[發明專利]單視圖切倫科夫發光斷層成像重建方法

有效

• 申請號: 201710726261.5
• 申請日: 2017-08-22
• 公開（公告）號: CN107392977B
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 侯榆青;薛花;賀小偉;曹欣;孫怡;衛瀟
• 申請（專利權）人: 西北大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T17/20;A61B5/00
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種單視圖切倫科夫發光斷層成像重建方法，其特征在于，所述單視圖切倫科夫發光斷層成像重建方法采用三階簡化球諧近似模型描述光在生物組織中的傳輸過程；采用稀疏貝葉斯學習算法重建，引入超參數，對權值賦予先驗條件概率分布用以限制模型的復雜度，最大化超參數的邊緣對數似然函數獲得權值參數的最優估計，保證重建質量；

所述單視圖切倫科夫發光斷層成像重建方法包括以下步驟：

(1)生物體表光學數據獲取：利用光學相機探測被測物體的表面光學信息；

(2)獲取生物體組織結構信息和光學特性參數:利用Micro-CT成像系統得到生物體的CT斷層數據，使用3DMED把掃描的CT數據進行三維體重建，采用擴散光學層析成像方法重建生物體各個組織的光學參數；

(3)數據映射：應用自由空間光傳輸理論，將光學相機獲取的二維光學數據映射到生物體表面，獲取生物體表面的三維熒光數據分布；

(4)基于光傳輸模型和有限元理論，將生物體的解剖結構信息和光學特性參數作為先驗信息，建立表面的測量數據與內部未知光源的線性關系；

(5)對網格全域通過稀疏貝葉斯學習算法進行重建，實現目標內部放射性核素探針的三維分布；具體包括：

1)擬采用稀疏正則化策略構建反演算法的目標函數：

其中，ρ是正則化系數，用來平衡目標項與懲罰項||w||₁之間的相對權重；

2)數據的概率分布函數形式為：

稀疏貝葉斯學習方法對參數w以簡單的先驗概率分布約束：

其中，α＝(α₀，α₁，…，α_N)是由超參數所組成的向量；對α賦Gamma先驗概率分布：

p(β)＝Gamma(β|c，d)；

其中β＝σ^-2，分布通過對權值進行積分：

p(t|α，σ²)＝∫P(t|w，σ²)p(w|α)dw；

3)由貝葉斯公式計算出w的后驗概率：

其中∑＝(σ^-2Φ^TΦ+A)^-1，μ＝σ^-2∑Φ^Tt；表面光強t，未知的光源位置w；

4)最大化稀疏權重的概率函數，最大化α和σ^-2，等價于最大化一個對數：

其中c＝σ²I+ΦA^-1Φ^T，超參數的更新公式如下：

5)利用超參數向量α中元素之間的獨立相關性，c分解：

邊緣化超參數最大后驗分布的似然對數L(α)分解成：

(6)顯示結果，重建結果和成像對象的解剖結構進行圖像融合并顯示。

2.如權利要求1所述的單視圖切倫科夫發光斷層成像重建方法，其特征在于，所述步驟(2)具體包括：

(a)利用Micro-CT成像系統得到生物體的CT斷層數據；

(b)使用3DMED軟件將CT斷層成像數據進行三維重建并分割得到成像對象的解剖結構；

(c)利用激光數據和解剖結構，采用擴散光學層析成像方法重建生物體各個組織的光學特性參數。

3.如權利要求1所述的單視圖切倫科夫發光斷層成像重建方法，其特征在于，所述步驟(4)包括：利用SPN方程的三階形式近似輻射傳輸方程描述該信號在組織中的傳輸過程，給出三階形式模型時域上的方程：

其中，μ_ak＝μ_a+μ_s(1-g^k)，μ_a、μ_s分別表示吸收和散射系數；和表示光通量密度分量；S表示光源函數；

結合羅賓邊界條件，采用有限元方法，建立表面光強t和未知的光源位置w的線性關系：

Φw＝t；

其中，Φ為描述切倫科夫熒光信號傳輸過程的系統矩陣。

4.如權利要求1所述的單視圖切倫科夫發光斷層成像重建方法，其特征在于，所述步驟(6)采用Tecplot軟件進行三維立體和二維截面展示。