超分辨率超快超聲脊髓微血管成像方法*

郁鈞瑾 郭星奕 隋怡暉 宋劍平 他得安 梅永豐 許凱亮?

1) (復旦大學信息科學與工程學院,生物醫學工程中心,上海 200438)

2) (復旦大學工程與應用技術研究院,上海 200438)

3) (復旦大學附屬華山醫院神經外科,上海 200040)

4) (復旦大學材料科學系,上海 200438)

脊髓功能對神經傳導通路至關重要,脊髓血管受損及伴隨的繼發性損傷與脊髓功能狀態密切相關.因而,脊髓內微血管網絡結構和血流狀態在脊髓功能在體、精準與實時評價中具有重要前景.臨床常用的血管造影手段存在分辨率低、放射性、設備笨重和使用不便等問題,無法全面滿足脊髓血流術中檢查與預后跟蹤的需求.本文以基于多角度復合平面波的超快超聲技術為基礎,應用超分辨率定位顯微技術(ULM),實現了大鼠脊髓內微血管成像.基本原理為應用基于魯棒主成分分析(RPCA)的濾波方法,分離脊髓組織信號和運動的造影微泡信號,通過微泡定位、軌跡追蹤,實現亞波長分辨率的超分辨率超聲成像.隨后,引入基于傅里葉環相關系數方法,對成像分辨率進行量化分析;進而對微泡數量、有效軌跡、血管飽和度、血流速度和半高全寬范圍等進行了定量評價.在體成像實驗結果表明,ULM 可獲得清晰的大鼠脊髓內微血流圖像.定量分析表明,發射頻率為15.625 MHz 的超聲探頭可實現13—16 μm 范圍的分辨率,遠小于100 μm 成像波長.綜上,ULM 可被應用于脊髓內微血管精準成像,相關結果可為超分辨率脊髓功能監測與動態評價的進一步研究提供借鑒,對于脊髓損傷診斷、應急治療與預后恢復等臨床研究亦有一定的借鑒意義.

1 引言

脊髓作為中樞神經系統的中繼站和反射中樞,對神經傳導通路至關重要.脊髓損傷最初往往表現為其內微血管網絡受損和局部血流灌注量缺失等,隨后的組織缺氧、出血和水腫情況加速相關神經組織壞死[1],進而引發肢體麻木、功能障礙等繼發性損傷[2,3].因而脊髓微血管及血流快速成像對脊髓結構與功能的在體、精準與實時評價具有重要意義.

當前,血管造影是實現在體微小血管成像及血流動力學變化監測不可或缺的臨床診斷手段.血管造影的金標準包括磁共振血管造影(MRA)、計算機斷層掃描成像血管造影(CTA)和數字減影血管造影(DSA).標準化檢測手段DSA 對小血管成像精度優于CTA 與MRA,約為500 μm[4];但數百微米的分辨率仍不能對微血管進行成像.此外,CTA 和DSA 檢查具有放射性,造影難度大,時間長,輻射量大,患者接受性較差[5];DSA 和CTA 均需造影劑,不適于嚴重的心、肝、腎功能衰竭、甲亢患者及碘過敏患者的檢查,且無法實現血流動力學參量測量.此外,機體笨重、掃查耗時,以及不適用于復雜環境(如手術室)等缺點,也在一定程度上限制了它們在臨床檢查中的普遍應用,從而無法全面滿足患者術中檢查與預后跟蹤的需求.

