用于三维光声断层成像直接反演的物理感知神经算子
图像与视频处理
2026-03-10 v2 机器学习
摘要
学习物理约束的反演算子——而非对基于物理的重建结果进行后处理——是解决具有昂贵正向模型问题的一种广泛适用的策略。我们在三维光声计算机断层扫描（3D PACT）中展示了这一原理，当前系统需要密集的传感器阵列和长时间的扫描，限制了其临床转化。我们引入了 PANO（PACT 成像神经算子），一种端到端的物理感知神经算子——一种无需重新训练即可泛化至不同输入采样密度的深度学习架构——它直接学习从原始传感器测量到三维体积图像的反演映射。与先重建后去噪的两步法不同，PANO 在单次过程中执行直接反演，联合嵌入物理先验和数据先验。它采用球面离散-连续卷积以遵循半球形传感器几何结构，并利用 Helmholtz 方程约束以确保物理一致性。PANO 能够从多种稀疏采集设置下的模拟和真实数据中重建出高质量图像，实现了实时推理，并在模拟数据的余弦相似度上比广泛使用的 UBP 算法高出约 33 个百分点，在真实体模数据上高出 14 个百分点。这些结果为面向临床前研究的更易普及的 3D PACT 系统建立了一条途径，并激励了未来面向临床转化的体内验证。
引用
@article{arxiv.2509.09894,
title = {Physics-Aware Neural Operators for Direct Inversion in 3D Photoacoustic Tomography},
author = {Jiayun Wang and Yousuf Aborahama and Arya Khokhar and Yang Zhang and Chuwei Wang and Karteekeya Sastry and Julius Berner and Yilin Luo and Boris Bonev and Zongyi Li and Kamyar Azizzadenesheli and Lihong V. Wang and Anima Anandkumar},
journal= {arXiv preprint arXiv:2509.09894},
year = {2026}
}