基于多角度光声介观成像方法的小动物肿瘤特异性成像 下载: 1114次特邀研究论文
1 引言
随着人们对疾病诊断要求的提高,特别是对早期病变组织进行无损伤诊断和对人类生命现象深入研究的要求,基于小动物肿瘤模型的无损成像研究具有极为重大的科学研究意义与临床应用价值[1-3]。基于光声效应的光声成像方法是一种以超声为媒介的生物光子成像方法,该方法结合光学成像和声学成像的优点,即将光学方法的无损伤、高光学特异性和超声波的低衰减、高穿透性特点相结合。一方面,光声成像技术以组织的光学吸收系数为基础,组织内部的发色团对特定波长的激光具有差别较大的光学吸收系数,因此可实现高对比度成像;另一方面,与光相比,超声波在深度方向上受组织体散射效应的影响较低,可对深层组织进行高空间分辨率成像。光声成像方法具有灵活度高、穿透深度深和高分辨成像的特点,可以采用不同的成像方式获得与应用相匹配的优质图像[4-6]。在光声成像方法中,基于声学聚焦的光声介观(OPAM)成像方法,即声学分辨率下的光声显微成像方法,能够实现对浅层(1~10 mm)组织的高分辨(10~100 μm)成像[7-9]。该成像方法适用于肿瘤血管形态的结构成像、肿瘤内部氧饱和度的功能成像、靶向探针药物的分子成像等生物医学、影像学领域。
近年来,多个研究小组开展了对OPAM成像方法的研究,已证实该成像方法在生物医学领域中的重要应用价值[10-13]。目前OPAM成像方法存在的主要问题是信噪比高,以及多角度测量数据同时获取能力欠缺。已发展的OPAM成像系统通常采用基于单超声探测器的光栅扫描系统[10-11]和基于超声阵列的多角度层析扫描系统[12-13]。前者所采用的单超声探测器可获得高信噪比的光声信号,但由于光栅二维扫描模式获得的光声信号缺少多角度信息,会在一定程度上降低重建图像的保真度;后者采用超声阵列可对光声信号进行多角度全方位的提取,但造价昂贵,并且与单超声探测器相比,超声阵列单个阵元的灵敏度和信噪比有一定的降低,会在一定程度上影响重建图像的质量。
本文搭建了一套面向小动物肿瘤模型成像的OPAM实验系统。该系统将高频聚焦超声探测器与多角度扫描方式相结合,前者可实现高灵敏度测量,后者则可实现对目标体信息的多角度获取。首先,通过仿体实验并采用结合虚拟点技术的反投影重建算法,验证系统的高分辨能力。为了获得肿瘤的结构性信息,本文采用705 nm波长下的脉冲激光照射肿瘤组织,获得基于活体小鼠的胰腺癌肿瘤和肝癌肿瘤的OPAM重建图像,对图像结果中的肿瘤特征进行分析,并通过双波长实验获得了肿瘤的血氧饱和度指标。实验结果表明,该OPAM系统可对活体小动物肿瘤模型进行高分辨成像,为OPAM成像技术在肿瘤学研究方面的深入探究提供了参考。
2 面向小动物肿瘤成像的OPAM实验系统
2.1 OPAM系统装置
OPAM系统的成像原理如
2.2 实验设计
为评估OPAM成像系统的成像分辨能力,首先对表面随机分布的直径为50 μm的聚乙烯微球仿体进行OPAM实验。采用与生物组织体具有类似光学散射系数的仿体进行实验,该圆柱形琼脂仿体由48.35 mL蒸馏水、1.5 g琼脂粉和1.65 mL的脂肪乳溶液(质量分数为10%)配比而成,形成约化散射系数为 1 mm-1的背景。待仿体将要固化时,在其表面随机放置一些直径为50 μm的聚乙烯微球。其中琼脂粉起固化作用,脂肪乳溶液主要模拟组织中的散射物质,微球为主要的成像目标体。为验证本系统对活体小动物肿瘤成像的能力,采用体重约为20 g,4周大的BALB/c雄性裸小鼠进行成像实验。通过与天津市肿瘤医院合作,建立了鼠源胰腺癌细胞系和肝癌细胞系,将其接种至裸小鼠的侧腹部来构建皮下移植肿瘤模型。胰腺癌肿瘤模型和肝癌肿瘤模型均为6例。每隔3 d测量肿瘤的长度与宽度,当肿瘤体径长到5~10 mm时开始动物实验,本实验符合动物实验控制和监督委员会相关条例。实验过程为:1)用质量分数为4%的水合氯醛对裸小鼠进行腹腔麻醉(注射剂量为0.0075 mL/g);2)将裸小鼠固定在成像支架上,仅肿瘤部分自然垂落在成像支架的孔内;3)采用OPAM系统对肿瘤进行120°扫描测量,然后将裸小鼠取下。
3 结合虚拟点技术的反投影重建方法
基于OPAM系统的测量数据,利用目前光声领域中广泛使用的通用反投影重建方法[14],对实验仿体和小鼠肿瘤进行重建。OPAM系统采用的高频宽带球聚焦超声探测器,可对一定孔径角内的光声信号进行高灵敏度接收。基于该OPAM实验系统,将反投影重建算法与虚拟点探测技术相结合,如
图 2. 基于球聚焦超声探测器的离焦测量模式
Fig. 2. Out-of-focus measurement mode based on sphere-focused ultrasonic detector
4 实验结果与分析
4.1 仿体实验
为验证OPAM成像系统的有效性,设计表面分布了一些直径为50 μm聚乙烯微球的琼脂仿体。实验中的激光波长设置为705 nm。随后,利用传统的反投影重建方法和结合虚拟点技术的反投影重建算法进行图像重建。
图 3. 仿体实验结果。(a)仿体实物图;(b)传统反投影方法的重建结果;(c)结合虚拟点技术的反投影重建结果
Fig. 3. Results of phantom experiment. (a) Photograph of phantom; (b) reconstructed result by traditional back-projection algorithm; (c) reconstructed result by modified back-projection algorithm combined with virtual point technique
