CN105816151B - 一种基于空间频域测量的均匀组织体光学参数重建方法 - Google Patents
一种基于空间频域测量的均匀组织体光学参数重建方法 Download PDFInfo
- Publication number
- CN105816151B CN105816151B CN201610137234.XA CN201610137234A CN105816151B CN 105816151 B CN105816151 B CN 105816151B CN 201610137234 A CN201610137234 A CN 201610137234A CN 105816151 B CN105816151 B CN 105816151B
- Authority
- CN
- China
- Prior art keywords
- organizer
- optical
- frequency
- transfer function
- modulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于空间频域测量的均匀组织体光学参数重建方法,包括:根据组织体的光学参数范围,对范围内的吸收系数和约化散射系数进行离散,构造组织体光学模型库;利用蒙特卡洛模拟获得上述光学模型库中每一个组织体光学模型在无限窄稳态光源激励下的漫反射光的空间分布,建立与所有组织体光学模型对应的调制函数曲线数据库;计算组织体在各个测量频率点处的调制传递函数值;将测量得到组织体在各个测量频率点处的调制传递函数值与数据库中所有光学模型对应的调制传递函数曲线在所有测量频率点处进行匹配拟合,拟合度最高的曲线对应的光学参数即为所求。本发明有助于实现对组织体光学参数的高时间分辨率动态监测。
Description
技术领域
本发明属于近红外光谱技术领域,涉及一种适合于空间频域测量系统的光学参数重建算法。
技术背景
空间频域测量系统采用空间调制的结构光进行投照,并用电荷耦合器件等面阵探测器进行大面积、快速、非接触的漫反射光采集,特别适合于诸如皮肤等大面积组织的测量。由于组织体的含氧血红蛋白和还原血红蛋白在近红外光波段内具有不同的吸收系数,通过测量组织体在此波段范围内多个波长下的吸收系数,能够计算出组织体氧和血红蛋白和还原血红蛋白的相对含量,从而实现在体无创的获取组织体的血氧代谢等功能性信息,为鲜红斑痣、皮肤癌等疾病的在体测评和预后提供重要依据[1]。
作为描述组织体光学性质的特征参数,吸收系数和约化散射系数(包含各项异性因子信息),决定了光进入组织体后的行走和传播路径,以及从组织体表面出射后的衰减和空间分布。这种光与组织体相互作用的过程可以用辐射传输方程的一阶或高阶球谐近似描述,或蒙特卡洛模拟进行大规模粒子的统计描述。传统的空间频域光学参数重建方法,建模对象为不同光学参数组织体经过空间频率调制光源激励得到的漫反射光在各个频率下的测量数据[2]。为了从测量得到的漫反射光中分离出各个频率成分,实际测量中每次只能采用一个空间频率对光源进行调制,并且需要采集该调制频率下三个不同相位的结构光激励得到的漫反射光数据进行计算。也就是说,任一波长下一个光学参数的重构需要至少一个测量频率下的三次测量数据。如果想要进行多频率点测量数据的拟合重建,测量次数则成倍增加。算法模型对测量过程提出的复杂要求严重制约了系统的实时性,不利于对组织体功能性信息的实时监测。
参考文献:
[1]SunarU,Rohrbach J D,Morgan J etal..Quantification ofPpIXconcentration in basal cell carcinoma and squamous cell carcinomamodelusingspatial frequency domain imaging[J].Biomedical optics express,2013,4(4):531-537.
[2]Cuccia J D,Bevilacqua F,Durkin JA,et.al..Quantitation and mappingoftissue optical properties using modulated imaging[J].Journal ofbiomedicaloptics,2009,14(2):024012.
