超声前沿 | 大鼠经颅超声定位显微成像的射线理论畸变校正方法

经颅超声定位显微（Transcranial Ultrasound Localization Microscopy, t-ULM）是近年来兴起的一项突破性技术，它通过对微泡的精准定位与追踪，实现了超越分辨率衍射极限的脑血管成像。然而，颅骨的存在会导致声波的散射、衰减和相位畸变，从而严重限制成像质量。近日，复旦大学智慧医疗超声实验室发表于Ultrasonics的研究在活体大鼠脑中引入基于射线理论的相位校正方法，并结合信号补偿策略，有效提升了经颅超声成像的分辨率与灵敏度。该成果为未来经颅无创脑血管超声成像提供了新的解决思路。

技术亮点

一、本研究将高效的基于射线理论的相位畸变校正应用于活体经颅超声定位显微（t-ULM），在处理复杂度与精确度之间实现了良好平衡。

二、所提出的一系列t-ULM优化方法的有效性已通过大鼠活体实验得到验证。

三、相位畸变校正能够同时提升t-ULM成像结果的分辨率与饱和度，并呈现出准确的血管结构，为经颅脑科学相关研究提供支持。

摘要

经颅超声定位显微（t-ULM）面临颅骨带来的挑战，包括声学衰减和相位畸变。迫切需要一种能够在计算复杂度与成像精度之间取得良好平衡的高效畸变校正方法。本研究首次将射线理论应用于活体经颅成像，通过建立成像区域的非均匀介质模型计算传播时延表。速度模型由颅骨分割获得，并利用自聚焦方法估计颅骨的纵波声速。该方法的有效性通过时域仿真和大鼠脑活体t-ULM实验得到了验证。结果表明，基于射线理论的畸变校正使空间分辨率提高了15.3%（约5.3 μm），成像饱和度平均提升3.6%，能够解析直径27.6 μm的血管结构。此外，通过强度补偿，还能够成功重建受多重反射影响的大脑皮层血管网络。本研究为经颅超声畸变问题提供了一种高效的射线理论解决方案，并首次在t-ULM活体实验中得到验证。同时，还阐明了大鼠颅骨声速估计误差对畸变校正的影响。基于射线理论的方法在经颅微血管成像中展现出巨大应用潜力。

波达小动物实验/技术服务

成像特点：

1. 高时间分辨率：~10 ms

2. 高空间分辨率：~100 μm

3. 超分辨血流成像：<10 μm

4. 高兼容性：可与电生理、功能核磁、光遗传、行为学等兼容，实现多模态同步监测

主要功能：

1. 超声多普勒：血流动力学信息

2. 超声造影：微循环灌注信息

3. 脑功能成像：脑深部神经活动信息

研究方向：

适用于神经科学研究、肿瘤研究、发育研究、心血管研究等诸多领域，包括神经退行性疾病、脑卒中、肿瘤、血管系统其他疾病研究。

实验对象：

适用于大鼠、小鼠、非人灵长类动物等，清醒活动动物全脑功能成像。

预约咨询：

Tel：15102171511

Email：contact@podamed.com

一、背景

脑血管成像对于神经系统疾病的诊断和神经科学研究具有重要意义。近年来发展起来的超快超声多普勒成像，作为一种无创且高灵敏度的成像方法，已引起广泛关注。然而，颅骨仍然是经颅成像的一大障碍，其引起的强烈衰减会显著降低成像质量。为增强血流回波信号，研究者提出了对比增强超声（CEUS）成像,通过注射微泡对比剂改善成像效果，但CEUS的空间分辨率有限，仍然制约其临床应用。

近年来，超声定位显微成像（ULM）得到了广泛研究，被认为是一种极具潜力的微血管成像方法。与超快多普勒成像相比，ULM在分辨率方面表现更为优越。其通过定位和追踪微泡信号，能够解析复杂血管结构，并将空间分辨率提升至衍射极限的10倍。然而，目前多数脑微血管ULM成像研究仍依赖于开颅的条件。

近几年，经颅超声定位显微成像（t-ULM）受到广泛关注，并已在完整颅骨条件下成功应用于小鼠脑、大鼠脑以及人脑。t-ULM的显著优势在于微泡既能提升空间分辨率，又能增强反射信号，从而补偿颅骨引起的强衰减。为了实现对脑血管的准确重建，需要深入研究多种影响成像质量的因素，包括散射、多重反射，尤其是相位畸变。相位畸变主要源自颅骨与软组织之间的声速差异。若不进行畸变校正，显著的折射效应将导致B模图像中传播时延计算错误及信号强度减弱，从而造成t-ULM中微泡定位不准确。

