上?？萍即髮W(xué)信息科學(xué)與技術(shù)學(xué)院蔡夕然課題組（智能超聲成像和治療實(shí)驗(yàn)室）和虞晶怡課題組、張玉瑤課題組合作，提出一種基于隱式神經(jīng)表達(dá)和彎曲射線(xiàn)追跡模型的超聲CT成像方法（BentRay-NeRF）。該方法更好地克服了彎曲射線(xiàn)追跡超聲斷層聲速圖像重建的病態(tài)問(wèn)題，可顯著提高系統(tǒng)性噪聲影響下的聲速圖像重建質(zhì)量和魯棒性，為疾病診斷提供更準(zhǔn)確的圖像。此項(xiàng)工作以“BentRay-NeRF: Bent ray neural radiance fields for robust speed-of-sound imaging in ultrasound computed tomography”為題在線(xiàn)發(fā)表于超聲領(lǐng)域國(guó)際期刊《IEEE超聲學(xué)、鐵電體技術(shù)與頻率控制匯刊》（IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control）。

超聲CT聲速成像主要通過(guò)反演聲傳播物理模型重建圖像，該反演問(wèn)題高度病態(tài)（ill-posed），求解對(duì)噪聲高度敏感且容易陷入局部最小值，導(dǎo)致重建結(jié)果不穩(wěn)定。傳統(tǒng)優(yōu)化方法（如高斯-牛頓法）所重建的聲速圖像在非理想數(shù)據(jù)約束條件下，容易產(chǎn)生偽影、并且重建魯棒性較差，當(dāng)數(shù)據(jù)中存在噪聲時(shí)常常出現(xiàn)重建失敗的情況。因此，使用傳統(tǒng)方法重建圖像時(shí)，需要對(duì)超聲信號(hào)進(jìn)行大量的數(shù)據(jù)清洗工作，最小化噪聲帶來(lái)的誤差。BentRay-NeRF方法使用多層感知機(jī)（MLP）構(gòu)建連續(xù)的慢度場(chǎng)（聲速場(chǎng)的倒數(shù)）的隱式神經(jīng)表示（INR），使其在空間上更加平滑，更好約束圖像重建的反演問(wèn)題（圖1）。INR可以減少由傳統(tǒng)離散網(wǎng)格表示方式帶來(lái)的插值誤差和高維求解空間帶來(lái)的重建不穩(wěn)定性。此外，該方法結(jié)合了多分辨率哈希編碼，使得MLP能夠更好地學(xué)習(xí)空間細(xì)節(jié)信息，從而在重建過(guò)程中更高效和有效地恢復(fù)邊界的高頻細(xì)節(jié)。相比于傳統(tǒng)的優(yōu)化方法，BentRay-NeRF在有限數(shù)據(jù)約束和使用帶噪超聲信號(hào)的情況下仍能更好地抑制偽影，提供更準(zhǔn)確和更穩(wěn)定的聲速反演結(jié)果（圖2）。

圖1 BentRay-NeRF方法圖像重建流程概覽。

圖2瓊脂仿體聲速圖像重建結(jié)果。（a）未經(jīng)過(guò)濾波處理的超聲到達(dá)時(shí)間信號(hào)。(b)高斯-牛頓法和(c)BentRay-NeRF方法重建的聲速圖像，以及(d)仿體內(nèi)部選定的輪廓線(xiàn)比較。(e-h)經(jīng)濾波處理的超聲到達(dá)時(shí)間信號(hào)，及其對(duì)應(yīng)的重建結(jié)果。GT：ground-truth。

信息學(xué)院2023級(jí)博士研究生崔世龍為第一作者，2022級(jí)博士研究生吳晴、2022碩士研究生黃一鳴、2023級(jí)碩士研究生戴海釗、張玉瑤教授、虞晶怡教授為共同作者，蔡夕然教授為通訊作者。此項(xiàng)工作得到了中國(guó)科學(xué)院聲學(xué)所李玉冰研究員的指導(dǎo)。

全文鏈接：https://ieeexplore.ieee.org/document/10938326