超聲具有快速、無放射、價格低廉且易于攜帶等優點,更適于術中檢查與預后跟蹤等需要.現已被廣泛用于人體軟組織的臨床成像與疾病診斷.當前,基于平面波的超快超聲技術顯著地提升了多普勒成像對小血流信號的靈敏度,從而可實現MRA,DSA 和CTA 無法實現的在體小血管成像[6].熒光激活定位顯微(PALM)技術實現了光學衍射極限的突破[7],Couture 等[8]借鑒該思想發展了超聲定位顯微成像(ultrasound localization microscopy,ULM)技術[9].ULM 方法兼具高分辨率和深穿透力的優點,對比傳統超聲和超快超聲成像,可對人體深層組織(如顱腦、脊髓、心臟、腎等)實現亞波長(接近1/10 波長,血管直徑＜ 100 μm)的微血管成像[10],遠優于當前臨床應用的血管造影.2015 年,法國Langevin 研究所應用ULM 率先獲得深腦小血管網絡血流動力學成像結果,成像分辨率在10 μm左右[11].同年,Christensen-Jeffries 等[12]報道了超分辨率血流速度成像結果.隨后,在大鼠腫瘤[13]、大鼠腎缺血[14]、糖尿病小鼠骨骼肌微血管[15]、兔淋巴結微血管[16]及兔眼部微血管[17]模型上均報道了微血管成像結果.此外,不少研究者對ULM 成像質量進行了探討,Song 等[18]探討了空間采樣量化對ULM 成像的影響.Hingot 等[19]深入探討了ULM 飽和度與成像時長的關系,以及ULM 圖像分辨率量化評價[20]等核心問題.國內學界也就ULM 技術開展了相關工作.Zhong 等[9]曾對超聲超分辨率微血流成像研究進展做了綜述報告.Liu等[21]提出了一種基于子像素點的卷積神經網絡,從而有望實現快速高效高魯棒性的ULM 微血管圖像重建.Xu 等[22]提出基于魯棒主成分分析(robust principal component analysis,RPCA)方法可實現低信噪比下微泡的高效檢出,進而提升大鼠腦ULM 圖像質量.

相較于腦、臟器、腫瘤血流成像,脊椎復雜的骨結構特征、呼吸運動的干擾以及脊髓本身尺寸較小的特點,給脊髓內微血流超聲成像帶來挑戰[23],2018 年,Khaing 等[24]應用超聲微泡造影劑對椎板打開條件下的大鼠脊髓血流進行了對比度增強超聲成像(contrast-enhanced ultrasound,CEUS),成功觀察到了脊髓中的微血管結構.近年來,基于多普勒的超快超聲可在無造影劑條件下實現脊髓微血管成像.2021 年,Zang 等[25]基于超快超聲多普勒實現了無造影劑條件下的脊髓微血管成像,該結果成像分辨率與發射波長相當.Sui 等[26]使用基于RPCA 的隨機降采樣方法實現了快速、高性比的超快超聲多普勒腦與脊髓微血流成像.Pezet 等[27]對脊髓慢性損傷的血管重建進行了觀測.但對于脊髓微血流的量化分析均有待深入,特別是基于ULM 的脊髓微血管分辨率的評價仍有待深入.

為實現脊髓微血流網絡超分辨超快超聲成像,本文使用超快超聲成像技術采集數據,以基于RPCA 的濾波方法對微泡回波信號成分提取[28],使用徑向對稱(radial symmetry,RS)定位算法定位微泡中心點坐標,通過疊加數以萬計的超聲微泡運動軌跡,最終獲得大鼠脊髓微血管超分辨率圖像.此外,對脊髓微血管成像血管飽和度、分辨率和微血流速度信息等進行了參數量化分析.

2 基本原理

ULM 的主要流程如圖1 所示,首先對超快超聲序列采集到的回波數據進行波束合成,接著采用基于RPCA 的濾波方法對組織回波與微泡回波信號進行分離,包括濾除高頻噪聲.

圖1 超分辨率超快超聲工作流程Fig.1.Workflow of Ultrafast Ultrasound Localization Microscopy.

2.1 超快超聲成像

超快超聲成像以平面波成像為核心,區別于聚焦波束逐行掃描整個目標區域,這種平面波成像模式下換能器所有陣元同時發射聲波,產生一個平行于換能器陣列的超聲平面波波前,從而可在單次傳輸過程中掃描整個目標區域.經組織散射后,所有陣元同時接收回波信號,經波束形成得到整個區域的超聲圖像.因此平面波成像一次發射即可得到一幀圖像,與傳統聚焦聲束成像相比,能將成像幀率提高數百倍.此外,每幀圖像采集時間可小于1 ms,這使得以高幀率測量組織運動、血液運動、造影劑運動情況成為可能[25],為在體血流動態成像與功能評價鋪平了道路.

