请选择 进入手机版 | 继续访问电脑版

 找回密码
 注册
会员须知
会员须知
实用帮助
实用帮助
吾爱光设 首页 资讯 查看内容

生命科学的光声成像

2023-3-5 08:49| 发布者: 光执事| 查看: 793| 评论: 0

摘要: 光声成像系统的发展为生命科学中的疾病监测、治疗和诊断提供了新的机会。通过使用先进的计算分析,可以改进对这些系统生成的大量数据的评估,而不仅仅是临床诊断中的视觉解释。 尽管目前的系统仍然存在局限性,例如 ...

        光声成像通过提供细胞和亚细胞水平分辨率的高速成像,彻底改变了生命科学,因此已成为生物医学研究中不可或缺的非侵入性工具。



什么是光声成像,它是如何工作的?

        光声成像是一种生物成像混合技术,结合了超声技术和光学显微镜的优点。它将组织暴露在脉冲激光下,导致光吸收剂(如血红蛋白)热膨胀并产生声压波。然后使用超声换能器检测和处理该声压波。


        光声成像可生成高超声和高分辨率光学对比度图像。这一特性使其有别于其他成像方法,使其在需要获得详细的解剖和功能图像时特别有用,例如,了解不同疾病病程背后的关键过程。


光声成像的起源和演变

        1880年,亚历山大·格雷厄姆·贝尔Alexander Graham Bell首次将光声效应解释为光能到声能或波的转换。然而,在发明激光器能够增强信号产生之前,几乎没有取得任何进展。不久之后,光声效应得到更广泛的应用,最初用于气体光谱学,后来用于生命科学。


        在过去的二十年中,光声成像已从理论概念迅速发展为生物医学应用中广泛应用的断层扫描方法。


光声成像如何在生命科学领域使用?

脑成像

        光声成像最重要的生物学应用之一是体内功能和结构脑成像。与其他功能成像技术相比,光声成像与生物标物结合使用时可提供更高的分子和分辨率成像能力。


        不幸的是,脑组织和颅骨的强光散射给该技术带来了重大挑战。目前,光声脑成像仍处于临床前阶段,并且由于头骨较薄,主要在啮齿动物身上进行测试。


       然而,诸如聂等开发的光子回收器研究,增加了光通过颅骨的透射率,提高了光声成像信噪比,并使研究人类大脑皮层的功能活动成为可能。


血管成像

        世界卫生组织(WHO)已将心血管疾病确定为过去十年的主要死亡原因之一。富含脂质的动脉粥样硬化斑块已被确定为心血管疾病的原因,光声成像在 1.7μm 和 1150-1250 nm 处的高光吸收是区分病变与健康组织的理想选择。


血氧和血流

        在癌症研究、皮肤病学和整形外科中,测量皮肤中的血氧水平是必不可少的生理指标。近红外光谱法是测量血氧最广泛使用的体内方法;但是,它的空间分辨率较低。另一方面,光声成像在生物组织中提供更高的分辨率,使其成为合适的替代方案。


        发表在《美国国家科学院院刊》上的一项研究表明,光声成像可以解释响应各种生理条件氧气输送与神经活动之间的关系,为大脑如何在细胞水平上提供动力提供了有价值的见解。


乳腺成像

       乳腺癌是女性癌症相关死亡的主要原因。然而,目前的癌症筛查技术特异性有限,阳性预测值低,并引起极度不适。


        光声成像在改善乳房诊断成像方面具有巨大潜力。乳腺组织位于身体表面,落在光声成像的分辨率范围内。此外,健康的乳房组织具有低超声波散射和光学吸收,使光声成像非常有效。


