光声成像兼具光学成像的高对比度和超声成像对深层组织的高分辨率等优点,在生物医学成像领域具有巨大的潜力,而且发展十分迅速;光声成像通过在多个角度进行光声信号的采集,可以获得生物组织的二维或三维光学吸收分布图像;但实际的光声成像往往因硬件条件和成像时间的制约而难以采集角度足够多的光声信号;在信号采样不足的情况下,光声图像的重建质量会严重下降,出现大量伪迹。针对该问题,提出了一种基于字典学习与稀疏表示的恢复重建算法,采用该算法对光声信号进行预处理,并进行仿真实验。结果表明:与不经过光声信号超分辨率重建的时间反演法图像重建结果相比,经所提算法处理后的光声重建图像的伪迹显著减少,细节更加清晰,峰值信噪比提高了8 dB左右;不同信噪比下的仿真实验验证了所提出算法具有良好的稳健性。

为了讨论PGAI技术分析的准确性，并验证冷中子和热中子应用于PGAI技术的可行性，通过蒙特卡罗模拟计算软件对PGAI技术理想化模型进行了研究，采用高准直的冷中子及热中子束和高纯锗探测器，对一块5 cm× 5 cm×1 cm均匀铁单质样品进行了模拟计算及图像重建，选取的等效体积大小为1 cm×1 cm×1 cm。结果显示：两种能量中子可以用于PGAI技术实现元素分布测量，但无论使用何种能量中子，由于物料体效应带来的中子自屏效应、中子散射效应以及伽马射线自吸收作用，即便在对均匀单质样品进行测量时，图像重建结果也无法保证各位置元素响应的一致性。因此，在后续工作中，需理清PGAI物理机制，建立相应的修正模型。