[论文解读] Feasibility of Acousto-Electric Tomography

Bjørn Jensen, Adrian Kirkeby+1 more|arXiv (Cornell University)|Aug 9, 2019

Electrical and Bioimpedance Tomography参考文献 31被引用 4

一句话总结

本文提出了一种两步计算框架用于光声电断层扫描（AET），通过边界测量重建内部电导率，首先恢复功率密度，再恢复电导率。尽管由于弱光声电耦合和约翰逊-奈奎斯特噪声导致信噪比（SNR）极低，数值实验表明即使在1000%相对噪声（SNR = -10 dB）下仍能稳健重建特征，表明其在数学上可行，但若无信号增强则在实际中不可行。

ABSTRACT

In acousto-electric tomography the goal is to reconstruct the electric conductivity in a domain from electrostatic boundary measurements of corresponding currents and voltages, while the domain is penetrated by a time-dependent acoustic wave. We explicitly model the phenomena, and we propose a complete inversion framework for acousto-electric tomography in two steps: First the interior power density is obtained from boundary measurements by solving a linear, ill-posed problem; second the interior conductivity is reconstructed from the power density by solving a non-linear, fairly well-posed problem. We perform numerical experiments on synthetic data with realistically chosen parameters. We investigate how feasibility of reconstructing the electrical conductivity from boundary measurements depends on the acousto-electric coupling constant and measurement noise. Our findings are positive, and indicate that AET is indeed feasible for interesting applications in for example medical imaging. Finally, we consider a limited angle setup and show that the conductivity is well reconstructed near the measurement boundary.

研究动机与目标

• 评估使用真实物理参数的光声电断层扫描（AET）在医学成像中的可行性。
• 开发完整的AET计算反演框架，包括信号建模与噪声分析。
• 量化AET中的临界信号强度与约翰逊-奈奎斯特噪声水平，以评估实际可用性。
• 研究AET在真实噪声条件下是否能实现稳定、高质量的电导率重建。

提出的方法

• 使用线性化电导率扰动模型模拟光声电效应：σₚ(x,t) = σ(x)(1 + ηp(x,t))，其中η为已知耦合参数。
• 通过已知声速和外源的标量波方程模拟声波传播。
• 利用线性反问题求解方法，从边界电压和电流测量值重建内部功率密度。
• 采用非线性、适定的反问题方法，从功率密度重建电导率分布。
• 对功率密度算子H的重建应用截断奇异值分解（TSVD）以提高稳定性。
• 在合成数据上进行数值实验，逐步增加相对噪声水平（最高达1000%），以测试鲁棒性。

实验结果

研究问题

• RQ1 在真实噪声条件下，光声电断层扫描能否实现稳定且准确的电导率重建？
• RQ2 在临床可行的AET设置中，信噪比（SNR）是多少？是否足以支持诊断成像？
• RQ3 在高噪声条件下，多个声波及边界条件带来的数据冗余如何影响重建的鲁棒性？
• RQ4 约翰逊-奈奎斯特噪声在AET中在多大程度上主导可测量信号？是否可被抑制？

主要发现

• 即使在1000%相对噪声水平（SNR = -10 dB）下，电导率特征的重建仍可辨识，表明对噪声具有极强鲁棒性。
• 由于多个声波及边界条件带来的数据冗余，该方法对随机噪声表现出显著抗性。
• 约翰逊-奈奎斯特噪声被估计为比光声电信号大几个数量级，使得实际实现极具挑战性。
• 尽管数学性质优良且具有鲁棒性，但当前技术下所需的信噪比仍不足以支持高分辨率医学成像。
• 两步反演框架——先重建功率密度，再重建电导率——在极端噪声条件下证明了其有效性和稳定性。
• 本研究结论认为，AET可能适用于材料科学中的异常检测或低分辨率成像，但若无重大信噪比提升，无法用于高分辨率医学诊断。