2026.7.10本文提出DiffUCT用注意力增强RF到声速初估与条件扩散细化实现肌肉骨骼超声CT的快速高保真三维重建。Title题目01基于扩散模型的超声计算机断层成像实现肌肉骨骼组织高保真三维重建High-fidelity three-dimensional reconstruction of musculoskeletal tissues via diffusion based ultrasonic computed tomography文献速递介绍02论文首先指出超声成像具有无创、实时、低成本等优势但传统B-mode超声相较CT和MRI在空间分辨率、组织对比度和视野方面仍有明显不足并且容易受到散斑噪声和声学伪影影响。FWI将超声成像表述为基于完整波动方程的反问题可以利用散射、衍射等复杂波传播信息恢复声速等声学参数因此在乳腺、脑和肢体肌肉骨骼成像中具有潜力。然而FWI的非凸优化高度依赖初始模型容易陷入局部极小或出现cycle-skipping同时每个截面往往需要数十分钟量级的迭代计算。已有深度学习方法能直接从RF信号预测声速图加快重建速度但常用CNN和PSNR导向损失容易产生过平滑结果丢失血管、皮肤边界、骨小梁等高频细节。基于扩散模型在医学图像生成与重建中的细节保真能力作者提出DiffUCT用AttUCT作为RF信号到声速图的中间桥梁缓解RF时域信号与空间声速分布之间的域差异再以条件扩散过程对初始结果进行逐步细化。本文主要贡献包括提出扩散式超声CT框架、设计注意力增强的初始重建网络、采用10步DPM-Solver加速采样、提出联合训练与混合损失、并展示肌肉骨骼组织的三维可视化能力。Aastract摘要03传统B-mode超声在肌肉骨骼成像中受限于分辨率、对比度和视野FWI虽能利用完整波动信息提升参数成像质量却存在病态、依赖初值和迭代耗时长等问题。本文提出基于扩散模型的超声计算机断层成像框架DiffUCT先由注意力增强网络AttUCT将RF信号映射为初始声速图再用条件扩散模型逐步去噪细化组织结构。作者在10名健康受试者下肢数据及外部MORE数据上验证DiffUCT在测试集达到PSNR 37.78 dB、SSIM 0.9734、LPIPS 0.0097并以10步DPM-Solver采样实现0.126秒每层的重建速度。结果显示该方法显著优于DAS、FWI、MFWI及多种深度学习基线可重建皮肤、肌肉、脂肪、骨骼和血管等结构并支持高质量三维体渲染和任意截面观察。Method方法04方法部分先回顾FWI理论。FWI基于声波方程将待重建的声速分布c作为介质参数通过正演算子生成模拟压力场再最小化模拟信号与观测RF信号之间的差异并加入正则项。其核心困难是非线性病态优化、计算代价高和对初值敏感尤其在软组织与骨组织声阻抗差异较大时更易出现错误收敛。随后论文介绍DDPM扩散模型的基本原理前向过程逐步向真实图像加入高斯噪声反向过程学习逐步去噪从随机噪声恢复目标分布。DiffUCT的核心网络是两阶段结构。第一阶段AttUCT接收尺寸为128×4096×128的RF数据经过Step模块沿时间轴层级降维再通过带注意力门和瓶颈自注意力的UNet提取多尺度特征最后由Expand模块上采样生成512×512的初始声速图。注意力门用于在跳跃连接中筛选解剖相关特征自注意力用于捕获全局上下文。第二阶段是条件扩散细化模型它不直接以RF信号作为条件而是以AttUCT输出的初始声速图作为条件输入在UNet去噪网络中与噪声特征融合逐步恢复最终高质量声速图。训练上AttUCT使用预测声速图与真值之间的L2损失扩散阶段使用噪声预测损失加权AttUCT重建损失的混合目标权重λ设为0.8。作者认为该混合损失既约束全局声速结构又促进细节恢复避免扩散模型发生结构漂移。推理阶段采用DPM-Solver加速采样将训练中的100步扩散过程压缩为10步采样在尽量保持质量的同时显著降低重建时间。实验设置与数据实验使用10名20至30岁健康受试者的下肢CT数据经伦理审批后采集。每名受试者提取100个横断面共1000个截面。作者根据文献中的线性关系SoS等于0.82乘以HU再加1580将CT Hounsfield单位转换为声速真值图声速范围约为1400至2900 m/s覆盖脂肪、软组织和皮质骨等主要组织。随后使用128阵元、直径200 mm的环形换能器进行数值仿真中心频率0.5 MHz采样率20 MHz每通道4096个采样点按单阵元依次发射、全阵元接收的协议生成RF信号。数据按受试者独立方式划分为训练集800例、验证集100例、测试集100例。训练采用PyTorch 2.1.0和NVIDIA A100 GPU扩散过程设为100步余弦噪声调度Adam优化器学习率2×10⁻⁴batch size为4总训练50万次迭代。