[發明專利]基于ADMM網絡的反射式熒光分子斷層成像方法及系統

在審

• 申請號: 202210972936.5
• 申請日: 2022-08-15
• 公開（公告）號: CN115311380A
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 鄧勇;劉鍇賢;蔣宇軒;李文松
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉芳

1.一種基于ADMM網絡的反射式熒光分子斷層成像方法，其特征在于，所述方法包括：

獲取待重建激發光源掃描面的反射熒光分布；

根據所述待重建激發光源掃描面的反射熒光分布，利用解耦合熒光蒙特卡羅模型構建正向矩陣以及所述正向矩陣對應的訓練數據集；所述訓練數據集包括不同位置處的真實熒光團分布以及不同位置處的所述真實熒光團分布對應的激發光源掃描面的反射熒光分布；

利用所述正向矩陣構建待優化目標函數；

對所述待優化目標函數進行L1正則化處理，得到處理后的待優化目標函數；

利用交替方向乘子法將所述處理后的待優化目標函數分解成三個子問題；所述三個子問題包括第一子問題、第二子問題和第三子問題；

對所述三個子問題參數化得到參數化ADMM迭代網絡；

利用所述訓練數據集和損失函數對所述參數化ADMM迭代網絡進行訓練和優化，得到ADMM網絡；

將所述待重建激發光源掃描面的反射熒光分布輸入所述ADMM網絡中，得到所述待重建激發光源掃描面的反射熒光分布對應的熒光團分布。

2.根據權利要求1所述的基于ADMM網絡的反射式熒光分子斷層成像方法，其特征在于，所述處理后的待優化目標函數為：

式中，Y為激發光源掃描面的反射熒光分布；A為正向矩陣；x為激發光源掃描面的反射熒光分布對應的熒光團分布；λ為正則化參數；W為權重矩陣；為Ax-Y的L₂范數的平方，||Wx||₁為Wx的L₁范數；E(x)為待優化目標函數，E(x)最小時對應的x為重建的熒光團分布。

3.根據權利要求2所述的基于ADMM網絡的反射式熒光分子斷層成像方法，其特征在于，所述對所述三個子問題參數化得到參數化ADMM迭代網絡，具體包括：

采用第一三維卷積神經網絡作為所述第一子問題的初始化算子，采用第二三維卷積神經網絡作為所述第二子問題的求解算子，采用第三三維卷積神經網絡作為所述第三子問題的更新算子，得到參數化ADMM迭代網絡。

4.根據權利要求3所述的基于ADMM網絡的反射式熒光分子斷層成像方法，其特征在于，所述參數化ADMM迭代網絡為：

z_k+1＝F(W_kx_k+1+u_k)+(W_kx_k+1+u_k)

u_k+1＝u_k+W_kx_k+1-z_k+1

W_k+1＝P(x_k+1)

式中，x_k+1為參數化ADMM迭代網絡經過第k+1次迭代得到的熒光團分布；CG表示共軛梯度法；O表示第一三維卷積神經網絡；F表示第二三維卷積神經網絡；P表示第三三維卷積神經網絡；T表示矩陣的轉置；ρ為正則化參數；W_k為參數化ADMM迭代網絡經過第k次迭代得到的正則化矩陣；z_k是參數化ADMM迭代網絡經過第k次迭代得到的第一輔助變量；u_k是參數化ADMM迭代網絡經過第k次迭代得到的第二輔助變量；x_k為參數化ADMM迭代網絡經過第k次迭代得到的熒光團分布；N為最大迭代輪數；z_k+1是參數化ADMM迭代網絡經過第k+1次迭代得到的第一輔助變量；u_k+1是參數化ADMM迭代網絡經過第k+1次迭代得到的第二輔助變量；W_k+1為參數化ADMM迭代網絡經過第k+1次迭代得到的正則化矩陣，k表示迭代次數的序號。