CN103393408A - 一种光声和荧光循环互提升成像方法 - Google Patents

Abstract

本发明公开了一种光声和荧光循环互提升成像方法。该成像方法包括：多光谱光声成像、基于光声成像先验信息的多光谱扩散光学断层成像重建、小动物结构信息获取、小动物结构信息获取、基于结构与光学特性先验信息的组织特异性荧光分子成像重建和光声和荧光信息融合六个步骤。本发明的成像方法适用于光声和荧光多模态成像设备，可以达到光学和荧光成像质量循环互提升的效果，得到比分别进行单一模态成像更准确的图像。

Description

一种光声和荧光循环互提升成像方法

技术领域

本发明属于多模态生物医学成像技术领域，尤其涉及一种光声和荧光循环互提升成像方法。

背景技术

荧光成像技术在分子影像的发展中占有重要的地位。荧光成像可以实现荧光信号的三维重建。得益于光学分子探针和成像手段的不断进步，光学分子影像技术在过去十多年中获得了飞速的发展，并因其高灵敏度、高特异性、无电离辐射、成本低廉等特点受到了越来越多的关注。光学分子探针技术使得高特异性的区分正常组织和感兴趣组织(如肿瘤、血管等)成为可能。但是由于生物组织对光子具有很强的吸收和散射作用，导致光学成像的深度有限，三维重建也具有很强的病态性。

为此，很多研究人员引入其他成像模态来弥补荧光成像技术的不足。将X光CT成像与FMT成像技术融合，可以利用CT成像技术提供的高分辨率生物体解剖结构作为先验信息提高荧光信号的三维重建质量。但是CT成像虽然可以提供高分辨率的结构信息，CT成像时不可避免的存在电离辐射，而且CT成像对软组织的分辨率相对比较低。除了CT成像，磁共振成像(Magnetic Resonance Imaging,MRI)也可用于为光学三维成像提供解剖结构信息。MRI成像不仅可以提供高对比度的软组织分辨率，同时还可以提供生物体的功能代谢信息。但是将光学成像技术和MRI成像相结合，需要产生超高场强的磁场，这导致成像设备的体积比较大，设备成本比较高，从而限制了这种多模态融合方式的发展。需要指出的是，虽然CT和MRI都能提供生物体的解剖结构信息，但是它们都无法直接提供生物体的光学参数信息(生物组织的吸收系数和散射系数)。如何利用其它成像模态获取生物组织的光学特异性信息，从而提高荧光三维断层成像效果是一个值得研究的问题。

近年来，光子与物质之间相互作用的两种物理效应——荧光效应和光声效应——被充分挖掘以使得人们能够“看到”和“听到”光与生物组织、分子探针之间的相互作用。荧光效应是指当高能量短波长光子射入某些物质时，物质中的电子吸收能量，从基态跃迁至高能级；由于电子处在高能级时不稳定，就会从高能级跃迁至低能级，从而释放出能量，发出波长较长的荧光光子。与荧光效应中物质以光子辐射的形式释放所吸收的能量不同，在光声效应中，光子照射到物质上的能量，被转化成热能，进而转化为机械振动，以超声波的形式释放吸收的能量。借助荧光效应和光声效应，分别发展起来荧光成像和光声成像这两种广受关注的成像模态。

当前主流多模态图像融合方法是先将多模态影像数据进行配准（依靠数据配准或利用融合成像系统直接采集配准的图像），然后通过简单的叠加或图像融合，在同一幅图像中显示多种成像模态的信息。PET/CT就是这种融合模式的典型代表。但是这种融合方式仅是在图像层次上进行了融合，没有充分挖掘不同成像模态的信息互补性，不能提高各个成像模态的成像质量。

光声成像和荧光成像这两种成像方法具有很好的互补性，那么如何有效的融合光声与荧光测量数据，从而获得更大的成像深度、更高空间的分辨率和更全面准确的影像信息就有重要的意义。光声和荧光融合问题又有其特殊性：光声成像只能反映组织的光吸收特性；而荧光成像空间分辨率和深度有有限。因此如何有效融合光声和荧光成像信息，实现两种模态成像质量的共同提升，是本专利所涉及的一个核心问题。