2.2 基于RPCA 的雜波濾除方法

分離組織與微泡信號常用的方法是基于奇異值分解(SVD)的時空雜波濾波方法[29],其原理是去掉表征高時空相關性組織信號的最大奇異向量以及表征噪聲的最小奇異向量,剩下的奇異向量用來重建緩慢移動的微泡[28].然而,由于組織和微泡的頻譜成分往往有重疊,SVD 方法在選擇合適閾值以區分組織、微泡與噪聲時仍然存在困難.近年來一些在微血管稀疏性方面的研究有助于改進雜波濾波,如RPCA[30,31].該策略將信號矩陣建模為低秩分量、稀疏分量和加性噪聲的和,從而可以有效地分離出以微泡散射為主的稀疏分量.

采用低秩加稀疏模型可實現對組織和微泡信號的有效建模.其主要原理為,對某時間段內連續采集的Nt幀尺寸為 (Nz ×Nx) 的三維矩陣,將其轉化 (Ns×Nt) 的二維矩陣A,其中Ns=Nz ×Nx,也即將Nt幀的圖像重排為Nt個列向量.由于回波數據主要由強組織雜波、微泡回波和附加噪聲分量組成,假設這三個分量是線性疊加的,那么回波數據矩陣X可以被描述為

式中,C,B,N分別代表組織分量、微泡分量和噪聲分量.當使用超快超聲成像時,組織運動具有高的時空相干性,從而產生了低秩矩陣C.與組織不同的是,低濃度運動微泡的圖像具有低相干和稀疏的特點,故而矩陣B不具有低秩的特征但具有稀疏性.噪聲分量N的幅度小于微泡信號和組織回波,既非低秩也不稀疏.

從矩陣X中獲得低秩矩陣C和稀疏矩陣B,可表述為一個凸規劃(PCP)求解問題,其定義為

2.3 超分辨率定位顯微

基于瑞利準則,由點擴散函數推導而來的成像分辨率往往限于半波長,即所謂的“衍射極限”[20].具體地,在聲波衍射作用下,當發射波和接收波的平均點源的衍射距離接近發射波長的一半時,散射體的回波將會疊加在一起無法區分[8].散射體周圍以R為半徑的距離范圍形成的球面波,散射強度為

Ii為散射點與發射點之間的強度,σ為散射截面.除此之外,散射聲的干擾會導致聲散斑[33].但如果在任何點上都只能看到少數幾個不同的源,那么可以根據成像系統的點擴散函數將這些源分離開,并精確地確定其位置.

采用超聲造影劑作為強散射源,通過限制每幅圖像中檢測到的單個微泡的數量,可確保各個微泡回波不會相互干擾.對每一個微泡中心定位精度遠高于系統的衍射極限分辨率.通過積累數千張圖像中的微泡中心點的運動軌跡即可重建血管結構的超分辨率圖像.從而實現在一定程度上兼具高分辨率和深穿透力的優點.

對于分離出的微泡回波信號,可以從每幀圖像中提取、檢測出獨立運動的微泡,并使用RS 定位算法對微泡中心加以定位.RS 算法利用強度梯度來尋找微泡中心.在以其最大值為中心的對稱強度剖面上,每一點的強度梯度總是指向該最大值,因而將微泡中心至等勢線的距離最小化即可實現微泡定位.對于分離出的組織回波信號可用于估計由呼吸起伏產生的微小運動,進一步對微泡定位的結果進行運動校準.

在精確定位的基礎上,使用基于Kuhn-Munkres算法的跟蹤算法(simpletracker,Mathworks)可獲得微泡的軌跡.即計算每個微泡與后續幀中所有微泡的距離,通過最小化總距離來對每個微泡在幀與幀之間的位置進行配對,從而確定每個微泡運動的軌跡與長度.此外,考慮噪聲干擾、幀間配對失敗或者微泡閃現時長過短等不利因素,長度過短的軌跡需要加以濾除,參考文獻中所給出的經驗值,小于15 幀長度的軌跡被視作不穩定軌跡而濾除[34].最后,累積一系列幀中插值過的軌跡,實現亞波長分辨率的微血管造影.同時,幀與幀之間微泡位置的差分可以用于計算微泡的運動速度,也即相應的血流速度.

