SlingBAG Pro：针对任意阵列几何结构的基于点云的 3D 光声成像迭代重建加速算法
计算机视觉与模式识别
2026-01-07 v2
摘要
高质量的三维（3D）光声成像（PAI）正逐渐受到临床应用的关注。为解决空间受限和成本高昂的挑战，符合特定成像区域要求的不规则几何阵列 transducer 备受推崇，能够以更少的 transducer 实现高质量 3D PAI。然而，传统的迭代重建算法在不规则阵列配置下难以处理， suffer from 高计算复杂度、巨大的内存要求以及漫长的重建时间。本文引入 SlingBAG Pro，这一基于 Sliding ball adaptive growth（SlingBAG）方法中点云迭代概念的高级重建算法，同时扩展了其对任意阵列几何结构的兼容性。SlingBAG Pro 保持高质量的重建效果，减少所需 transducer 数量，并采用分层优化策略，将零梯度滤波与 progressively increased temporal sampling rates（逐渐增加的temporal采样率）相结合，以加速迭代过程。该策略快速移除冗余的空间点云，加快收敛速度，并显著缩短总体重建时间。与原始 SlingBAG 算法相比，在不规则阵列几何结构下，SlingBAG Pro 实现了点云-based 3D PA 重建速度提升最高可达 2.2 倍。该方法通过仿真和体内小鼠实验进行验证，源代码已公开于 https://github.com/JaegerCQ/SlingBAG_Pro。
引用
@article{arxiv.2601.00551,
title = {SlingBAG Pro: Accelerating point cloud-based iterative reconstruction for 3D photoacoustic imaging with arbitrary array geometries},
author = {Shuang Li and Yibing Wang and Jian Gao and Chulhong Kim and Seongwook Choi and Yu Zhang and Qian Chen and Yao Yao and Changhui Li},
journal= {arXiv preprint arXiv:2601.00551},
year = {2026}
}