南京大学物理学院屠娟教授、章东教授联合南京大学生命科学学院朱景宁教授、张潇洋特聘研究员提出基于速度约束与运动补偿的超快超声定位显微成像算法，突破“分辨率极限”，并在大鼠脑、肾等器官中实现了微血管网络的超分辨率成像，绘制高清晰“生命微观通路图”，为心脑血管及微循环系统相关的基础医学研究和重大疾病诊疗提供了全新显像工具。这一题为“Velocity-Constraint Kalman Filtering for Enhanced Bubble Tracking in Motion Compensated Ultrasound Localization Microscopy”的工作近日发表于Research期刊上（2025，8:0725，DOI：10.34133/research.0725）。

一、研究背景

超声检查因其安全无创、无电离辐射、操作便捷，已成为临床诊断的重要工具。然而传统超声成像技术存在一个关键瓶颈，即受限于物理衍射极限，其空间分辨率难以清晰显示组织器官内部细小的微循环血管网络，这些血管的直径往往只有头发丝的十分之一，但其微血流分布的变化往往与心、脑、肝、肾等器官的重大疾病密切相关。

而超分辨的超声定位显微成像（Ultrasound Localization Microscopy，ULM）技术，通过追踪微米尺度的超声造影剂微泡，并精确描绘这些微泡的运动轨迹，成功绘制高清“微血管通路图”。这项突破使研究人员首次能够利用超声成像清晰观察到脑组织、肿瘤微环境等关键部位的精细血流分布。但这项技术在实际应用中遇到了几个“卡脖子”难题：

·“认错人”问题：当微泡数量多、血流速度快（如心脏附近）或图像有干扰时，容易混淆微泡运动轨迹。

·“算得慢”瓶颈：重建一幅高清血管图需要大量计算，难以满足临床术中实时成像的需求。

·“脉动”干扰：患者呼吸、心跳等自然运动会干扰微泡信号追踪，导致图像重建模糊。

这些技术瓶颈严重制约着ULM在临床中的广泛应用。正因如此，研发新一代更智能、更快速的超声定位显微成像技术已成为亟需突破的关键难题。 

二、研究进展

针对以上挑战，南京大学科研团队提出了一项关键技术突破——融合运动补偿和速度约束的卡尔曼滤波超声定位显微成像（vc-Kalman ULM）算法。该方法的主要创新点包括：

（1）速度约束卡尔曼滤波追踪算法：首先构建包含微泡空间位置和亮度特征的状态向量，通过“预测-匹配-校正”的递归优化框架，结合速度约束规则自动滤除“假信号”，精准追踪微泡轨迹。针对大鼠脑部微血管成像（图1）结果显示，vc-Kalman ULM可以有效提升微泡追踪准确度，清晰显示微血管网络空间分布及运动方向，并精准量化微血流速度变化。

图1.大鼠颅脑微血管速度图

（2）自适应运动补偿机制：结合动态规划与互相关搜索，有效消除呼吸、心跳等组织生理运动带来的图像扰动，确保在心、肾等生理运动幅度较大的器官中也能重建出高精度的超分辨率血流通路图像。大鼠肾皮质中微血流成像（图2）实验结果显示，基于动态规划的互相关搜索过程可实现有效的运动补偿，成功抑制了大鼠肾脏因呼吸、心跳及轻微组织运动而产生的噪声和扰动，清晰显示微小血管的边缘轮廓，图像信噪比（CNR）和误差指标（nRMSE）全面优于传统算法。

图2.大鼠肾微血管传统算法与vc-Kalman算法对比

（3）低帧率条件下保持“稳、准、清”：本研究提出的vc-Kalman算法成功解决了传统ULM在低帧率成像时的轨迹匹配精度下降问题。通过融合微泡亮度特征与历史位置等多维信息，即使在146 Hz的帧率条件下也能实现可靠的微泡定位和微血流成像，这一突破将显著降低数据采集和传输要求，为便携式设备和术中实时成像铺平道路。图3展示了不同采样帧率下传统ULM方法与vc-Kalman ULM方法成像的结果对比，很明显vc-Kalman算法相较于传统算法具有更高的鲁棒性。

图3.不同帧率条件下，传统算法和vc-Kalman算法对比结果 

三、未来展望

未来，研究团队将基于更强大的并行计算架构，持续优化GPU加速方案，进一步探索三维、多通道成像方案。基于这些技术创新，目标实现2000帧/秒的超高速三维ULM成像，构建便携式、高通量、高分辨率的“未来超声显微平台”，有力推动该技术在脑卒中预警、肿瘤筛查、术中导航等临床关键场景落地应用。

论文链接：https://spj.science.org/doi/10.34133/research.0725