发明内容
本发明的目的是,克服现有技术的上述不足,提供一种针对空间频域测量系统的基于组织体调制传递函数测量的光学参数快速重构方法。本发明的技术方案如下:
一种用于空间频域测量系统的组织体光学参数重构方法,包括以下步骤:
第一步,根据组织体的光学参数范围,对范围内的吸收系数和约化散射系数进行离散,离散得到的所有吸收系数和约化散射系数组合得到若干光学参数对,构造平面半无限模型下所有上述光学参数对对应的组织体光学模型库;
第二步,利用蒙特卡洛模拟获得上述光学模型库中每一个组织体光学模型在无限窄稳态光源激励下的漫反射光的空间分布,也就是该光学参数组织体的空间域传递函数;根据空间域与空间频域之间的傅里叶等价关系,计算所有组织体光学模型对应的调制传递函数随频率变化曲线,计算公式为
式中:MTFt——组织体调制传递函数;
Rd——蒙特卡洛模拟得到的组织体空间域传递函数;
FTf(Rd)——Rd在频率f处的傅里叶变换;
——Rd在直流频率f0处的傅里叶变换;
建立与所有组织体光学模型对应的调制函数曲线数据库;
第三步,计算组织体在各个测量频率点处的调制传递函数值,计算公式为
式中:MTFe——实验测量得到的组织体调制传递函数;
fi,i=1,2,……N——光源调制测量频率点;
sinput、soutput——分别为输入信号,即光源,和输出信号,即组织体表面出射的漫反射光;
gb——布莱克曼窗函数;
——soutput·gb在频率fi处的傅里叶变换;
——soutput·gb在直流频率f0处的傅里叶变换;
——sinput·gb在频率fi处的傅里叶变换;
——sinput·gb在直流频率f0处的傅里叶变换;
第四步,将步骤三中测量得到组织体在各个测量频率点处的调制传递函数值与数据库中所有光学模型对应的调制传递函数曲线在所有测量频率点处进行匹配拟合,拟合度最高的曲线对应的光学参数即为所求。
作为优选实施方案,测量得到的调制传递函数值与数据库曲线的拟合可以采用最小二乘拟合方式实现。
本发明的有益效果有四点:第一,多个频率的测量结果可以从一次漫反射光测量中获得,减少了测量次数,提高了时间分辨率,有助于实现对组织体光学参数的高时间分辨率动态监测;第二,利用纯频域量(调制传递函数)直接建模重建,能够有效抑制测量中的宽谱噪声;第三,在不增加测量次数的前提下,可以用多个空间频率对光源进行调制,从而能够通过多频率点的拟合重建,降低测量噪声和偶然性误差对重建精度的影响,进一步提高重建的信噪比和噪声鲁棒性;第四,可以通过多个波长频率编码的方式实现多波长同时测量,成倍的提高了测量速度。
具体实施方式
下面结合实例对本发明进行详细说明。
1构造组织体光学模型库
以皮肤组织为例,根据文献报道的组织光学参数范围,选择吸收系数范围为0.005-0.2mm-1,散射系数范围为20-130mm-1,各项异性因子一般取0.8,对应的约化散射系数范围为0.4-2.6mm-1。在这个光学参数范围内,对吸收系数和约化散射系数进行离散,以吸收系数间隔为0.015mm-1,散射系数间隔为10mm-1为例,离散得到14*12共168组光学参数对。采用平面半无限模型近似模拟人体皮肤组织的几何结构,构建组织体光学模型。
2建立不同光学参数组织体对应的调制传递函数曲线数据库
为了提取组织体的光学特征,采用蒙特卡洛模拟得到所有光学模型在无限窄稳态光源激励下漫反射光的空间分布,也就是该光学参数组织体的空间域传递函数。根据空间域与空间频域的傅里叶对等关系,推导组织体空间域传递函数和空间频域调制传递函数之间的关系,具体方法如下:
(1)根据线性系统理论,空间域传递函数与空间频域传递函数具有如下的傅里叶对等关系:
H(f)=FTf(Rd) (1)
式中:H——组织体的空间频域传递函数;
Rd——组织体空间域传递函数;
FTf(Rd)——Rd在频率f处的傅里叶变换。
同时,空间频域传递函数定义为输出信号与输入信号在频率域的比值,当调制频率较低时,相位信息变化非常微弱,因此只考虑幅频信息,表示为
式中:sinput、soutput——分别为输入信号和输出信号;
FTf(sinput)、FTf(soutput)——分别为输入信号和输出信号在频率f处的傅里叶变换。
(2)调制传递函数定义为输出信号和输入信号的调制度之比,即
式中:MTF——调制传递函数;
Minput、Moutput——分别为输入信号和输出信号的调制度。
其中,调制度定义为
式中:M——表示信号的调制度;
s——表示待分析信号;
FTf(s)、——分别表示信号s在频率f和直流频率f0处的傅里叶变换。
从式(3)、(4)可以得到,调制传递函数的计算公式为
式中:FTf(soutput)、——分别表示输出信号soutput在频率f和直流频率f0处的傅里叶变换;FTf(sinput)、——分别表示输入信号sinput在频率f和直流频率f0处的傅里叶变换。
(3)将式(1)、(2)代入式(5)可以得到组织体的调制传递函数与空间域传递函数之间的关系为
式中:MTFt——组织体调制传递函数;
FTf(Rd)、——分别为Rd在频率f和直流频率f0处的傅里叶变换。
根据组织体的低通滤波特性,选取空间频率范围为f=0-0.5mm-1,根据式(6)计算得到各个光学模型所对应的调制传递函数随频率f变化曲线,建立数据库。
3组织体调制传递函数的测量
