血管内OCT不再依赖闭式拟合：DiffOCT从单张图像逐像素反演衰减，29,269帧临床回撤数据直接迁移
核心概要
血管内光学相干断层扫描（OCT）图像把组织衰减系数与成像系统自身的物理效应混在一起，以往只能靠简化的闭式反演或与特定设备绑定的学习方法估计。DiffOCT把Beer-Lambert衰减模型写成可微前向模型，对单张B扫描做梯度下降，逐像素反演出衰减系数，无需训练数据或分割。在5个脂质体模的5,120次反演中，恢复值随散射体浓度单调上升，斜率与曲线拟合参考相当；同一流程未经修改用于128名患者的29,269帧临床回撤图像，但临床数据只证明几何迁移，绝对衰减值尚未标定。
深度剖析
血管内OCT的每个像素亮度同时受局部背散射、沿途累积衰减、共焦门控和系统增益影响，因此同一组织在不同深度会呈现不同强度，衰减系数无法直接从图像读出。 此前的做法分三类：曲线拟合在人工分割区域内拟合单一衰减值，深度分辨法用局部强度与剩余能量之比给出闭式解，学习方法则依赖合成数据训练出的固定反演。 在5个脂质体模、每个两种焦位、共5,120次B扫描反演中，恢复的衰减系数随脂质体浓度单调上升，两种焦位的斜率与曲线拟合参考相当，但绝对值系统性偏低。
方法把候选衰减图送入一个可微的OCT前向模型，该模型用Beer-Lambert衰减叠加共焦幅度调制来模拟图像，再按模拟图与实测图的差异做梯度下降更新。 前向模型是可替换模块，换用其他散射物理或改求另一个光学参数时，优化流程本身不变；这与需要解析可逆的闭式方法和绑定训练分布的学习方法不同。 在500条合成A线上，前向模型与解析Beer-Lambert解的残差比最低信号低五个数量级；在500张合成B扫描上，优化器从打乱的初值收敛到接近完美的恢复。
参数维度上升时，只有基于梯度的方法还能保持精度，这使逐像素反演在计算上可行。 无梯度方法在参数从25增至5,000的八个问题规模上误差持续上升，随机搜索和CMA-ES的MAPE分别达到30.32%和100.91%。 Adam与L-BFGS-B在全部八个规模上维持低于0.1%的平均MAPE，四者共享同一前向模型、边界和八组配对初值。
启示与展望
演示范围包括合成A线与B扫描、五个液体脂质体模和五个琼脂体模，以及128名患者、29,269帧来自Disrupt CAD-I至CAD-IV队列的血管内OCT回撤图像；临床部分只说明方法未经修改即可迁移到临床采集几何，恢复值反映相对组织对比而非绝对量。
单参数前向模型中衰减系数同时控制像素亮度与累积衰减，引入逐像素背散射参数后渲染PSNR提高但未消除二者的歧义；初值范围被大幅扰动时恢复值会改变，且体内不存在逐像素衰减的参考标准。