发明内容

本发明目的在于克服现有单一光声成像和单一荧光成像模态的不足，达到光声和荧光成像互相提升的效果，反映更全面的结构和功能信息。

为达到上述目的，本发明提供了如下技术方案：

本发明提出了一种光声和荧光循环互提升成像方法，该方法涉及光声成像（PAT）、荧光分子成像（FMT）和扩散光学断层成像（DOT）三种成像模块，适用于光声和荧光多模成像系统。

本发明提出的一种光声和荧光循环互提升成像方法包括以下步骤：

步骤1：利用光声成像/荧光分子成像双模态系统进行光声成像，采集得到待成像对象的与多个光谱谱段对应的光声信号，基于所述光声成像中各物理量之间的对应关系，对于所述光声信号进行求解，重建得到每个光谱谱段的光声图像，即组织光学吸收系数分布；

步骤2：将所述步骤1得到的组织光学吸收系数分布作为先验信息，进行多光谱扩散光学断层成像重建，得到更准确的组织光学吸收系数分布和组织光学散射系数分布，并将这两个系数作为先验信息，计算一定激光照射下待成像对象组织内的光能量密度分布；

步骤3：根据所述步骤2得到的待成像对象组织内的光能量密度分布，对所述步骤1得到的组织光学吸收系数分布进行光学衰减校正，得到校正后的光声图像，即新的组织光学吸收系数分布，再将此新的组织光学吸收系数分布作为先验信息，重复所述步骤2，以进行互循环提升，该互循环提升过程执行若干次，最终得到较为准确的组织光学吸收系数分布；

步骤4：将所述步骤2得到的组织光学散射系数分布和所述步骤3得到的组织光学吸收系数分布分别与数字非匀质标准小动物的高分辨结构图像进行配准，得到待成像对象的器官结构位置；

步骤5：将所述步骤3得到的组织光学吸收系数分布和所述步骤4得到的待成像对象的器官结构位置作为先验信息，基于组织特异性光传输混合模型，进行荧光分子断层成像重建，得到荧光分子断层成像组织特异性图像；

步骤6：将步骤5中重建得到的FMT组织特异性图像与所述步骤3得到的生物组织光学吸收系数分布在待成像对象组织相同的地方分别进行叠加，得到融合图像，最终完成光声和荧光融合成像。

本发明与现有技术相比具有如下优点：

1、本发明提供的一种光声和荧光循环互提升成像方法，通过建模，达到循环互提升的效果，得到比分别进行单一模态成像更准确的图像。

2、本发明提供的成像方法，可以克服单一模态成像信息的不足，提供更全面的组织结构和功能信息，对科学研究和临床诊断提供更有力的工具。

附图说明

图1是本发明提供的光声和荧光循环互提升成像方法流程图。

图2是本发明提供的光学衰减校正过程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1是本发明提供的光声和荧光循环互提升成像方法流程图，如图1所示，所述光声和荧光循环互提升成像方法包括如下几个步骤：

步骤1：利用光声成像（PAT）/荧光分子成像（FMT）双模态系统进行光声成像，采集得到待成像对象的与多个光谱谱段对应的光声信号，基于所述光声成像中各物理量之间的对应关系，对于所述光声信号采用比如现有技术中常用的滤波反投影方法进行求解，重建得到每个光谱谱段的光声图像，即组织光学吸收系数分布；

其中，所述光声成像中各物理量之间的对应关系可由下式所示的光声波动方程(1)来描述，多个光谱谱段则对应多个方程：

${\▿}^{2}p(r,t)-\frac{1}{v_s^2}\frac{{\∂}^{2}p(r,t)}{\∂t^2}=-{\mathrm{\ρ}}_m\mathrm{\β}\frac{{\∂}^{2}T(r,t)}{\∂t^2}=-\frac{\mathrm{\β}{\mathrm{\μ}}_a}{C}\frac{\∂U(r,t)}{\∂t}---\left(1\right)$

