近日，中國科學院深圳先進技術研究院生物醫學與健康工程研究所生物醫學光學與分子影像中心研究員劉成波團隊、醫學人工智能研究中心研究員梁棟團隊，與武漢協和醫院放射科教授鄭傳勝團隊合作，提出基于卷積神經網絡的低劑量光聲成像方法，該方法有望推動光聲成像技術進一步臨床轉化。

光聲成像能夠無創獲取生物體和人體高分辨形態和功能信息，是有可能取得重要進展的新一代醫學成像技術。受激光安全局限，生物組織允許承受的激光能量有限，特別是在高速成像，激光能量安全性是目前制約這一技術發展的瓶頸。激光劑量、成像速度、圖像質量在光聲成像中相互制約，阻礙了該技術在臨床和基礎研究的應用，迄今為止，仍缺少較好的解決方法。

研究團隊提出一種多任務殘差密集網絡（multi-task residual dense network, MT-RDN）的卷積神經網絡方法，較好解決了這一問題。利用多監督學習策略，挖掘光聲光譜域互補信息，基于雙通道網絡和自適應權重分布，團隊實現了低劑量激光照射下高質量成像，獲得了比激光安全閾值低32倍的超低劑量光聲圖像。為滿足神經網絡需要的多波長、多劑量數據同時獲取，團隊在光聲成像技術方面開展創新，實現了四激光脈沖連續成像。該研究有望進一步推動光聲成像技術臨床應用，特別是在低激光劑量、高速成像場景。

上方為光聲成像系統示意圖，下方由左到右依次為雙波長輸入圖像、多任務殘差密集網絡框架、和卷積神經網絡輸出圖像

相關研究成果以Deep learning enables superior photoacoustic imaging at ultra-low laser dosages為題，發表在Advanced Science上。武漢協和醫院趙煌旋博士（深圳先進院客座學生）趙煌旋、深圳先進院博士生柯子文為論文的第一作者，劉成波、梁棟和鄭傳勝為論文的共同通訊作者。

研究工作得到國家自然科學基金重大研究計劃、國家自然科學基金面上項目、中科院科研儀器設備研制項目（關鍵技術團隊項目）、中科院科研儀器設備研制項目（青年人才類）、中科院青年創新促進會等的支持。

責任編輯：xj

原文標題：深圳先進院等在低劑量光聲成像研究中取得進展

文章出處：【微信公眾號：MEMS】歡迎添加關注！文章轉載請注明出處。