CN107146261A - 基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 - Google Patents
基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 Download PDFInfo
- Publication number
- CN107146261A CN107146261A CN201710168912.3A CN201710168912A CN107146261A CN 107146261 A CN107146261 A CN 107146261A CN 201710168912 A CN201710168912 A CN 201710168912A CN 107146261 A CN107146261 A CN 107146261A
- Authority
- CN
- China
- Prior art keywords
- mrow
- organism
- tissue
- magnetic resonance
- optical
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本发明涉及基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,具体实现包括如下步骤:(1)数据采集与预处理;(2)生物体解剖结构重建;(3)先验感兴趣区获取;(4)体表光学数据映射;(5)前向光传输模型构建;(6)稀疏正则化目标函数建立;(7)目标函数的优化求解;(8)三维重建结果显示。本发明所述的方法,通过磁共振影像获取生物体的解剖结构信息以及定位靶向目标的先验感兴趣区,构建基于简化球谐波‑扩散近似方程的前向光传输模型和基于磁共振影像先验感兴趣区的稀疏正则化目标函数,实现对具有多种散射特性生物组织的复杂生物体体内靶向目标的准确快速定位与定量重建。
Description
技术领域
本发明涉及医学影像技术领域(光学分子成像技术领域),具体说是基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法。
背景技术
生物发光成像是一种新兴的光学分子成像技术,它是在活性分子或细胞内通过生物化学反应发出荧光的一个生物化学过程,其采用三维成像模式。
生物发光断层成像技术,融合了生物体体表测量的生物发光信号、生物体解剖结构和组织光学参数信息,基于准确的生物组织中光传输模型获取活体生物体内靶向目标的三维空间位置和能量分布信息。由于能够提供靶向目标的三维定位和定量信息,生物发光断层成像技术已经成为肿瘤检测、新药研发和疗效评价等预临床研究中的重要工具。
西安电子科技大学在其专利申请文件“全光学生物发光断层成像方法”(申请号:201010290252.4,申请日:2010.9.20,授权号:ZL201010290252.4,授权日:2012.3.28)中,通过采用白光信号图像获取生物体表面三维轮廓,结合生物体表面能量分布的定量重建,获取生物体体内靶向目标的反演,解决了现有技术中需要融合结构成像技术才能实现三维重建的问题。然而,由于这项技术采用光学方式获取生物体表面三维轮廓,无法获取生物体内部结构信息,因此只能进行匀质的生物发光断层成像,会带来定位和定量上的较大误差。
西安电子科技大学在其专利申请文件“非接触式光学断层成像方法”(申请号:200910024292.1,申请日:2009.10.13,授权号:ZL200910024292.1,授权日:2011.04.06)中,利用微计算机断层成像或微核磁共振成像技术获取生物体的三维表面形状和内部解剖结构信息,基于扩散近似方程进行非匀质的光学三维重建,一定程度上改善了定位和定量精度。然而,扩散近似方程本身的局限性限制了该方法的活体生物体全身成像应用。
中国科学院自动化研究所在其国际PCT专利申请文件“基于特异性的多模态三维光学断层成像系统”(申请号:201080060033.5,申请日:2010.11.30)中,利用微计算机断层成像技术获取生物体结构体数据,为三维光学断层成像提供先验结构信息。西安电子科技大学在其专利申请文件“基于生物组织特异性的光学三维成像方法”(申请号:201110148500.6,申请日:2011.06.02,授权号:ZL201110148500.6,授权日:2013.04.03)中,同样利用微计算机断层成像技术获取生物体的解剖结构信息,融合生物组织的光学特性参数,构建组织特异性光传输模型,解决了现有技术中无法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。然而,这两项专利公开的方法均是利用微计算机断层成像技术获取生物体的组织结构信息,微计算机断层成像技术在软组织对比度方面的局限性限制了该类方法在肿瘤检测、新药研发及疗效评价等小动物实验的应用。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,克服上述已有生物发光断层成像技术存在的不足,通过磁共振影像获取生物体的解剖结构信息以及定位靶向目标的先验感兴趣区,构建基于简化球谐波-扩散近似方程的前向光传输模型和基于磁共振影像先验感兴趣区的稀疏正则化目标函数,实现对具有多种散射特性生物组织的复杂生物体体内靶向目标的准确快速定位与定量重建。