为了测量组织体的调制传递函数,需要向组织体表面投照空间频率调制的结构光。根据式(5)可知,需要对输入信号(即光源)和输出信号(即组织体表面出射的漫反射光)进行傅里叶频谱分析。在实际测量中,由于测量系统的采集范围有限,不能够将空间内的所有信号采集到,相当于对信号造成了截断,在频谱分析时,这种截断会导致能量泄露,使得各个频率处的幅频信息不准确,影响调制传递函数的计算精度。为此,我们引入窗函数来改善这一问题。在对信号进行傅里叶分析时引入一个合适的窗函数(优选实施方案为具有精确幅频估计的布莱克曼窗函数),最终得到实验测量调制传递函数修正的计算公式为
式中:MTFe——实验测量得到的调制传递函数值;
fi,i=1,2,……N——光源调制测量频率点;
gb——布莱克曼窗函数;
——soutput·gb在频率fi处的傅里叶变换;
——soutput·gb在直流频率f0处的傅里叶变换;
——sinput·gb在频率fi处的傅里叶变换;
——sinput·gb在直流频率f0处的傅里叶变换。
4调制传递函数拟合重建组织体光学参数
采用最小二乘拟合的方式将实验测量得到的各个频率点的调制传递函数计算结果与数据库中所有光学模型对应的调制传递函数曲线进行拟合,拟合目标函数为
式中:δ——二乘拟合误差。
拟合精度最高的调制传递函数曲线对应光学参数即为所求。
Claims (2)
1.一种基于空间频域测量的均匀组织体光学参数重建方法,包括以下步骤:
第一步,根据组织体的光学参数范围,对范围内的吸收系数和约化散射系数进行离散,离散得到的所有吸收系数和约化散射系数组合得到若干光学参数对,构造平面半无限模型下所有上述光学参数对对应的组织体光学模型库;
第二步,利用蒙特卡洛模拟获得上述光学模型库中每一个组织体光学模型在无限窄稳态光源激励下的漫反射光的空间分布,也就是该光学参数对应的组织体的空间域传递函数;根据空间域与空间频域之间的傅里叶等价关系,计算所有组织体光学模型对应的调制传递函数随频率变化曲线,计算公式为
式中:MTFt——组织体调制传递函数;
Rd——蒙特卡洛模拟得到的组织体空间域传递函数;
FTf(Rd)——Rd在频率f处的傅里叶变换;
——Rd在直流频率f0处的傅里叶变换;
建立与所有组织体光学模型对应的调制函数曲线数据库;
第三步,计算组织体在各个测量频率点处的调制传递函数值,计算公式为
式中:MTFe——实验测量得到的组织体调制传递函数;
fi,i=1,2,……N——光源调制测量频率点;
sinput、soutput——分别为输入信号,即光源,和输出信号,即组织体表面出射的漫反射光;
gb——布莱克曼窗函数;
——soutput·gb在频率fi处的傅里叶变换;
——soutput·gb在直流频率f0处的傅里叶变换;
——sinput·gb在频率fi处的傅里叶变换;
——sinput·gb在直流频率f0处的傅里叶变换;
第四步,将步骤三中测量得到组织体在各个测量频率点处的调制传递函数值与调制函数曲线数据库中所有光学模型对应的调制传递函数曲线在所有测量频率点处进行匹配拟合,拟合度最高的曲线对应的光学参数即为所求。
2.根据权利要求1所述的均匀组织体光学参数重建方法,其特征在于,匹配拟合采用最小二乘拟合方式实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610137234.XA CN105816151B (zh) | 2016-03-10 | 2016-03-10 | 一种基于空间频域测量的均匀组织体光学参数重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610137234.XA CN105816151B (zh) | 2016-03-10 | 2016-03-10 | 一种基于空间频域测量的均匀组织体光学参数重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105816151A CN105816151A (zh) | 2016-08-03 |
CN105816151B true CN105816151B (zh) | 2018-08-07 |
Family
ID=56987623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610137234.XA Expired - Fee Related CN105816151B (zh) | 2016-03-10 | 2016-03-10 | 一种基于空间频域测量的均匀组织体光学参数重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105816151B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106290199B (zh) * | 2016-09-13 | 2019-02-19 | 天津大学 | 基于稳态辐射率间质测量装置的多波长光学参数反构方法 |
CN106950196B (zh) * | 2017-03-20 | 2019-06-14 | 浙江大学 | 一种无损检测农产品光学特性参数的方法与装置 |
CN107677644B (zh) * | 2017-08-23 | 2019-11-01 | 北京大学 | 一种多层组织体光学参数的检测系统及其检测方法 |
CN109770849A (zh) * | 2018-12-04 | 2019-05-21 | 天津大学 | 一种基于锁相光子计数和压缩感知的单像素sfdi系统 |
CN110095081B (zh) * | 2019-03-25 | 2020-10-30 | 华中农业大学 | 一种基于空间频域成像测量组织体形貌和光学参数的方法及测量装置 |