针对经颅成像，已有许多相位畸变校正方法被提出。一些研究依赖于来自计算机断层扫描（CT）或磁共振成像（MRI）的颅骨几何先验信息，并在此基础上通过全波模拟在时域中实现经颅成像，或通过相移迁移在频谱域中实现成像。尽管基于先验信息的方法已被证实有效，但额外依赖其他成像技术，使得经颅超声成像失去了便携性。除了需要先验知识的方法外，研究者还提出了多种仅依赖超声回波数据的校正方法。例如，部分方法采用近场相位屏模型，通过获取复杂的畸变分布，并将其建模为换能器表面上一层厚度可忽略的薄层来近似畸变。这类方法可通过最小均方（LMS）方法、基于相关的方法、时间反转法以及深度学习方法来实现。此外，近年来提出的超声矩阵成像方法借鉴了光学领域的研究成果，通过引入波传播与聚焦的物理原理，也能显著提升经颅超声的波束形成性能。需要指出的是，这些方法中有些依赖于“畸变有限”或“局部畸变分布一致”的假设，只能应用于如小鼠等颅骨较薄的场景；另一些方法则限制了成像的帧率和数据处理速度，因此并不适用于t-ULM。对于t-ULM的畸变校正而言，理论上应当通过测量微泡信号与理论双曲线之间的相位差来获得精确的畸变规律，但这一过程耗时较长。与此同时，校正又需要在大量帧上进行，因此亟需发展一种在处理复杂度与精确度之间取得良好平衡的高效校正算法。

基于射线理论的畸变校正已在骨皮质成像和经颅成像中显示出良好效果。现有研究中还通过快速射线追踪方法实现了实时折射校正的经颅成像。该技术能够在多层介质模型下快速计算整个成像区域的传播时延，并可在波束形成步骤中直接进行校正。此外，射线理论无需假设畸变在视场中小范围（即等晕区）内保持一致。用于畸变校正的速度模型可通过提取颅骨的内外边界建立，因为颅骨与软组织之间存在显著的声学阻抗差异，这有助于对颅骨表面的分割。目前，基于射线理论的畸变校正已应用于仿体成像，但其在活体实验中的适用性仍需进一步研究。首先，真实颅骨的复杂结构可能导致在B超图像中利用简单阈值或形态学方法分割表面时出现误差，因此对于模糊边缘需要更加稳健的识别算法。其次，为了更精确地计算传播时延，需要对颅骨的纵波声速进行估计。最后，来自颅骨不规则表面的多重反射伪影会削弱颅骨附近的微泡信号，而这类混响难以消除，因此有必要对微泡信号进行增强。

在本研究中，我们首次将基于射线理论的相位畸变校正方法应用于完整颅骨条件下成年大鼠的活体t-ULM成像。第二节对射线理论进行了介绍，并提出了一系列适用于活体应用的优化措施，包括基于加速Dijkstra算法的颅骨分割方法，以及通过分析不同图像质量评价函数下的成像结果来估计颅骨纵波声速。为了增强皮层内的微泡信号，我们设计了一种与深度相关的强度增益补偿方法，以平衡微泡的检测效果。第三节展示了声速估计结果及大鼠脑t-ULM成像结果；第四节和第五节则分别给出了本研究的讨论和结论。

PodaMed-RCA面阵探头

波达RCA(Row-Column Addressed)的特点是正交定向阵列，行-列式设计变传统128×128通道为128+128通道，实现了256通道下的三维超快成像。

和千通道面阵对比，RCA面阵具有大视野、低通道数和高成像帧率的突出优势，RCA三维体空间采集帧率可达每秒千帧以上(>1000 fps),为三维高时间分辨率超声成像提供了简洁高效的解决方案。

产品咨询：

电话：15102171511

邮箱：contact@podamed.com

基于波达RCA的三维大鼠脑血流超分辨显微成像

二、方法

在本节中，我们将介绍成像序列、实验装置以及所提出的t-ULM畸变校正方法。实验示意图与t-ULM的流程图如图1所示。

图1.(a)实验装置与t-ULM成像序列示意图。实验过程中，每只大鼠均处于麻醉状态，并通过耳杆固定以限制头部运动。在头顶部涂抹超声耦合剂，探头未直接压迫头部，以确保成像区域接近聚焦深度位置。为匹配大鼠头部宽度，仅激活了中央80个阵元。整个t-ULM的数据采集与保存过程大约耗时7分钟。(b)t-ULM完整的处理流程图。t-ULM波束形成的生成过程包括两次传播时延计算与图像重建，分别对应颅骨外表面和内表面的分割。对于自聚焦方法中的每一个声速值，都会重新获取介质模型并进行迭代重建。

