国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于迭代收縮的雙模態(tài)融合斷層成像方法

      文檔序號(hào):865871閱讀:243來(lái)源:國(guó)知局
      專利名稱:一種基于迭代收縮的雙模態(tài)融合斷層成像方法
      技術(shù)領(lǐng)域
      本發(fā)明屬于醫(yī)學(xué)分子影像領(lǐng)域,涉及自發(fā)熒光斷層成像與計(jì)算機(jī)斷層成像兩種模態(tài)融合的方法,尤其是一種基于迭代收縮的雙模態(tài)融合斷層成像方法。
      背景技術(shù)
      自發(fā)熒光斷層成像是近年來(lái)新興的一種分子影像技術(shù),是一種可以在細(xì)胞分子水平上實(shí)現(xiàn)生物組織內(nèi)部生物物理過(guò)程無(wú)創(chuàng)實(shí)時(shí)動(dòng)態(tài)連續(xù)成像的一種技術(shù)。通過(guò)獲取到的目標(biāo)體表面出射光強(qiáng)分布,探測(cè)在目標(biāo)體內(nèi)部的光源分布則能夠?qū)δ繕?biāo)體進(jìn)行定量化研究, 為熒光光源提供三維的定位信息。目前普遍采用的斷層成像技術(shù)大多是基于梯度的傳統(tǒng)方法,由于自發(fā)熒光斷層成像的信號(hào)十分微弱,導(dǎo)致了采集的數(shù)據(jù)集噪聲較大,加之該問(wèn)題的固有病態(tài)性,造成在待探測(cè)過(guò)程中對(duì)正則參數(shù)的選擇、Ip范數(shù)的選擇、初始值的選擇、可行域的選擇以及噪聲的容忍度都有著很強(qiáng)的要求。這限制了自發(fā)熒光斷層成像在實(shí)際中的應(yīng)用。尋找一種高效、魯棒、 全域的探測(cè)方法一直是該領(lǐng)域的熱點(diǎn)、難點(diǎn)問(wèn)題,到目前為止仍然沒(méi)有一種通用的技術(shù)能夠很好地解決這個(gè)問(wèn)題。迭代收縮法是一種新興的數(shù)值計(jì)算方法,與傳統(tǒng)的迭代優(yōu)化方法相比,它更具高效性,且近年來(lái)已被陸續(xù)應(yīng)用于圖像降噪以及逆問(wèn)題求解中,推動(dòng)了這些領(lǐng)域的發(fā)展。

      發(fā)明內(nèi)容
      本發(fā)明的目的是提供一種基于迭代收縮的雙模態(tài)融合斷層成像技術(shù),利用高性能探測(cè)器捕捉目標(biāo)體在自發(fā)熒光斷層成像中出射的表面光強(qiáng)分布,融合計(jì)算機(jī)斷層成像中獲得的目標(biāo)體內(nèi)部幾何結(jié)構(gòu)信息,使用擴(kuò)散方程建立光子傳輸模型,采用迭代收縮法將重建中復(fù)雜的多維求優(yōu)過(guò)程轉(zhuǎn)化為對(duì)每個(gè)變量逐次進(jìn)行一維并行求優(yōu)的高效循環(huán)過(guò)程,從整體上得到對(duì)正則參數(shù)、Ip范數(shù)、噪聲、初值魯棒的精確重建結(jié)果。為了實(shí)現(xiàn)上述目的,本發(fā)明涉及的基于迭代收縮的雙模態(tài)融合斷層成像方法具體步驟如下步驟a,采用波爾茲曼傳輸方程的一階球諧近似得到的擴(kuò)散方程建立光子在目標(biāo)體內(nèi)部的傳輸模型,即擴(kuò)散方程傳輸模型;步驟b,利用有限元方法將擴(kuò)散方程傳輸模型轉(zhuǎn)換成線性矩陣方程的形式;步驟c,基于線性矩陣方程形式的擴(kuò)散方程傳輸模型,利用正則理論,建立優(yōu)化目標(biāo)函數(shù)f (S),其中,S為待求解的目標(biāo)體內(nèi)部光強(qiáng)分布;步驟d,對(duì)f (S)進(jìn)行降維處理,得到一維優(yōu)化目標(biāo)函數(shù);步驟e,基于所述一維優(yōu)化目標(biāo)函數(shù),以迭代的方式求解得到最優(yōu)目標(biāo)體內(nèi)部光強(qiáng)分布S。