PA-SfM: Tracker-free freehand 3D photoacoustic imaging via differentiable acoustic radiation
本文介绍了 PA-SfM，这是一个无需追踪器的框架，它通过利用可微声辐射模型从光声测量值中直接联合估计相机位姿并重建体积，从而实现了自由手持式三维光声成像，进而克服了稀疏传感器阵列在空间和视野方面的局限性，且无需外部追踪系统。
原始论文采用 CC BY 4.0 许可（https://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
想象一下，试图为一个隐藏在你体内的深处的东西拍摄一张三维照片，但你一次只能从一个角度观察它。这就是一种强大的医学成像技术——光声成像（photoacoustic imaging）所面临的挑战。它的工作原理是向体内发射一束安全、短暂的光脉冲；组织吸收光线，轻微升温并膨胀，从而产生微小的声波。皮肤上的传感器捕捉这些声波，计算机利用它们构建出血管和其他结构的图像。虽然这种方法可以在不使用有害辐射的情况下清晰地观察血液流动，但单次快照往往会遗漏细节，因为传感器只能覆盖有限的区域。为了看到全貌，医生通常需要移动传感器。但在手动操作时，这样做非常困难。如果手移动了哪怕仅仅是几分之一毫米，或者旋转了一点点角度，计算机就无法正确地将图像拼接在一起，导致生成的图像模糊或破碎。传统上，为了解决这个问题，工程师会在设备上安装沉重的电机或外部追踪摄像头，以记录设备在每一时刻的确切位置。这些附加组件使得系统变得笨重、昂贵，且难以在繁忙的医院环境中操作。
现在，一组研究人员发现了一种方法，可以让成像设备自由移动，而无需任何外部追踪器或电机，方法是教计算机如何识别自己的位置。他们开发了一种名为 PA-SfM 的新方法，即“光声结构从运动”（photoacoustic structure-from-motion）。该系统不再依赖外部设备来告知计算机传感器的位置，而是直接通过观察来自身体的声波来推断传感器的位置。研究人员意识到，声波携带了一张关于传感器相对于组织的隐藏位置地图。通过使用一种可以由计算机自行调整和优化的数学模型，系统可以将听到的声波与“如果传感器处于特定位置应有的声音”进行对比。如果预测与现实不符，计算机就会修正其对传感器位置的猜测并重新尝试。它重复这个过程，同时精炼对传感器运动和血管形状的估计，直到图像变得清晰且传感器的路径变得明确。
团队首先在一名志愿者的手上测试了这个想法。他们将传感器置于手部上方，并要求志愿者自由移动，让手臂向各个方向摆动和伸展。系统记录了手部移动时的声波，从多个不同角度捕捉了血管。在没有任何外部引导的情况下，计算机成功计算出了手的运动轨迹，并将所有局部视图组合成一张完整的大型手部血管网络三维图。结果显示，血管图像非常完整，细节清晰，没有因图像拼接错误而导致的模糊或重影现象。研究人员发现，即使在两次快照之间手部移动了长达 9 毫米，系统仍能完美地对齐图像。
为了确保其方法优于现有技术，研究人员还在动物身上以及计算机模拟中进行了测试。在一项实验中，他们使用了一台能够以精确、受控方式移动传感器的机器，这是目前获取清晰图像的标准做法。他们将使用该机器内置位置传感器的图像与使用这种新型无追踪器方法生成的图像进行了对比。结果显示，新方法生成的图像更清晰、误差更少，这证明计算机确定传感器位置的准确度甚至超过了机械传感器本身。在另一项测试中，他们模拟了一个传感器快速移动（速度高达每秒 80 毫米）且传感器间距较大的场景。即使在这些苛刻的条件下，新方法仍能追踪运动并重建图像，而基于图像模式对比的旧方法则无法跟上。
研究人员还利用真实数据验证了他们的方案，在这些数据中，由于实验设置的特定性，他们已知传感器的确切位置。当他们让新系统自主确定位置时，生成的图像与已知位置下的图像几乎完全一致，显示出极高的准确性。该系统定位传感器的误差小于 0.5 毫米，这一精度足以清晰地观察到最细微的血管。这一成功表明，该方法能够应对自由扫描中复杂且混乱的现实情况，即运动是不可预测的，且不同视图之间的重叠有时很小。
这项工作代表了使先进医学成像更具实用性和普及性的重要一步。通过移除对沉重电机、外部摄像头或电磁追踪器的需求，新系统允许医生自然地握持设备，并在患者身体周围轻松移动。计算机承担了处理几何关系的繁重工作，将混乱的一系列动作转化为连贯的高质量三维图像。研究人员证明，这种方法适用于人类手部、动物器官以及模拟场景，为未来在临床环境中的应用奠定了坚实基础。虽然目前的系统在扫描完成后需要一些时间来处理数据，但无需外部追踪即可创建详细、大规模血管图的能力，为未来更灵活、更人性化的成像技术打开了大门。这项研究证实，只要给予计算机正确的工具去倾听和学习，声波本身就包含了引导重建所需的所有信息。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。