生命科学的光声成像

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，已经成为生物医学研究中不可或缺的非侵入性工具。

光声成像, 生命科学的光声成像

什么是光声成像，以及它是如何工作的？
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。然后用一个超声换能器检测和处理这种波。

光声成像能产生高超声和高分辨率的光学对比图像。这一特点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，了解发展不同疾病背后的关键过程。

光声成像的起源和演变
1880年，亚历山大-格雷厄姆-贝尔首次将光声效应解释为光（光）能向声能或声波的转化。然而，几乎没有取得任何进展，直到激光的发明使信号的产生得到加强。不久之后，光声学得到了更广泛的应用，最初用于气体光谱学，后来用于生命科学。

在过去的20年里，光声成像已经从一个理论概念迅速发展到生物医学应用中广泛使用的断层成像方法。

光声成像在生命科学领域是如何应用的？
脑部成像
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，光声成像在与生物标志物结合时具有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，由于其头骨较薄，主要在啮齿动物身上进行测试。

然而，诸如Nie等人开发的光子回收器等进步，增加了通过颅骨的光透射率，改善了光声成像的信噪比，使其成为研究人类大脑皮层功能活动的可行性。

血管成像
世界卫生组织（WHO）已经确定心血管疾病是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之一，而光声成像在1.7μm和1150-1250 nm的高光吸收是区分病变和健康组织的理想选择。

血液含氧量和流量
在癌症研究、皮肤病学和整形外科中，测量皮肤中的血氧含量是一个重要的生理指标。近红外光谱是测量血液含氧量最广泛使用的体内方法；然而，它的空间分辨率很低。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法。

发表在《美国国家科学院院刊》上的一项研究表明，光声成像可以解释在各种生理条件下氧气输送和神经活动之间的关系，为了解大脑在细胞水平上如何供电提供了宝贵的见解。

乳房成像

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的特异性有限，阳性预测值低，而且会造成极度的不适感。

光声成像在改善乳腺诊断成像方面有很大潜力。乳房组织位于人体表面，属于光声成像的分辨率范围。此外，健康的乳腺组织具有较低的超声散射和光学吸收，使光声成像非常有效。

此外，血管生成在诊断和预测乳腺癌方面起着重要作用。同样，光声成像非常适合对此进行可视化，因为肿瘤部位的血红蛋白和血流增加，在光声成像中形成强烈的对比。

最近的研究和发展
基于成像的机器学习模型改善了卵巢病变的检测
来自华盛顿大学的Yun Zou和他的团队设计了一种新的机器学习方法，结合超声和光声成像神经网络来诊断卵巢病变。

该团队通过结合光声成像获得的血氧饱和度和总血红蛋白浓度（癌变卵巢组织的指标）增强了超声诊断的准确性。

我们的结果显示，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，并从良性病变中提供了更好的卵巢癌诊断。

邹云，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模态光声超声成像技术
传统的技术，如踝臂指数测试，可以检测出大动脉的异常，但它们很难诊断出众多细小的外周血管。此外，由于必须对病人使用造影剂，它们有可能造成不适或不良影响。

为了解决这些限制，来自浦项科技大学的研究人员开发了一种新型3D双模光声成像技术，通过结合超声波和光声成像，在不使用造影剂的情况下生成血管的3D图像。

这项新技术有可能通过提供关键的功能诊断值（如血氧饱和度）来诊断外周血管疾病，而且没有副作用。

利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。这种工具可以同时观察到单个血管和整个大脑的情况。

这一改进是通过机器学习算法和硬件增强实现的。研究人员使用了一个多边形扫描系统，向更大的区域提供更多的激光爆发，并使用了一种新的扫描方法，同时运行超声传感器和激光扫描仪。这些修改使其成像速度提高了一倍，并使其成为目前最快的光声成像技术。

这项创新消除了大脑成像技术中长期存在的分辨率和速度限制，并将揭示出对神经血管疾病（如痴呆症和中风）的新认识。

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，对这些系统产生的大量数据的评估可以得到改善，而不仅仅是临床诊断中的视觉解释。

即使目前的系统仍有局限性，如耗时的光谱解混和图像重建算法。改进这些过程可以带来更快的处理时间和更好的图像可解释性，提高光声成像系统的整体可用性。

参考资料：

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

Written by Owais Ali