从
图 4. 所选的3个微球的x轴和y轴剖线图。(a)(d)微球1;(b)(e)微球2;(c)(f)微球3
Fig. 4. Profiles of three microspheres along x and y directions. (a)(d) Microsphere 1; (b)(e) microsphere 2; (c)(f) microsphere 3
表 1. 三个微球的FWHM值
Table 1. FWHM values of three microspheres
|
4.2 小动物肿瘤模型实验
图 6. 小鼠肿瘤实验结果。(a)~(f)胰腺癌肿瘤的OPAM成像结果;(g)~(l)肝癌肿瘤的OPAM成像结果
Fig. 6. Experimental results of mouse tumors. (a)--(f) OPAM imaging results of pancreas tumors; (g)--(l) OPAM imaging results of liver tumors
为在小动物结构成像基础上进一步分析胰腺癌肿瘤和肝癌肿瘤的特征,采用应用广泛的灰度共生矩阵(GLCM)分析方法来提取OPAM图像的纹理特征。GLCM的元素为将灰度级i的点按照某个固定距离d和角度θ移动至灰度级j的概率,记为p(i,j)。GLCM反映的是图像灰度关于方向、相邻间隔、变化幅度的综合信息。实验所获得的肿瘤OPAM图像原始灰度值分布范围较广,直接用于计算GLCM时运算量太大。为了降低运算量,对OPAM图像进行灰度等级划分,将GLCM的维数N×N设置为255×255。本文采用GLCM中常用的4个特征量来进行分析[15]。
1) 能量(GASM),是指图像灰度值分布的均匀程度,当GLCM中主对角线元素分布集中时,GASM值较大,图像在局部区域的灰度分布较为均匀。其计算公式为
2) 熵(GENT),代表图像的信息量,可反映图像纹理特征的复杂程度,GENT值越大,表明图像纹理复杂度越高。计算公式为
3) 对比度(GCON),反映图像清晰度和纹理深度,GCON值越大,表明图像清晰度越高,纹理越深。其公式为
4) 相关性(GCORR),反映GLCM中元素的差异性,即图像灰度在某一方向的变化程度。GCORR值越大,表明元素差异性越小,图像灰度在该方向的变化趋势越不明显。其公式为
式中:μx=
图 7. 胰腺癌肿瘤和肝癌肿瘤的4个指标箱形图,采用双样本t检验方法计算P值,*为P<0.05,**为P<0.01。(a) GASM;(b) GENT;(c) GCON;(d) GCORR
Fig. 7. Box-and-whisker plots of four parameters for pancreas and liver tumors, where P values are calculated by two-sample t-test, *represents P<0.05, and **represents P<0.01. (a) GASM; (b) GENT; (c) GCON; (d) GCORR
后续采用705 nm和800 nm两个波长进行双波长肿瘤实验,通过光谱解混方法[17]获得肿瘤内部血氧饱和度信息。6例胰腺癌肿瘤的血氧饱和度值分别为60.87%、71.25%、67.01%、58.08%、68.54%和66.75%,6例肝癌肿瘤的血氧饱和度值分别为48.69%、54.86%、66.79%、41.03%、64.88%和62.84%。从以上数据得到的箱形图(
图 8. 胰腺癌肿瘤和肝癌肿瘤的血氧饱和度指标箱形图
Fig. 8. Box-and-whisker plots of blood oxygen saturation values for pancreas and liver tumors
5 结论
针对小动物肿瘤模型成像,采用高频聚焦超声探测器,并结合多角度全方位扫描策略,搭建了一套多角度全方位扫描的高灵敏度OPAM实验系统。通过仿体实验对系统性能进行了评估,结果显示该系统具备良好的分辨能力,小动物肿瘤模型实验结果进一步表明该系统可以获得高分辨的肿瘤结构图像。通过对6幅胰腺癌肿瘤OPAM图像和6幅肝癌肿瘤OPAM图像进行灰度特征分析,可初步发现肝癌肿瘤内部的纹理特征更为明显。由双样本t检验统计方法分析得出这两类肿瘤图像具有显著差异。最后采用双波长实验获得肿瘤的血氧饱和度值,表明该系统可有效获取两类肿瘤的功能性信息,为基于小动物肿瘤模型的肿瘤学研究提供了参考价值。
后续将开展大量的小鼠肿瘤实验,以进一步深入研究OPAM成像系统在辨别良恶性肿瘤、肿瘤类型以及肿瘤药物疗效评估等方面的应用潜力。在临床治疗前利用小动物肿瘤模型对靶向药物的有效性进行评价与筛选,有望提供更为直观可靠的精准治疗方案,以助于抗癌药物疗效监测等临床的基础研究。
[1] Taruttis A, van Dam G M, Ntziachristos V. Mesoscopic and macroscopic optoacoustic imaging of cancer[J]. Cancer research, 2015, 75(8): 1548-1559.