为考察跨数据集泛化作者还使用公开MORE数据集的下肢子集221张CT横断面按相同HU到声速转换和相同仿真协议生成外部测试数据并进行零样本验证。与B-mode超声和FWI的比较作者将DiffUCT与传统DAS波束形成的B-mode超声、直接全频FWI和多频渐进MFWI进行比较。视觉结果表明DAS主要显示软组织与骨之间的强界面难以恢复内部结构直接FWI受cycle-skipping影响明显只能捕获外部形态内部细节缺失MFWI通过逐步引入频率改善软组织区域表现但在骨密集区域仍有明显伪影。DiffUCT则能更接近真值地重建皮肤、肌肉、脂肪、骨骼和血管等结构。定量上DiffUCT在测试集达到PSNR 37.78 dB、SSIM 0.9734、LPIPS 0.0097明显优于MFWI的PSNR 24.91 dB、SSIM 0.6977、LPIPS 0.3392。速度方面DAS、FWI、MFWI分别耗时21.235秒、63.562秒和493.281秒每层而DiffUCT仅需0.126秒每层相比MFWI约快4000倍。这说明DiffUCT同时解决了传统FWI质量与速度难以兼得的问题。与深度学习方法的比较论文进一步将DiffUCT与AutoSoS、DEFE-UNet、DeepUCT、ViT等深度学习重建方法比较并单独评估AttUCT。结果显示传统深度学习模型虽然能较快预测声速图但在血管、骨内部结构和皮肤薄层等细节处普遍过平滑。AttUCT凭借注意力增强结构在血管轮廓和骨内部结构上优于常规网络但仍无法充分恢复极薄皮肤边界。DiffUCT通过扩散细化显著提升局部拓扑完整性和组织界面锐利度在血管区、骨区和皮肤层的放大图中最接近真值。横截面曲线分析也表明DiffUCT能更准确拟合血管和皮肤的声速剖面而其他方法要么无法解析血管形态要么在皮肤边界处出现明显偏差。测试集定量结果中DiffUCT的PSNR、SSIM和LPIPS均最佳AttUCT为第二梯队说明扩散阶段确实带来额外增益。误差图进一步显示DiffUCT相较AttUCT在皮肤边界、肌肉界面和血管区域的绝对误差明显降低说明性能提升不只是视觉纹理增强而是声速参数精度的真实改善。扩散模型设计与消融实验为验证扩散设计作者将条件DDPM形式的DiffUCT与BBDM、Cold Diffusion、EGSDE等图像到图像扩散模型进行比较。所有扩散模型都能取得较好结果但DiffUCT在PSNR 37.78 dB、SSIM 0.9734、LPIPS 0.0097上整体最优。Cold Diffusion的PSNR接近但LPIPS较差说明其模糊退化算子不如噪声建模适合超声CT声速重建。AttUCT消融实验显示注意力门比瓶颈自注意力对性能提升更显著二者同时使用时效果最佳验证了在跳跃连接中筛选解剖相关特征和在瓶颈层建模全局依赖的必要性。扩散步数优化实验考察10至2000步发现PSNR和SSIM从10步增加到100步时逐步改善超过100步后反而下降LPIPS在500步附近达到较好值但高步数会增加耗时并可能导致过细化或误差累积。因此训练扩散步数选为100步。采样策略比较显示10步DPM-Solver在验证集上达到PSNR 38.42 dB、SSIM 0.9767略优于100步DDPM同时将每层时间从1.135秒降至0.126秒过低采样步数如2或3步会导致崩溃。训练策略上联合训练优于先预训练AttUCT再微调的顺序训练原因是顺序训练中的PSNR导向预训练会形成过平滑初始结果而联合训练能保留更多细节供扩散阶段进一步强化。三维可视化与外部泛化由于DiffUCT单层重建速度快、背景伪影少作者将其用于连续200个下肢截面的逐层重建总耗时约25.2秒并用3D Slicer进行三维体渲染。通过设置不同声速阈值DiffUCT可分别突出骨骼、肌肉和脂肪分布其三维形态与X-Ray CT参考渲染具有较强一致性。进一步的任意截面分析显示模型可在股骨和膝关节区域提供轴位、冠状位和矢状位视图有利于临床从不同角度观察感兴趣区域。外部MORE数据集零样本测试中DiffUCT取得PSNR 29.61 dB、SSIM 0.917、LPIPS 0.062。相比同域测试性能有所下降表现为背景散斑、局部高声速簇状伪影和薄层高对比结构轻微模糊可能来自肢体尺寸、截面形状和数据分布差异。但大尺度肌肉和脂肪结构仍被较好恢复说明模型具备一定跨数据集泛化能力。Discussion讨论05讨论部分强调DiffUCT的优势来自四个关键设计两阶段架构将复杂反问题分解为RF到声速的初估和扩散细化100步扩散设置在质量与效率间取得平衡联合训练避免PSNR预训练带来的过平滑混合损失同时约束全局声速结构和局部细节。作者还解释了低频0.5 MHz超声的选择。肌肉骨骼成像需要穿透较深组织常规高频超声虽分辨率高但衰减强而在FWI类参数成像中低频成分有助于恢复宏观结构和避免cycle-skipping因此适合下肢肌肉骨骼超声CT。