        此外,血管再生在诊断和预测乳腺癌方面起着重要作用。同样,光声成像非常适合可视化这一点,因为肿瘤部位增加的血红蛋白和血流量在光声成像中产生了强烈的对比。


近期研究与开发

基于成像的机器学习模型改进了卵巢病变检测

         来自华盛顿大学的邹云(Yun Zou和他的团队设计了一种新的机器学习方法,该方法结合了超声波和光声成像神经网络来诊断卵巢病变。

该团队通过结合从光声成像中获得的血氧饱和度和总血红蛋白浓度(癌性卵巢组织的指标)来提高超声诊断的准确性。

我们的结果表明,超声增强光声成像融合模型比其他方法更准确地重建了目标的总血红蛋白和血氧饱和度图,并改善了良性病变卵巢癌的诊断。

邹云Yun Zou),研究主要作者,华盛顿大学博士生


用于外周血管疾病诊断的三维双峰光声超声成像

        传统技术,如踝肱指数测试,可以检测主要动脉的异常,但它们难以诊断许多细的外周血管。此外,它们可能会引起不适或不良反应,因为必须给患者 注射造影剂。


        为了解决这些限制,浦项科技大学的研究人员开发了一种新颖的3D双峰光声成像技术,通过结合超声波和光声成像来产生血管的3D图像,而无需使用造影剂。


       这种新技术可以通过提供关键的功能诊断值(例如血氧饱和度)来潜在地诊断外周血管疾病,而不会产生副作用。


使用光声成像揭示快速的大脑活动

       杜克大学的生物医学工程师设计了最快的光声成像技术,以高分辨率实时扫描和监测啮齿动物大脑内的氧气水平和血流。该工具允许同时可视化单个血管和整个大脑。


       这一改进是通过机器学习算法和硬件增强实现的。研究人员使用多边形扫描系统将更多的激光爆发传递到更大的区域,并使用一种新的扫描方法来同时运行超声波传感器和激光扫描仪。这些调整使其成像速度翻了一番,使其成为最快的光声成像技术。


       这项创新消除了脑成像技术中长期存在的分辨率和速度限制,并将揭示对痴呆和中风等神经血管疾病的新见解。


光声成像的未来展望

         光声成像系统的发展为生命科学中的疾病监测、治疗和诊断提供了新的机会。通过使用先进的计算分析,可以改进对这些系统生成的大量数据的评估,而不仅仅是临床诊断中的视觉解释。


       尽管目前的系统仍然存在局限性,例如耗时的光谱解混和图像重建算法。改进这些过程可以缩短处理时间并提高图像可性,从而提高光声成像系统的整体可用性。


更多来自AZoOptics:什么是光热光谱?

参考文献和进一步阅读材料

Neprokin, A., Broadway, C., Myllylä, T., Bykov, A., & Meglinski, I. (2022). Photoacoustic imaging in biomedicine and life sciences. Life, 12(4), 588. https://doi.org/10.3390/life12040588

Steinberg, I., Huland, D. M., Vermesh, O., Frostig, H. E., Tummers, W. S., & Gambhir, S. S. (2019). Photoacoustic clinical imaging. Photoacoustics, 14, 77-98. https://doi.org/10.1016/j.pacs.2019.05.001

Zou, Y., Amidi, E., Luo, H., & Zhu, Q. (2022). Ultrasound-enhanced Unet model for quantitative photoacoustic tomography of ovarian lesions. Photoacoustics, 28, 100420. https://doi.org/10.1016/j.pacs.2022.100420

Choi, W., Park, E. Y., Jeon, S., Yang, Y., Park, B., Ahn, J., ... & Kim, C. (2022). Three-dimensional multistructural quantitative photoacoustic and US imaging of human feet in vivo. Radiology, 303(2), 467-473. https://doi.org/10.1148/radiol.211029

Zhu, X., Huang, Q., DiSpirito, A., Vu, T., Rong, Q., Peng, X., ... & Yao, J. (2022). Real-time whole-brain imaging of hemodynamics and oxygenation at micro-vessel resolution with ultrafast wide-field photoacoustic microscopy. Light: Science & Applications, 11(1), 138. https://doi.org/10.1038/s41377-022-00836-2

Nie, L., Cai, X., Maslov, K., Garcia-Uribe, A., Anastasio, M. A., & Wang, L. V. (2012). Photoacoustic tomography through a whole adult human skull with a photon recycler. Journal of biomedical optics, 17(11), 110506-110506. https://doi.org/10.1117/1.JBO.17.11.110506

Wang, L., Maslov, K., & Wang, L. V. (2013). Single-cell label-free photoacoustic flowoxigraphy in vivo. Proceedings of the National Academy of Sciences, 110(15), 5759-5764. https://doi.org/10.1073/pnas.1215578110

Washington University in St. Louis. (2022). Machine learning model builds on imaging methods to better detect ovarian lesions. ScienceDaily. Retrieved February 2, 2023 from www.sciencedaily.com/releases/2022/11/221129134412.htm

 

2

鲜花

握手

雷人

路过

鸡蛋

刚表态过的朋友 (2 人)

最新评论

相关分类

下级分类

联系我们|本论坛只支持PC端注册|手机版|小黑屋|吾爱光设 ( 粤ICP备15067533号 )

GMT+8, 2024-4-13 19:57 , Processed in 0.062500 second(s), 17 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

返回顶部