A.成像序列

超声数据采集采用自主开发的多通道超声平台（PodaMed-fUSI U10，上海波达医疗科技有限公司，中国）进行。通常，为了获得较高的空间分辨率，小动物成像会选择中心频率为15 MHz的线阵探头，但该频率的声波在颅骨中的穿透能力较差。因此，本研究选择了线阵探头L11-5v（Verasonics,Inc.，美国华盛顿州柯克兰；阵元间距0.3 mm，128个阵元，中心频率7.8 MHz），以在穿透深度与分辨率之间取得折衷。

为了匹配大鼠大脑的宽度，在所有实验中，仅激活了探头的中央80个阵元。采用合成孔径成像（SAI）方案来获取颅骨的声速模型。每个阵元单独发射球面发散波，以覆盖整个成像区域；随后，在每次发射后对80个阵元接收到的信号进行采样。经过合成孔径测量后，共获得了80×80个脉冲回波信号。在t-ULM采集序列中，使用平面波成像序列，复合帧率为1000 Hz。以7 kHz脉冲重复频率（PRF）发射跨±10°的7个倾斜平面波角度，该频率接近物理帧率的上限。整个采集过程包含420个缓存（buffer），历时7分钟。每个缓存由0.3秒内采集的300帧组成。为了展示t-ULM相较于经颅多普勒成像的优势，还进行了CEUS多普勒实验。

B.大鼠实验设置

所有大鼠实验均获得复旦大学实验动物科学系动物福利与伦理小组批准。选取两只成熟的雄性Sprague-Dawley大鼠，年龄均超过7周。已有研究表明，由于颅骨增厚，在出生后第45天的大鼠中，经完整颅骨和皮肤成像的脑多普勒图像质量显著下降。对于体重超过250 g的大鼠，其颅骨厚度约为0.6 mm，会导致明显的相位畸变。实验过程中，大鼠置于小动物立体定位装置中以限制头部运动，体温通过加热垫维持稳定。使用2.5%异氟醚持续诱导及维持麻醉，以保证t-ULM数据采集的稳定性。仅剃除皮肤表面毛发，以确保探头耦合充分并防止成像结果出现声学伪影。大鼠的皮肤和颅骨保持完整，并涂抹超声耦合胶。生命体征（体温和呼吸频率）定期监测。在7分钟的采集过程中，通过颈静脉导管以恒定速率（2μL/s）注射840μL微泡溶液（SonoVue, Bracco,意大利米兰），以保持大鼠血液中微泡浓度恒定。

C.用于t-ULM像差校正的速度模型与波束形成器

传统的图像重建通常假设声速为常数，而在经颅成像中，成像区域通常简单地被假定为非均匀的三层介质——组织-颅骨-组织。组织和颅骨中的声速分别设为1540 m/s和估计值。为了获得该声速模型，对成像区域进行了两次重建：第一次重建用于识别颅骨外表面，第二次重建用于识别内表面。声速模型基于合成孔径成像（SAI）数据获得，以提高内表面识别的信噪比（SNR），从而得到更准确的结果。由于真实颅骨结构复杂，颅骨表面在B模式图像中并不总是呈现为均匀的亮线，这会导致识别时间较长，甚至出现错误结果。因此，本研究采用了加速Dijkstra算法。具体而言，像素值较高的区域被赋予较小权重，然后在边缘上人工以相似间隔选择一系列点。在这些点之间，加速Dijkstra算法自动寻找沿B模式图像亮线的最短路径，通过最小化路径上像素权重之和，最终得到完整的边缘。与经典Dijkstra算法相比，该基于加速Dijkstra的交互式方法显著提高了计算效率和识别精度。最终，由Dijkstra算法分割得到的路径点通过高阶曲线拟合，得到最终的分割结果。

D.纵波速度估算

大鼠颅骨极为薄且表面呈凸起，这会导致声波传播呈现复杂模式。传统的体内声速测量方法，如侧向波方法，并不适用于大鼠颅骨的声速测量。因此，本研究引入自聚焦（autofocus）方法来估算大鼠颅骨的声速。该方法的基本原理是，当声速建模参数取值正确时，重建图像将表现出最佳的聚焦质量。在本工作中，将一系列不同的颅骨声速应用于同一组CEUS数据以进行相位畸变校正，并将校正效果最优的声速视为颅骨声速的估计值。对于任意假定的声速，都会进行完整的迭代重建，包括两次颅骨分割。声速模型首先由合成孔径成像（SAI）数据获得，然后应用于CEUS数据的波束形成。为了避免校正过程中可能出现的偏差影响滤波过程，波束形成使用了经过时空滤波处理的CEUS数据。该滤波过程通过Cauchy稳健主成分分析（Cauchy-RPCA）方法实现。随后，通过一系列量化指标对B模式图像进行评估，以观察微泡的成像效果。

