[發明專利]一種基于深度學習的多模態擴散光學層析成像重建方法

在審

• 申請號: 202110258626.2
• 申請日: 2021-03-09
• 公開（公告）號: CN113066144A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 馮金超;張萬龍;賈克斌;孫中華;李哲
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種基于深度學習的多模態擴散光學層析成像重建方法，屬于醫學圖像處理領域，要解決的技術問題是如何將光學信號與核磁共振成像進行融合實現端到端的光學特征參數直接重建，為解決上述技術問題，本發明分析并構建Z?Net神經網絡將光學信號與核磁共振圖像同時作為網絡輸入，通過網絡訓練直接建立光學信號與光學特性參數之間的非線性關系，實現光學信號到光學特性參數的端到端重建，設計仿真實驗模擬腫瘤情況，在訓練過程中選擇合適的網絡參數，并測試模型性能，最后展示了本發明對DOT重建的表現，證明本發明可應用于擴散光學層析成像重建工作。

技術領域

本發明屬于醫學圖像處理領域，涉及一種基于深度學習的多模態擴散光學層析成像重建方法。

背景技術

擴散光學層析成像(Diffusion optical tomography,DOT)是一種新興的非侵入性光學成像技術，該技術的主要依據是生物體內不同的組織內血氧、血紅蛋白及水等物質含量有所差異，從而導致不同組織對近紅外光的吸收系數μ_a及其他光學參數產生差別[1]，擴散光學層析成像通過用近紅外光對生物組織照射并檢測含有組織光學信息的出射光進行病灶成像或考察生物光學參數的相對變化。

相比其他醫學成像模態，擴散光學層析成像具有成像時間短、非侵入、無損傷、成像深度深、特異性強、能獲得待測組織的功能信息和結構等優點[2-4]。但在DOT圖像重建中，由于光在生物組織中的傳播受到介質的強散射特性的影響，加之測量值數量有限，導致DOT圖像重建具有嚴重的病態性和不適定性。以X射線、超聲以及核磁共振成像(MagneticResonance Imaging，MRI)等高分辨率成像技術提供結構信息引導的DOT圖像重建[5-7]，具有較高的計算效率和重建圖像精度；但此過程需要精準分割其他成像模態所提供的結構圖像，導致重建結果很大程度依賴于分割精度，例如目前乳腺圖像大多數是由人工分割的，這十分耗費人力和資源。

得益于神經網絡和深度學習技術快速發展，為生物醫學成像領域帶來了新的研究思路。[8]中的U-net神經網絡實現了醫學圖像的自動分割，但仍需將分割結果結合到后續的重建工作中，并未實現光學信號到圖像域的端到端直接重建。[9]將兩層的神經網絡應用到DOT圖像重建中，但該方法的重建結果只能粗略定位異常區位置，且需要分別訓練兩個神經網絡；[10]提出了基于卷積神經網絡的DOT圖像重建方法，該方法的網絡輸出僅為仿體吸收系數和散射系數的單個數值，而非整個待重建區域的光學參數分布，同樣沒有實現直接從探測器采集的光學信號到圖像域的端到端重建。因此，如何將其他模態與光學信號進行融合實現端到端的光學特征參數直接重建變得十分有意義。

參考文獻：

[1]郭偉.生物自發熒光斷層成像的稀疏重建方法研究[D].北京工業大學,2013.

[2]Alex H.Barnett,Joseph P.Culver,A,Gregory Sorensen,Anders Dale,David A.Boas.Robust inference ofbaseline optical properties ofthe human headwith three-dimensional segmentation frommagneticresonanceimaging.AppliedOptics,2003,42(16)：3095～3108.

[3]汪立宏，吳新一.生物醫學光學原理和成像[M].安徽：中國科學技術大學出版社，2017:229.

[4]David,A,Boas.,et al.,Diffuse optical imaging ofbrain activation:approaches to optimizing image sensitivity,resolution,andaccuracy[J].Neuroimage,2004.