光学分子影像：用光学信息捕捉到肿瘤“恶魔”

从二维到三维，科学家一直在尝试

然而，光学分子影像却不得不面对一个明显的瓶颈：所有的光学图像只能定性地反映动物体表是否有光透出，这是一种二维成像，无法反映出光源在生物体内的三维空间位置，难以确定肿瘤具体发生在动物体内的哪个器官、哪片组织。

所以，科学家们开展琢磨，如何才能把光学分子影像技术从二维发展到三维？于是，光学散射断层成像方法被逐步提出，试图通过动物体表的二维光斑图像，三维重建出动物体内的光源位置。

这种重建策略在2000年左右就被提出，经过近20年的发展，科学家们在模型精度和算法速度方面已经做了很多的工作。但是，由于光子在生物体内不走直线，而是高散射传播，生物体内不同器官和组织对于光子的散射能力又千差万别。因此，这种方法一直受困于成像精度不够、实用性不足。

利用AI，画出“不走寻常路”肿瘤细胞的三维影像图

日前，中国科学院自动化研究所分子影像院重点实验室，摒弃了传统成像方法的思路，提出一种基于人工智能策略的新型重建方法。

该网络以鼠脑结构为依托训练重建模型，并以2D光学分子成像结果作为网络输入，重建得到三维光学光源（脑胶质瘤）分布结果。

这种方法充分利用了人工智能网络的优势，完全舍弃构建模型去描述光子在生物体内的传播，而是构建了大量的仿真数据集训练人工智能网络，让计算机自己去“学习”和“理解”体表光斑和体内光源的关系，然后构建出一个新的模型，最终准确定位肿瘤细胞的三维位置，绘制出它活动路径的三维分布图。

该方法显著提高了成像精度。一系列实验结果表明，这种新型人工智能方法对于肿瘤的三维定位误差均小于80微米，而传统方法的定位误差为350微米以上。

这项研究表明，人工智能在提高生物医学成像的成像精度上，有着显著的优越性和应用潜力，为疾病动物模型乃至临床患者的影像学研究提供了全新的思路。

也就是说，借助人工智能的力量，人们在定位和跟踪肿瘤“恶魔”的进程中，又往前迈进了一步。而如何更快、更准确地找到肿瘤“恶魔”，依然是科学家们所努力的方向。