E.波束成形与t-ULM后处理技术

图2.ULM处理流程。B模式图像批次(a)在经过(b)Cauchy-RPCA滤波、(c)深度相关信号增强、(d)微泡检测与定位以及(e)微泡追踪后，被转换为包含微泡轨迹的微血管图像。

回波射频（RF）信号被采集后解调为I/Q信号。各向同性波束形成网格的尺寸在轴向和横向均设计为半波长。I/Q数据基于t-ULM波束形成器并采用DAS算法在GPU上波束形成。考虑到阵元方向性，所选的波束形成阵元为探头阵元的子集。孔径加窗由f数（深度与孔径宽度之比）2.1确定。波束形成后的I/Q数据以300帧B模式图像为一批进行保存[图2(a)]。在杂波滤波步骤中，对这些批次应用Cauchy-RPCA方法，以将微泡信号与组织和血流信号分离[图2(b)]。

在标准ULM处理流程中，会应用局部极大值检测函数以识别微泡信号。随后，将局部极大值排序，并保留值较大的信号作为微泡。然而，由于颅骨引起的多重反射产生的成像伪影，会导致微泡信号减弱，尤其是靠近颅骨的微泡难以被检测到。这些微弱微泡信号的错误丢失最终会导致大量大脑皮层血管无法重建。在本研究中，引入了补偿步骤，并在检测与定位前设计了与深度相关的强度增益控制因子。具体而言，将这些微泡图像批次沿轴向（深度方向）划分为若干段，并通过深度增益因子确定每段的增益。增益因子的设计基本原则是对成像伪影较严重的区域（如靠近颅骨的区域）赋予更大的增益值。每段因子的初始值通过将整个成像区域的最大局部极大值除以该段的最大局部极大值来确定。为了避免ULM结果出现明显的不连续性，对增益因子进行了三阶Hermite插值，以生成强度补偿增益曲线[图2(c)]。增益值应根据ULM结果进行人工微调。此外，对于无微泡区域（如颅骨内及颅骨上方），该增益因子应设计为1。完成增益补偿后，应用局部极大值检测函数[图2(d)]。检测结果随后进行排序，每幅图像保留100个最大值作为最终微泡识别结果。

微泡的亚波长位置通过基于径向对称性的定位方法进行定位。随后，利用基于Kuhn-Munkres算法的跟踪算法（simpletracker）将定位后的微泡连接为轨迹，并对轨迹进行平滑处理[图2(e)]。两帧之间的最大连接距离设为2像素，时间长度不足20帧的轨迹被舍弃。最终轨迹投影到像素网格上，该网格在轴向和横向方向上均插值10倍（即1/20波长）。超分辨率结果经过标准差为0.8的高斯滤波，以轻微改善视觉效果。

F.评估指标

为了评估t-ULM的分辨率，采用了傅里叶环相关（Fourier Ring Correlation, FRC）方法。首先，将定位数据集随机划分为两个子图像。随后，利用FRC计算两个子图像在空间域的相关程度，为评估频率信息的一致性，设定了阈值，当FRC低于该阈值时，对应的空间频率的倒数即被用作图像分辨率的估计值。本文采用了1/2比特阈值，对应于包含至少1/2比特信息的最高空间频率。此外，为了比较相位畸变校正前后的重建图像，引入了ULM图像的饱和度及血管的绝对幅值。饱和度表示ULM图像中非零像素所占的比例。

三、结果

A. 仿真验证

图3.相位畸变校正的仿真验证。(a)k-Wave中的声速模型。(b)校正前的B模式图像。(c)校正后的B模式图像。(d)无颅骨情况下的B模式图像。

表二.仿真验证结果

		1	2	3	4	5	6	7	8
Uncorrected	z Deviation[mm]	0.34	0.29	0.30	0.25	0.30	0.30	0.34	0.29
Uncorrected	FWHM[mm]	0.69	0.81	0.95	1.09	0.93	0.91	1.02	0.92
Corrected	z Deviation[mm]	0.05	0.01	0.02	0.05	0.00	0.01	0.05	0.07
Corrected	z Deviation[mm]	0.17	0.36	0.28	0.23	0.26	0.39	0.56	0.29