本發(fā)明的有益效果是通過(guò)使用基于迭代收縮的雙模態(tài)融合斷層成像技術(shù),融合自發(fā)熒光斷層成像與計(jì)算機(jī)斷層成像兩種模態(tài)的信息降低逆問(wèn)題求解的病態(tài)性,由并行計(jì)算迭代收縮算子的復(fù)雜的多維求優(yōu)過(guò)程轉(zhuǎn)化為對(duì)每個(gè)變量逐次進(jìn)行一維并行求優(yōu)的高效循環(huán)過(guò)程,最終重建得到目標(biāo)體內(nèi)部光源分布的定量和定位信息。使用該方法的優(yōu)勢(shì)為,在不同正則參數(shù)、不同Ip范數(shù)、不同初值、較強(qiáng)噪聲以及全部目標(biāo)區(qū)域下均能計(jì)算得到精確的重建結(jié)果;同時(shí),通過(guò)迭代算子的降維并行處理,使這種雙模態(tài)融合的斷層成像技術(shù)具有高于傳統(tǒng)方法的重建效率。


      圖1為基于迭代收縮的雙模態(tài)融合斷層成像技術(shù)框架流程圖。圖2為在體非勻質(zhì)小鼠的自發(fā)熒光斷層成像實(shí)驗(yàn)的表面光強(qiáng)圖。圖3為在體非勻質(zhì)小鼠的計(jì)算機(jī)斷層成像實(shí)驗(yàn)的解剖結(jié)構(gòu)圖。圖4為平滑算子θ (w)的參數(shù)w與其擬合對(duì)象的參數(shù)ρ的關(guān)系圖。圖5為使用本技術(shù)在不同正則參數(shù)下的重建結(jié)果圖。圖6為使用本技術(shù)在不同Ip范數(shù)下的重建結(jié)果圖。圖7為目標(biāo)優(yōu)化函數(shù)值與迭代次數(shù)的演化曲線圖。
      具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白,以下結(jié)合具體實(shí)施例,并參照附圖,對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。下面結(jié)合附圖詳細(xì)說(shuō)明本發(fā)明技術(shù)方案中所涉及的各個(gè)細(xì)節(jié)問(wèn)題。應(yīng)指出的是, 所描述的實(shí)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。本發(fā)明是一種基于迭代收縮的雙模態(tài)融合斷層成像技術(shù)。在自發(fā)熒光斷層成像中,例如通過(guò)對(duì)小動(dòng)物轉(zhuǎn)基因,使得小動(dòng)物在病灶處產(chǎn)生熒光蛋白酶,進(jìn)而通過(guò)靜脈注射熒光底物,從而在該蛋白酶的催化作用下發(fā)射出可見(jiàn)或近紅外光,光在生物組織中的傳輸將歷經(jīng)多次散射。最終有一部分光子到達(dá)小動(dòng)物皮膚并出射到自由空間中被探測(cè)器接收,作為自發(fā)熒光斷層成像中獲取到的表面光強(qiáng)分布信息。再融合通過(guò)計(jì)算機(jī)斷層成像獲取到的小動(dòng)物內(nèi)部解剖結(jié)構(gòu)信息,借助不同組織器官的光學(xué)特性參數(shù)和分割、配準(zhǔn)、網(wǎng)格剖分技術(shù)建立非勻質(zhì)小動(dòng)物模型,最終重建出小動(dòng)物體內(nèi)的光源強(qiáng)度與位置信息。本發(fā)明能在不同正則參數(shù)、不同Ip范數(shù)、不同初值、較強(qiáng)的噪聲的情況下,精確重建出小動(dòng)物全身的內(nèi)部光源{曰息。下面結(jié)合附圖,詳細(xì)描述本發(fā)明的斷層圖像重建方法。作為一種具體的實(shí)現(xiàn)技術(shù)方案,其框架流程圖參閱圖1,步驟如下步驟1 采用波爾茲曼傳輸方程的一階球諧近似得到的擴(kuò)散方程建立光子在目標(biāo)體內(nèi)部的傳輸模型,即擴(kuò)散方程傳輸模型- V. [£ (r)V0(r)]+//a(r)0(r)= ^(r)式中,r是位置向量,D是散射系數(shù),Pa是吸收系數(shù),Φ是目標(biāo)體表面光強(qiáng)分布,S 表示待求解的目標(biāo)體內(nèi)部光強(qiáng)分布。步驟2 利用自發(fā)熒光斷層成像獲取目標(biāo)體表面出射的光強(qiáng)分布測(cè)量值Φ* ;利用計(jì)算機(jī)斷層成像獲取目標(biāo)體內(nèi)部幾何結(jié)構(gòu)信息,通過(guò)分割出目標(biāo)體內(nèi)部不同的器官結(jié)構(gòu), 并為不同器官設(shè)置相應(yīng)的光學(xué)參數(shù),包括吸收系數(shù)和散射系數(shù),從而建立非勻質(zhì)目標(biāo)體模型。