为达到以上目的,本发明采取的技术方案是:
基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,其特征在于,具体实现包括如下步骤:
(1)数据采集与预处理
利用磁共振兼容的光学分子成像系统,采集生物体内靶向目标发出的多角度生物发光数据和磁共振影像数据,并进行数据预处理;
(2)生物体解剖结构重建
利用基于凸集投影的稀疏磁共振图像重建算法对预处理后的磁共振影像数据进行三维重建,获得生物体三维体素数据;然后利用人机交互式分割方法对获得的生物体三维体素数据进行器官分割,获得生物体解剖结构;
(3)先验感兴趣区获取
对步骤(2)获取的生物体三维体素数据进行分析,基于不同组织对比度及其相应特征,提取生物体内靶向目标的大致位置及其轮廓信息,获取先验感兴趣区;
(4)体表光学数据映射
对步骤(2)获取的生物体解剖结构信息和步骤(1)获取的预处理后生物发光数据,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光学数据分布;
(5)前向光传输模型构建
根据生物体组织光学特性参数随解剖结构变化的差异,将生物体组织划分为高散射特性组织和低散射特性组织两大类,分别采用简化球谐波近似方程和扩散近似方程描述生物发光信号在复杂生物体中的传输过程;通过构造不同散射特性生物组织之间光传输的耦合条件,构建基于简化球谐波-扩散近似方程的前向光传输模型;
(6)稀疏正则化目标函数建立
利用有限元方法对步骤(5)建立的前向光传输模型进行离散化,建立描述生物体体内靶向目标强度分布与体表三维光学数据之间定量关系的系统方程,所述体表三维光学数据由步骤(4)得到;
结合步骤(3)获取的磁共振影像先验感兴趣区,进一步准确确立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程;
根据离散网格边界节点上的光学通量密度计算值和测量值之间的误差,建立稀疏正则化目标函数;
(7)目标函数的优化求解
采用合适的优化算法求解建立的稀疏正则化目标函数,获得生物体内靶向目标的空间位置和强度分布;
(8)三维重建结果显示
对步骤(7)获得的生物体内靶向目标的空间位置和强度分布和步骤(2)获取的生物体解剖结构进行图像融合,将重建的靶向目标空间位置和定量分布在生物体中进行三维显示。
在上述技术方案的基础上,步骤(6)的具体步骤为:
6a)利用有限元方法对步骤(5)建立的前向光传输模型进行离散化,建立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程:
AS=Φ
式中,A是系统矩阵,依赖于生物体内不同散射特性生物组织的分布和生物组织的光学特性参数;
S是生物体内靶向目标的空间位置和强度分布;
Φ是生物体体表离散网格上的光学通量密度分布;
6b)结合步骤(3)获取的磁共振影像先验感兴趣区,进一步准确确立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程:
(ATΘP(R))T(SΘP(R))=Φ
式中,T表示转置,aΘb操作定义为将向量b中零元素对应的矩阵a中的行移除;
P(R)是根据先验可行区R定义的列向量,在先验可行区R内的节点元素值定义为1,否则定义为0;即:
R是先验可行区,定义为两倍的磁共振影像先验感兴趣区;
6c)根据离散网格边界节点上的光学通量密度计算值和测量值之间的误差,建立稀疏正则化目标函数:
式中,Ξ(S)是稀疏正则化目标函数;
Sinf是靶向目标强度分布的下限;
Ssup是靶向目标强度分布的上限;
Φm是离散网格边界节点上的光学通量密度的测量值;
定义为求解矩阵F的lp范数;
λ是稀疏正则化的正则化因子。
在上述技术方案的基础上,步骤(1)中所述磁共振兼容的光学分子成像系统是由商业小动物磁共振系统模块和磁共振兼容的光学成像模块构成。
在上述技术方案的基础上,步骤(1)中所述多角度生物发光数据,为利用磁共振兼容的光学分子成像系统采集1-3个角度的生物发光数据。
在上述技术方案的基础上,步骤(1)中,所述数据预处理包括但不限于依次进行的:背景噪声去除、感兴趣区域提取和坏点补偿。
在上述技术方案的基础上,步骤(5)中光传输过程是采用扩散近似方程描述生物发光信号在高散射特性生物组织中的传输过程,采用简化球谐波近似方程描述生物发光信号在低散射特性生物组织中的传输过程。