在仿真实验中建立了一个模拟真实颅骨特性的区域，如图3(a)所示。颅骨厚度设置约为0.6 mm，与实际大鼠颅骨相近。我们测量了点散射体的半高宽（FWHM），并通过比较有颅骨[图3(b)或(c)]与无颅骨[图3(d)]情况下的结果，计算深度方向（z方向）的定位偏差。图3(b)与(c)的对比分析结果列于表II，显示在相位畸变校正后，颅下区域的成像质量和定位精度均有所提升。改善程度存在差异，这可能与散射体的空间分布以及仿真中产生的伪影有关。与无颅骨结果相比仍存在误差，例如，散射体4在校正后仍显示为两个独立点，可能在t-ULM结果中引入偏差。然而，这些结果仍表明，采用该相位畸变校正方法的后续体内实验中，微泡的定位精度可望得到显著改善。

B.纵波速度估计与颅骨分割

图4.大鼠颅骨纵向声速估计及分割结果。(a)不同评价指标的归一化值随假定颅骨声速变化的曲线。各指标呈现一致趋势，3150 m/s时成像效果最佳。(b)CEUS数据在不同校正声速下的功率多普勒结果，箭头标示了部分高强度区域。(c)外表面成像与分割结果，用实心橙线标出，并通过高阶曲线拟合以更新声速模型。(d)内表面成像与分割结果，内表面清晰度较低，同样标出并拟合以获得最终声速模型。

在本研究中，为了获得颅骨声速的最佳估计，选取了2800 m/s至3300 m/s、步长为50 m/s的一系列颅骨声速，对滤波后的CEUS数据进行重建。对每帧数据计算评价指标，并在所有帧上取平均。图4(a)展示了不同评价指标归一化值随假定颅骨声速变化的曲线。结果表明，当采用3150 m/s作为颅骨声速进行相位畸变校正时，用于多普勒或ULM分析的微泡图像具有更优的成像质量。比较该CEUS数据在不同校正声速下的功率多普勒结果[图4(b)]，可以看到部分区域的图像强度有所增强。

接下来的步骤是利用声速估计结果构建t-ULM的声速模型，如图4(c)和(d)所示。图4(c)展示了合成孔径成像结果及外表面的分割情况。外表面以下的声速设置为3150 m/s，基于该声速分布的波束形成结果显示在图4(d)左侧图像中。可以看出，内表面边缘的信噪比较低，辨识较为困难。因此，声速重建需要借助SAI数据以实现更精确的分割。最终用于t-ULM的声速模型如图4(d)右侧所示。

C.经颅超分辨率显微成像中的强度补偿

图5.(a)t-ULM数据的B模式图像。靠近颅骨的成像区域信噪比较低。(b)CEUS多普勒图像。经颅多普勒成像分辨率较差，可识别血管数量有限。(c)-(g)深度相关强度增益补偿结果。(c)对应本研究分析的两组ULM结果的补偿曲线。增益值通过三阶Hermite插值生成曲线。(d)和(e)分别显示未进行强度差异处理的微泡检测结果和t-ULM重建结果。(f)和(g)为增益补偿后的结果。靠近颅骨区域的微泡被赋予更高增益。此处的波束形成数据已进行相位校正。

经颅B模式图像[图5(a)]和CEUS多普勒图像[图5(b)]显示，在经颅场景中引入ULM对于显示更精细的血管结构是必要的。与强度补偿相关的结果如图5(c)-(g)所示。图5(c)展示了本研究分析的两组ULM结果对应的补偿曲线。成像区域在本研究中被划分为12段，曲线通过插值各段的增益因子获得。由于多重反射，靠近颅骨位置的微泡信号在Cauchy-RPCA滤波后显著衰减，导致该区域几乎无法检测到微泡[图5(d)]。因此，相应的t-ULM结果[图5(e)]中，皮层的血管未能被重建。经过强度增益补偿处理后，结果[图5(f)]显示微泡检测更加均匀，皮层中检测到的局部极大值增加，而深部脑区检测到的局部极大值减少。这使得图5(g)中靠近颅骨的一些血管得以成功识别，相比于图5(e)有明显改善。对强度增益补偿前后检测到的微泡深度坐标取平均值统计显示，平均微泡深度由9.65 mm下降至7.68 mm，说明更多靠近颅骨的微泡被识别。

