光热治疗是一种非侵入式、靶向性的新型治疗技术,但现有的光热治疗技术不能实时监测靶区的温度分布,且开环的激光控制方式不仅增大了治疗难度,也会对病灶周边的正常组织造成不可逆损伤。为此,提出了一种基于光声温度精准调控的光热治疗方法。研究了基于光声图像的温度成像算法,提出了光声温度敏感因子的概念,设计了基于光声温度敏感因子的闭环温度控制算法,最后搭建了一套基于光声温度精准调控的新型光热治疗系统,并进行了仿体实验。实验结果表明:基于光声温度精准调控的光热治疗方法可实现靶区温度的非接触式精准测量与控制,系统调节时间在10 s以内且温度控制均方根误差在0.7 ℃以内。基于光声温度精准调控的光热治疗方法可以作为一种更精准、高效的辅助手段应用于光热治疗领域。

消化道肿瘤是最常见的肿瘤疾病之一。新兴的光声成像技术可以敏锐地捕捉肿瘤周围滋养血管的信息,有助于临床进行更精准的诊断。匹配的血管增强算法可以有效突出图像中的血管网络,但光声活体内窥成像的探测角度有限,易造成明显的血管形态异常,现有方法很难实现有效的血管增强。采用自研的光声内窥系统对大鼠直肠进行活体成像,针对活体成像结果提出了一种融合结构和强度两个层面信息的三维血管增强算法,并采用该算法对结直肠血管图像进行了增强。结果表明:所提算法可以有效提升增强效果,抑制机械抖动带来的边缘毛刺,在活体状态下获取了高质量的结直肠三维血管图像,说明其在基础医学研究和临床应用中具有一定的潜在价值。

The photoacoustic tomography (PAT) method, based on compressive sensing (CS) theory, requires that, for the CS reconstruction, the desired image should have a sparse representation in a known transform domain. However, the sparsity of photoacoustic signals is destroyed because noises always exist. Therefore, the original sparse signal cannot be effectively recovered using the general reconstruction algorithm. In this study, Bayesian compressive sensing (BCS) is employed to obtain highly sparse representations of photoacoustic images based on a set of noisy CS measurements. Results of simulation demonstrate that the BCS-reconstructed image can achieve superior performance than other state-of-the-art CS-reconstruction algorithms.