导语

脂质是糖尿病、肥胖、冠心病等多种疾病发生发展的重要标志物，其精准成像是临床诊断的关键。然而，脂质的内源性光声信号通常极其微弱，其成像灵敏度一直是光声成像领域的一大挑战。近日，中国科学院深圳先进技术研究院龚小竞研究员、解志华副研究员和哈尔滨工业大学孙明健教授研究团队合作提出了一种名为“多级联合处理方法”（MCA-WGA）的新技术，显著提升了脂质光声成像的灵敏度与图像质量。该研究成果已发表于《Journal of Innovative Optical Health Sciences》2026年第1期，为脂质相关疾病的早期检测与动态监测提供了新的技术支撑。

The application of multi-combinatorial approach in sensitivity improvement of lipid photoacoustic imaging

Yi Tan, Dongjian Wu, Xiatian Wang, Chengbo Liu, Mingjian Sun, Xiaojing Gong, and Zhihua Xie

Journal of Innovative Optical Health SciencesVol. 19, No. 01, 2550031 (2026)

https://www.worldscientific.com/doi/10.1142/S1793545825500312

正文

光声成像是一种结合光学激发与超声探测的+成像技术，在脂质检测中展现出良好的穿透深度与空间分辨率。然而，受限于激光脉冲能量与成像速度的矛盾，尤其在活体或内窥成像中，脂质信号常被背景噪声淹没，成像灵敏度受限。传统去噪方法如非局部均值滤波（NLM）或三维块匹配滤波（BM3D）在弱信号提取方面表现不佳，且计算复杂度高、难以实时处理。

针对上述问题，研究团队创新性地提出了一种多级联合处理方法（MCA-WGA），结合小波域处理、梯度识别去噪与三维空间加权平均三个步骤，分别在一维A-line信号、二维B-Scan图像和三维空间层面上对信号进行协同处理，实现了对微弱脂质信号的有效提取与增强。

图1：多级联合处理（MCA-WGA）流程

实验设计

研究采用自主搭建的光声显微成像系统（PAM），选取富含脂质的新西兰兔腹主动脉血管切片和肥牛切片作为样本，分别在1210 nm和1720 nm波长下进行激发。研究对比了单次扫描与多次平均成像、低能量激发与高能量激发的成像结果，验证了MCA-WGA方法的有效性。

实验结果

经过MCA-WGA处理后，图像的信噪比（SNR）提升了约7-13 dB，对比度（C）提升数倍，结构相似性指数（SSIM）从0.2提升至0.8以上。即便在强电磁干扰环境下，该方法仍能有效去除条纹噪声，保留真实的脂质信号特征。

图4：不同方法处理效果对比

图5：强电磁干扰去噪效果，直观展示MCA-WGA相对于传统方法的优势。

主要创新点

1. 多级信号协同处理框架：首次将小波域去噪、梯度识别与三维空间加权平均相结合，实现从信号到图像的多层次优化。

2. 强噪声环境下的弱信号提取能力：在低信噪比条件下仍能有效提取被噪声掩盖的微弱脂质信号。

3. 高计算效率：相比传统图像处理方法（如NLM、BM3D），处理速度显著提升，具备向实时成像发展的潜力。

应用前景

该方法在血管内光声成像、肝脏脂质沉积评估、脑脂质代谢监测等领域具有广阔应用前景。尤其是在血管内斑块成像中，低能量、快速成像的需求与当前技术瓶颈高度契合，MCA-WGA有望推动实现更安全、更灵敏的临床脂质成像。

研究团队还指出，未来将进一步优化算法并行化，结合GPU加速，实现准实时处理，推动该方法在活体动态成像中的实际应用。

结语

MCA-WGA为脂质光声成像的灵敏度提升提供了一种高效、可靠的新途径，不仅在图像质量上实现显著提升，更为临床早期诊断与病理机制研究提供了有力的工具支持。随着进一步的技术优化与临床验证，该技术有望成为脂质成像领域的重要突破。

通讯作者简介

龚小竞，中国科学院深圳先进技术研究院研究员。主要研究方向为基于光学和声学原理的内窥式成像技术的研发（包括光声成像、OCT成像、超声成像等）及其临床应用（血管、消化道、生殖道等）。

更多详情见https://ibhe.siat.ac.cn/siat/2025-02/28/article_2025022802085956293.html

解志华，中国科学院深圳先进技术研究院副研究员。主要从事微型光学元件和微小光声内窥成像导管的开发、血管疾病的早期精准诊断。

更多详情见https://ibhe.siat.ac.cn/siat/2025-02/28/article_2025022802095032932.html

孙明健，哈尔滨工业大学长聘教授，其研究领域包括智能检测处理与控制、光声/超声成像技术及应用、医疗机器人影像分析与智能感知、人工智能医学影像分析、无人系统自主控制及应用。更多详情见https://homepage.hit.edu.cn/sunmingjian

版权声明：

本文由《创新光学健康科学杂志（英文）》编辑部负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系jiohs@mail.hust.edu.cn。