CN110911007B (zh) * | 2019-12-29 | 2023-07-25 | 杭州科洛码光电科技有限公司 | 基于成像光谱仪的生物组织光学参数重构方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002040971A1 (en) * | 2000-11-15 | 2002-05-23 | Bang & Olufsen Medicom A/S | Method and apparatus for determination of optical parameters of turbid media and use thereof |
CN101856219A (zh) * | 2010-05-13 | 2010-10-13 | 天津大学 | 基于频域近红外光测量的光学参数重构方法 |
CN103356170A (zh) * | 2013-05-24 | 2013-10-23 | 天津大学 | 用于带异质体组织光学参数重建的快速蒙特卡罗成像方法 |
CN104665770A (zh) * | 2015-02-10 | 2015-06-03 | 天津大学 | 一种用于近红外光脑功能研究的自引导扩散光层析成像方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6958815B2 (en) * | 2002-03-19 | 2005-10-25 | The Regents Of The University Of California | Method and apparatus for performing quantitative analysis and imaging surfaces and subsurfaces of turbid media using spatially structured illumination |
CN101660945B (zh) * | 2008-08-27 | 2013-02-20 | 中国科学院光电技术研究所 | 快速图像重构方法 |
-
2016
- 2016-03-10 CN CN201610137234.XA patent/CN105816151B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002040971A1 (en) * | 2000-11-15 | 2002-05-23 | Bang & Olufsen Medicom A/S | Method and apparatus for determination of optical parameters of turbid media and use thereof |
CN101856219A (zh) * | 2010-05-13 | 2010-10-13 | 天津大学 | 基于频域近红外光测量的光学参数重构方法 |
CN103356170A (zh) * | 2013-05-24 | 2013-10-23 | 天津大学 | 用于带异质体组织光学参数重建的快速蒙特卡罗成像方法 |
CN104665770A (zh) * | 2015-02-10 | 2015-06-03 | 天津大学 | 一种用于近红外光脑功能研究的自引导扩散光层析成像方法 |
Non-Patent Citations (1)
Title |
---|
Evaluation of scaling Monte Carl omethods for backscattering properties of turbid media with Gaussian incidence;Lin Lin et al;《Optics Communications》;20141001;第336卷;第134-139页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105816151A (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105816151B (zh) | 一种基于空间频域测量的均匀组织体光学参数重建方法 | |
Bench et al. | Toward accurate quantitative photoacoustic imaging: learning vascular blood oxygen saturation in three dimensions | |
CN104220007B (zh) | 物体观测装置和物体观测方法 | |
Zhang et al. | Determination of the optical coefficients of biological tissue by neural network | |
CN105987881B (zh) | 光谱数据干扰抑制方法、建模方法、预测方法和处理装置 | |
WO2017004851A1 (zh) | 基于多任务贝叶斯压缩感知方法的生物发光断层成像重建算法 | |
He et al. | Least squares support vector machine regression combined with Monte Carlo simulation based on the spatial frequency domain imaging for the detection of optical properties of pear | |
