Sparse Reconstruction of Optical Doppler Tomography Based on State Space Model

光学多普勒断层扫描（ODT）是一种在生物工程应用中广泛使用的血流成像技术。ODT的基本单元是沿着A线（深度）的1D频率响应，称为原始A扫描。通过首先沿B线（宽度）感知原始A扫描，然后通过幅相分析和后处理从这些原始A扫描构建B扫描，可以获得2D ODT图像（B扫描）。在当前方法中，为了获得具有精确流动图的高分辨率B扫描，需要密集采样A扫描，这会导致计算和存储负担。为了解决这个问题，本文提出了一种新颖的稀疏重建框架，包括四个主要的顺序步骤：1）早期幅相融合，鼓励幅度和相位中的互补信息的丰富交互；2）基于状态空间模型（SSM）的表示学习，受到最近Mamba和VMamba的成功启发，自然捕捉A扫描内部的顺序信息和A扫描之间的交互；3）基于Inception的前馈网络模块（IncFFN），进一步提升SSM模块的性能；4）B线像素重排（BPS）层，有效地重建最终结果。在真实动物数据的实验中，我们的方法显示出重建精度的明显有效性。作为SSM用于图像重建任务的首个应用，我们希望我们的工作能够激发相关探索，不仅应用于ODT成像技术的高效性，还应用于通用图像增强。

本论文旨在解决Optical Doppler Tomography (ODT)成像技术中高分辨率B-scan图像的计算和存储负担问题。

论文提出了一种新的稀疏重构框架，包括早期幅度-相位融合、基于状态空间模型的表示学习、Inception-based Feedforward Network模块和B-line Pixel Shuffle层。

论文的实验结果表明，该方法在重构准确性方面表现出了明显的有效性。此外，该方法还是第一个将状态空间模型应用于图像重构任务的研究，有望在ODT成像技术和通用图像增强方面启发相关探索。

最近在ODT成像技术领域中，也有一些相关的研究，例如“Optical coherence tomography angiography for retinal vascular disease: A review”和“Quantitative optical coherence tomography angiography of macular vascular structure and foveal avascular zone in glaucoma