[發(fā)明專(zhuān)利]基于改進(jìn)遺傳算法對(duì)光聲圖像的重建參數(shù)優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010215818.0
• 申請(qǐng)日: 2020-03-24
• 公開(kāi)（公告）號(hào): CN111445407A
• 公開(kāi)（公告）日: 2020-07-24
• 發(fā)明（設(shè)計(jì)）人: 朱赟;虞結(jié)福;許穎;陳劍;高連峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 贛南師范大學(xué)
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00;G06N3/12
• 代理公司: 北京科家知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 陳娟

本發(fā)明涉及生物醫(yī)學(xué)中光聲成像應(yīng)用的研究領(lǐng)域，具體涉及利用改進(jìn)遺傳算法對(duì)光聲成像技術(shù)中的圖像重建參數(shù)的優(yōu)化方法，光聲成像技術(shù)利用光聲效應(yīng)的原理，融合了組織體對(duì)純光的高選擇性和純超聲在組織中的深穿透性的特點(diǎn)，使得重建出來(lái)的圖像具備良好的清晰度和對(duì)比度。但傳統(tǒng)算法重建出的光聲圖像會(huì)存在較多的偽影，嚴(yán)重影響圖像的質(zhì)量。本文所提出的基于改進(jìn)遺傳算法對(duì)光聲成像技術(shù)中的圖像重建參數(shù)的優(yōu)化方法，根據(jù)初始化的圖像利用改進(jìn)的遺傳算法對(duì)圖像參數(shù)反演迭代尋找當(dāng)前最優(yōu)的稀疏矩陣，再將該優(yōu)化矩陣參數(shù)利用壓縮感知算法迭代重建出符合預(yù)定值的圖像，從而重建出無(wú)偽影的高質(zhì)量光聲圖像。

技術(shù)領(lǐng)域

本發(fā)明涉及生物醫(yī)學(xué)中光聲成像應(yīng)用的研究領(lǐng)域，具體涉及利用改進(jìn)遺傳算法對(duì)光聲成像技術(shù)中的圖像重建參數(shù)的優(yōu)化方法。

背景技術(shù)

圖像作為最簡(jiǎn)單直接的信息傳遞方式，被研究人員用作疾病診斷的工具，讓人們對(duì)疾病的深入研究具有十分重要的意義。現(xiàn)如今，生物醫(yī)學(xué)領(lǐng)域的成像技術(shù)手段非常豐富，這些醫(yī)學(xué)成像技術(shù)在醫(yī)學(xué)臨床研究領(lǐng)域的應(yīng)用也變得更加廣泛，目前主要被應(yīng)用的醫(yī)學(xué)成像方式包括：核磁共振成像、超聲波成像、X射線(xiàn)成像、放射性核素成像和光聲成像技術(shù)等。

光聲成像技術(shù)主要涉及有醫(yī)學(xué)、光學(xué)、聲學(xué)和圖像處理等多個(gè)領(lǐng)域，其理論基礎(chǔ)是利用光聲效應(yīng)，是近年來(lái)新興的一種非侵入性和非電離輻射的生物醫(yī)學(xué)成像技術(shù)。目前已經(jīng)成為生物醫(yī)學(xué)影像中比較熱門(mén)的一項(xiàng)研究技術(shù)。光聲成像技術(shù)融合了組織體對(duì)純光的高選擇性和純超聲在組織中的深穿透性的特點(diǎn)，同時(shí)具備光學(xué)成像的高對(duì)比度和超聲成像的高分辨率等優(yōu)點(diǎn)，因此該技術(shù)重建出來(lái)的圖像具備良好的清晰度和對(duì)比度。光聲成像的工作原理是：激光脈沖照射下生物組織受熱膨脹，組織中周期性的振動(dòng)產(chǎn)生超聲波，分布在組織表面的超聲探測(cè)器探測(cè)到產(chǎn)生的超聲波信號(hào)后，利用重建算法完成生物組織體內(nèi)的光吸收?qǐng)D像重建。研究人員通過(guò)觀(guān)察重建算法獲得的光聲圖像對(duì)生物體內(nèi)部的生理組織特征進(jìn)行研究診斷。此時(shí)，性能優(yōu)良的圖像重建算法對(duì)光聲成像工作至關(guān)重要，這也是光聲成像技術(shù)的關(guān)鍵所在。目前在有限角度掃描情況下，傳統(tǒng)的重建算法生成的光聲圖像中存在較多的重建偽影。本文針對(duì)上述問(wèn)題，提出基于改進(jìn)遺傳算法對(duì)光聲成像技術(shù)中的圖像重建參數(shù)的優(yōu)化方法，對(duì)重建圖像進(jìn)行偽影消除，以期獲得更少偽影的高質(zhì)量光聲圖像。

發(fā)明內(nèi)容

本發(fā)明的目的是，提供給一種在有限角度掃描情況下，能夠比較好的消除光聲成像過(guò)程中產(chǎn)生的圖像偽影的方法，通過(guò)改進(jìn)遺傳算法迭代演化尋找壓縮感知算法所需的最優(yōu)采樣矩陣參數(shù)，從而達(dá)到重建出高質(zhì)量的光聲圖像目的。

為解決上述發(fā)明目的，本發(fā)明所采用的技術(shù)方案包括：首先使用稀疏采樣得到采樣矩陣X_a×c，利用壓縮感知算法得到初始重建圖像C_i，通過(guò)改進(jìn)的遺傳算法對(duì)圖像C_i參數(shù)反推迭代尋找當(dāng)前最優(yōu)稀疏矩陣，再根據(jù)該優(yōu)化矩陣參數(shù)利用壓縮感知算法重建出新的圖像C_i+1。若C_i+1的偽影消除度達(dá)到預(yù)定值，則圖像重建成功，否則重復(fù)上述步驟。

構(gòu)造初始采樣矩陣。根據(jù)稀疏掃描數(shù)據(jù)可以構(gòu)造出測(cè)量矩陣M_a×b，其中各個(gè)掃描點(diǎn)為a，成像區(qū)域中的像素點(diǎn)為b。再由測(cè)量矩陣和測(cè)量值可R_b×c計(jì)算得到采樣矩陣信號(hào)X_a×c，其一般公式為：

F＝arg min{||RX-M||^Z+λ||LX||^Z}

其中，λ是矩陣正則化系數(shù)，L是拉普拉斯變換，Z為誤差開(kāi)方值。

基于遺傳算法的最優(yōu)采樣矩陣迭代。通過(guò)上述計(jì)算得到初始采樣矩陣，利用遺傳算法具有良好的求全局最優(yōu)解的特點(diǎn)，通過(guò)設(shè)計(jì)多因素適應(yīng)度函數(shù)計(jì)算種群適應(yīng)度值，反推迭代尋找最優(yōu)矩陣值，以獲得消除偽影的高質(zhì)量重建圖像。改進(jìn)后的遺傳算法具體過(guò)程如下：