发布日期: 2025-08-26

更新日期: 2025-08-28

文章字数: 1.8k

阅读时长: 7 分

阅读次数:

⚠️ 以下所有内容总结都来自于大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-08-26 更新

Transcranial Photoacoustic Imaging for Human Intracranial Pressure Evaluation

Authors:Ruixi Sun, Hengrong Lan, Yuanyuan Dang, Yunhui Jiang, Youshen Xiao, Sheng Liao, Fan Zhang, Daohuai Jiang, Zhongqi Li, Hulin Zhao, Fei Gao

Photoacoustic imaging (PAI), by combining high optical contrast with ultrasonic resolution, offers a promising noninvasive approach for dynamic monitoring of cerebral vasculature. However, transcranial PAI still faces significant challenges due to strong attenuation of both optical and acoustic signals by the skull. In this study, we propose a multi-wavelength photoacoustic tomography system and method for intracranial pressure (ICP) assessment, enabling visualization of cross-sectional structures of the middle cerebral artery (MCA) through the human temporal bone. By utilizing multi-wavelength excitation in the near-infrared-I (NIR-I) window, quantitative maps of blood oxygen saturation ($\mathbf{sO_2}$) are reconstructed, and the relationship between oxygenation dynamics and ICP variations is established. Experimental results demonstrate that the proposed system can successfully capture dynamic $\mathbf{sO_2}$ fluctuations in the MCA despite skull attenuation, revealing its characteristic responses to ICP changes. This work provides a high-precision, noninvasive imaging tool for early stroke diagnosis, cerebral vascular function assessment, and neurointerventional guidance, highlighting the clinical translational potential of PAI in neuroscience.

光声成像（PAI）结合了高光学对比度和超声波分辨率，为动态监测脑血管提供了有前景的非侵入性方法。然而，由于颅骨对光学和声学信号的强烈衰减，跨颅PAI仍然面临重大挑战。在这项研究中，我们提出了一种用于评估颅内压（ICP）的多波长光声断层扫描系统和方法，能够通过人体颞骨实现大脑中动脉（MCA）横截面结构的可视化。通过利用近红外I（NIR-I）窗口的多波长激发，重建了血氧饱和度（sO2）定量图，并建立了氧合动力学与ICP变化之间的关系。实验结果表明，所提出系统能够成功捕获MCA中的动态sO2波动，尽管存在颅骨衰减，仍显示出其对ICP变化的特征响应。这项工作为早期中风诊断、脑血管功能评估和神经介入指导提供了高精度、非侵入性的成像工具，突出了PAI在神经科学中的临床转化潜力。

论文及项目相关链接

PDF Co-first authors: Ruixi Sun, Hengrong Lan, Yuanyuan Dang. Corresponding authors: Zhongqi Li (jasonlee0091@outlook.com), Hulin Zhao (zhaohulin_90@sohu.com), Fei Gao (fgao@ustc.edu.cn)

Summary

基于光声和超声波成像的光声成像技术（PAI）在动态监测脑血管方面具有巨大潜力。本研究提出了一种多波长光声断层扫描系统和方法，用于评估颅内压（ICP），并可视化通过人额骨的中脑动脉（MCA）的横截面结构。利用近红外-I窗口的多波长激发，重建了血氧饱和度定量图，并建立了氧合动力学与ICP变化之间的关系。实验结果表明，该系统能够成功捕获MCA中的血氧饱和度动态变化，揭示了其对ICP变化的特征响应。这为早期中风诊断、脑血管功能评估和神经介入治疗提供了高精度、无创的成像工具，突显了PAI在神经科学中的临床转化潜力。

Key Takeaways

光声成像技术结合了光学对比度和超声波分辨率，为动态监测脑血管提供了有前景的非侵入性方法。
通过多波长激发和近红外-I窗口技术，实现了颅内动脉血氧饱和度的定量评估。
光声成像能够可视化通过人额骨的中脑动脉的横截面结构。
系统成功捕获了血氧饱和度对颅内压变化的动态响应。
此技术有助于早期中风诊断、脑血管功能评估和神经介入治疗。
光声成像技术在神经科学领域具有巨大的临床转化潜力。

Cool Papers

点此查看论文截图

LBM: Latent Bridge Matching for Fast Image-to-Image Translation

Authors:Clément Chadebec, Onur Tasar, Sanjeev Sreetharan, Benjamin Aubin

In this paper, we introduce Latent Bridge Matching (LBM), a new, versatile and scalable method that relies on Bridge Matching in a latent space to achieve fast image-to-image translation. We show that the method can reach state-of-the-art results for various image-to-image tasks using only a single inference step. In addition to its efficiency, we also demonstrate the versatility of the method across different image translation tasks such as object removal, normal and depth estimation, and object relighting. We also derive a conditional framework of LBM and demonstrate its effectiveness by tackling the tasks of controllable image relighting and shadow generation. We provide an implementation at https://github.com/gojasper/LBM.

在本文中，我们介绍了潜在桥梁匹配（LBM）这一新方法，它具有强大的多功能性和可扩展性，并依赖于潜在空间的桥梁匹配实现快速图像到图像的翻译。我们证明了该方法只需要一次推断步骤就能在各种图像到图像的任务上达到最先进的性能。除了效率外，我们还展示了该方法在不同图像翻译任务中的通用性，如目标移除、正常和深度估计以及目标重新照明等。我们还推导了LBM的条件框架，并通过解决可控图像重新照明和阴影生成的任务来证明其有效性。我们在https://github.com/gojasper/LBM上提供了实现代码。

论文及项目相关链接

PDF Accepted to ICCV 2025

Summary
在这个论文中，我们引入了Latent Bridge Matching（LBM）这个新方法，它是一种灵活、可缩放的方法，可以在潜在空间中依靠Bridge Matching来实现快速的图像到图像的翻译。它只用一次推理步骤就能在各种图像到图像的翻译任务上达到领先水平，展现了高效性和在图像翻译任务中的灵活性，如目标移除、光照调整和深度估计等。我们还推导出了LBM的条件框架，并通过控制图像的重照光和阴影生成来验证其有效性。我们提供了一公开代码的实现：https://github.com/gojasper/LBM。

Key Takeaways