在上述技术方案的基础上,步骤(5)的具体步骤如下:
首先,应用下式和下面的准则将生物组织划分为高散射特性组织和低散射特性组织两大类:
式中,是不同散射特性组织的划分标准因子,μ′s是生物组织的约化散射系数,μa是生物组织的吸收系数;
划分的准则:如果那么生物组织划分为高散射特性组织;如果那么生物组织划分为低散射特性组织;
其次,将简化球谐波与扩散近似方程耦合使用,构造基于简化球谐波-扩散近似方程的前向光传输模型,描述生物发光信号在复杂生物体中的传输过程;其中,采用扩散近似方程描述高散射特性组织中的光传输过程,保证计算效率;采用简化球谐波近似方程描述低散射特性组织中的光传输过程,保证求解精度。
在上述技术方案的基础上,为了建立统一形式的简化球谐波-扩散近似方程,需要构造合适的边界条件将简化球谐波近似方程与扩散近似方程进行耦合,
在实现过程中,需要将在两个方程组织边界上形成的光流率转化为小体光源,具体步骤如下:
首先,考虑高散射特性组织与低散射特性组织之间的折射率不匹配条件,将在边界上形成的光流率转化为光通量:
Jn(r′)=ε(r′)φ(r′)
式中,Jn(r′)是不同散射特性组织边界上的r′点处的光通量,其方向指向出射组织,ε(r′)是r′点处的折射率,φ(r′)是r′点处的光流率;
其次,应用下述公式将形成的光通量转化为小体光源:
式中,q0(r′)是在不同散射特性组织边界点r′处形成的小体光源;M是与点r′相连接的所有面片的数量,Si是其中第i个面片的面积;Q是与点r′相连接的所有四面体的体积,Vj是其中第j个四面体的体积,Σ代表求和运算;
最后,将简化球谐波近似方程、扩散近似方程与上述边界耦合条件联立,获得描述靶向目标发射的生物发光信号在生物体内传输过程、基于简化球谐波-扩散近似方程的前向光传输模型。
在上述技术方案的基础上,步骤(7)中所述合适的优化算法包括:半贪婪算法和/或贪婪算法和/或凸松弛方法。
本发明所述的基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,可应用于肿瘤检测、新药研发及疗效评价等小动物实验中获取靶向目标的准确定量信息。
附图说明
本发明有如下附图:
图1本发明的流程框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
如图1所示,本发明所述的基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,具体实现包括如下步骤:
(1)数据采集与预处理
利用磁共振兼容的光学分子成像系统,采集生物体内靶向目标发出的多角度生物发光数据和磁共振影像数据,并进行数据预处理;
所述数据预处理包括但不限于依次进行的:背景噪声去除、感兴趣区域提取和坏点补偿;
(2)生物体解剖结构重建
利用基于凸集投影的稀疏磁共振图像重建算法对预处理后的磁共振影像数据进行三维重建,获得生物体三维体素数据;然后利用人机交互式分割方法对获得的生物体三维体素数据进行器官分割,获得生物体解剖结构;
(3)先验感兴趣区获取
对步骤(2)获取的生物体三维体素数据(此即三维磁共振影像数据)进行分析,基于不同组织对比度及其相应特征,提取生物体内靶向目标的大致位置及其轮廓信息,获取先验感兴趣区;
(4)体表光学数据映射
对步骤(2)获取的生物体解剖结构信息和步骤(1)获取的预处理后生物发光数据,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光学数据分布;
非接触式光学断层成像方法可参考申请号200910024292.1,申请日2009.10.13,授权号ZL200910024292.1,授权日2011.04.06;
(5)前向光传输模型构建
根据生物体组织光学特性参数随解剖结构变化的差异,将生物体组织划分为高散射特性组织和低散射特性组织两大类,分别采用简化球谐波近似方程和扩散近似方程描述生物发光信号在复杂生物体中的传输过程;通过构造不同散射特性生物组织之间光传输的耦合条件,构建基于简化球谐波-扩散近似方程的前向光传输模型;
(6)稀疏正则化目标函数建立
利用有限元方法对步骤(5)建立的前向光传输模型进行离散化,建立描述生物体体内靶向目标强度分布与体表三维光学数据之间定量关系的系统方程,所述体表三维光学数据由步骤(4)得到;
结合步骤(3)获取的磁共振影像先验感兴趣区,进一步准确确立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程;
根据离散网格边界节点上的光学通量密度计算值和测量值之间的误差,建立稀疏正则化目标函数;
(7)目标函数的优化求解
采用合适的优化算法求解建立的稀疏正则化目标函数,获得生物体内靶向目标的空间位置和强度分布;
(8)三维重建结果显示