其中，r表示位置，t表示时刻，p(r,t)为热压，

为入射光流率，T(r,t)为温度场，v_s,ρ_m,β,C和μ_α分别为声速，物质密度，压力膨胀系数，比热和组织吸收系数。

在本发明一实施例中，所述光声成像为利用与FMT激发光波长一致的光谱所进行的三维光声成像。

步骤2：将所述步骤1得到的组织光学吸收系数分布作为先验信息，采用比如现有技术中常用的有限元方法进行求解，即进行多光谱扩散光学断层成像（DOT）重建，以改善DOT成像的质量，得到更准确的组织光学吸收系数分布和组织光学散射系数分布，并将这两个系数作为先验信息，使用现有技术中常用的蒙特卡罗方法（Monte Carlo method）计算一定激光照射下待成像对象组织内的光能量密度分布；

该步骤中，所述DOT成像模型可以用式（2）来表示：

式中，r表示位置，

为光能量密度，D(r)为扩散系数，其与吸收系数μ_a(r)和散射系数μ_s有关，c为光在生物组织中的光声，S(r)为激励光源。

步骤3：根据所述步骤2得到的待成像对象组织内的光能量密度分布，对所述步骤1得到的组织光学吸收系数分布进行光学衰减校正，得到校正后的光声图像，即新的组织光学吸收系数分布，再将此新的组织光学吸收系数分布作为先验信息，重复所述步骤2，以进行互循环提升，该互循环提升过程执行若干次，最终得到较为准确的组织光学吸收系数分布；

所述光学衰减校正具体为：以所述步骤2得到的待成像对象组织内的光能量密度分布为归一化因子，将所述步骤1得到的组织光学吸收系数分布进行归一化，所述光学衰减校正的过程如图2所示，图2中左上侧的图像为校正前的组织光学吸收系数分布，图2中左下侧的图像为光能量密度分布，图2中右上侧的图像为校正后的组织光学吸收系数分布。

其中，所述互循环提升过程执行的次数由式（3）所示的图像重合度评价标准为基础建立的科学的图像评价准则来决定，即若经过此次互循环提升后得到的图像满足该图像评价准则，则停止互循环提升处理，否则继续，直至获得满足该图像评价准则的图像，最终获取较准确的，高分辨清晰图像。其中，A、B分别为第n次和第n+1次循环所得到的图像。

$\frac{2|A\∩B|}{\left|A\right|+\left|B\right|}---\left(3\right)$

由于不同组织的光学特性存在差异，所以其能间接反映出不同组织的结构信息。考虑到PAT和DOT间接反映的组织结构信息分辨率不高，因此需要有效的形变和配准方法。

步骤4：将所述步骤2得到的组织光学散射系数分布和所述步骤3得到的组织光学吸收系数分布分别与数字非匀质标准小动物的高分辨结构图像进行配准，得到待成像对象的器官结构位置；

该步骤中，在进行配准时，首先采用形态学理论来修正标准小动物的高分辨结构图像，并对能量函数式(4)进行最小化，使得标准小动物的高分辨结构图像形状接近待成像对象；之后将标准小动物的内部器官作为待成像对象的内部器官。

$E\left(U\right)={\left|\right|{\mathrm{\Δ}}_{d}U\left|\right|}^2+\mathrm{\β}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left|\right|U^i-W^i\left|\right|}^2---\left(4\right)$

式(4)中，E(U)为最小化变量，Δ_d为离散Laplace算子，U为由组织光学吸收系数分布和组织光学散射系数分布组成的位置向量，n为选择的主要表面标记点的数量，一般将头、四肢等突出位置作为主要表面标记点，β为压力膨胀系数，Uⁱ为第i个标记点的位置向量，Wⁱ=(p_i-a_i)为移动向量，p_i a_i分别为成像动物和数字动物上的主要表面标记点，U_p为通过最小化式(3)可获得向量，则有

，为配准后的标准小动物的高分辨结构图像，为配准前标准小动物的高分辨结构图像。

步骤5：将所述步骤3得到的组织光学吸收系数分布和所述步骤4得到的待成像对象的器官结构位置作为先验信息，基于组织特异性光传输混合模型，进行荧光分子断层成像（FMT）重建，得到FMT组织特异性图像；