2.4 基于傅里葉環相關的分辨率測定

依賴于單個精準點源的亞波長定位,ULM 可顯著提高成像分辨率,進而突破衍射極限.借鑒光學納米顯微的標準方法[35,36]引入基于傅里葉環相關(Fourier ring correlation)測定分辨率,具體步驟如圖2.原始軌跡列表被隨機分成兩組,構成兩個子圖像(流程示例圖像選自圖4 脊髓超分辨率結果的局部數據,也可以另行編程生成軌跡用于示例計算).分別計算子圖像的二維傅里葉變換,再計算頻譜F1和F2沿等空間頻率環r(如圖2 中紅色與藍色的等頻率環)的歸一化相關性((8)式),由此構建FRC 曲線.將分辨率定義為FRC 低于閾值的空間頻率的倒數.

圖2 基于FRC 曲線的分辨率測定Fig.2.Resolution measurement based on FRC curve.

其中r=|r|,F1(r) 和F2(r) 為子圖像Fourier 變換后的結果.

閾值曲線的選取有多種方式,固定閾值常見0.5 和1/7[35],變化的閾值曲線主要有基于σ閾值和bit 位的閾值曲線以及與這些曲線成比例的閾值曲線.本文使用2σ和 1/2 bit 閾值曲線,分別對應于高于兩倍等效噪聲水平的相關和填充半位所需的信息.分辨率被確定為與FRC 曲線的交點.在確定分辨率之前,FRC 曲線上可使用平滑濾波,如果可以觀察到兩個或更多的交叉,總是選擇對應于較低分辨率的那一個.除了分辨率的估計以外,FRC 曲線的計算和分辨率的理論估計也有助于指導圖像重建最小網格的選擇,從而合適地表示微泡的密度分布.

3 實驗設置

實驗使用L22-14vX 線陣探頭,具有128 個獨立的陣元,每個陣元均可用作發射或接收,實驗中所用發射頻率為15.625 MHz,帶寬14—22 MHz,相鄰陣元間的間距是0.1 mm.對于B 模式成像和多普勒成像,超聲序列發射15 個傾斜平面波(—10°—+10°均勻間隔),脈沖重復頻率為31250 Hz.在超分辨率實驗中,5 個發射角(—5°—+5°均勻間隔),幀率為1000 幀/s,共采集300 個數據塊,每個數據塊由600 幀合成幀組成.

所使用的動物模型遵循動物實驗相關規定,通過復旦大學動物實驗科學部動物福利與倫理委員會審批(批件號: 202202020Z).選擇400 g 左右成年雄性Sprague-Dawley 大鼠,進行5 min 左右的異氟烷氣體麻醉至身體松軟便于后續進行全身麻醉,下腹腔注射濃度8%的水合氯醛溶液(每克體重注射5 μL)進行全身深度麻醉.暴露胸椎T7—11 節段椎板方便后續手術,其中胸椎T8—10 節段進行椎板打開手術,超聲成像在該視野區間進行.椎板打開手術及成像實驗過程中每隔1 h 補充注射0.3 mL 水合氯醛溶液.

超分辨率成像過程中,通過頸靜脈注射超聲微泡(SonoVue,Bracco,Milan,Italy).對于每瓶含59 mg 六氟化硫及25 mg 凍干粉的微泡制品,使用時加入4 mL 注射用生理鹽水(0.9%NaCl)用力振搖后形成微泡混懸液.注射30 s 后,開始對大鼠脊髓的矢狀面進行數據采集,采集前在B 超圖像模式下確認選取包含脊髓前動脈的正中矢狀切面進行成像.大鼠脊髓與超聲探頭之間使用加熱至大鼠體溫的超聲耦合劑進行耦合.

