发明名称 基于生物组织特异性的光学三维成像方法
摘要 本发明公开了一种基于生物组织特异性的光学三维成像方法,解决了现有技术中无法实现对具有不规则解剖结构和多种散射特性组织的复杂生物体进行准确快速的光学三维成像的问题。该方法基于生物组织特异性光传输混合数学模型和完全稀疏正则化方法建立目标函数,采用基于任务导向的混合优化方法进行求解,以实现体内靶向目标的光学三维成像。具体实现步骤包括:采集数据、预处理、获取解剖结构、获取表面光学数据、重建光学特性参数、建立光传输模型、建立系统方程、建立目标函数、求解目标函数和显示结果。本发明具有能够实现复杂生物体中光源的准确、快速、高分辨重建的优点,可以用于在体光学三维成像领域。
申请公布号 CN102393969A 申请公布日期 2012.03.28
申请号 CN201110148500.6 申请日期 2011.06.02
申请人 西安电子科技大学 发明人 梁继民;陈雪利;田捷;屈晓超;陈多芳;朱守平;赵恒
分类号 G06T17/00(2006.01)I;G06T19/00(2011.01)I 主分类号 G06T17/00(2006.01)I
代理机构 陕西电子工业专利中心 61205 代理人 田文英;王品华
主权项 1.基于生物组织特异性的光学三维成像方法,包括:(1)采集数据利用多模态分子影像系统,依次采集用于光学三维成像的多角度荧光数据、用于光学特性参数重建的多角度激光数据和用于获取生物体解剖结构的计算机断层成像投影数据;(2)预处理2a)利用多模态分子影像系统中的预处理软件对采集的多角度激光数据和荧光数据进行去除背景噪声、提取感兴趣区域、补偿坏点预处理;2b)利用多模态分子影像系统中的预处理软件对计算机断层成像投影数据进行补偿坏点坏线、亮场校正、几何校正预处理;(3)获取解剖结构利用3DMED软件对预处理后的计算机断层成像投影数据进行三维重建,获得生物体三维体数据;利用3DMED软件中的人机交互式分割方法对获得的生物体三维体数据进行器官分割,获取生物体解剖结构;(4)获取表面光学数据对步骤(3)获取的生物体解剖结构和步骤(2)获取的荧光和激光数据,应用非接触式光学断层成像方法中的生物体表面三维能量重建技术获取生物体表面的三维荧光和激光数据分布;(5)重建光学特性参数对步骤(3)获取的生物体解剖结构和步骤(4)获取的生物体表面三维激光数据分布,应用基于区域的扩散光学层析成像方法重建生物体各个组织的光学特性参数;(6)建立光传输模型6a)根据生物体在解剖结构和组织光学特性参数方面的差异,将生物组织划分为高散射特性组织、低散射特性组织、空腔组织三大类;6b)根据扩散近似方程、简化球谐波近似方程、朗伯源特性方程的适用范围,采用相应的方程描述不同特性生物组织中的光传输过程;6c)构造外推边界和折射率不匹配边界条件耦合不同特性生物组织的光传输方程,建立统一的、描述光在整个生物体中传输过程的混合数学模型;(7)建立系统方程7a)如果是在第一级离散网格上建立系统方程,利用Amira软件对生物体的高散射特性和低散射特性组织进行初始离散;否则,利用编写的程序对上一级离散网格进行手动调整;7b)在第k级离散网格上,利用多级自适应有限元方法对步骤6c)建立的混合数学模型进行离散化,组装每个离散点上的子系统方程建立总的系统方程:A<sub>k</sub>S<sub>k</sub>=Φ<sub>k</sub>其中,A<sub>k</sub>是第k级离散网格上的系统矩阵,依赖于生物体内三类特性生物组织的分布和生物组织的光学特性参数;S<sub>k</sub>是第k级离散网格上的靶向目标能量密度分布;Φ<sub>k</sub>是第k级离散网格边界节点上的光通量密度;(8)建立目标函数根据第k级离散网格边界节点上的光通量密度计算值和测量值之间的误差,结合靶向目标的稀疏分布约束,建立下列目标函数:<maths num="0001"><![CDATA[<math><mrow><mi>min</mi><munder><mrow><mi>&Theta;</mi><mrow><mo>(</mo><msub><mi>S</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow><mrow><msubsup><mi>S</mi><mi>k</mi><mi>inf</mi></msubsup><mo>&le;</mo><msub><mi>S</mi><mi>k</mi></msub><mo>&le;</mo><msubsup><mi>S</mi><mi>k</mi><mi>sup</mi></msubsup></mrow></munder><mo>=</mo><mo>{</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><msub><mrow><mo>|</mo><mo>|</mo><msub><mi>A</mi><mi>k</mi></msub><msub><mi>S</mi><mi>k</mi></msub><mo>-</mo><msubsup><mi>&Phi;</mi><mi>k</mi><mi>m</mi></msubsup><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub><mo>+</mo><msub><mi>&lambda;</mi><mi>k</mi></msub><msub><mrow><mo>|</mo><mo>|</mo><msub><mi>S</mi><mi>k</mi></msub><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub><mo>}</mo></mrow></math>]]></maths>其中,Θ(S<sub>k</sub>)是第k级离散网格上的目标函数;<img file="FSA00000510422000022.GIF" wi="68" he="59" />是第k级离散网格上的靶向目标能量密度的下限;<img file="FSA00000510422000023.GIF" wi="73" he="51" />是第k级离散网格上的靶向目标能量密度的上限;<img file="FSA00000510422000024.GIF" wi="62" he="52" />是第k级离散网格边界节点上的光通量密度的测量值;‖F‖<sub>1</sub>定义为求解矩阵F的l<sub>1</sub>范数;λ<sub>k</sub>是第k级离散网格上的正则化因子;(9)求解目标函数9a)采用基于任务导向的混合优化方法求解建立的目标函数,根据第k级离散网格上形成的系统矩阵的大小选择合适的优化方法,获得第k级离散网格上的靶向目标能量密度分布;9b)利用靶向目标能量密度分布计算第k级离散网格边界节点上的光通量密度;9c)判断第k级离散网格边界节点上的光通量密度的测量值和计算值之差,如果小于给定阈值,则目标函数求解过程结束,获得光学三维成像的靶向目标重建结果,转向步骤(10);否则,转向步骤9d);9d)根据步骤9a)获得的靶向目标能量密度分布和步骤9b)获得的边界节点上的光通量密度计算值,调整第k+1级离散网格,转向步骤(7);(10)显示结果。
地址 710071 陕西省西安市太白南路2号