基于交替状态空间模型与注意力机制的光学多普勒断层成像稀疏重建

光学相干多普勒断层成像（ODT）是一种新兴的血流成像技术。ODT 的基本单元是名为原始 A 扫描（或 A 线）的一维深度分辨轨迹。二维 ODT 图像（B 扫描）是通过对沿 B 线的原始 A 扫描进行多普勒相位相减，重建截面血流图像而形成的。为了获得高保真度的 B 扫描，目前需要密集采样的 A 扫描，这导致扫描时间延长和存储需求增加。针对这一问题，我们提出了一种带有交替状态空间注意力网络（ASSAN）的新型稀疏 ODT 重建框架，有效减少了所需的原始 A 扫描数量。受 A 线和 B 线上信息截然不同分布的启发，ASSAN 将一维状态空间模型（SSM）应用于每条 A 线以学习 A 扫描内部表示，同时沿 B 线使用一维门控自注意力来捕获 A 扫描间特征。此外，采用基于沿不同轴的序列一维卷积的有效前馈网络来增强局部特征。在真实动物数据上的验证实验中，与最先进的重建方法相比，ASSAN 展现出明显的重建有效性。