伦敦国王学院生物医学工程与成像科学学院的一名研究生开发了一种深度学习框架，以增强一种基于新型发光二极管 (LED) 的光声成像技术，以改善微创手术过程中沉浸式医疗设备的可视化。

这篇发表在Photoacoustics上的论文表明，与传统重建相比，基于学习的框架通过抑制背景噪声和图像伪影显着提高了体内光声成像中的针头可见度——这意味着图像更清晰，并且提供了更好的针头可视化。

研__或组织暴露——通过在光声成像中准确识别临床针头。

超声 (US) 成像广泛用于指导微创经皮手术，例如周围神经阻滞、肿瘤活检和胎儿血液取样。

在这些过程中，在实时超声引导下，将金属针经皮刺入体内，朝向目标。准确有效地识别目标和针头对于确保手术的有效性和安全性至关重要。

光声成像是一种混合模式，它基于检测组织响应组织吸收光而产生的 US 信号。

由于每种类型的组织对某些颜色的光都有吸收偏好，因此光声成像可以以高空间分辨率区分各种组织类型，这可以帮助外科医生更好地识别手术目标并避免损坏关键组织结构。

第一作者和博士生物医学工程与影像科学学院的学生史孟杰说，由于该框架已经在健康的人类志愿者身上得到验证，它可以集成到实时应用程序中。这可以为临床医生提供针头位置的实时反馈，以便他们在接收来自光声图像和超声图像的反馈以进行更好的手术时，可以高度自信地将针头接近手术目标。

“如果我们能够获得可以提供给手术的高成像质量，它将减少神经损伤等并发症，”施说。