2、光声成像基本原理：光声效应、热弹性膨胀、超声信号产生机制、光声信号与光吸收分布的关系
光声成像（Photoacoustic Imaging, PAI）的核心物理基础是光声效应（Photoacoustic Effect），该效应由亚历山大·格雷厄姆·贝尔在1880年首次发现，但直到激光技术和超声传感器成熟后才真正进入生物医学应用领域。理解光声成像的基本原理，需要沿着一条清晰的物理链路展开：短脉冲激光照射生物组织 → 组织中的吸收体（如血红蛋白、黑色素）吸收光子能量 → 局部温度瞬时升高 → 热弹性膨胀产生压力波 → 压力波以超声形式传播 → 超声换能器接收信号 → 重建光吸收分布图像。本章将逐一拆解这一链路中的关键环节，帮助学习者建立从光子到声子、从能量沉积到图像重建的完整物理认知。
2.1 光声效应：从光子吸收到压力波产生的物理链条
光声效应的本质是光能到机械能的转换。当短脉冲激光照射生物组织时，组织内的吸收体（如氧合血红蛋白、脱氧血红蛋白、黑色素、脂质等）在纳秒级时间内吸收光子能量，电子从基态跃迁到激发态，随后通过非辐射弛豫过程将能量转化为热能。这一过程导致吸收体局部温度瞬时升高（通常为毫开尔文到开尔文量级），进而引起周围介质的热弹性膨胀，产生一个初始压力升高区域。由于激光脉冲宽度（通常5-10 ns）远小于热扩散时间（热约束条件）和应力传播时间（应力约束条件），热量来不及扩散，压力也来不及释放，因此可以认为光吸收产生的压力增量与局部光能量沉积密度成正比。
光声效应的数学描述由光声波动方程给出：
∇²p(r,t) - (1/vs²) · ∂²p(r,t)/∂t² = - (β/Cp) · ∂H(r,t)/∂t其中，p为声压，vs为声速，β为热膨胀系数，Cp为比热容，H为热源函数（即单位体积吸收的光能量密度）。在热约束和应力约束同时满足的条件下，初始声压p₀可以简化为：
p₀(r) = Γ(r) · H(r) = Γ(r) · μa(r) · Φ(r)式中，Γ为Grüneisen系数（无量纲，生物组织典型值约0.1-0.3），μa为光学吸收系数（cm⁻¹），Φ为光通量（J/cm²）。这一公式是光声成像最核心的定量关系，它表明光声信号强度直接反映局部光吸收能量密度，而光吸收能量密度又由吸收体的浓度和入射光通量共同决定。
| 参数 | 符号 | 典型值/范围 | 物理意义 |
|---|---|---|---|
| Grüneisen系数 | Γ | 0.1-0.3（生物组织） | 热-声转换效率 |
| 吸收系数 | μa | 0.1-100 cm⁻¹ | 单位路径光吸收概率 |
| 光通量 | Φ | 1-100 mJ/cm² | 到达吸收体的光能量密度 |
| 热膨胀系数 | β | ~3×10⁻⁴ K⁻¹（水） | 温度变化引起的体积变化率 |
| 比热容 | Cp | ~4.2 J/(g·K)（水） | 单位质量物质升高1K所需热量 |
2.2 热弹性膨胀与超声信号产生机制
热弹性膨胀是连接光吸收与声波发射的桥梁。当吸收体温度升高ΔT时，其体积膨胀量ΔV与温度变化满足：ΔV/V = β·ΔT。由于激光脉冲极短，吸收体周围的介质来不及发生热扩散，局部温升产生的热应力会以弹性波的形式向外传播，形成宽频超声脉冲。这一过程需要满足两个关键的时间约束条件：
- 热约束（Thermal Confinement）：激光脉冲宽度τ_p远小于热扩散时间τ_th = δ²/(4α_th)，其中δ为吸收体特征尺寸，α_th为热扩散系数。满足该条件时，热量在脉冲期间几乎不扩散，温升完全由光吸收决定。
- 应力约束（Stress Confinement）：激光脉冲宽度τ_p远小于应力传播时间τ_s = δ/vs。满足该条件时，压力波在脉冲期间来不及传播，初始声压与光吸收能量密度成正比。
对于生物组织中的微血管（直径约10-100 μm），热扩散时间约为微秒量级，应力传播时间约为纳秒量级，因此使用5-10 ns的激光脉冲可以同时满足两个约束条件。超声信号的频率成分与吸收体尺寸密切相关：吸收体越小，产生的超声信号频率越高（中心频率约0.5-50 MHz），这为光声成像提供了天然的尺寸分辨能力。