D.经颅超分辨率显微成像中的像差校正

图6.传播时间计算及相位畸变校正前后t-ULM结果。(a)和(c)分别表示用于波束形成的均匀声速模型和用于相位畸变校正的非均匀声速模型。(b)显示在均匀介质假设下，通过FMM方法计算得到的传播时间表结果。部分传播时间较小的区域存在不均匀现象，主要由于FMM计算网格密度不足。(d)显示采用(c)中声速假设计算的传播时间结果。(e)和(f)分别为两只大鼠在两个不同位置的相位畸变校正前后t-ULM结果。上排四幅t-ULM图像(e1,e2,f1,f2)显示血管强度渲染结果，下排四幅图像(e3,e4,f3,f4)显示轴向颜色编码的强度渲染结果。为便于比较校正效果，相同渲染方式的显示范围保持一致。(g)和(h)分别为(c)和(d)对应的FRC分辨率测量结果及校正前后的饱和度曲线。在(e1)和(f1)中选取了一些感兴趣区域，其详细结果显示在图7中。

相位畸变校正效果如图6所示。图6(a)展示了均匀介质的声速模型，作为校正前的基线。图6(c)展示了通过前述图像分割方法得到的成像区域三层介质模型。图6(b)和(d)分别展示了通过FMM方法计算得到的若干传播时间表。对于均匀介质假设下的结果，中心阵元的等时线（同心圆）和平面波的等时线（直线）如图6(b)所示。平面波的传播时间表通过公式(4)计算，可表示平面波的波前形状。对于三层介质模型得到的结果，相同中心阵元和平面波的等时线如图6(d)所示，结果显示声波在界面处发生明显折射。通过FMM计算传播时间是相位畸变校正与波束形成过程中最耗时的步骤。在网格化成像区域（128×240，半波长网格）中，计算80个阵元的传播时间表总耗时为9.097秒。校正后的传播时间表随后用于t-ULM波束形成。

对于t-ULM结果，选择了两个不同的垂直截面[图6(e)和(f)]以评估校正效果。比较校正前的结果[图6(e1)、图6(e3)、图6(f1)和图6(f3)]与校正后的结果[图6(e2)、图6(e4)、图6(f2)和图6(f4)]显示，血管分布在相位畸变校正后更加紧凑，并整体下移。这主要是因为在传播时间计算中考虑了颅骨，声波到达反射体所需的时间比未考虑颅骨时更短。因此，在相同传播时间下，校正后的重建结果相对更深，远离颅骨。为了定量评估校正效果，使用了FRC分辨率曲线和饱和度曲线[图6(g)和(h)]。FRC分辨率曲线显示，图6(e)的空间分辨率由33.9 μm提升至27.6 μm，图6(f)由35.1 μm提升至30.9 μm。此外，饱和度曲线表明校正也显著改善了图像饱和度，分别由34.2%提升至38.1%，以及由33.6%提升至36.6%。

图7.微血管重建结果。(a)从图6(e1)和(e2)中选取的感兴趣区域提取的微血管。(b)从图6(f1)和(f2)中选取的感兴趣区域提取的微血管。通过强度曲线对校正前后的微血管重建结果进行定量评估。

在图6(e1)和(f1)中标记并选取了一些感兴趣区域，以在图7中展示校正效果。结果显示，相位畸变校正后，一些血管变得更加清晰、易于辨识，同时部分校正前无法检测的血管被成功重建。强度曲线也表明，校正后血管密度增加，分辨率得到改善。对感兴趣区域的深入分析显示，位于冠状面中央且深度较大的区域，校正效果更为显著。在脑皮层，主要血管的校正效果不明显。皮层微血管的校正效果不显著，可能是因为皮层血管的重建不仅受相位畸变影响，还受近场成像伪影及颅骨多重反射干扰，这会影响皮层血管局部极大值的检测，从而削弱微泡的定位与追踪。一些皮层微血管在校正前结果中被描绘，但在校正后消失，这可能是噪声被误认为血管，而非真实血管结构。

图8.不同估计声速下相位畸变校正后的ULM结果比较。(a)使用第III节A部分估计声速的ULM结果。(b)和(c)分别为估计声速上下偏差50 m/s后的校正ULM结果。(d)未校正的ULM结果。(e)图(a)中中心阵元的波束形成延迟。以(e)的延迟为参考，(f)显示图(b)中同一阵元的传播时间误差，(g)显示图(c)中的传播时间误差，(h)显示图(d)未校正结果的传播时间误差。

由于声速估计方法的精度有限，且该方法受到两次颅骨分割的影响，声速估计结果可能存在较大偏差。因此，对不同声速下校正的ULM结果进行了对比分析，包括估计值[图8(a)]、比估计值低50 m/s的结果[图8(b)]以及比估计值高50 m/s的结果[图8(c)]。每一种声速对应一次完整的校正过程，包括两次颅骨分割。比较图8(b)和(c)与图8(a)可以发现，结果差异不明显。同时，我们展示了传播时间误差。以基于估计声速计算的波束形成延迟为参考[图8(e)]，未校正结果的传播时间误差[图8(h)]约为20-40个采样间隔，导致明显的相位畸变。而在声速估计误差在50 m/s以内时，图8(f)和(g)中的传播时间误差保持在3个采样间隔以内（小于一个波长）。因此，声速估计误差对相位畸变校正的影响是可接受的。

