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