He et al. | Spectral data quality assessment based on variability analysis: application to noninvasive hemoglobin measurement by dynamic spectrum | |
Cao et al. | A novel time-difference electrical impedance tomography algorithm using multi-frequency information | |
Zhou et al. | A pretreatment method based on wavelet transform for quantitative analysis of UV–vis spectroscopy | |
Long et al. | Blood glucose detection based on Teager-Kaiser main energy of photoacoustic signal | |
Bench et al. | Quantitative photoacoustic estimates of intervascular blood oxygenation differences using linear unmixing | |
Wiest et al. | Polarization influence on reflectance measurements in the spatial frequency domain | |
Manojlović et al. | Rapid extraction of skin physiological parameters from hyperspectral images using machine learning | |
Zhou et al. | An integrated fiber-optic probe combined with support vector regression for fast estimation of optical properties of turbid media | |
Dubey et al. | A new correction to the Rytov approximation for strongly scattering lossy media | |
CN105651735B (zh) | 基于空间分辨漫反射光谱反演生物组织光学特性的方法 | |
An et al. | Neural network‐based optimization of sub‐diffuse reflectance spectroscopy for improved parameter prediction and efficient data collection | |
Xing et al. | An EEMD-based method for removing residual blood oxygen signal noise by combining wavelet and singular spectrum analysis | |
Wojtkiewicz et al. | Laser-Doppler spectrum decomposition applied for the estimation of speed distribution of particles moving in a multiple scattering medium | |
Martelli et al. | Retrieval procedure for time-resolved near-infrared tissue spectroscopy based on the optimal estimation method | |
Wojtkiewicz et al. | Evaluation of algorithms for microperfusion assessment by fast simulations of laser Doppler power spectral density | |
Rathi et al. | Quantitative tissue characterization using discrete wavelet transform of photoacoustic signals: A feasibility study | |
Binzoni et al. | The photo-electric current in laser-Doppler flowmetry by Monte Carlo simulations | |
Chen et al. | Sequential weighted Wiener estimation for extraction of key tissue parameters in color imaging: a phantom study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180807 Termination date: 20200310 |
|
CF01 | Termination of patent right due to non-payment of annual fee |