專(zhuān)利名稱(chēng)：自適應(yīng)的熒光斷層成像重建方法
技術(shù)領(lǐng)域：
本發(fā)明涉及光學(xué)分子影像成像模態(tài)激發(fā)突光斷層成像(TomographicFluorescenceImaging, TFI)技術(shù),特別涉及到一種自適應(yīng)的突光斷層成像重建方法。
背景技術(shù)：
作為一種光學(xué)分子影像成像模態(tài)，激發(fā)熒光成像技術(shù)已經(jīng)得到了迅速的發(fā)展和廣泛的應(yīng)用。通過(guò)對(duì)感興趣區(qū)域的生物組織標(biāo)記光學(xué)分子探針，并對(duì)體表的熒光信號(hào)進(jìn)行采集，我們可以以一種無(wú)創(chuàng)的方法來(lái)獲取生物體分子細(xì)胞水平的信息。然而，由于在可見(jiàn)光和近紅外光范圍內(nèi)，光子在生物組織內(nèi)傳播時(shí)會(huì)產(chǎn)生嚴(yán)重的散射現(xiàn)象，因此傳統(tǒng)的二維激發(fā)熒光成像技術(shù)無(wú)法顯示熒光光源的準(zhǔn)確位置。而激發(fā)熒光斷層成像(TFI)是一種三維重建 技術(shù)，通過(guò)采集表面熒光數(shù)據(jù)并基于特定的逆問(wèn)題模型，可以實(shí)現(xiàn)熒光光源的三維精確定位。TFI是一種典型的不適定問(wèn)題，這是因?yàn)闇y(cè)量數(shù)據(jù)僅是表面的熒光分布，而需要求解的是整個(gè)成像空間的熒光光源分布，在這種情況下，光源的位置重建是沒(méi)有唯一解的，并且對(duì)噪聲非常敏感。為了能得到準(zhǔn)確而穩(wěn)定的重建結(jié)果，通常的方法是在優(yōu)化問(wèn)題中包含正則化項(xiàng)，該正則化項(xiàng)可以看作是光源分布的先驗(yàn)知識(shí)。最常見(jiàn)的正則化是Tikhonov正則化方法，通過(guò)在優(yōu)化問(wèn)題中加入L2范數(shù)約束，可以使TFI問(wèn)題更加穩(wěn)定。傳統(tǒng)TFI重建方法根據(jù)經(jīng)驗(yàn)值預(yù)先估計(jì)正則化參數(shù)的值，并使正則化參數(shù)在整個(gè)迭代重建過(guò)程保持不變。但不同的重建問(wèn)題所要求的正則化參數(shù)通常不同，傳統(tǒng)重建方法很難準(zhǔn)確預(yù)測(cè)合適的正則化參數(shù)從而完成精確重建。因此合適的正則化參數(shù)選擇仍是一項(xiàng)挑戰(zhàn)性問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明針對(duì)TFI重建技術(shù)中的正則化選取問(wèn)題，提出了一種自適應(yīng)正則化參數(shù)的快速魯棒TFI重建方法。為實(shí)現(xiàn)上述目的，一種自適應(yīng)的熒光斷層成像重建方法，包括SI利用有限元方法將擴(kuò)散方程轉(zhuǎn)化為線性方程；S2建立未知的突光光源分布與表面突光測(cè)量值之間的線性關(guān)系；S3計(jì)算當(dāng)前正則化參數(shù)，并將殘差相關(guān)系數(shù)中絕對(duì)值最大的元素選入支撐集合I;S4將更新后的支撐集合I中當(dāng)前所有元素在矩陣A中對(duì)應(yīng)的列取出，組成一個(gè)矩陣，獲得下一步的搜索方向；S5計(jì)算下一步的步長(zhǎng)并更新支撐集合；S6根據(jù)求解的搜索方向及步長(zhǎng)迭代獲取下一步結(jié)果，并更新正則化參數(shù)；S7判斷是否達(dá)到停止條件，若達(dá)到，則重建過(guò)程結(jié)束，否則轉(zhuǎn)到步驟S4。本發(fā)明不用提前預(yù)測(cè)正則化參數(shù)，而是在重建過(guò)程中自適應(yīng)地決定正則化參數(shù)。本發(fā)明不僅通過(guò)自適應(yīng)的正則化參數(shù)選取策略提高了重建技術(shù)的魯棒性，而且大大提升了重建效率。


圖I是本發(fā)明方法的流程圖；圖2是多光源仿體的三維結(jié)構(gòu)圖和位于Z = O平面截面圖；圖3是4組測(cè)量數(shù)據(jù)情況下的單光源重建結(jié)果；圖4是4組測(cè)量數(shù)據(jù)情況下的雙光源重建結(jié)果；圖5是4組測(cè)量數(shù)據(jù)情況下的三光源重建結(jié)果。
