光聲成像技術(shù)結(jié)合了超聲檢測(cè)和光學(xué)吸收對(duì)比度，是唯一能夠無創(chuàng)地對(duì)活體組織進(jìn)行厘米級(jí)深度成像的光學(xué)方法，并具有卓越的空間分辨率。然而，大規(guī)模三維光聲成像在臨床和前臨床應(yīng)用中面臨巨大挑戰(zhàn)，主要受限于成本和系統(tǒng)復(fù)雜性，導(dǎo)致只能部署稀疏分布的傳感器陣列，這需要通過先進(jìn)的重建算法來減少偽影。傳統(tǒng)迭代重建算法雖然能提升圖像質(zhì)量，但其高內(nèi)存消耗和計(jì)算時(shí)間在大規(guī)模三維場(chǎng)景中難以實(shí)用。為此，本研究提出了一種名為SlingBAG的創(chuàng)新算法，該算法基于點(diǎn)云模型，將三維光聲場(chǎng)景表示為一系列高斯分布的球形源，通過迭代優(yōu)化其屬性（如峰值強(qiáng)度、大小和位置），并引入自適應(yīng)點(diǎn)云破壞、分裂和復(fù)制機(jī)制，實(shí)現(xiàn)了高質(zhì)量重建，同時(shí)大幅降低了內(nèi)存使用和計(jì)算時(shí)間。SlingBAG算法在模擬和體內(nèi)實(shí)驗(yàn)中均表現(xiàn)出色，為稀疏傳感器配置下的大規(guī)模三維光聲成像提供了可行方案。

本論文的重要發(fā)現(xiàn)者為Shuang Li、Yibing Wang、Jian Gao等人，論文標(biāo)題為“SlingBAG: point cloud-based iterative algorithm for large-scale 3D photoacoustic imaging”，于2025年12月在《Nature Communications》平臺(tái)在線發(fā)表。

重要發(fā)現(xiàn)
01SlingBAG算法的核心原理
SlingBAG算法是一種基于點(diǎn)云的迭代重建方法，其核心創(chuàng)新在于將三維光聲源建模為高斯分布的球形點(diǎn)云，而非傳統(tǒng)的體素網(wǎng)格。每個(gè)點(diǎn)云元素代表一個(gè)球形源，具有可優(yōu)化的峰值初始?jí)毫�、�?biāo)準(zhǔn)差（控制大小）和三維坐標(biāo)（控制位置）。算法通過最小化模擬信號(hào)與實(shí)際傳感器數(shù)據(jù)之間的差異，進(jìn)行迭代優(yōu)化。優(yōu)化過程分為粗重建和細(xì)重建兩個(gè)階段：粗重建階段僅更新球形源的壓力和大小參數(shù)，快速收斂到初步結(jié)果；細(xì)重建階段則進(jìn)一步優(yōu)化位置參數(shù)，并引入自適應(yīng)點(diǎn)云密度調(diào)整機(jī)制，包括刪除低強(qiáng)度點(diǎn)、分裂過大點(diǎn)以及在梯度方向復(fù)制點(diǎn)云，以細(xì)化重建細(xì)節(jié)。這種點(diǎn)云表示方式天然契合光聲源的稀疏特性（如血管網(wǎng)絡(luò)），避免了體素網(wǎng)格的分辨率與計(jì)算成本權(quán)衡問題，同時(shí)算法基于可微分聲輻射模型，支持高效的梯度反向傳播，確保了快速收斂。

創(chuàng)新與亮點(diǎn)
本論文突破的具體成像難題在于傳統(tǒng)迭代重建算法無法平衡大規(guī)模三維光聲成像的質(zhì)量與效率。傳統(tǒng)方法依賴體素網(wǎng)格表示，導(dǎo)致內(nèi)存需求隨規(guī)模指數(shù)增長(zhǎng)，且在半解析模型中存在近似誤差，限制了在稀疏傳感器和有限視角條件下的應(yīng)用。SlingBAG算法通過引入點(diǎn)云表示和自適應(yīng)高斯球生長(zhǎng)機(jī)制，解決了這一難題：點(diǎn)云模型天然稀疏，避免了網(wǎng)格存儲(chǔ)開銷；可微分聲輻射器確保物理準(zhǔn)確性；自適應(yīng)優(yōu)化則動(dòng)態(tài)調(diào)整點(diǎn)云密度，精準(zhǔn)捕捉生物結(jié)構(gòu)細(xì)節(jié)。

提出的新成像技術(shù)核心是點(diǎn)云基于的迭代重建框架，其靈感來源于計(jì)算機(jī)圖形學(xué)中的三維高斯濺射技術(shù)。該技術(shù)將光聲源離散化為多階同心球體，基于聲波方程解析解構(gòu)建可微分前向模型，實(shí)現(xiàn)端到端訓(xùn)練。與傳統(tǒng)方法相比，SlingBAG不依賴顯式正則化，而是通過點(diǎn)云操作隱式施加稀疏約束，簡(jiǎn)化了優(yōu)化流程。技術(shù)細(xì)節(jié)包括粗-細(xì)兩階段優(yōu)化、點(diǎn)云-體素著色器轉(zhuǎn)換，以及學(xué)習(xí)率調(diào)度，確保穩(wěn)定收斂。

在光學(xué)生物醫(yī)療領(lǐng)域的實(shí)際價(jià)值方面，SlingBAG技術(shù)有望推動(dòng)大規(guī)模三維光聲成像的臨床轉(zhuǎn)化。例如，在全身小動(dòng)物成像中，可實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)血管動(dòng)態(tài)；在外周血管疾病診斷中，稀疏傳感器陣列可降低系統(tǒng)成本，促進(jìn)便攜式設(shè)備開發(fā)；在乳腺或甲狀腺腫瘤成像中，能提供高分辨率三維視圖，輔助早期篩查。此外，低資源需求使得該技術(shù)易于在多樣臨床環(huán)境中部署，提升成像可及性。未來結(jié)合聲速非均勻性擴(kuò)展后，將進(jìn)一步增強(qiáng)在復(fù)雜組織中的適用性。

總結(jié)與展望
SlingBAG算法通過點(diǎn)云基于的迭代重建范式，成功解決了大規(guī)模三維光聲成像的高內(nèi)存和計(jì)算瓶頸，在稀疏傳感器配置下實(shí)現(xiàn)了高質(zhì)量、低資源消耗的重建效果。論文通過模擬和體內(nèi)實(shí)驗(yàn)驗(yàn)證了算法的優(yōu)越性，其創(chuàng)新點(diǎn)在于將計(jì)算機(jī)圖形學(xué)技術(shù)融入光聲物理模型，為生物醫(yī)學(xué)成像開辟了新路徑。展望未來，研究可進(jìn)一步擴(kuò)展到非均勻聲速介質(zhì)中，例如通過球諧函數(shù)建模聲速各向異性；同時(shí)，結(jié)合顯式正則化技術(shù)可能提升噪聲環(huán)境下的魯棒性。隨著算法優(yōu)化和硬件發(fā)展，SlingBAG有望成為實(shí)時(shí)三維光聲成像的標(biāo)準(zhǔn)工具，推動(dòng)其在精準(zhǔn)醫(yī)療和基礎(chǔ)研究中的廣泛應(yīng)用。

DOI:10.1038/s41467-025-66855-w.