所述组织特异性光传输混合模型(5)可用来描述光在生物组织的传播：

$\frac{1}{c}\frac{\∂u(r,t,\hat{s})}{\∂t}+\hat{s}\·\▿u(r,t,\hat{s})+\mathrm{\μu}(r,t,\hat{s})={\mathrm{\μ}}_s{\∫}_{4\mathrm{\π}}p\left(\widehat{s,}{\hat{s}}^{\′}\right)u(r,t,\hat{s})d{\hat{s}}^{\′}+q(r,t,\hat{s})---\left(5\right)$

上式描述了在位置r、方向

上辐射率

的变化，其中，μ=μ_a+μ_s，μ_a和μ_s分别表示待成像对象组织特异性的吸收系数和散射系数，c为光在生物组织中的传输速度，

表示从入射方向

经散射到出射方向

的相位函数，

表示位置r，入射方向

上在t时间的光子量。

所述组织特异性光传输混合模型因其复杂难以计算，光学成像中常采用其扩散近似形式，即，所述步骤5中的FMT重建采用式(6)所示的公式来进行：

$\begin{array}{c}\▿\·[D_x\left(r\right)\▿{\mathrm{\Φ}}_x\left(r\right)]-{\mathrm{\μ}}_{\mathrm{ax}}\left(r\right){\mathrm{\Φ}}_x\left(r\right)=-{\mathrm{\Θ}}_s\mathrm{\δ}(r-r_{\mathrm{sl}})\\ \▿\·[D_m\left(r\right)\▿{\mathrm{\Φ}}_m\left(r\right)]-{\mathrm{\μ}}_{\mathrm{am}}\left(r\right){\mathrm{\Φ}}_m\left(r\right)=-{\mathrm{\Φ}}_x\left(r\right)\mathrm{\η}\left(r\right){\mathrm{\μ}}_{\mathrm{af}}\left(r\right)\end{array}---\left(6\right)$

其中，x表示激发光，m表示发射光，r表示位置向量，Φ_x表示激发光能量密度，Φ_m表示发射光能量密度，D_x=1/3(μ_ax+μ_sx)，D_m=1/3(μ_am+μ_sm)，μ_ax、μ_am分别代表组织在激发光波长和发射光波长的光吸收系数，μ_sx、μ_sm分别代表组织在激发光波长和发射光波长的光散射系数，r_sl(l=1,2,…,L)表示激发强度Θ_s下不同的光源位置，L表示所选取的位置数，η(r)表示不同位置r上的激发光量子效率，μ_af表示荧光团的光吸收系数。

步骤6：将步骤5中重建得到的FMT组织特异性图像与所述步骤3得到的生物组织光学吸收系数分布在待成像对象组织相同的地方分别进行叠加，得到融合图像，最终完成光声和荧光融合成像。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种光声和荧光循环互提升成像方法，其特征在于，该方法包括以下步骤：

步骤1：利用光声成像/荧光分子成像双模态系统进行光声成像，采集得到待成像对象的与多个光谱谱段对应的光声信号，基于所述光声成像中各物理量之间的对应关系，对于所述光声信号进行求解，重建得到每个光谱谱段的光声图像，即组织光学吸收系数分布；

步骤2：将所述步骤1得到的组织光学吸收系数分布作为先验信息，进行多光谱扩散光学断层成像重建，得到更准确的组织光学吸收系数分布和组织光学散射系数分布，并将这两个系数作为先验信息，计算一定激光照射下待成像对象组织内的光能量密度分布；

步骤3：根据所述步骤2得到的待成像对象组织内的光能量密度分布，对所述步骤1得到的组织光学吸收系数分布进行光学衰减校正，得到校正后的光声图像，即新的组织光学吸收系数分布，再将此新的组织光学吸收系数分布作为先验信息，重复所述步骤2，以进行互循环提升，该互循环提升过程执行若干次，最终得到较为准确的组织光学吸收系数分布；

步骤4：将所述步骤2得到的组织光学散射系数分布和所述步骤3得到的组织光学吸收系数分布分别与数字非匀质标准小动物的高分辨结构图像进行配准，得到待成像对象的器官结构位置；

步骤5：将所述步骤3得到的组织光学吸收系数分布和所述步骤4得到的待成像对象的器官结构位置作为先验信息，基于组织特异性光传输混合模型，进行荧光分子断层成像重建，得到荧光分子断层成像组织特异性图像；

