[發明專利]基于自適應高斯拉普拉斯規則化的FMT重建方法及裝置

有效

• 申請號: 201811404727.0
• 申請日: 2018-11-22
• 公開（公告）號: CN109615673B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 田捷;孟慧;王坤;高源
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06T11/00
• 分類號: G06T11/00;A61B5/00;A61B6/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 任巖

1.一種基于自適應高斯拉普拉斯規則化的激發熒光斷層成像重建方法，其中，包括如下步驟：

步驟S100：基于擴散方程和有限元模型轉換，建立激發熒光斷層成像逆問題；其中，步驟S100中包括：

步驟S110：建立擴散方程，包括：

其中，代表梯度算子，r為位置向量，Ω代表成像物體所占據的三維空間，r_l為激發光源的位置，Θ為激發光源的光強值，下標x和m分別表示激發光和發射光，Φ_x，m(r)代表位置r處的光子密度，μ_ax，am為光學吸收系數，μ_sx，sm為光學散射系數，D_x，m＝1/3(μ_ax，am+(1-g)μ_sx，sm)為擴散系數，g為各向異性系數，ημ_af(r)為待重建的熒光區域，其中η代表量子效率，q代表光學折射系數；

步驟S120：基于擴散方程(1)，進行有限元模型轉換為如下的方程：

Φ＝AX

其中，Φ為采集到的成像物體表面的發射熒光信息，A代表系統矩陣，X代表生物組織內部的光源的分布信息；

步驟S130：建立激發熒光斷層成像逆問題：

其中，min E(x)為逆問題方程，Φ為采集到的成像物體表面的發射熒光信息，A代表系統矩陣，X代表生物組織內部的光源的分布信息；

步驟S200：在步驟S100建立的逆問題中，加入自適應的高斯拉普拉斯規則化約束條件；步驟S200中，在步驟S100建立的逆問題中，加入自適應的高斯拉普拉斯規則化約束條件后的逆問題如下：

其中，min E(x)′為加入自適應的高斯拉普拉斯規則化約束條件后的逆問題方程，Φ為采集到的成像物體表面的發射熒光信息，A代表系統矩陣，X代表生物組織內部的光源的分布信息，λ為規則化參數，L_AG為自適應的高斯加權的拉普拉斯規則化矩陣；

所述自適應的高斯加權的拉普拉斯規則化矩陣L_AG如下：

L_AG＝(l_i，j)_N×N

其中，矩陣L_AG的維數為N×N，l_i，j為矩陣L_AG第i行，第j列的元素；S_t代表子圖像t，d_i，j為像素i和像素j之間的歐式距離，ρ_sk為光滑算子，R_L和R_S分別為較大的和較小的高斯核參數；Ω_h為高能區，Ω_m為中能區，Ω_l為低能區，為子圖像中屬于高能區和低能區的任意兩個元素，為子圖像中屬于中能區的任意兩個元素；

步驟S300：利用共軛梯度方法迭代求解逆問題；

步驟S400：合成靶向性的熒光探針；

步驟S500：構建小鼠腦膠質瘤原位模型，捕獲注射探針的熒光數據，獲得熒光探針在腦膠質瘤區域的形態學分布。

2.如權利要求1所述的激發熒光斷層成像重建方法，其中，所述高能區Ω_h、中能區Ω_m和低能區Ω_l的定義分別如下：

其中，為在第n次迭代計算中第k個像素的光強值；為在第n次迭代計算中最大的像素光強值，θ_h和θ_l為劃分高能區、中能區和低能區的高閾值和低閾值。

3.如權利要求1所述的激發熒光斷層成像重建方法，其中，步驟S300中對迭代結果中小于零的元素進行修正。