对步骤(7)获得的生物体内靶向目标的空间位置和强度分布和步骤(2)获取的生物体解剖结构进行图像融合,将重建的靶向目标空间位置和定量分布在生物体中进行三维显示。
在上述技术方案的基础上,步骤(6)的具体步骤为:
6a)利用有限元方法对步骤(5)建立的前向光传输模型进行离散化,建立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程:
AS=Φ
式中,A是系统矩阵,依赖于生物体内不同散射特性生物组织的分布和生物组织的光学特性参数;
S是生物体内靶向目标的空间位置和强度分布;
Φ是生物体体表离散网格上的光学通量密度分布;
6b)结合步骤(3)获取的磁共振影像先验感兴趣区,进一步准确确立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程:
(ATΘP(R))T(SΘP(R))=Φ
式中,T表示转置,aΘb操作定义为将向量b中零元素对应的矩阵a中的行移除;
P(R)是根据先验可行区R定义的列向量,在先验可行区R内的节点元素值定义为1,否则定义为0;即:
R是先验可行区,定义为两倍的磁共振影像先验感兴趣区;
6c)根据离散网格边界节点上的光学通量密度计算值和测量值之间的误差,建立稀疏正则化目标函数:
式中,Ξ(S)是稀疏正则化目标函数;
Sinf是靶向目标强度分布的下限;
Ssup是靶向目标强度分布的上限;
Φm是离散网格边界节点上的光学通量密度的测量值;
定义为求解矩阵F的lp范数;
λ是稀疏正则化的正则化因子。
在上述技术方案的基础上,步骤(1)中所述磁共振兼容的光学分子成像系统是由商业小动物磁共振系统模块和磁共振兼容的光学成像模块构成。
在上述技术方案的基础上,步骤(1)中所述多角度生物发光数据,为利用磁共振兼容的光学分子成像系统采集1-3个角度的生物发光数据。
在上述技术方案的基础上,步骤(5)中光传输过程是采用扩散近似方程描述生物发光信号在高散射特性生物组织中的传输过程,采用简化球谐波近似方程描述生物发光信号在低散射特性生物组织中的传输过程。
在上述技术方案的基础上,步骤(5)的具体步骤如下:
首先,应用下式和下面的准则将生物组织划分为高散射特性组织和低散射特性组织两大类:
式中,是不同散射特性组织的划分标准因子,μ′s是生物组织的约化散射系数,μa是生物组织的吸收系数;
划分的准则:如果那么生物组织划分为高散射特性组织;如果那么生物组织划分为低散射特性组织;
其次,将简化球谐波与扩散近似方程耦合使用,构造基于简化球谐波-扩散近似方程的前向光传输模型,描述生物发光信号在复杂生物体中的传输过程;其中,采用扩散近似方程描述高散射特性组织中的光传输过程,保证计算效率;采用简化球谐波近似方程描述低散射特性组织中的光传输过程,保证求解精度。
在上述技术方案的基础上,为了建立统一形式的简化球谐波-扩散近似方程,需要构造合适的边界条件将简化球谐波近似方程与扩散近似方程进行耦合,
在实现过程中,需要将在两个方程组织边界上形成的光流率转化为小体光源,具体步骤如下:
首先,考虑高散射特性组织与低散射特性组织之间的折射率不匹配条件,将在边界上形成的光流率转化为光通量:
Jn(r′)=ε(r′)φ(r′)
式中,Jn(r′)是不同散射特性组织边界上的r′点处的光通量,其方向指向出射组织,ε(r′)是r′点处的折射率,φ(r′)是r′点处的光流率;
其次,应用下述公式将形成的光通量转化为小体光源:
式中,q0(r′)是在不同散射特性组织边界点r′处形成的小体光源;M是与点r′相连接的所有面片的数量,Si是其中第i个面片的面积;Q是与点r′相连接的所有四面体的体积,Vj是其中第j个四面体的体积,Σ代表求和运算;
最后,将简化球谐波近似方程、扩散近似方程与上述边界耦合条件联立,获得描述靶向目标发射的生物发光信号在生物体内传输过程、基于简化球谐波-扩散近似方程的前向光传输模型。
在上述技术方案的基础上,步骤(7)中所述合适的优化算法包括:半贪婪算法和/或贪婪算法和/或凸松弛方法。当同时使用两种以上算法时则构成混合算法。
本发明公开一种基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,解决现有技术中基于扩散近似方程或采用微计算机断层成像技术获取结构信息带来的定量不准确问题。该方法通过磁共振影像获取生物体的解剖结构信息以及定位靶向目标的先验感兴趣区,构建基于简化球谐波-扩散近似方程的前向光传输模型和基于磁共振影像先验感兴趣区的稀疏正则化目标函数,采用合适优化算法进行求解,以实现体内靶向目标的准确定位与定量。本发明具有能够实现生物体内靶向目标位置和定量分布的准确、快速重建,可用于生物发光断层成像领域。本发明与现有技术相比具有如下优点:
第一,本发明由于采用磁共振影像数据获取生物体的解剖结构信息,克服了现有技术中采用微计算机断层成像影像数据带来的软组织对比度不足的局限性,可更清晰、更准确地获取生物体解剖结构,从而能够改善前向光传输模型的准确性,实现生物体内靶向目标的准确定位和定量重建。
