皮膚疾病是臨床醫(yī)學中一種常見疾病，影響人的外貌、身體健康和生活質量。因此，皮膚疾病的精準診斷及評估一直是醫(yī)學領域的重要研究方向。然而，傳統(tǒng)的皮膚檢查方法通常需要進行切除或者穿刺，給患者帶來不便和痛苦。因此，非侵入性皮膚成像技術被廣泛研究和應用。其中，光聲皮膚鏡（Photoacoustic dermoscopy, PAD）是一種新興的無損醫(yī)學影像技術，可以通過獲取皮膚組織的光吸收信息來輔助皮膚疾病的診斷或評估，展現出了極好的臨床應用前景。但目前PAD技術仍面臨一個極具挑戰(zhàn)的關鍵科學問題亟待解決：在皮膚多層次散射、激發(fā)光波長分布以及超聲探測器檢測性能等因素影響下，如何定量、準確地、魯棒地獲取多光譜光聲體素數據圖像。

為了深入探究人體皮膚結構和光聲皮膚功能成像的定量準確性，來自南京理工大學智能計算成像實驗室（Smart Computational Imaging Laboratory, SCILab）研究團隊及其合作單位（復旦大學、中國人民解放軍總醫(yī)院）提出了一種四維光譜空間計算的光聲皮膚成像方法，為光聲皮膚鏡的發(fā)展和臨床應用提供了新的思路。相關成果以“4D spectral-spatial computational photoacoustic dermoscopy”為題發(fā)表于期刊Photoacoustics。碩士生高楊為文章第一作者，封婷研究員、左超教授、馬海鋼副教授為共同通訊作者。

主要研究內容

為了實現PAD技術中對皮膚結構和功能成像的定量分析和優(yōu)化，研究團隊提出了一種四維光譜-空間計算方法。整個過程中考慮了皮膚的多層異質結構及各層的光學和聲學特性，并據此建立起空間模型，結合蒙特卡羅法和K空間偽譜法實現了光聲物理過程的精確計算。在這里，該空間模型被定義為一個三維體素網格（圖1），在該空間模型中構建了七層皮膚解剖結構的異構體模型，并將其建模為多層平面介質。這種精致的網格設計允許對光在組織中的前向傳播進行精確計算。通過這種方式，能夠獲取光子在組織內的沉積分布，并將其轉化為三維初始聲壓分布矩陣。

圖1皮膚的四維光譜空間計算模型

作為驗證，研究團隊進行了一系列研究性光聲皮膚成像實驗，包括光束類型和光子數量對PAD成像性能的影響；不同中心頻率和帶寬的超聲換能器對PAD成像性能的影響；高斯光束聚焦于皮膚下不同深度的成像效果以及不同波長光束下的成像深度等，通過這些實驗，研究團隊不僅證實了所提出計算模型的可靠性，而且對PAD技術的理解和應用提供了更深入的見解。同時研究人員還實現了對皮膚血管中的血紅蛋白（Hb）、氧合血紅蛋白（HbO2）、脂質（Lipid）和葡萄糖（Glucose）四種特定生物分子的多光譜成像和解混，并得到與建模成分高度一致的成像結果（圖2）。實驗結果展示了在不同光波長下生物分子吸收特性的變化，例如，在700 nm和800 nm的波長下，由于脂質位于吸收谷，因此在成像中呈現較低的對比度。

相反，在900 nm和950 nm附近，HbO2位于吸收峰，在成像中顯示出更高的對比度。這種差異對于區(qū)分和識別皮膚組織中不同的生物分子至關重要。同時，光學正向模擬計算還考慮了組織的通量異質性。這意味著各成分產生的光聲信號強度隨著進入組織更深層而逐漸減弱，這一點在葡萄糖濃度較低的情況下尤為明顯。總之，該方法的多光譜成像和光譜解混能力有助于推動多波長PAD系統(tǒng)的發(fā)展和優(yōu)化，而且結合光譜解混算法分析生化成分，可以更準確地診斷皮膚疾病。

圖2皮膚的多光譜成像和光譜解混

深度學習已經被廣泛研究用于醫(yī)學圖像的分析及處理。而PAD仍處于臨床轉化的早期階段，臨床PAD數據的缺乏是相關研究面臨的一個主要挑戰(zhàn)。現有的模擬方法假設組織介質的光通量是均勻的，這與真實情況存在較大偏差。研究團隊提出的計算方法考慮了與波長相關的光學散射，能夠模擬真實皮膚異質組織光學和聲學特性，用于生成多變量可控的光聲數據集，然后進行相關神經網絡訓練，進而實現PAD系統(tǒng)成像性能的顯著提升，尤其在空間分辨率和成像深度方面的突破（圖3）。

圖3 基于四維光譜空間計算模型的深度學習數據集獲取及系統(tǒng)優(yōu)化

結論與展望

該研究開發(fā)了一種新的計算方法，可以實現對PAD成像的定量分析和優(yōu)化，為PAD技術的發(fā)展和臨床應用提供了新的思路和方法。該方法考慮了異質性皮膚組織的光學和聲學特性，更加深入探究了人體皮膚組織的光聲機制。此外，通過使用計算模型和神經網絡訓練，該方法還可以進一步提高PAD系統(tǒng)的成像質量，有望為臨床醫(yī)生提供更準確的皮膚病診斷及評估結果。因此，該研究具有重要的理論和實踐意義，對于推動皮膚成像技術的發(fā)展和應用具有積極的促進作用。

研究團隊介紹

南京理工大學智能計算成像實驗室（SCILab）隸屬于南京理工大學光學工程國家一級重點學科帶頭人陳錢教授領銜的“光譜成像與信息處理”教育部長江學者創(chuàng)新團隊、首批“全國高校黃大年式教師團隊”。實驗室學術帶頭人左超教授為國際光學工程學會會士（SPIE Fellow）、美國光學學會會士（Optica Fellow）、英國物理學會會士(IOP Fellow)，入選科睿唯安全球高被引科學家。

實驗室致力于研發(fā)新一代計算成像與傳感技術，在國家重大需求牽引及重點項目支持下開展新型光學成像的機理探索、工程實踐以及先進儀器的研制工作，并開拓其在生物醫(yī)藥、智能制造、國防安全等領域的前沿應用。研究成果已在SCI源刊上發(fā)表論文200余篇，其中36篇論文被選作Advanced Photonics、Photonics Research等期刊封面論文，20篇論文入選ESI高被引/熱點論文，論文被引超過14000次。獲中國光學工程學會技術發(fā)明獎一等獎、江蘇省科學技術獎基礎類一等獎、日內瓦國際發(fā)明展“特別嘉許金獎”等。培養(yǎng)研究生5人獲全國光學工程優(yōu)秀博士論文/提名獎，5人獲中國光學學會王大珩光學獎，8人入圍Light全國光學博士生學術競賽全國百強，獲“挑戰(zhàn)杯”、“創(chuàng)青春”、“研電賽”全國金獎十余次，“互聯網+”全國總冠軍。

審核編輯：劉清