光声层析成像 (PAT) 是一种混合成像技术，将光学照明与超声检测相结合，用于深层组织的高分辨率成像。利用光声 (PA) 效应，PAT 具有可扩展的分辨率、更高的成像深度和高对比度成像等明显优势。它使用纳秒激光脉冲照亮感兴趣的组织，使其发色团能够吸收入射激光能量。这会导致局部温度升高并产生以超声波形式传播到组织边界的压力波。然后借助超声换能器采集这些 PA 波，并使用重建算法将其转换为内部吸收图。
这个生成初始压力图的过程可以用几种不同的图像重建算法来执行，包括简单的延迟求和 (DAS) 波束形成器。该算法反向投影从不同组织位置获取的信号，然后将其添加到重建图像的每个像素处。然而，这使得 DAS 波束形成器在计算上昂贵且耗时，并且导致重建图像中的伪影，即异常。尽管存在这些缺点，但它的简单性和易于实施性使其成为 PAT 重建的热门选择。
通常，实施此类重建算法需要具有大量计算资源的工作站、台式机或笔记本电脑。但近年来手机的计算能力一直在增长。尽管已经提出将移动电话用于包括超声成像在内的各种显微镜模式，但尚未探索它们在光声成像（如 PAT 图像重建）中的实用性。
利用手机先进的处理能力，来自新加坡和美国的研究人员现已开发出基于 Android 的 PAT 图像重建应用程序。该研究由爱荷华州立大学电气与计算机工程系诺斯罗普·格鲁曼公司副教授 Manojit Pramanik 领导，并发表在《生物医学光学杂志》(JBO) 上。
开发的应用程序利用基于单元件超声换能器 (SUT) 的 DAS 波束形成器算法在 Kivy 上进行图像重建——一个跨平台的 Python 3.9.5 框架。
研究人员通过使用模拟和实验 PAT 数据集验证了其在不同手机上的性能。模拟数据集由点目标、三角形和大鼠脑血管形状组成，而实验数据集由点源体模、三角形体模和活体大鼠大脑中的血管组成。
“开发的应用程序可以成功地将 PAT 数据重建为信噪比值超过 30 分贝的高质量 PAT 图像，”Pramanik 评论道。
有趣的是，对于小型数据集，该算法在华为 P20 手机上的计算时间与笔记本电脑上的计算时间相当。此外，原始数据集的两倍下采样减少了计算时间，同时保持了图像质量，从而实现了速度和质量兼顾的图像重建。相比之下，三倍下采样明显降低了 PAT 图像的质量。
此外，研究人员发现，借助三星 Galaxy S21+ 的先进处理器，仅需 2.4 秒即可完成 PAT 重建。“这大大缩短了图像重建的运行时间，突出了手机应用程序的效率，”Pramanik 指出。
JBO 主编、威斯康星大学麦迪逊分校医学物理系主任 Brian Pogue 评论说：“这种首创的应用程序为 PAT 图像重建提供了在廉价、便携和广泛使用的手机上进行重建的机会。展望未来，该应用程序可以使 PAT 系统更具适应性和可扩展到生物医学成像的其他领域，促进即时诊断。” 他补充说：“这个基于 Android 的应用程序的代码已在 GitHub 上免费提供，这使它成为生物医学成像社区的一项主要服务。”
