近日，生物医学工程学院陈武凡、戚力团队在稀疏光声层析成像图像重建的研究取得新进展，在中国科学院一区学术期刊《Photoacoustics》发表了最新科研成果：Image reconstruction of multispectral sparse sampling photoacoustic tomography based on deep algorithm unrolling.

光声层析成像技术（Photoacoustic tomography，PAT）是一种新型的医学成像技术，可以提供活体生物组织的结构、功能和代谢信息，但其数据采集和系统成本较高。稀疏采样PAT使用较少数量的探测器获取信号，可以降低数据采集成本，但其图像重建是病态的。为此，陈武凡、戚力团队提出了一种基于深度算法展开（deep algorithm unrolling，DAU）的PAT图像重建方法，该方法综合了基于模型和基于深度学习的图像重建方法的优点，提出的一种基于即插即用交替方法乘子法的嵌套DAU求解框架还实现了结构先验约束的重建功能。数值模拟、活体动物成像和多光谱解混的实验结果表明，所提出的图像重建框架优于当前基于模型和基于深度学习的PAT图像重建方法。