Advanced Science文獻分享：AI助力1/10光量拍出高清器官“透視照”

該研究由中國科學院深圳先進技術研究院劉成波、梁棟團隊聯(lián)合華中科技大學鄭傳勝團隊主導，成果發(fā)表于《Advanced Science》。團隊通過跨學科協(xié)作，將深度學習的“智慧”注入光聲成像，為活體顯微成像領域開辟了全新路徑。

重要發(fā)現(xiàn)
01雙波長數(shù)據(jù)的“拼圖游戲”：從模糊到清晰的跨越
傳統(tǒng)OR-PAM面臨的核心挑戰(zhàn)，是低激光劑量下光聲信號微弱導致的圖像噪聲與分辨率下降。為此，研究團隊設計了一套雙波長（532nm和560nm）雙通道數(shù)據(jù)采集系統(tǒng)：

硬件革新：通過多模光纖耦合雙波長激光，利用時間延遲技術分離不同能量、波長的光聲信號。例如，532nm激光敏感于血紅蛋白的氧合狀態(tài)，560nm則擅長捕捉組織形態(tài)，兩者互補如同“彩色拼圖”，為后續(xù)深度學習提供多維數(shù)據(jù)基礎。

數(shù)據(jù)采集：在實驗中，團隊對10只Balb/c小鼠的腦部進行雙波長成像，獲取6696組訓練數(shù)據(jù)，包含2倍/4倍下采樣圖像與全采樣高分辨率圖像。

第一級：兩個子網(wǎng)絡分別處理532nm和560nm的下采樣圖像，通過殘差密集連接提取血管結構、噪聲模式等底層特征；

第二級：第三子網(wǎng)絡融合前兩級輸出，利用多監(jiān)督學習（同時優(yōu)化去噪、超分辨率、血管增強三個任務）填補數(shù)據(jù)缺失，如同“跨維度聯(lián)想”，從低分辨率數(shù)據(jù)中“重建”高清晰細節(jié)；

第三級：通過合理權重分配（例如根據(jù)波長敏感性調整特征貢獻度），最終輸出兼具高信噪比與結構保真度的圖像。

視覺效果：對比傳統(tǒng)方法，MT-RDN重建的腦血管網(wǎng)絡清晰可辨，甚至能區(qū)分耳組織中相鄰的動脈與靜脈，而傳統(tǒng)算法（如PAIVEF）會導致血管扭曲或信號混疊；

極限挑戰(zhàn)：當激光劑量進一步降至安全閾值的1/4（即傳統(tǒng)劑量的1/16），MT-RDN仍能保持重建精度，證明其在極端條件下的魯棒性。

創(chuàng)新與亮點
01技術瓶頸突破：從“高風險”到“低劑量自由”
傳統(tǒng)OR-PAM為保證圖像質量，常需使用接近生物安全極限的激光劑量，這對眼、腦等敏感組織構成潛在風險。MT-RDN通過數(shù)據(jù)驅動的智能重建，將所需激光劑量降低32倍，首次實現(xiàn)“超低劑量下的高質量成像”，為嬰幼兒腦成像、眼科微創(chuàng)檢測等場景掃清安全障礙。

總結與展望
這項研究標志著OR-PAM從“高門檻科研工具”向“臨床實用技術”的關鍵轉型。通過深度學習與光學成像的深度融合，團隊不僅破解了激光劑量、速度與質量的“三角難題”，更開辟了智能生物醫(yī)學成像的新范式——未來，OR-PAM或許能像“光學超聲”一樣，成為手術室中的實時監(jiān)測工具，或在基層醫(yī)院實現(xiàn)無創(chuàng)血管健康篩查。

當然，挑戰(zhàn)依然存在：例如，如何進一步提升模型對復雜病變組織的適應性，或開發(fā)更輕便的便攜式OR-PAM系統(tǒng)。但正如研究團隊所言，MT-RDN的普適性架構為跨模態(tài)成像提供了新思路——無論是光聲、超聲還是MRI，深度學習都可能成為突破物理極限的“鑰匙”。隨著硬件成本下降與算法優(yōu)化，我們有理由期待，這種“會思考的顯微鏡”將在未來十年內重塑精準醫(yī)療的格局，讓微米級的生命奧秘觸手可及。

DOI:10.1002/advs.202003097.