2.3 光声信号与光吸收分布的关系：定量重建基础
光声成像的最终目标是重建组织内部的光吸收分布H(r)。由于初始声压p₀(r)正比于H(r)，而超声换能器在组织表面测量到的声压信号p(r_d, t)是内部声源传播到探测点的叠加结果，因此可以通过求解逆问题来重建光吸收分布。在理想条件下（均匀声速、无衰减、无限孔径探测），重建公式可表示为：
H(r) = - (1/(2π·vs²)) · ∫∫ [p(r_d, |r-r_d|/vs) / |r-r_d|] · dΩ_d其中，r_d为探测点位置，Ω_d为探测立体角。实际系统中，由于探测孔径有限、声速不均匀、声衰减等因素，重建图像会出现分辨率下降和伪影。常用的重建算法包括：
- 延迟求和（Delay-and-Sum）反投影：计算简单、速度快，适用于实时成像，但图像质量受限于孔径大小。
- 时间反演（Time Reversal）：通过数值求解波动方程将接收信号反向传播，精度高，但计算量大。
- 模型迭代重建：建立声传播模型，通过优化算法迭代求解光吸收分布，抗噪能力强，但需要精确的声速分布先验信息。
值得注意的是，光声信号反映的是光吸收能量密度H(r) = μa(r)·Φ(r)，而非单纯的吸收系数μa(r)。由于光在组织中的传输受到散射和吸收的共同影响，光通量Φ(r)在组织深处会显著衰减，因此相同浓度的吸收体在浅表处产生的光声信号比深处更强。这一现象称为"光通量衰减效应"，是定量光声成像（qPAI）需要解决的核心问题之一。定量光声成像通常需要结合光传输模型（如扩散方程或蒙特卡洛模拟）来估计光通量分布，进而从H(r)中解耦出μa(r)。
2.4 案例拆解：血管成像中的光声信号解读
以小鼠脑皮层血管成像为例，说明光声信号与光吸收分布的关系。实验条件：使用532 nm波长激光（血红蛋白吸收较强），脉冲能量20 mJ/cm²，超声换能器中心频率10 MHz，带宽80%。
初始现象与目标：在图像中观察到两条平行血管，血管A直径约50 μm，血管B直径约150 μm。目标是定量比较两条血管的血氧饱和度差异。
关键数据与信号特征：
| 血管 | 光声信号幅度（a.u.） | 信号中心频率（MHz） | 信号带宽（MHz） |
|---|---|---|---|
| 血管A（50 μm） | 0.42 | 18.5 | 12-25 |
| 血管B（150 μm） | 0.38 | 8.2 | 5-12 |
分析判断过程：血管A的信号幅度略高于血管B，但考虑到血管B直径更大，理论上应包含更多血红蛋白，信号幅度应更高。初步判断可能是血管A位于更浅层（光通量更高）或血管B的氧合状态不同。进一步分析信号频谱发现，血管A的中心频率明显高于血管B，这与小尺寸吸收体产生高频信号的物理规律一致。通过双波长照射（532 nm和560 nm），分别获取两个波长下的光声信号，计算血氧饱和度：
SO₂ = [HbO₂] / ([HbO₂] + [Hb])
= (R·ε_Hb(λ2) - ε_Hb(λ1)) / (ε_HbO₂(λ1) - ε_HbO₂(λ2) - R·(ε_Hb(λ2) - ε_HbO₂(λ2)))其中R为两个波长下的光声信号比值。计算结果显示血管A的SO₂为92%，血管B的SO₂为75%，说明血管B更可能是静脉血。
实际操作步骤：① 使用532 nm和560 nm双波长激光交替照射；② 采集每个波长下的光声信号；③ 对信号进行带通滤波（5-30 MHz）去除低频噪声；④ 提取血管区域的峰值幅度；⑤ 代入公式计算SO₂；⑥ 进行光通量补偿（利用蒙特卡洛模拟估计不同深度处的光通量衰减）。
结果对比与复盘：补偿后血管A的SO₂为91%，血管B为74%，与未补偿结果差异不大（因为两条血管深度接近）。但若血管位于不同深度，光通量补偿至关重要。本案例的教训是：不能仅凭单波长信号幅度判断血氧状态，必须结合多波长比值和频谱特征综合分析。