一種基于自適應體素細分的光學斷層成像方法
【技術領域】
[0001] 本發(fā)明屬于光學技術領域，尤其設及一種基于自適應體素細分的光學斷層成像方 法。
【背景技術】
[0002] 作為一種新興的光學成像技術，光學Ξ維成像是通過融合生物體體表測量的多角 度光學信號、生物體的解剖結構和組織光學參數信息，基于精確的生物組織中的光傳輸模 型重建活體生物體體內祀向目標的位置和強度分布信息，其中，生物組織中光傳輸過程的 精確描述和祀向目標的準確快速重建是光學Ξ維成像方法實現(xiàn)的基礎。在光學Ξ維成像技 術中，激發(fā)巧光斷層成像、擴散光學層析斷層成像和自發(fā)巧光斷層成像是Ξ種主要的成像 模態(tài)?；谧园l(fā)巧光斷層成像模態(tài)，中科院自動化所在其專利申請文件"一種基于自適應有 限元的多光譜重建方法【申請?zhí)枴?007 10302337.8,申請日：2007-12-26,授權號 CN200710302337.8，授權日2010.11.24)中提出了一種基于自適應有限元的多光譜重建方 法，該方法利用多種先驗信息、多譜信息，結合自適應有限元的方法，提出后驗可行光源區(qū) 域的策略，該方法能有效地提高自發(fā)巧光斷層成像的重建質量和速度，在分子影像、重建算 法等領域有著重要的應用價值。但是該方法是基于四面體有限元網格，必須對組織進行四 面體剖分處理，用四面體數據構建前向矩陣，而構建四面體網格的過程比較復雜，重建流程 繁瑣。而對組織采用六面體體素進行處理，則極大降低了數據處理的復雜性。六面體體素相 對于四面體有限元網格在存儲空間和處理效率上更加具有優(yōu)勢，一般相同節(jié)點數量的情況 下，六面體體素數量是四面體體素數量的1/5,所W可W極大的降低數據存儲空間。
[0003] 傳統(tǒng)的對組織進行六面體體素處理過程，僅僅對組織進行單一類型的體素化，無 法精確的描述組織邊界信息。

【發(fā)明內容】

[0004] 本發(fā)明的目的在于提供一種基于自適應體素細分的光學斷層成像方法，旨在解決 傳統(tǒng)對組織進行四面體有限元求解時，四面體剖分復雜，而對于組織進行六面體體素處理 過程，僅僅對組織進行單一類型的體素化處理，無法精確描述組織的邊界信息的問題。
[0005] 本發(fā)明是運樣實現(xiàn)的，一種基于自適應體素細分的光學斷層成像方法，所述基于 自適應體素細分的光學斷層成像方法包括:多模態(tài)的數據采集和自適應體素細分，對體內 光學信號重建;通過多模態(tài)分子影像系統(tǒng)獲取投影數據和3DM抓分割器官獲得的解剖結構 得到生物體表面的Ξ維巧光分布，利用獲得的Ξ維分割圖像進行體素的自適應細分;基于 自適應細分的離散體素結構和表面映射的巧光分布，建立系統(tǒng)方程，求解目標函數，實現(xiàn)對 生物體內祀向目標的準確、快速、高分辨率重建。
[0006] 進一步，所述基于自適應體素細分的光學斷層成像方法包括W下步驟：
[0007] 步驟一，采集數據，利用分子影像系統(tǒng)，依次采集用于光學Ξ維成像的多角度巧光 數據、用于光學特性參數重建的多角度激光數據和用于獲取動物體解剖結構的計算機斷層 成像投影數據；
[0008] 步驟二，圖像預處理和分割，采用3DMm)軟件對預處理后的計算機斷層成像投影數 據進行Ξ維重建，獲得動物體Ξ維體數據;應用3DM邸軟件中的人機交互式分割方法對獲得 的動物體Ξ維體數據進行器官分割，獲取動物體解剖結構；
[0009] 步驟Ξ，光學數據Ξ維表面映射，利用步驟二獲取的動物體解剖結構和步驟姨獲 取的巧光數據，應用非接觸式光學斷層成像方法利用生物體表面Ξ維能量重建技術獲取動 物體表面的Ξ維巧光數據分布；
