近期，中国科学院上海光学精密机械研究所高端光电装备部研究团队在光学分辨率光声显微成像（OR-PAM）研究方面取得重要突破。
OR-PAM凭借其高光学对比度与低声学散射优势，在肿瘤检测、脑科学、眼科等领域广泛应用。然而，传统提升OR-PAM分辨率的方法需增加光学数值孔径，这不仅导致成像工作距离缩短、焦深减小，还会使微小的光学缺陷被显著放大。尽管现有去卷积算法可提升分辨率，但图像信噪比的下降常导致细节丢失甚至产生伪影，制约了其临床应用。
研究团队提出一种基于稀疏性和反卷积的光声图像超分辨重建算法。该算法主要分为两部分：（1）稀疏重建，构建损失函数引入图像稀疏性约束，通过分裂Bregman算法抑制噪声干扰，增强图像高频成分，突破传统去卷积的频带限制；（2）梯度加速Landweber迭代，基于稀疏重建结果，采用快速收敛的迭代策略恢复高频细节，最终实现高分辨率图像重构。实验数据显示，该算法对小鼠视网膜血管的成像分辨率从6.2μm提升至3.8μm，图像变异系数从0.6提升至2.85，显示出了更高灰度、离散度及细节保留能力。即使在高噪声条件下，其重建效果仍显著优于现有Richardson-Lucy算法，有效避免了噪声伪影问题。
此项技术的核心优势在于无需改造昂贵的光学硬件，仅通过算法升级即可突破衍射极限。为OR-PAM在眼科疾病筛查（如高分辨率视网膜血管成像助力糖尿病视网膜病变的早期筛查）、肿瘤微环境观测（如精准观测肿瘤血管生成与药物代谢过程）以及神经科学（如活体状态下解析脑部微循环网络动态）等医学场景开辟了新路径。
图1 基于本算法对小鼠视网膜图像进行超分辨率重建。（a） 原始视网膜图像，（b）基于所提出的高分辨率视网膜图像算法，（c）图1（a）、（d）中白色虚线框中视网膜结构的放大细节图1（b）中白色虚线框中视网膜结构的放大细节
图2 基于提出算法的小鼠视网膜图像分辨率定量对比分析。（a）图1(a)（算法处理前）与图1(b)（算法处理后）水平线位置处的横截面灰度剖面曲线；(b) 对应图1(a)中L1、L2、L3位置处的半高宽（FWHM）对比；(c) 图1(a)与图1(b)垂直线位置处的横截面灰度剖面曲线；(d) 对应图1(c)中L4、L5位置处的FWHM对比