步驟3 對(duì)非勻質(zhì)目標(biāo)體模型進(jìn)行幾何結(jié)構(gòu)的網(wǎng)格剖分,并利用配準(zhǔn)技術(shù)將表面光強(qiáng)信息與幾何結(jié)構(gòu)信息進(jìn)行位置融合與能量融合。請(qǐng)參閱圖2和圖3為非勻質(zhì)小鼠斷層成像實(shí)驗(yàn)獲取的信息。圖2給出在體非勻質(zhì)小鼠表面光強(qiáng)信息,該數(shù)據(jù)采集于自發(fā)熒光斷層成像實(shí)驗(yàn),并經(jīng)過(guò)配準(zhǔn)等后處理操作。圖3給出在體非勻質(zhì)小鼠的解剖結(jié)構(gòu)信息,該數(shù)據(jù)采集于計(jì)算機(jī)斷層成像實(shí)驗(yàn),并經(jīng)過(guò)分割等后處理操作。融合圖2和圖3中的數(shù)據(jù),并作網(wǎng)格剖分處理,建立起非勻質(zhì)小鼠的模型,包含了軀干、心臟、肺、肝臟、肌肉、骨骼等組織器官。步驟4 基于步驟3獲得的信息,比如離散化幾何信息和能量信息,利用有限元方法將擴(kuò)散方程傳輸模型轉(zhuǎn)換成線性矩陣方程MS= Φ的形式,其中,M是描述模型性質(zhì)的系統(tǒng)矩陣。步驟5 為了以優(yōu)化的方式迭代求解目標(biāo)體內(nèi)部光強(qiáng)分布S,要基于線性矩陣方程形式的擴(kuò)散方程傳輸模型,利用正則理論,建立優(yōu)化目標(biāo)函數(shù)
      權(quán)利要求
      1.一種基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,該方法包括以下步驟步驟a,采用波爾茲曼傳輸方程的一階球諧近似得到的擴(kuò)散方程建立光子在目標(biāo)體內(nèi)部的傳輸模型,即擴(kuò)散方程傳輸模型;步驟b,利用有限元方法將擴(kuò)散方程傳輸模型轉(zhuǎn)換成線性矩陣方程的形式; 步驟c,基于線性矩陣方程形式的擴(kuò)散方程傳輸模型,利用正則理論,建立優(yōu)化目標(biāo)函數(shù)f (S),其中,S為待求解的目標(biāo)體內(nèi)部光強(qiáng)分布;步驟d,對(duì)f (S)進(jìn)行降維處理,得到一維優(yōu)化目標(biāo)函數(shù);步驟e,基于所述一維優(yōu)化目標(biāo)函數(shù),以迭代的方式求解得到最優(yōu)目標(biāo)體內(nèi)部光強(qiáng)分布S。
      2.根據(jù)權(quán)利要求1所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,所述擴(kuò)散方程傳輸模型表示為-V · [D(r)V0(r)]+//a(r)0(r)=對(duì)r),其中,r是位置向量,D是散射系數(shù),是吸收系數(shù),Φ是目標(biāo)體表面光強(qiáng)分布,S表示待求解的目標(biāo)體內(nèi)部光強(qiáng)分布。
      3.根據(jù)權(quán)利要求1所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,步驟b之前還包括建立非勻質(zhì)目標(biāo)體模型的步驟,并且所述建立非勻質(zhì)目標(biāo)體模型的步驟具體為利用自發(fā)熒光斷層成像獲取目標(biāo)體表面出射的光強(qiáng)分布測(cè)量值Φ* ;利用計(jì)算機(jī)斷層成像獲取目標(biāo)體內(nèi)部幾何結(jié)構(gòu)信息,通過(guò)分割出目標(biāo)體內(nèi)部不同的器官結(jié)構(gòu),并為不同器官設(shè)置相應(yīng)的光學(xué)參數(shù),包括吸收系數(shù)和散射系數(shù),從而建立非勻質(zhì)目標(biāo)體模型。