传统DAS在这种低频、稀疏阵元条件下图像质量较差也正说明需要更先进的波动或学习式反演方法。局限方面当前验证主要限于下肢健康数据1400至2900 m/s的声速范围未必覆盖更致密骨组织和更复杂病变方法依赖监督训练所需的准确声速真值而临床真实声速图难以获得训练数据主要来自数值仿真向真实系统迁移时可能存在sim-to-real差距包括电子噪声、环境干扰、换能器建模误差、耦合介质变化以及未建模的声吸收等。作者建议未来构建更大更丰富的多部位病理数据库探索半监督或无监督策略并结合物理先验增强、域适应来提高临床鲁棒性。Conclusion结论06论文总结认为DiffUCT是一种面向肌肉骨骼组织超声CT的高保真快速参数重建框架。它将注意力增强特征提取与条件扩散细化结合在测试集上取得PSNR 37.78 dB、SSIM 0.9734、LPIPS 0.0097并在10步DPM-Solver采样下实现0.126秒每层的推理速度。与DAS、FWI、MFWI和现有深度学习方法相比DiffUCT在图像质量、细节保留和计算效率上均有显著优势。其快速逐层重建能力支持三维体渲染和任意截面观察有望为肌肉骨骼结构评估、术前规划和临床导航提供新的安全、低成本成像方案。未来工作将集中在扩大验证数据、减少对精确真值标签的依赖以及提升真实临床场景下的泛化能力。Figure图07图1.该图概括了DiffUCT从环形阵列采集超声信号到输出声速图的整体流程。系统先获得RF数据经AttUCT生成初始声速条件再由扩散模型进行N步迭代细化最终预测肌肉骨骼截面的SoS分布。它说明本文不是直接用扩散模型处理原始RF信号而是通过AttUCT建立中间声速表示以缓解域差异。图2.该图展示DiffUCT的核心机制数据流程将声速图归一化与预处理扩散流程在前向阶段加噪在反向阶段通过Denoising UNet逐步去噪条件模块由RF数据经AttUCT产生初始声速图cinit并作为反向扩散的引导。该图强调了条件扩散模型负责细节增强和结构修复是本文方法区别于普通CNN回归的关键。图3.该图给出AttUCT的网络细节包括用于时间维压缩的Step模块、带跳跃连接的UNet模块和恢复空间分辨率的Expand模块。下方展示注意力门和自注意力的实现方式注意力门用于筛选跳跃连接中的有效解剖特征自注意力用于捕获全局依赖。消融实验也证明两者共同使用可提升初始重建质量。图4.该图直观比较传统DAS、直接FWI、多频MFWI、DiffUCT和真值。DAS主要呈现强界面且噪声重FWI出现明显局部极小和伪影MFWI改善软组织但在骨区仍不稳定DiffUCT在软组织、骨结构和整体轮廓上最接近真值。该图支撑了DiffUCT在质量上超过传统波束形成和波动反演方法的主要结论。图5该图在血管、骨区域和皮肤层三个关键局部结构上比较AutoSoS、DEFE-UNet、DeepUCT、ViT、AttUCT、DiffUCT和真值。常规深度学习方法普遍过平滑并丢失细小结构AttUCT有所改善但仍有限DiffUCT能更清晰地恢复血管轮廓、骨内结构和薄皮肤边界。它体现扩散细化对高频解剖细节的贡献。图6该图展示AttUCT和DiffUCT相对真值的绝对误差图颜色范围为0至50 m/s。DiffUCT在皮肤边界、肌肉界面和血管区域的误差显著降低说明扩散阶段不仅改善视觉外观也提升了声速参数的定量准确性。该图对论文关于真实结构恢复而非生成伪纹理的论点很关键。图7.该图统计不同扩散步数下的PSNR、SSIM、LPIPS和推理时间。结果显示图像质量从10步到100步逐步提升过多步数后PSNR和SSIM下降而推理时间近似线性增加。该图支持作者选择100步作为训练扩散过程的合理配置并说明扩散步数并非越多越好。图8.该图比较顺序训练和联合训练下AttUCT与DiffUCT的重建结果。顺序训练因预训练阶段偏向PSNR而产生更平滑的初始结果后续扩散也继承细节不足联合训练虽然初始结构连续性略有变化但保留更多组织纹理使最终DiffUCT在细节和结构一致性上更接近真值。图9.该图展示DiffUCT在不同声速阈值下的三维渲染并与X-Ray CT参考结果比较。较高阈值突出骨骼结构较低阈值可显示肌肉组织不设下限则呈现脂肪等更广泛组织分布。该图说明DiffUCT不仅能做二维截面重建还能支持类似CT的三维肌肉骨骼可视化。图10.该图展示基于DiffUCT体数据对股骨和膝关节区域进行三平面观察包括轴位、冠状位和矢状位视图。结果表明逐层重建后的三维体数据可被任意切片分析有助于临床从最佳角度检查局部解剖结构。图11.该图比较DiffUCT在外部MORE下肢数据上的预测声速图与真值。虽然存在背景伪影和边界轻微模糊主要肌肉、脂肪和骨结构仍被较好保留说明模型在零样本跨数据集条件下具备一定泛化能力但也暴露出域偏移下精细结构恢复仍需改进。