[0010] 步驟四，對組織進行自適應體素劃分；
[0011] 步驟五，建立系統(tǒng)方程，經過步驟四自適應體素細分，在第k個離散體素上，利用多 級自適應有限元方法組裝每個離散點上的子系統(tǒng)方程建立總的系統(tǒng)方程：
[0012] AkSk=巫k;
[0013] 其中，Ak是第k個離散體素上的系統(tǒng)矩陣，由離散化的體素結構和生物組織的光學 特性參數決定；
[0014] Sk是第k個離散體素上的祀向目標能量密度分布；
[001引 Ok是第k個離散體素邊界節(jié)點上的光通量密度；
[0016] 步驟六，建立目標函數，根據第k個離散體素邊界節(jié)點上的光通量密度計算值和測 量值之間的誤差，結合祀向目標的稀疏分布約束，建立下列目標函數：
[0017]
[001引其中，Θ (Sk)是第k個離散體素上的目標函數；
[0019] Sf是第k個離散體素上的祀向目標能量密度的下限；
[0020] 5Γ是第k個離散體素上的祀向目標能量密度的上限；
[0021] ΦΓ是第k個離散體素邊界節(jié)點上的光通量密度的測量值；
[0022] ||F| |i定義為求解矩陣F的h范數；
[0023] Ak是第k個離散體素上的正則化因子；
[0024] 步驟屯，求解目標函數。
[0025] 進一步，所述步驟一中多角度巧光數據的采集，控制成像體等間隔旋轉，不大于 90%利用多模態(tài)分子影像系統(tǒng)中的CCD相機采集不少于四個角度的巧光數據;繼續(xù)旋轉，使 成像體轉回到巧光數據初始采集的位置;多角度計算機斷層成像投影數據的采集，控制成 像體等間隔旋轉不大于1°，采集不少于360個角度的投影數據。
[00%]進一步，所述步驟四具體包括：
[0027] 首先，對組織進行初級體素離散化，遍歷每個體素，并對每個體素所在組織進行編 號標記并標記出邊界體素；
[0028] 將標記的邊界體素利用八叉樹的方法進行細分，判斷細分后的次級體素是否是邊 界體素，如果是邊界體素，則對次級體素繼續(xù)進行細分;如果不是邊界體素或者已經達到最 小的分辨率，則停止細分。
[0029] 進一步，所述步驟屯具體包括：
[0030] 第一步，采用基于體素的方法求解建立的目標函數，根據第k個離散體素上形成的 系統(tǒng)矩陣的大小選擇合適的優(yōu)化方法，獲得第k個離散體素上的祀向目標能量密度分布；
[0031] 第二步，利用祀向目標能量密度分布計算第k個離散體素邊界節(jié)點上的光通量密 度；
[0032] 第Ξ步，判斷第k個離散體素邊界節(jié)點上的光通量密度的測量值和計算值之差，如 果小于給定闊值，則目標函數求解過程結束，獲得光學Ξ維成像的祀向目標重建結果；否 貝1J，轉向第一步。
[0033] 本發(fā)明的另一目的在于提供一種基因表達獲取祀向目標的位置和強度信息的方 法，所述方法包含所述基于自適應體素細分的光學斷層成像方法。
[0034] 本發(fā)明的另一目的在于提供一種腫瘤檢測獲取祀向目標的位置和強度信息的方 法，所述方法包含所述基于自適應體素細分的光學斷層成像方法。
[0035] 本發(fā)明的另一目的在于提供一種藥物研發(fā)與療效評價獲取祀向目標的位置和強 度信息的方法，所述方法包含所述基于自適應體素細分的光學斷層成像方法。