4 實驗結果

4.1 超快超聲定位顯微脊髓微血流結果

脊髓B 超成像結果如圖3(a),脊髓的上下界面較為清晰,但在軟組織信號的高回聲影響下,無法直接呈現單個微泡.經過RPCA 濾波后,微泡和組織信號得以分離,任取一幀保留微泡信號的脊髓圖像如圖3(b),圖中微泡的對比度相比于背景較高,特別是大血管中的微泡運動軌跡清晰.圖3(c)為第150 個數據塊中第300 幀微泡定位結果,圖3(d)為第301 幀微泡定位結果,可以更為清晰地看到微泡在幀與幀之間運動的情況,紅色圓點為算法定位的微泡中心.對于每幀圖像,首先按強度值降序排列找出90 個候選微泡,然后篩去位于圖像最邊緣的微泡,再篩去算法定位中心與局部強度最大值之間偏移過大的微泡,剩下的就是用于下一步軌跡追蹤的微泡.經過以上處理后,本數據中平均每幀有53 個微泡(在1000 Hz 幀率下采集的0.6 s 數據塊中,每秒約采集31800 個微氣泡),不同塊之間微泡數量的標準差為10%.

圖3 ULM 處理過程結果 (a) 第150 個數據塊中第200 幀回波信號的B 超圖像;(b) 第150 個數據塊中第200 幀分離出的微泡回波信號;(c) 第150 個數據塊中第300 幀微泡定位結果;(d) 第150 個數據塊中第301 幀微泡定位結果Fig.3.Results during ULM processing: (a) B-mode image of the 200th frame of block 150;(b) isolated signal of microbubbles after filtering from the 200th frame of block 150;(c) localization of microbubble centers in the 300th frame of block 150;(d) localization of microbubble centers in the 301th frame of block 150.

最終成像結果如圖4 所示,血流密度圖獲得了較為清晰的大鼠脊髓內微血管網絡結構重建,標尺為1 mm.此外,可較好地觀察到脊髓內貫穿的小動脈分叉,直至末端分支點.相比之下,使用超快功率多普勒成像(圖5(a))受到衍射的限制,只突出了大鼠脊髓的大血管,而沒有區分波長尺度以下的細節.對比圖4(b)ULM 血流方向圖與圖5(b)彩色多普勒血流圖,ULM 可以更細致地區分血管依附在一起的上下行血流.

圖4 超快超分辨率超聲成像結果 (a) 脊髓血流密度圖;(b) 脊髓血流方向圖;(c) 脊髓血流速度圖Fig.4.ULM Results:(a) Intensity map of spinal cord;(b) direction map of spinal cord;(c) velocity map of spinal cord.

圖5 超快多普勒超聲成像結果 (a) 功率多普勒血流圖;(b) 彩色多普勒血流圖Fig.5.Results of ultrafast Doppler imaging: (a) Power Doppler;(b) color Doppler.

圖4(c)血流速度圖展示了該方法測量微血管血流動力學的能力.大鼠脊髓矢狀面內血流速度顯示,大血管的動態范圍可達cm/s,小血管的動態范圍可達mm/s,血液流速相對較大的動脈分辨得很清晰,同一根血管內,某點的流速與該點距離血管中心的距離呈負相關,血管中心處的血流流速大,血管壁處血流流速小.并且大血管在血管中心支持更高的流量,與文獻報道相符合[34,37].

