ОПТИМІЗАЦІЯ АЛГОРИТМУ ПОКРАЩЕННЯ ЯКОСТІ ОПТОАКУСТИЧНОЇ ВІЗУАЛІЗАЦІЇ
DOI:
https://doi.org/10.20998/2222-0631.2026.01(10).11Ключові слова:
обробка зображень, оптоакустична томографія, числове моделювання, теорема Банаха, набір інструментів k - Wave, фільтр КалманаАнотація
Оптоакустична томографія – це неінвазивний метод візуалізації, заснований на гібридній технології, що поєднує переваги оптичного та ультразвукового підходів. Вона забезпечує високий оптичний контраст, субміліметровий рівень детектування, неінвазивність, екологічність та глибоке ультразвукове проникнення у досліджуваний об’єкт. Однак висока гетерогенність тканинного фону, що характеризується сильними просторовими варіаціями розсіювання та поглинання звукових та електромагнітних хвиль, суттєво ускладнюють отримання якісних оптоа-
кустичних зображень. Крім того, якісна реконструкція хромофорів тканин та інших біомаркерів додатково ускладнюється різними наближеними формулами інверсії. Нещодавно нами було запропоновано метод поліпшення якості оптоакустичних (ОА) зображень, що базується на теоремі Банаха про нерухому точку. У даній роботі ми розвиваємо запропонований метод, використовуючи підхід, подібний до методу Калмана. Для перевірки ефективності розробленого алгоритму було проведено низку числових експериментів оптоакустичної реконструкції
двовимірних числових фантомів різної геометрії – кругові диски різного діаметру, розташовані на різній глибині, та двовимірна модель судинного дерева. Відновлені та покращені за новою схемою оптоакустичні зображення порівнювалися з реконструкціями, отриманими на основі попередніх ітеративних схем. Збіжність методів та якість покращених вихідних зображень, які аналізувалися в термінах пікового відношення сигнал/шум (PSNR) та індексу структурної подібності (SSIM), показали більшу ефективність нового методу.
Посилання
Hacker L., Brunker J., Smith ESJ., Quiros-Gonzalez I., Bohndiek SE. Photoacoustics resolves species-specific differences in hemoglobin concentration and oxygenation. J Biomed Opt. 2020;25: 095002. DOI: 10.1117/1.JBO.25.9.095002.
Li M., Tang Y., Yao J. Photoacoustic tomography of blood oxygenation: a mini review. Photoacoustics. 2018, vol. 10, pp. 65–73. DOI: 10.1016/ j.pacs. 2018.05.001.
Sun N., Bruce AC., Ning B., Cao R., Wang Y., Zhong F., Peirce SM., Hu S. Photoacoustic microscopy of vascular adaptation and tissue oxygen metabolism during cutaneous wound healing. Biomed Opt Express. 2022; 13:2695–706. DOI: 10.1364/BOE.456198.
Jin Y., Yin Y., Li C., Liu H., Shi J. Non-invasive monitoring of human health by photoacoustic spectroscopy. Sensors (Basel). 2022;22:1155. DOI: 10.3390/s22031155.
Riksen J. J. M., Nikolaev A. V., van Soest G. Photoacoustic imaging on its way toward clinical utility: a tutorial review focusing on practical application in medicine. J. Biomed Opt. – 2023;28:121205. DOI: 10.1117/1.JBO.28.12.121205.
Sandbichler M., Krahmer F., Berer T., Burgholzer P., Haltmeier M. A novel compressed sensing scheme for photoacoustic tomography. SIAM J Appl Math. 2015, vol. 75, no. 6, pp. 2475–2494. DOI: 10.48550/arXiv.1501.04305.
Rudnitskii A. G. Iterative Image Correction Scheme for Optoacoustic Tomography. Acoustical Physics. 2022, vol. 68, no. 4, pp. 395–402. DOI: 10.1134/S106377102204008X.
Rudnitskii A. G. Acceleration of the Iterative Procedure for Correction of Optoacoustic Images. Journal o f Applied Mathematics and Computation. 2024, vol. 8(1), pp. 50–58. DOI: 10.26855/jamc.2024.03.006.
Gusev V. E., Karabutov A. A. Lazernaya optoakustika [Laser Optical Acoustics]. Мoscow, Nauka Publ., 1991. 304 p. 10. Rosenthal A., Ntziachristos V., Razansky D. Acoustic inversion in optoacoustic tomography: A review. Current medical imaging reviews. 2013, vol. 9, no. 4, pp. 318–336. DOI: 10.2174/15734056113096660006.
Kuchment P. Mathematics of photoacoustic and thermoacoustic tomography. Handbook of Mathematical Methods in Imaging Springer. 2009, pp. 819–861. DOI: 10.1007/978-0-387-92920-0_19.
Rosenthal A., Ntziachristos V., Razansky D. Acoustic inversion in optoacoustic tomography: A review. Current medical imaging reviews. 2013, vol. 9, no. 4, pp. 318–336. DOI: 10.2174/15734056113096660006.
Kuchment P., Kunyansky L. Mathematics of photoacoustic and thermoacoustic tomography. Handbook of Mathematical Methods in Imaging Springer. 2011, pp. 817–865. DOI: 10.1007/978-0-387-92920-0_19.
Banach Stefan (1922). Sur les opérations dans les ensembles abstraits et leur application aux équations intégrales. Fundamenta Mathematicae. 1922. 3:3–181. DOI: 10.4064/fm-3-1-133-181.
Guang Deng, Fernando Galetto. Fast iterative reverse filters using fixed-point acceleration Signal // Image and Video Processing. 2023, 17(7):1–9. DOI: 10.1007/s11760-023-02584-1.
Kaiming He, Jian Sun. Fast guided filter. – Published in arXiv.org 5 May 2015. :1505.00996, 2015. Computer Science.
Treeby B. E., Cox B. T. A k-Wave: A MATLAB toolbox for the simulation and reconstruction of photoacoustic wave-fields. J. Biomed. Opt. 2010, vol. 15(2), 021314-1-12. DOI: 10.1117/1.3360308.
Tabei M., Mast T. D., Wang R. C. A k-space method for coupled first-order acoustic propagation equations. J. Acoust. Soc. Am. 2002, vol. 111(1), pp. 53–63. DOI: 10.1121/1.1421344.
Spann S. M., Kazimierski K. S., Aigner C. S., Kraiger M., Bredies K., Stollberger R. (2017). Spatio-temporal TGV denoising for ASL perfusion imaging. NeuroImage. 2017, Aug 15:157:81-96. DOI: 10.1016/j.neuroimage.2017.05.054.
Wang Zhou, Alan C. Bovik, Hamid R. Sheikh, Eero P. Simoncelli. Image Qualifty Assessment: From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing. 2004, Vol. 13, no. 4, pp. 600–612. DOI: 10.1109/TIP.2003.819861.