步骤6：将步骤5中重建得到的FMT组织特异性图像与所述步骤3得到的生物组织光学吸收系数分布在待成像对象组织相同的地方分别进行叠加，得到融合图像，最终完成光声和荧光融合成像。

2.根据权利要求1所述的方法，其特征在于，所述光声成像中各物理量之间的对应关系可由下式来描述，多个光谱谱段则对应多个方程：

${\▿}^{2}p(r,t)-\frac{1}{v_s^2}\frac{{\∂}^{2}p(r,t)}{\∂t^2}=-{\mathrm{\ρ}}_m\mathrm{\β}\frac{{\∂}^{2}T(r,t)}{\∂t^2}=-\frac{\mathrm{\β}{\mathrm{\μ}}_a}{C}\frac{\∂U(r,t)}{\∂t},$

其中，r表示位置，t表示时刻，p(r,t)为热压，为入射光流率，T(r,t)为温度场，v_s,ρ_m,β,C和μ_α分别为声速，物质密度，压力膨胀系数，比热和组织吸收系数。

3.根据权利要求1所述的方法，其特征在于，所述步骤1中的光声成像为利用与FMT激发光波长一致的光谱所进行的三维光声成像。

4.根据权利要求1所述的方法，其特征在于，所述步骤2中，多光谱扩散光学断层成像的成像模型可以用下式来表示：

其中，r表示位置，

为光能量密度，D(r)为扩散系数，其与吸收系数μ_a(r)和散射系数μ_s有关，c为光在生物组织中的光声，S(r)为激励光源。

5.根据权利要求1所述的方法，其特征在于，所述步骤3中的光学衰减校正具体为：以所述步骤2得到的待成像对象组织内的光能量密度分布为归一化因子，将所述步骤1得到的组织光学吸收系数分布进行归一化。

6.根据权利要求1所述的方法，其特征在于，所述互循环提升过程执行的次数由图像评价准则来决定。

7.根据权利要求6所述的方法，其特征在于，所述图像评价准则以图像重合度评价标准为基础，所述图像重合度评价标准表示为：

$\frac{2|A\∩B|}{\left|A\right|+\left|B\right|},$

其中，A、B分别为第n次和第n+1次循环所得到的图像。

8.根据权利要求1所述的方法，其特征在于，所述步骤4在进行图像配准时，首先采用形态学理论来修正标准小动物的高分辨结构图像，并对能量函数进行最小化，使得标准小动物的高分辨结构图像形状接近待成像对象；之后将标准小动物的内部器官作为待成像对象的内部器官。

9.根据权利要求8所述的方法，其特征在于，所述能量函数表示为：

$E\left(U\right)={\left|\right|{\mathrm{\Δ}}_{d}U\left|\right|}^2+\mathrm{\β}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left|\right|U^i-W^i\left|\right|}^2,$

其中，E(U)为最小化变量，Δ_d为离散Laplace算子，U为由组织光学吸收系数分布和组织光学散射系数分布组成的位置向量，n为选择的主要表面标记点的数量，β为压力膨胀系数，Uⁱ为第i个标记点的位置向量，Wⁱ=(p_i-a_i)为移动向量，p_i a_i分别为成像动物和数字动物上的主要表面标记点。

10.根据权利要求1所述的方法，其特征在于，所述组织特异性光传输混合模型表示为：

$\frac{1}{c}\frac{\∂u(r,t,\hat{s})}{\∂t}+\hat{s}\·\▿u(r,t,\hat{s})+\mathrm{\μu}(r,t,\hat{s})={\mathrm{\μ}}_s{\∫}_{4\mathrm{\π}}p\left(\widehat{s,}{\hat{s}}^{\′}\right)u(r,t,\hat{s})d{\hat{s}}^{\′}+q(r,t,\hat{s}),$

其中，表示在位置r、方向上的辐射率，μ=μ_a+μ_s，μ_a和μ_s分别表示待成像对象组织特异性的吸收系数和散射系数，c为光在生物组织中的传输速度，

表示从入射方向经散射到出射方向的相位函数，

表示位置r，入射方向

上在t时间的光子量。

Images