具體實(shí)施例方式下面將結(jié)合附圖詳細(xì)描述本發(fā)明的重建方法，應(yīng)指出的是，所描述的實(shí)施例僅旨在便于對(duì)本發(fā)明的理解，而對(duì)其不起任何限定作用。圖I是本發(fā)明的重建方法的總體流程步驟101 :本發(fā)明采用擴(kuò)散方程作為T(mén)FI的成像模型，模型包括激發(fā)過(guò)程和發(fā)射過(guò)程兩個(gè)相耦合的擴(kuò)散方程，通過(guò)使用有限元方法，可以將擴(kuò)散方程離散化，以便于進(jìn)行后續(xù)的處理；步驟102 :對(duì)于TFI逆問(wèn)題而言，表面熒光分布是已知的，而內(nèi)部熒光光源分布是未知的，通過(guò)對(duì)離散化后的擴(kuò)散模型進(jìn)行矩陣變換，可以建立表面測(cè)量數(shù)據(jù)與未知光源分布之間的線性方程。同時(shí)對(duì)于多組測(cè)量數(shù)據(jù)的情況，可以將多個(gè)線性方程組合為統(tǒng)一的方程;步驟103 :計(jì)算當(dāng)前正則化參數(shù)，并將殘差相關(guān)系數(shù)中絕對(duì)值最大的元素選入支撐集合；步驟104 :通過(guò)求解方程獲得下一步的搜索方向；步驟105 :計(jì)算下一步的步長(zhǎng)并更新支撐集合；步驟106 :根據(jù)求解的搜索方向及步長(zhǎng)迭代獲取下一步結(jié)果，并更新正則化參數(shù)；步驟107 :判斷是否達(dá)到停止條件。若達(dá)到，則重建過(guò)程結(jié)束；否則轉(zhuǎn)到步驟104。下面對(duì)本發(fā)明的TFI重建方法所涉及的關(guān)鍵步驟進(jìn)行逐一詳細(xì)說(shuō)明，具體形式如下面所述步驟101 :利用有限元方法將擴(kuò)散方程轉(zhuǎn)化為線性方程；精確描述光在非勻質(zhì)生物組織中傳輸?shù)臄?shù)學(xué)模型是輻射傳輸方程，它是一個(gè)復(fù)雜的微分積分方程，求解十分困難。幸運(yùn)的是，在可見(jiàn)光和近紅外光譜段，光子在生物組織中傳輸時(shí)具有高散射、低吸收的特點(diǎn)，在這種情況下，擴(kuò)散方程可以很好地近似輻射傳輸方程，而擴(kuò)散方程的計(jì)算復(fù)雜度較低，可以在有限時(shí)間內(nèi)進(jìn)行求解，所以非常適合作為T(mén)FI成像模型。當(dāng)利用連續(xù)波聚焦激光器作為激發(fā)源時(shí)，可以使用如下的兩個(gè)相耦合的擴(kuò)散方程對(duì)TFI的成像過(guò)程進(jìn)行描述
權(quán)利要求
1.一種自適應(yīng)的熒光斷層成像重建方法，包括 Si利用有限元方法將擴(kuò)散方程轉(zhuǎn)化為線性方程； S2建立未知的熒光光源分布與表面熒光測(cè)量值之間的線性關(guān)系； S3計(jì)算當(dāng)前正則化參數(shù)，并將殘差相關(guān)系數(shù)中絕對(duì)值最大的元素選入支撐集合I ; S4將更新后的支撐集合I中當(dāng)前所有元素在矩陣A中對(duì)應(yīng)的列取出，組成一個(gè)矩陣，獲得下一步的搜索方向； S5計(jì)算下一步的步長(zhǎng)并更新支撐集合； S6根據(jù)求解的搜索方向及步長(zhǎng)迭代獲取下一步結(jié)果，并更新正則化參數(shù)； S7判斷是否達(dá)到停止條件，若達(dá)到，則重建過(guò)程結(jié)束，否則轉(zhuǎn)到步驟S4。
2.如權(quán)利要求I所述的方法，其特征在于所述步驟S5包括 計(jì)算步長(zhǎng)+ K =Himli-并記錄最小值出現(xiàn)的位置pos+ ； 計(jì)算步長(zhǎng)f =η^· -并記錄最小值出現(xiàn)的位置pos-； ^ kif/ 比較《與的大小。如果<< 八，轉(zhuǎn)到步驟S4 ;否則轉(zhuǎn)到步驟S5 ； 將補(bǔ)集Γ中的pos+位置的元素加入到支撐集合I中，并使A = Y; 將支撐集合I中的pos-位置的元素移除到其補(bǔ)集Γ，并使A = Tl
3.如權(quán)利要求I所述的方法，其特征在于判斷是否達(dá)到停止條件的閾值為O. 0001-0. 01。
全文摘要
一種自適應(yīng)的熒光斷層成像重建方法，利用有限元方法將擴(kuò)散方程轉(zhuǎn)化為線性方程；建立未知的熒光光源分布與表面熒光測(cè)量值之間的線性關(guān)系；計(jì)算當(dāng)前正則化參數(shù)，并將殘差相關(guān)系數(shù)中絕對(duì)值最大的元素選入支撐集合I；將更新后的支撐集合I中當(dāng)前所有元素在矩陣A中對(duì)應(yīng)的列取出，組成一個(gè)矩陣，獲得下一步的搜索方向；計(jì)算下一步的步長(zhǎng)并更新支撐集合；根據(jù)求解的搜索方向及步長(zhǎng)迭代獲取下一步結(jié)果，并更新正則化參數(shù)；判斷是否達(dá)到停止條件，若達(dá)到，則重建過(guò)程結(jié)束，否則轉(zhuǎn)到步驟S4。本發(fā)明不用提前預(yù)測(cè)正則化參數(shù)，而是在重建過(guò)程中自適應(yīng)地決定正則化參數(shù)。本發(fā)明通過(guò)自適應(yīng)的正則化參數(shù)選取策略提高了重建的魯棒性，大大提升了重建效率。
文檔編號(hào)A61B5/00GK102940482SQ20121047843
公開(kāi)日2013年2月27日 申請(qǐng)日期2012年11月22日 優(yōu)先權(quán)日2012年11月22日
發(fā)明者楊鑫, 田捷, 薛貞文, 李勇保 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所