利用自然涨落在光声成像中实现基于矩阵的像差校正

光声成像是对深层组织进行光学成像的领先技术，能够实现深度上的单次激发成像。然而，其分辨率可能受到声学像差的限制，这些像差由组织中声速的天然未知非均匀性引起。近年来，基于反射矩阵的散射补偿技术已成功应用于超声、光学和地震学中，通过计算来校正此类畸变。然而，这些技术尚未被应用于光声成像，因为它们依赖于在不同受控激发（例如输入平面波照射）下的多次采集，而这在光声成像中不会导致信号变化。在此，我们引入一个框架，使得最先进的基于反射矩阵的像差校正技术能够直接应用于动态目标的光声成像。具体来说，我们证明了对动态目标（例如血管中流动的红细胞）的一组常规光声帧进行协方差矩阵分析，可以产生一个虚拟反射矩阵，该矩阵在数学上类似于脉冲回波反射矩阵，并可直接由传统的基于反射矩阵的散射补偿算法进行处理。我们在模拟和实验中，对含有流动吸收体的血管模拟目标的光声像差校正方法进行了验证和演示。