[發(fā)明專利]一種基于同步聚類的多光源熒光分子斷層成像重建方法

有效

• 申請?zhí)枺?/td>: 201710647768.1
• 申請日: 2017-08-01
• 公開（公告）號: CN107374588B
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計）人: 賀小偉;鄔子同;王曉東;侯榆青;易黃建
• 申請（專利權(quán)）人: 西北大學(xué)
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B6/03;G06K9/62;G06T7/10;G06T11/00;G06T17/00
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 李婷;周春霞

本發(fā)明公開了一種基于同步聚類的多光源熒光分子斷層成像重建方法，利用光學(xué)特性參數(shù)與解剖結(jié)構(gòu)信息作為先驗知識，提高了重建結(jié)果的準(zhǔn)確性與重建圖像的質(zhì)量；本發(fā)明魯棒地自動分割重建圖像，無需先驗知道光源數(shù)目，聚類速度快，減少了計算時間復(fù)雜度，可提供聚類中心；而且充分利用FMT的空間坐標(biāo)信息和熒光產(chǎn)額信息。

技術(shù)領(lǐng)域

本發(fā)明屬于分子影像領(lǐng)域，涉及一種基于同步聚類的多光源熒光分子斷層成像重建方法，可用于在體熒光分子斷層成像的逆問題重建。

背景技術(shù)

熒光分子斷層成像(簡稱FMT)是一種新型的光學(xué)分子影像技術(shù)，它利用熒光探針、熒光染料等標(biāo)記重建目標(biāo)。在外部激發(fā)光的照射下，被標(biāo)記的目標(biāo)吸收能量，發(fā)生能級躍遷，然后釋放能量發(fā)出熒光。利用高靈敏的光學(xué)儀器采集生物體表的熒光，結(jié)合數(shù)學(xué)模型，重建出目標(biāo)的三維分布和熒光產(chǎn)額。FMT可以對活體進行細(xì)胞分子水平的定量研究，被廣泛應(yīng)用于疾病的早期診斷與醫(yī)療監(jiān)測。

FMT重建是一個不適定問題，其解不唯一、并容易受測量噪聲影響。光子在生物體內(nèi)部的傳播經(jīng)過大量散射過程，而非直線傳播，求解未知數(shù)數(shù)量遠(yuǎn)遠(yuǎn)大于方程數(shù)，進一步增加求解的不適定性。在研究的早期，L2范數(shù)正則化的方法，代數(shù)迭代算法被用來求解問題。由于受到壓縮感知理論影響，一些基于L1范數(shù)的重建算法被提出，例如IVTCG重建算法，Homtopy算法等。最近，基于L_p(0＜p＜1)范數(shù)的重建方法，基于貪婪思想的重建算法以及基于TV范數(shù)的重建方法也相繼被提出。這些算法在單光源FMT重建中有著不錯的效果，但在多光源FMT重建中還有待提高。在FMT臨床研究中，多個病變區(qū)域的鎖定，中心定位，對于臨床治療有個更重要的意義。例如，腫瘤轉(zhuǎn)移，多個腫瘤塊的定位，都需要用到多目標(biāo)FMT重建算法。多光源重建相比單光源重建，其重建難度更大，目前對于多目標(biāo)的分辨，在FMT研究中并沒有一個魯棒、高效的重建方法。因此，多光源重建一直作為FMT研究的一個主要方面。

發(fā)明內(nèi)容

針對上述現(xiàn)有技術(shù)中存在的問題或缺陷，本發(fā)明的目的在于，提供一種基于同步聚類的多光源熒光分子斷層成像重建方法，其解決了現(xiàn)有技術(shù)中目標(biāo)重建過程魯棒性較差，且時間復(fù)雜度較大的問題。

為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于同步聚類的多光源熒光分子斷層成像重建方法，包括以下步驟：

步驟一，成像目標(biāo)內(nèi)包含重建目標(biāo)，獲取成像目標(biāo)體表熒光的光通量密度；

步驟二，對成像目標(biāo)進行CT掃描，獲得成像目標(biāo)的計算機斷層成像數(shù)據(jù)；對成像目標(biāo)的計算機斷層成像數(shù)據(jù)進行三維重建并分割，得到成像目標(biāo)的解剖結(jié)構(gòu)信息；利用光通量密度和成像目標(biāo)的解剖結(jié)構(gòu)信息獲得成像目標(biāo)的光學(xué)特性參數(shù)；

步驟三，對成像目標(biāo)的計算機斷層成像數(shù)據(jù)進行離散化處理，得到多個目標(biāo)網(wǎng)格節(jié)點、多個四面體以及目標(biāo)網(wǎng)格節(jié)點和四面體之間的對應(yīng)關(guān)系；

步驟四，根據(jù)成像目標(biāo)的光學(xué)特性參數(shù)，基于光傳輸模型和有限元理論，建立光通量密度與重建目標(biāo)的三維分布的線性關(guān)系；

步驟五，將步驟四得到的線性關(guān)系轉(zhuǎn)換為L1范數(shù)極小化問題，求解L1范數(shù)極小化問題，獲得重建目標(biāo)的三維分布；

步驟六，根據(jù)重建目標(biāo)的三維分布和目標(biāo)網(wǎng)格節(jié)點，確定重建目標(biāo)所包含的目標(biāo)網(wǎng)格節(jié)點；

步驟七，利用重建目標(biāo)包含的目標(biāo)網(wǎng)格節(jié)點對重建目標(biāo)的三維分布進行同步聚類，得到多個類別；根據(jù)目標(biāo)網(wǎng)格節(jié)點和四面體之間的對應(yīng)關(guān)系，每個類別形成一個子重建目標(biāo)。

具體地，所述步驟四中的光通量密度與重建目標(biāo)的三維分布的線性關(guān)系，采用如下公式表示：

ΑX＝Φ

其中，A是系統(tǒng)權(quán)重矩陣，Φ光通量密度，X是重建目標(biāo)的三維分布。