四、讨论

在本研究中，我们提出了一种可行且直观的t-ULM相位畸变校正及后处理流程。通过对大鼠经颅血流成像的体内实验，对该流程的有效性进行了评估。结果表明，经过校正后，t-ULM的空间分辨率和成像饱和度均得到提升，经过强度补偿后，脑皮层血管能够被成功重建。这些结果证明了本方法能够提升传统ULM在经颅成像场景下的性能。

本研究中使用了覆盖大鼠大脑全宽度的宽探头，但仍未获得大鼠大脑的完整冠状面视图。成像视野受限的问题在其他经颅成像研究中也存在。其主要原因在于，脑侧区域颅骨与探头之间入射角显著增加，导致声波发生强烈反射，从而使脑侧区域的回波信号显著下降。此外，侧部颅骨的曲率会产生复杂的相位畸变，进一步增加了经颅成像的难度。近期研究表明，通过机器人注册复合成像和非刚性形变校正可扩大t-ULM的成像视野，这可能成为克服严重颅骨反射的潜在解决方案。此外，研究颅骨曲率对成像视野的影响，对于在功能性超声研究中选择最佳成像位置具有重要意义。

本研究的相位畸变校正方法存在以下局限性。首先，用于校正的声速模型假设颅骨中声速均匀。然而，实际上由于颅骨发育的不均匀性，不同位置和传播方向的纵波速度存在差异，即颅骨各向异性。均匀声速假设是为简化折射问题而在误差允许范围内做出的妥协。射线理论能够处理复杂声速介质中的传播时间问题，但更精确的颅骨各向异性纵波速度模型仍需研究，已有研究在桡骨和胫骨中探索了模型的构建。其次，颅骨表面的识别是基于图像处理方法实现的，这意味着需要考虑颅骨的轴向分辨率。为了在B-mode图像中正确分割边界，颅骨厚度需大于一个波长。尽管所提出的方法可以缓解检测不准确的问题，但其仍更适用于体模实验。另一种思路是通过回波信号特征来确定颅骨或相位畸变，数据驱动的深度学习方法有潜力替代传统图像处理方法。第三，该方法已在体模实验中得到广泛验证，并通过评价指标的提升证明了其有效性。然而，由于脑组织漂移及成像截面的偏差，开颅后脑血流并不完全一致。在未来的研究中，应考虑体内血管结构缺乏真实参照的问题。t-ULM校正的有效性可通过k-Wave模拟工具进行验证，该工具能够模拟非均匀介质。另外，也可以在体内实验中引入其他成像手段进行验证。

纵波声速估计的自聚焦方法存在精度限制。当声速增量较小时，成像指标的差异不够明显，这可能与图像分辨率有限有关。然而，考虑到大鼠颅骨较薄，本研究仍选择采用该方法。对于纵波声速的估计，我们曾尝试分析轴向传播以测量侧波。然而，大鼠颅骨相对较薄、横向长度不足且平整度有限。已有研究表明，当皮质厚度小于一个波长时，侧波与反射波难以明显分离，从而增加了从回波信号中提取侧波的难度。对于人体t-ULM成像，可将侧波方法结合射线理论的相位畸变校正，因为时间窗可能更适合作为声速估计的对象。

颅骨引起的多重反射导致颅骨下方信噪比（SNR）较低。多层反射伪影在杂波滤波后会阻碍微泡的检测。作为应对多重反射的次优策略，深度相关强度增益补偿方法显著增强了脑皮层信号，并促进了部分血管结构的重建，但与开颅ULM结果相比，脑皮层血管成像质量仍不理想。脑皮层是神经科学研究的核心区域，因此该区域血管的成像具有重要意义。在已有研究中，通过远场的畸变矩阵与反射矩阵投影，已实现了平行面之间多重反射伪影的消除，但来自不规则表面的反射暂时尚无法解决。进一步研究先进的多重反射去除方法将具有显著意义。

在ULM中，增益补偿作为一种后处理方法，用于增强微弱微泡信号并实现微泡检测的均衡，从而解决不同区域之间的强度差异问题。我们认为，这种补偿策略具有通用性，可有效适用于多种ULM成像场景。在经颅应用中，脑皮层区域微泡信号较弱主要是由于颅骨引起的多重反射伪影所致。然而，在本研究中，提出的增益补偿方法仍处于初步阶段。目前仅考虑了沿深度方向的微泡强度变化，实际应用中仍存在若干限制。首先，颅骨厚度和曲率在横向的变化尚未纳入补偿模型。其次，增益曲线的设计仍依赖操作人员经验，以保证微泡分布均匀。值得注意的是，已有研究通过基于功率多普勒的空间依赖性时间增益补偿实现了滤波信号强度的均衡，可为微泡检测的均衡提供参考。此外，在成像区域不同部分实施自适应时空滤波算法，也可能成为实现微泡检测均衡的另一潜在解决方案。

