成像设施总工艺师丁明跃团队研究论文“P²INR-FWI: an Implicit Neural Representation Method for Speed of Sound Image Reconstruction in Ultrasound Computed Tomography”近期被医学影像顶级会议MICCAI录用，同时进入2025 MICCAI的Best Paper/Young Scientist Award候选名单。
P²INR-FWI算法框架图
现有的全波形反演（FWI）是主流重建方法，但存在两个核心问题：一是对初始模型高度敏感，容易陷入局部最优；二是循环跳跃伪影导致结构失真。该团队提出的P²INR-FWI框架主要有三点核心创新：在极坐标隐式神经表示（INR）方面，不同于传统笛卡尔坐标，该研究采用径向-角度坐标嵌入（RACE），更符合超声计算机断层成像（USCT）环形传感器的几何特点，另通过傅里叶特征嵌入，增强了高频细节的学习能力；在结构先验提取（Structural Prior Extraction）方面，通过反射信号，利用赤池信息准则（AIC）方法识别组织边界，生成感兴趣区域（ROI）的结构掩码；在物理约束优化方面，通过网络输出的声速图经过正演模型与观测信号对比，不断迭代优化进一步优化。
数值实验、乳腺仿体实验、活体实验均表明本文方法显著优于FWI和mFWI，证明了其在重建精度、收敛速度和鲁棒性上的优势，可为乳腺癌筛查与诊断提供更可靠的声速成像技术支持。
原文链接：https://papers.miccai.org/miccai-2025/paper/2163_paper.pdf
