融合光声与超声的小动物活体多模态成像系统，整合了光声成像（兼具光学分子特异性与超声深穿透性）与超声成像（擅长结构细节呈现）的技术优势，可对小动物活体进行无创成像。该系统通过两种模态的信息互补，既能捕捉生物组织的功能代谢特征（如血氧水平），又能清晰显示其解剖结构，有效提升了成像的对比度、深度与信息量，为生物医学研究中疾病模型构建、药物作用机制分析、生理过程动态监测等提供了更全面的活体成像解决方案。

一、技术原理：光声与超声的协同增效

1.光声成像（PAI）

物理机制：脉冲激光照射生物组织时，光吸收体（如血红蛋白、黑色素或外源性纳米探针）吸收光能转化为热能，引发局部热弹性膨胀并产生超声波。通过超声探头接收并重建这些信号，可生成高对比度、高分辨率的图像。

核心优势：

穿透深度：突破传统光学成像限制，可达50 mm（如TomoWave系统），同时保持亚微米至微米级分辨率。

功能成像：通过多波长光谱分析（如680-2300 nm全光谱扫描），可定量检测血氧饱和度（sO₂）、血红蛋白含量及代谢状态。

分子特异性：结合外源性探针（如近红外荧光染料、半导体聚合物纳米粒子），实现肿瘤靶向成像或药物载体追踪。

2.超声成像（USI）

物理机制：高频超声探头（如Vevo LAZR-X的MX550D探头，中心频率40 MHz）发射超声波，通过组织反射回声生成解剖结构图像。

核心优势：

高分辨率解剖成像：Vevo LAZR-X可实现30 μm轴向分辨率，清晰显示小鼠胚胎血管或皮下肿瘤边缘。

多模式功能扩展：支持B模式（灰阶）、M模式（运动）、彩色多普勒（血流方向/速度）、脉冲多普勒（精确血流测量）等，全面评估心脏功能或肿瘤血管生成。

3.多模态融合

同轴共定位：光声与超声信号通过同一探头同步采集，实现结构（超声）与功能（光声）图像的精准叠加。例如，在肿瘤研究中，超声可定位肿瘤边界，而光声可揭示内部血管新生或缺氧区域。

三模态扩展：部分系统（如Vevo LAZR-X）可集成荧光成像，通过内源性（血红蛋白）与外源性（荧光探针）对比剂联合增强肿瘤检测灵敏度。

二、核心性能指标与设备选型

参数 Vevo LAZR-X（VisualSonics） TomoWave（美国） 光声科技PASONO-ANI

分辨率 30 μm（MX700探头） 150 μm 微米级（3 mm内组织）

穿透深度 ≥4 cm ≥4.5 cm 未明确（侧重浅层高分辨）

波长范围 680-970 nm & 1200-2000 nm（双波长） 660-2300 nm（全光谱） 未明确（支持多波长）

成像速度 未明确（支持实时动态监测） 3秒完成2.5×2.5×2.5 cm³区域扫描 实时二维断层叠加生成三维图像

灵敏度 <100 nM（染料/纳米材料） 1 pmole/L 未明确

探头配置 MX250（14-28 MHz）、MX550D（26-52 MHz）等 0.1-0.8 MHz超声换能器 未明确（支持焦点位置实时调整）

适用场景 肿瘤微观结构、神经生物学、心脏研究 深层组织成像、纳米探针定量 表皮/深层组织血管形态及功能检测

选型建议：

高分辨率需求（如肿瘤边缘检测）：优先选择Vevo LAZR-X，其30 μm分辨率可清晰显示小鼠胚胎血管或皮下肿瘤微结构。

深层组织与低浓度探针检测（如心脏研究）：TomoWave的4.5 cm穿透深度和1 pmole/L灵敏度更具优势。

成本效益与高吞吐量研究：TomoWave的开放成像环境和1000元/小时的机时费用适合大规模实验。

三、应用领域与典型案例

1.肿瘤研究

早期诊断：通过血红蛋白光吸收差异检测微血管异常，识别肿瘤边界。例如，Vevo LAZR-X在乳腺癌模型中实现0.5 mm精度肿瘤边缘定位。

疗效监测：追踪光声信号峰峰值变化定量分析血管损伤。如光热疗法后，肿瘤光声信号强度下降60%，与病理切片坏死区域高度吻合。

转移机制：研究微重力环境下A549肺癌细胞EMT标志物（Vimentin）表达上调与迁移能力增强的关联，揭示重力对肿瘤转移的影响。

2.心血管研究

血流动力学分析：定量心肌血流速度与血管弹性。例如，Vevo LAZR-X在心肌梗塞模型中检测到梗死区域血流速度降低80%。

动脉粥样硬化检测：通过黑色素或脂质光吸收差异识别斑块。TomoWave系统在ApoE⁻/⁻小鼠模型中清晰显示主动脉斑块位置及大小。

3.神经科学

脑功能成像：刺激胡须后，观测小鼠脑皮层中枢血管血流动力学变化。Vevo LAZR-X结合血氧饱和度成像，发现刺激侧脑区sO₂升高15%。

神经退行性疾病：利用黑色素作为Reporter Gene标记成像，追踪阿尔茨海默病模型小鼠脑内铜离子分布异常。

4.纳米材料与药物开发

探针验证：追踪药物载体在体内的靶向分布与代谢。例如，半导体聚合物纳米粒子在肿瘤中的聚集量通过光声信号强度量化，与荧光成像结果一致性达92%。

材料光声特性分析：评估新型生物材料的光吸收与声传播性能，指导材料优化设计。

四、技术挑战与发展趋势

1.当前挑战

多模态数据配准：需提升光声、超声与MRI等模态的空间与时间对齐精度，减少运动伪影。

算法复杂度：深度学习模型需优化以处理大规模多模态数据，降低计算成本。例如，三维重建算法需在保证分辨率的同时，将处理时间从分钟级缩短至秒级。

设备普及性：高端系统成本高昂（如Vevo LAZR-X售价超200万元），需开发便携式与低成本方案以扩大应用范围。

2.未来趋势

人工智能融合：AI自动提取特征，实现疾病诊断的自动化与智能化。例如，深度学习模型通过分析光声-超声融合图像，自动识别肿瘤恶性程度，准确率达95%。

新型探针开发：靶向分子探针（如H型铁蛋白载体）提升特异性成像能力。近期研究显示，铁蛋白探针在肿瘤中的信号强度是传统染料的3倍。

临床转化拓展：便携式设备研发推动光声成像从实验室走向临床前研究。例如，手持式光声探头已实现乳腺癌术中实时成像，指导手术切除范围。