[2] Liu Y J, Nie L M, Chen X Y. Photoacoustic molecular imaging:from multiscale biomedical applications towards early-stage theranostics[J]. Trends in Biotechnology, 2016, 34(5): 420-433.
[3] Siphanto R I, Thumma K K. Kolkman R G M, et al. Serial noninvasive photoacoustic imaging of neovascularization in tumor angiogenesis[J]. Optics Express, 2005, 13(1): 89-95.
[4] Wang L V. Multiscale photoacoustic microscopy and computed tomography[J]. Nature Photonics, 2009, 3(9): 503-509.
[5] Wang L V, Hu S. Photoacoustic tomography: in vivo imaging from organelles to organs[J]. Science, 2012, 335(6075): 1458-1462.
[6] Taruttis A, Ntziachristos V. Advances in real-time multispectral optoacoustic imaging and its applications[J]. Nature Photonics, 2015, 9(4): 219-227.
[7] Omar M, Aguirre J, Ntziachristos V. Optoacoustic mesoscopy for biomedicine[J]. Nature Biomedical Engineering, 2019, 3(5): 354-370.
[8] Omar M, Rebling J, Wicker K, et al. Optical imaging of post-embryonic zebrafish using multi orientation raster scan optoacoustic mesoscopy[J]. Light: Science & Applications, 2017, 6(1): e16186.
[9] Ntziachristos V. Going deeper than microscopy: the optical imaging frontier in biology[J]. Nature Methods, 2010, 7(8): 603-614.
[10] Omar M, Schwarz M, Soliman D, et al. Pushing the optical imaging limits of cancer with multi-frequency-band raster-scan optoacoustic mesoscopy (RSOM)[J]. Neoplasia, 2015, 17(2): 208-214.
[12] Chekkoury A, Gateau J, Driessen W, et al. Optical mesoscopy without the scatter: broadband multispectral optoacoustic mesoscopy[J]. Biomedical Optics Express, 2015, 6(9): 3134-3148.
[13] Gateau J, Chekkoury A, Ntziachristos V. High-resolution optoacoustic mesoscopy with a 24 MHz multidetector translate-rotate scanner[J]. Journal of Biomedical Optics, 2013, 18(10): 106005.
[14] Xu M H, Wang L V. Universal back-projection algorithm for photoacoustic computed tomography[J]. Physical Review E, 2005, 71(1): 016706.
[15] Mohanaiah P, Sathyanarayana P. GuruKumar L. Image texture feature extraction using GLCM approach[J]. International Journal of Scientific and Research Publications, 2013, 3(5): 1.
[16] . Using the Student's t-test with extremely small sample sizes[J]. Practical Assessment, Research & Evaluation, 2013, 18(10): 1-12.
[17] Cox B, Laufer J G, Arridge S R, et al. Quantitative spectroscopic photoacoustic imaging: a review[J]. Journal of Biomedical Optics, 2012, 17(6): 061202.
[18] Büchler P, Reber H A, Lavey R S, et al. Tumor hypoxia correlates with metastatic tumor growth of pancreatic cancer in an orthotopic murine model[J]. Journal of Surgical Research, 2004, 120(2): 295-303.
[19] Jordan B F, Misson P D, Demeure R, et al. Changes in tumor oxygenation/perfusion induced by the no donor, isosorbide dinitrate, in comparison with carbogen: monitoring by EPR and MRI[J]. International Journal of Radiation Oncology·Biology·Physics, 2000, 48(2): 565-570.
Article Outline
路彤, 高峰, 宋少泽, 陈婷婷, 苗士超, 李娇. 基于多角度光声介观成像方法的小动物肿瘤特异性成像[J]. 中国激光, 2020, 47(2): 0207032. Lu Tong, Gao Feng, Song Shaoze, Chen Tingting, Miao Shichao, Li Jiao. Tumor-Specific Imaging of Small Animals Based on Multi-Angle Optoacoustic Mesoscopy Imaging Method[J]. Chinese Journal of Lasers, 2020, 47(2): 0207032.