ULM的空间分辨率受到多种因素影响，例如相位畸变导致的微泡成像结果重叠以及发射频率。较高的发射频率可以获得更高的空间分辨率和更饱和的血管结构，高频探头通常具有较浅的升焦深度，这对ULM成像具有优势。然而，对于经颅ULM（t-ULM）而言，必须在信号衰减与分辨率之间进行权衡。本研究中，探头的发射频率为7.8 MHz，t-ULM结果成功呈现了直径约30 μm的微血管系统。为了促进t-ULM在临床上的应用，需要使用更低频率的探头，因为颞窗处颅骨较薄，但仍存在显著衰减（法线入射单程衰减约为13–22 dB/cm/MHz）。因此，如何提升t-ULM的空间分辨率仍是一个主要挑战。在已有文献中，采用中心频率为2 MHz的相控阵探头进行人体经颅成像，成功检测到直径约25 μm的血管，尽管并非全部血管都能被观测到。其分辨率仍远低于功能性超声（fUS），但显示了t-ULM通过颞窗实现全脑血流成像的潜力。

微泡定位可能会受到组织运动的影响，例如剧烈的呼吸运动或心跳。在我们的实验中，通过立体定位仪固定大鼠头部，因此无需进行运动校正。然而，如果t-ULM应用于临床人体脑成像，尤其是紧急情况下，运动影响将不可忽视。在临床应用中，需要同时考虑保持探头与成像区域相对静止，以及对组织运动进行校正。例如，已有基于相关的技术被用于超声组织位移或应变估计，并在患者的t-ULM应用中取得实践。

在本研究中，经颅ULM是在单个平面上实现的，这带来了一些问题。在实验开始之前，需要选择感兴趣的成像平面。然而，经颅B模式成像和多普勒成像的信噪比（SNR）较低，使得成像区域的预先选择更加困难。此外，二维t-ULM还受到探头高程方向投影的影响，这会阻碍横向血管的成像，并导致对未对齐成像平面的微泡速度的估计不准确。一种解决方案是基于体积成像的三维t-ULM。由于分析可以在整个体积数据上进行，因此避免了由预先选择成像平面引起的偏差。现有研究使用了256通道可编程超声扫描仪来控制多路复用矩阵探头（32×32）。或者，也可以用四个256通道扫描仪同时控制矩阵探头，但这种方法的同步更复杂且成本更高。其他三维ULM方法还包括使用稀疏阵列或行列寻址探头，但这些方法在经颅成像场景下可能会产生较低的信噪比。

超声成像的一个重要优势是耗时较短。对于经颅ULM来说，处理速度仍有很大的提升空间。声程（traveltime）计算是首个耗时较多的操作，因为基于快速行进法（FMM）的Eikonal方程求解器的并行化具有挑战性，而且必须针对每个探头元件单独执行。一种潜在的方法是求解声线（ray path）而不是Eikonal方程，声线求解可以在GPU上并行实现[38]，但需要权衡声程计算精度的损失。实时经颅校正成像将有助于提升t-ULM成像位置选择的便捷性。至于t-ULM的波束形成（beamforming），通常需要数小时完成，这主要是由于超分辨率图像重建所需的帧数较多。与MRI等传统成像技术相比，t-ULM在时间效率方面仍有不足。已有研究提出基于微泡时空特征的分离技术，以实现短采集时间的ULM，这一方法有望在ULM采集时间上实现突破。

五、结论

本研究通过在体实验验证了经颅ULM（t-ULM）中基于射线理论的相位畸变校正能够显著提高空间分辨率和图像饱和度。如在体大鼠脑实验结果所示，基于射线理论的相位畸变校正平均可使空间分辨率提升15.3%（约5.3μm），图像饱和度提升3.6%，能够显示直径达27.6μm的血管。研究中提出了一种强度补偿方法，以增强微泡提取，成功重建了大脑皮层血管。还探讨了大鼠颅骨声速估计误差的影响，结果表明在100 m/s误差范围内，相位误差仍控制在一个波长以内。本研究表明，结合射线理论的相位畸变校正的t-ULM有望成为一种用于脑微血管成像的非侵入性潜在技术。