4.2 分辨率和飽和度參數分析

成像過程中,算法定位到了700 多萬微泡目標,瞬時微泡數量統計、累計微泡數量統計、血管飽和度統計如圖6 所示.其中,瞬時微泡數量與各個時刻血管內微泡濃度成正比;血管飽和曲線表示的是圖像上檢測到的微泡所覆蓋總面積占成像范圍面積的比例隨時間的變化,它反映了血管圖像重建的時間過程.血管網絡的拓撲結構不變,根據血管飽和度的定義,即使微泡濃度增加,飽和度曲線在平臺期的穩定值依然基本不變.脊髓血管飽和度曲線(圖6 藍色)在一個快速階段之后,在160 s 左右開始進入平臺期,此時微泡基本充滿了各血管,因而重建速度減慢,飽和度最終穩定在30%—40%;相同實驗設置下對同一只大鼠進行腦部超分辨率血管成像,獲得了相似的結果(圖6 灰色).Hingot 等[20]也曾對大鼠腦部超分辨率成像進行微泡定位統計,對于一段時間持續性注射微泡的情況,飽和度曲線從150 s 左右開始進入平臺期,飽和度最終穩定在40%—60%.雖然脊髓相較于大腦截面區域更小、整體血管相對纖細稀疏,但是通過血液循環進入脊髓內血管網絡的微泡數量應與大腦應大體相當;從圖6 的結果來看,兩處組織中測得的血管飽和度曲線到達平臺期的變化趨勢相近,腦血流成像結果與文獻[20]的結果具有一致性.

圖6 微泡定位統計 (a) 瞬時微泡數量;(b) 累計微泡數量;(c) 飽和度隨時間變化圖曲線Fig.6.Quantification of microbubble localization: (a) Instantaneous detections;(b) accumulated detections;(c) saturation curve along time.

成像結果分辨率的測量同時使用了由半高全寬(full-width at half-maximum,FWHM)表征的傳統定義分辨率與基于FRC 的分辨率.圖7 對比了超快多普勒與超分辨率成像結果的分辨率.圖7(a)為圖5(a)脊髓超快多普勒血流圖的局部放大圖,選取的幾條血管剖面半高全寬參數值測量結果如圖7(b),空間分辨率約135—270 μm,第三條血管剖面結果表明,距離140 μm 的相鄰血管可被較好地區分開.圖7(c)為圖4(a)脊髓超分辨率血流密度圖的局部放大圖,選取了幾條含較多微泡的微血管剖面,其FWHM 參數值測量結果如圖7(d),空間分辨率約28—35 μm,第三條血管剖面結果表明,距離28 μm 的相鄰血管依然可以被較好地區分開.以上血管剖面的FWHM 結果與多普勒成像的圖像分辨率相比,提升了4—10 倍.圖7(e)為圖4(b)脊髓超分辨率血流方向圖的局部放大圖,從白色方塊標記出的感興趣區域可以清晰地看到,原本在密度圖中被視作一條血管的位置可在區分方向后進一步細分為兩條相反流向的微血管.圖7(f)為基于FRC 的分辨率測量結果,這里使用了2σ和1/2 bit 閾值曲線與FRC 曲線相交以確定分辨率,兩個交點分別對應13 和16 μm 的空間分辨率,與文獻中腦血流結果分辨率[11]保持一致.更為詳細的ULM 參數結果包括微泡保留比例、軌跡保留比例、飽和度、血流速度范圍、全圖血管剖面FWHM 范圍、分辨率測算結果均統計在表1 中.

圖7 超快多普勒與超快超分辨率超聲成像結果分辨率測算 (a) 脊髓超快功率多普勒血流局部放大圖;(b) 圖(a)中部分血管剖面FWHM 結果;(c) 脊髓超分辨率血流密度局部放大圖;(d) 圖(c)中部分血管剖面FWHM 結果;(e) 脊髓超分辨率血流方向局部圖;(f) 超分辨率血流密度圖基于FRC 的分辨率結果Fig.7.Resolution measurements of ultrafast Doppler imaging and ULM: (a) Zoom in of power Doppler;(b) FWHM of vessels from panel (a);(c) zoom in of ULM intensity map;(d) FWHM of vessels from panel (c);(e) zoom in of ULM direction map;(f) resolution of ULM intensity map based on FRC curve.

表1 ULM 參數統計結果Table 1. Results of ULM parameter measurement.