      4.根據(jù)權(quán)利要求3所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,建立非勻質(zhì)目標(biāo)體模型之后、步驟b之前還包括對(duì)非勻質(zhì)目標(biāo)體模型進(jìn)行幾何結(jié)構(gòu)的網(wǎng)格剖分,并利用配準(zhǔn)技術(shù)將表面光強(qiáng)信息與幾何結(jié)構(gòu)信息進(jìn)行位置融合與能量融合。
      5.根據(jù)權(quán)利要求1所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,步驟b中的所述線性矩陣方程表示為MS = Φ,其中,M是描述模型性質(zhì)的系統(tǒng)矩陣,Φ是目標(biāo)體表面光強(qiáng)分布。
      6.根據(jù)權(quán)利要求5所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,步驟c中的所述優(yōu)化目標(biāo)函數(shù)表示為
      7.根據(jù)權(quán)利要求6所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,步驟d中得到的一維優(yōu)化目標(biāo)函數(shù)g(a)表示為
      8.根據(jù)權(quán)利要求7所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,采用平滑算子θ (w)來(lái)擬合替代以使所述一維優(yōu)化目標(biāo)函數(shù)g(a)在優(yōu)化中存在解析解, 其中,θ (w) = I a -win (1+1 a |/w),且w是平滑算子參數(shù)。
      9.根據(jù)權(quán)利要求8所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,所述步驟e具體包括以下步驟步驟el,設(shè)置初始迭代次數(shù)k = 0,并為Φ*,Μ,X,w賦值,并初始化目標(biāo)體內(nèi)部光強(qiáng)分布S0 ;步驟e2,采用并行的方式計(jì)算%的迭代收縮算子Hk ;步驟e3,利用線性搜索方法得到sk+1 ;s(s )步驟e4,計(jì)算比值E = ^^,判斷條件R< 0. 1,若為假,則執(zhí)行k = k+Ι,并跳至步驟e2,進(jìn)入下一次迭代,若為真,則重建停止,得到目標(biāo)體內(nèi)部光強(qiáng)分布S的最優(yōu)解,即最后一次迭代中得到的^115
      10.根據(jù)權(quán)利要求9所述的基于迭代收縮的雙模態(tài)融合斷層成像方法,其特征在于,所述迭代收縮算子Hk的計(jì)算公式為
      全文摘要
      本發(fā)明屬于醫(yī)學(xué)分子影像領(lǐng)域,涉及自發(fā)熒光斷層成像與計(jì)算機(jī)斷層成像兩種模態(tài)融合的方法,尤其是一種基于迭代收縮的雙模態(tài)融合斷層成像方法。這種技術(shù)用于定量并定位重建目標(biāo)體內(nèi)部的光源強(qiáng)度與位置,解決由目標(biāo)體表面有限的光強(qiáng)分布反推得到內(nèi)部全部的光強(qiáng)分布的逆向問(wèn)題。本技術(shù)方案的要點(diǎn)在于,利用自發(fā)熒光斷層成像中獲得的表面光強(qiáng)信息,融合計(jì)算機(jī)斷層成像中獲得的內(nèi)部幾何結(jié)構(gòu)信息,采用迭代收縮法將重建中復(fù)雜的多維求優(yōu)過(guò)程轉(zhuǎn)化為一維并行求優(yōu)的高效循環(huán)過(guò)程,從整體上得到對(duì)正則參數(shù)、lp范數(shù)、噪聲、初值魯棒的精確重建結(jié)果。該技術(shù)能有效地應(yīng)用于目標(biāo)體全身生理代謝的研究,重建效率高且適用于成像系統(tǒng)性能較低的情況。
      文檔編號(hào)A61B5/00GK102334979SQ20111022023
      公開(kāi)日2012年2月1日 申請(qǐng)日期2011年8月3日 優(yōu)先權(quán)日2011年8月3日
      發(fā)明者劉凱, 吳萍, 楊鑫, 田捷, 秦承虎 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1