合波速断层成像与像差校正的角畸变矩阵方法

问题陈述
在反射成像（超声、光学、地震学）中，准确重建介质反射率依赖于受波速分布支配的精确波传播模型。然而，在复杂散射介质中，波速极少能预先获知。假设的波速与实际波速之间的不匹配会引入相位像差，从而导致聚焦退化、点扩散函数展宽以及散射体表观位置的畸变。虽然这些像差编码了有关底层波速异质性的信息，但要将它们与介质反射率解耦是非常困难的，尤其是在以斑点噪声为主的介质中。现有方法面临一个根本性的耦合问题：校正像差需要准确的波速模型，而获取该模型又需要不受像差影响的观测值。此外，传统的畸变矩阵方法假设像差源于入射路径或反射路径之一，但在现实中，两者的贡献是内在混合的，这会导致无法通过更新速度模型来校正的深度偏移。

方法论
作者提出了一个统一框架，通过一种新型的角畸变矩阵 ( $D_{\theta\theta}$ ) 迭代估计波速分布并校正像差。该方法流程如下：

矩阵成像与频率-波数表示：
过程始于获取反射矩阵 $R_{uu}$ （换能器到换能器的响应）。该矩阵被投影到聚焦基底中，形成聚焦反射矩阵 $R_{xx}$ 。为了隔离畸变，作者引入了波畸变的频率-波数表示 $D_{kk}$ 。该算子通过移除类似于散射源于任意点 $x$ 时的预期几何相位分量来构建。这使得在后处理中合成任何虚拟实验的畸变成为可能。
角畸变矩阵构建：
$D_{kk}$ 算子被投影到高斯束基底上，形成角畸变矩阵 $D_{\theta\theta}$ 。该基底利用由入射角 ( $\theta_{in}$ ) 和反射角 ( $\theta_{out}$ ) 定义的转向高斯束。这种投影利用了角记忆效应，即尽管存在无序性，波在特定角度方向上仍表现出强相关性。通过分析 $D_{\theta\theta}$ 的反对角线（恒定中角 $\theta_m = (\theta_{in} + \theta_{out})/2$ ），该方法可以分离出与明确传播路径相关的相位像差。
局部像差估计：
视野（FOV）被划分为重叠的“等距面斑块（isoplanatic patches）”。在每个斑块内，根据角畸变矩阵元素计算局部相关矩阵。在波畸变在小区域内保持不变的假设下，该相关矩阵的第一特征向量提供了局部相位像差律 ( $u_m$ ) 的估计。为了避免相位混叠，该方法利用了连续半差角 ( $\theta_d$ ) 之间的相对相位差。
用于波速断层成像的迭代反演：
估计的相位像差被用于重建声速分布。该问题被表述为一个优化任务，旨在最小化测量相位差与由传播模型预测值之间的失配。反演过程是迭代进行的：
- 假设一个初始均匀模型（例如， $c_0 = 1540$ m/s）。
- 估计并校正像差。
- 使用线性化逆问题（使用直射线近似的雅可比矩阵和 Tikhonov 正则化）求解慢度扰动 ( $\Delta s$ )。
- 更新波传播模型，并重复此过程，直到残余像差变得微乎其微。
处理多重散射：
在高度异质的介质（如乳腺组织）中，多重散射会降解记忆效应，因此在计算畸变矩阵之前，会对反射矩阵应用自适应共聚焦滤波器。这能抑制非相干背景噪声，同时保留与单次散射相关的对角能量。

关键结果
该方法通过三种场景下的超声实验进行了验证：

组织模拟体素： 使用了一个具有已知分层结构（脂肪、肌肉、肝脏）和不同声速（1420–1550 m/s）的体素。迭代法成功恢复了声速图，其平均误差在真实值的 1% 以内。斯特列尔比（Strehl ratio，衡量聚焦质量的指标）从 0.34 提高到 0.96，且反射率图像显示出清晰的界面和增强的斑点对比度。
体内乳腺成像： 应用于一名患有侵袭性癌的患者。该方法识别出了一个局部的声速升高区域（~1574 m/s），这与恶性病变一致，从而将其与周围的脂肪和纤维腺组织区分开来。像差校正表明，未校正的图像会导致解剖结构的表观深度发生偏差。
体内肝脏成像： 应用于一名健康志愿者。该方法解析了腹壁（皮肤、脂肪、肌肉）和肝实质的分层结构，具有高轴向分辨率。检索到的声速与健康组织的文献值相符，斯特列尔比从 0.61 增加到 0.93，显著提升了反射率图像的清晰度，并揭示了此前被遮蔽的结构（如无回声静脉）。

意义与主张
本文声称，角畸变矩阵方法为波速断层成像与像差校正这一耦合问题提供了鲁棒的解决方案。其主要意义在于：

统一性： 它将（通常用于像差校正的）畸变矩阵概念与回声模式下的计算超声断层成像（CUTE）整合进单一的迭代矩阵成像框架中。
模型无关性： 角畸变矩阵的公式独立于用于聚焦的具体波传播模型，这使得该方法能够逐步优化模型本身。
高分辨率： 通过投影到高斯束基底，该方法可以比传统的畸变矩阵方法估计更小的等距面斑块（约 1 mm），从而实现更高的断层成像空间分辨率。
临床实用性： 该方法展示了提供定量声速图（作为病理学的潜在生物标志物）并同时提高复杂异质组织中结构图像质量的能力。
通用性： 虽然在超声中得到了演示，但该框架适用于任何可以实现反射矩阵成像的波模态（光学、地震学）。

技术摘要：用于联合波速断层成像与像差校正的角畸变矩阵方法

类似论文