5 討論

彩色多普勒成像具有角度依賴性,僅能確定血流速度的軸向分量,此外,在上下行血流同時出現時存在對應的正負頻移相互抵消的情況,因此頻移估計不準確不穩定,軸向速度估計也整體偏低[38].對比超快多普勒結果和ULM 結果,ULM 方法測得的速度范圍在1—50 mm/s,而多普勒測得速度最高僅為在13 mm/s 左右,明顯低于ULM 的測量結果.這是由于ULM 方法通過追蹤微泡中心軌跡計算血流速度,從而克服角度依賴限制,可準確測量側向移動的微泡,并提供角度無關二維速度估計.因而,ULM 技術可用于觀察小血管彎曲、突然分支以及復雜的血流速度的變化,進而探究血管受損[27]和相關疾病的發生發展.

在ULM 成像過程中,飽和度與成像時間需要加以權衡.當飽和度曲線接近收斂狀態時,通過疊加軌跡新增血管的信息較少,血管網絡拓撲形態將不再會顯著改變;并且由于大血管內流過的微泡比率高,其重建速度相對較快,部分毛細血管重建需要較長的圖像采集時間[19].因此,損失一些血管細節可以有效減少成像時間,在飽和度曲線未達到平臺期穩定值的情況下亦可獲得血管結構圖像.同時,本文目前的微泡運動軌跡保留比例較低,也可能導致所需的成像時間較長.后續研究可引入包括機器學習方法在內的先進信號處理技術,實現微泡運動軌跡的高效提取與識別.為了縮短超分辨率成像的時長,另一個可行方案為提高造影劑濃度,可使得單位時間內微泡數量增加.但是,高濃度微泡會導致微泡間點擴散函數的空間重疊,從而引起微泡中心定位偏差,給定位顯微算法帶來挑戰.有學者提出了稀疏策略和相關深度學習方案,如通過考慮數據固有的時間結構,在時間相關域進行稀疏恢復[39];基于V-net 架構的三維卷積神經網絡方法[40]或全卷積神經網絡方法[41]也可在注射高濃度微泡的條件下恢復血管網絡.總地來說,注射高濃度微泡可使得單位時間內微泡運動軌跡增加,促使飽和度曲線收斂速度相對加快;但濃度也不宜過高,針對不同的成像器官,相關最優濃度與采集時長仍有待進一步的臨床研究加以澄清.

本研究目前是在椎板打開的情況下進行超分辨率成像.現有研究表明,經由顱骨可以實現腦部超分辨超聲成像.但由于頭骨誘導的信號衰減導致的低信噪比,整體上檢測到的局部微泡的數量會減少[11],因而增加了最小可檢測血管的限制.未來,通過結合基于未知模型的全波反演技術[42],超聲骨成像技術[43]和基于已知速度模型的相位畸變校正方法[44],直接從射頻數據中定位微泡以進一步提高分辨率,有望實現經椎骨超分辨脊髓微血流成像.從方法上采用二維面陣獲得脊髓微血管的三維超聲影像具有可行性,但現階段三維探頭的系統成本與實現復雜度仍相對較高.此外,也可借助數控電機精細控制超聲探頭空間掃查,以機械掃描的方式獲取若干二維矢狀面血流圖像,經體空間重建獲得三維血流成像.

6 結論

本文采用ULM 技術對大鼠脊髓微血流進行成像,以基于RPCA 的濾波方法分離組織與微泡回波信號,通過疊加超聲微泡定位中心的運動軌跡,最終獲得大鼠脊髓微血管超分辨率圖像.脊髓血流密度圖中可以清晰地看到脊髓上下兩個界面的動脈血管以及內部的微血流分布,血流方向圖可進一步區分血流密度圖中無法分離的相鄰血管,血流速度圖對不同的血管有明確的速度測量.定量分析中,基于FWHM 的分辨率測定與基于傅里葉環相關的分辨率測定均證明,發射頻率為15.625 MHz的超聲探頭可獲得13—16 μm 左右分辨率的脊髓內微血管網絡結構圖像,遠小于100 μm 成像波長,達到了亞波長分辨率.對比了超快超聲多普勒微血流成像方法,ULM 的分辨率提升了4—10 倍,增強了脊髓損傷的診斷能力,對相關術中檢查與預后跟蹤也有一定的借鑒意義.