[0036] 本發(fā)明提供的基于自適應體素細分的光學斷層成像方法，采用基于自適應體素細 分的策略來對組織進行描述，并用自適應劃分的六面體體素構建前向矩陣，不僅能更加準 確的描述組織的邊界信息，同等數量的體素來表示組織邊界，自適應體素的邊界信息分辨 率是單一體素的3-5倍;而且最終能夠獲得更加精確的重建結果;提出了一種基于自適應體 素細分的光學斷層成像方法，W實現(xiàn)對具有非規(guī)則解剖結構復雜生物體體內祀向目標的準 確、快速、高分辨率重建；同等數量的體素來對生物體內的祀向目標進行重建，自適應體素 的重建精度會比單一體素的提高30%-50%。自適應體素細分的過程，克服了均一體素無法 精確描述組織邊界信息的缺點，采用自適應劃分的多尺度體素來對組織進行描述，不僅實 現(xiàn)了對組織信息的精確定位，更加節(jié)省了數據存儲空間，提高了數據處理效率;在同樣節(jié)點 數目的情況下，自適應體素細分的方法的存儲空間是四面體剖分的方法的Ξ分之一;如果 邊界信息描述相同的情況下，自適應體素細分的方法比單一體素的存儲空間降低了70% W 上。
[0037] 與現(xiàn)有技術相比本發(fā)明具有如下優(yōu)點：
[0038] 第一，無需對組織進行四面體剖分，節(jié)省數據存儲空間
[0039] 本發(fā)明是一種基于自適應體素細分的光學斷層成像方法，克服了現(xiàn)有四面體有限 元重建技術中必須對組織進行四面體剖分才能重建W及數據存儲方面的局限性，能夠對具 有不規(guī)則解剖結構進行準確、快速成像。
[0040] 第二，自適應體素細分更準確的描述組織邊界信息，提高重建準確性;如果是同等 數量的體素來對生物體內的祀向目標進行重建，自適應體素的重建精度會比單一體素的提 高 30%-50%。
[0041] 本發(fā)明由于對邊界體素進行自適應細分，可W更加準確的描述前向傳輸矩陣，克 服了現(xiàn)有技術中體素無法精確描述邊界信息的問題，能夠有效地改善光學Ξ維成像的重建 精度。
【附圖說明】
[0042] 圖1是本發(fā)明實施例提供的基于自適應體素細分的光學斷層成像方法流程圖。
[0043] 圖2是本發(fā)明實施例提供的基于自適應體素細分的光學斷層成像方法詳細步驟流 程圖。
[0044] 圖3是本發(fā)明實施例提供的體素細分及邊界體素自適應細分示意圖。
[0045] 圖4是本發(fā)明實施例提供的邊界體素自適應細分流程圖。
【具體實施方式】
[0046] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，W下結合實施例，對本發(fā)明 進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用W解釋本發(fā)明，并不用于 限定本發(fā)明。
[0047] 本發(fā)明通過多模態(tài)分子影像系統(tǒng)獲取投影數據和3DM邸分割器官獲得的解剖結構 得到生物體表面的Ξ維巧光分布，在此基礎上利用獲得的Ξ維分割圖像進行體素的自適應 細分?；谧赃m應細分的離散體素結構和表面映射的巧光分布，建立系統(tǒng)方程，求解目標函 數，實現(xiàn)對生物體內祀向目標的準確、快速、高分辨率重建。
[0048] 下面結合附圖對本發(fā)明的應用原理作詳細的描述。
[0049] 如圖1所示，本發(fā)明實施例的基于自適應體素細分的光學斷層成像方法包括W下 步驟：
[0050] S101:利用分子影像系統(tǒng)，依次采集用于光學Ξ維成像的多角度巧光數據、用于光 學特性參數重建的多角度激光數據和用于獲取動物體解剖結構的計算機斷層成像投影數 據；
[0051] S102:采用3DMm)軟件對預處理后的計算機斷層成像投影數據進行Ξ維重建，獲得 動物體Ξ維體數據;應用3DM抓軟件中的人機交互式分割方法對獲得的動物體Ξ維體數據 進行器官分割，獲取動物體解剖結構；