[發(fā)明專利]基于ADMM網(wǎng)絡(luò)的反射式熒光分子斷層成像方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210972936.5
• 申請(qǐng)日: 2022-08-15
• 公開（公告）號(hào): CN115311380A
• 公開（公告）日: 2022-11-08
• 發(fā)明（設(shè)計(jì)）人: 鄧勇;劉鍇賢;蔣宇軒;李文松
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06T11/00
• 分類號(hào): G06T11/00
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 劉芳

本發(fā)明公開一種基于ADMM網(wǎng)絡(luò)的反射式熒光分子斷層成像方法及系統(tǒng)，涉及分子影像技術(shù)領(lǐng)域，方法包括：根據(jù)待重建反射熒光分布，利用解耦合熒光蒙特卡羅模型構(gòu)建正向矩陣和訓(xùn)練數(shù)據(jù)集；利用正向矩陣構(gòu)建待優(yōu)化目標(biāo)函數(shù)；對(duì)待優(yōu)化目標(biāo)函數(shù)進(jìn)行L1正則化處理；利用交替方向乘子法將處理后的待優(yōu)化目標(biāo)函數(shù)分解成三個(gè)子問題；對(duì)三個(gè)子問題參數(shù)化得到參數(shù)化ADMM迭代網(wǎng)絡(luò)；利用訓(xùn)練數(shù)據(jù)集和損失函數(shù)對(duì)參數(shù)化ADMM迭代網(wǎng)絡(luò)進(jìn)行訓(xùn)練和優(yōu)化，得到ADMM網(wǎng)絡(luò)；將待重建反射熒光分布輸入ADMM網(wǎng)絡(luò)中，得到重建的熒光團(tuán)分布。本發(fā)明能提高反射式FMT圖像重建質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及分子影像技術(shù)領(lǐng)域，特別是涉及一種基于ADMM網(wǎng)絡(luò)的反射式熒光分子斷層成像方法及系統(tǒng)。

背景技術(shù)

熒光分子斷層成像(Fluorescence Molecular Tomography，F(xiàn)MT)是一種基于擴(kuò)散光子的成像技術(shù)。傳統(tǒng)的FMT通常是透射式成像，因此當(dāng)激發(fā)光或熒光無法穿透整個(gè)樣本時(shí)，傳統(tǒng)透射式FMT難以對(duì)樣本成像。而反射式FMT僅利用反射光子成像，基本不受樣本尺寸的限制。但是，由于反射式FMT的源-探數(shù)量大，掃描角度和探測(cè)角度單一，導(dǎo)致不同光源對(duì)應(yīng)的熒光分布高度相似，因此反射式FMT逆向問題具有高度病態(tài)性，這意味著傳統(tǒng)的基于數(shù)學(xué)迭代求解的重建方法其重建結(jié)果偽影多，成像質(zhì)量差。因此，如何提高反射式FMT圖像重建質(zhì)量對(duì)反射式FMT具有重大意義。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于ADMM網(wǎng)絡(luò)的反射式熒光分子斷層成像方法及系統(tǒng)，能夠提高反射式FMT圖像重建質(zhì)量。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于ADMM網(wǎng)絡(luò)的反射式熒光分子斷層成像方法，所述方法包括：

獲取待重建激發(fā)光源掃描面的反射熒光分布；

根據(jù)所述待重建激發(fā)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(gòu)建正向矩陣以及所述正向矩陣對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)集；所述訓(xùn)練數(shù)據(jù)集包括不同位置處的真實(shí)熒光團(tuán)分布以及不同位置處的所述真實(shí)熒光團(tuán)分布對(duì)應(yīng)的激發(fā)光源掃描面的反射熒光分布；

利用所述正向矩陣構(gòu)建待優(yōu)化目標(biāo)函數(shù)；

對(duì)所述待優(yōu)化目標(biāo)函數(shù)進(jìn)行L1正則化處理，得到處理后的待優(yōu)化目標(biāo)函數(shù)；

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

對(duì)所述三個(gè)子問題參數(shù)化得到參數(shù)化ADMM迭代網(wǎng)絡(luò)；

利用所述訓(xùn)練數(shù)據(jù)集和損失函數(shù)對(duì)所述參數(shù)化ADMM迭代網(wǎng)絡(luò)進(jìn)行訓(xùn)練和優(yōu)化，得到ADMM網(wǎng)絡(luò)；

將所述待重建激發(fā)光源掃描面的反射熒光分布輸入所述ADMM網(wǎng)絡(luò)中，得到所述待重建激發(fā)光源掃描面的反射熒光分布對(duì)應(yīng)的熒光團(tuán)分布。

可選地，所述處理后的待優(yōu)化目標(biāo)函數(shù)為：

式中，Y為激發(fā)光源掃描面的反射熒光分布；A為正向矩陣；x為激發(fā)光源掃描面的反射熒光分布對(duì)應(yīng)的熒光團(tuán)分布；λ為正則化參數(shù)；W為權(quán)重矩陣；為Ax-Y的L₂范數(shù)的平方，||Wx||₁為Wx的L₁范數(shù)；E(x)為待優(yōu)化目標(biāo)函數(shù)，E(x)最小時(shí)對(duì)應(yīng)的x為重建的熒光團(tuán)分布。

可選地，所述對(duì)所述三個(gè)子問題參數(shù)化得到參數(shù)化ADMM迭代網(wǎng)絡(luò)，具體包括：

采用第一三維卷積神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)作為所述第二子問題的求解算子，采用第三三維卷積神經(jīng)網(wǎng)絡(luò)作為所述第三子問題的更新算子，得到參數(shù)化ADMM迭代網(wǎng)絡(luò)。

可選地，所述參數(shù)化ADMM迭代網(wǎng)絡(luò)為：