第二,本发明由于采用磁共振影像数据获取先验感兴趣区,并将其融入到重建过程中,构造融合磁共振影像先验感兴趣区的稀疏正则化目标函数,克服了现有技术中的定量不准确问题,能够有效地改善生物发光断层成像技术的定量精度。
第三,本发明由于考虑生物体组织光学特性参数随解剖结构变化的差异构建基于简化球谐波-扩散近似方程的前向光传输模型,克服了现有技术中基于扩散近似方程的生物发光断层成像方法的局限性,能够对具有多种散射特性组织的复杂生物体内靶向目标的位置和强度进行准确、快速重建。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (9)
1.基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法,其特征在于,具体实现包括如下步骤:
(1)数据采集与预处理
利用磁共振兼容的光学分子成像系统,采集生物体内靶向目标发出的多角度生物发光数据和磁共振影像数据,并进行数据预处理;
(2)生物体解剖结构重建
利用基于凸集投影的稀疏磁共振图像重建算法对预处理后的磁共振影像数据进行三维重建,获得生物体三维体素数据;然后利用人机交互式分割方法对获得的生物体三维体素数据进行器官分割,获得生物体解剖结构;
(3)先验感兴趣区获取
对步骤(2)获取的生物体三维体素数据进行分析,基于不同组织对比度及其相应特征,提取生物体内靶向目标的大致位置及其轮廓信息,获取先验感兴趣区;
(4)体表光学数据映射
对步骤(2)获取的生物体解剖结构信息和步骤(1)获取的预处理后生物发光数据,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光学数据分布;
(5)前向光传输模型构建
根据生物体组织光学特性参数随解剖结构变化的差异,将生物体组织划分为高散射特性组织和低散射特性组织两大类,分别采用简化球谐波近似方程和扩散近似方程描述生物发光信号在复杂生物体中的传输过程;通过构造不同散射特性生物组织之间光传输的耦合条件,构建基于简化球谐波-扩散近似方程的前向光传输模型;
(6)稀疏正则化目标函数建立
利用有限元方法对步骤(5)建立的前向光传输模型进行离散化,建立描述生物体体内靶向目标强度分布与体表三维光学数据之间定量关系的系统方程,所述体表三维光学数据由步骤(4)得到;
结合步骤(3)获取的磁共振影像先验感兴趣区,进一步准确确立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程;
根据离散网格边界节点上的光学通量密度计算值和测量值之间的误差,建立稀疏正则化目标函数;
(7)目标函数的优化求解
采用合适的优化算法求解建立的稀疏正则化目标函数,获得生物体内靶向目标的空间位置和强度分布;
(8)三维重建结果显示
对步骤(7)获得的生物体内靶向目标的空间位置和强度分布和步骤(2)获取的生物体解剖结构进行图像融合,将重建的靶向目标空间位置和定量分布在生物体中进行三维显示。
2.如权利要求1所述的方法,其特征在于:步骤(6)的具体步骤为:
6a)利用有限元方法对步骤(5)建立的前向光传输模型进行离散化,建立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程:
AS=Φ
式中,A是系统矩阵,依赖于生物体内不同散射特性生物组织的分布和生物组织的光学特性参数;
S是生物体内靶向目标的空间位置和强度分布;
Φ是生物体体表离散网格上的光学通量密度分布;
6b)结合步骤(3)获取的磁共振影像先验感兴趣区,进一步准确确立描述生物体体内靶向目标强度分布与体表测量光学数据之间定量关系的系统方程:
(ATΘP(R))T(SΘP(R))=Φ
式中,T表示转置,aΘb操作定义为将向量b中零元素对应的矩阵a中的行移除;
P(R)是根据先验可行区R定义的列向量,在先验可行区R内的节点元素值定义为1,否则定义为0;即:
<mrow>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>&NotElement;</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
R是先验可行区,定义为两倍的磁共振影像先验感兴趣区;
6c)根据离散网格边界节点上的光学通量密度计算值和测量值之间的误差,建立稀疏正则化目标函数:
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<munder>
<mi>&Xi;</mi>
<mrow>
<msup>
<mi>S</mi>
<mi>inf</mi>
</msup>
<mo>&le;</mo>
<mi>S</mi>
<mo>&le;</mo>
<msup>
<mi>S</mi>
<mi>sup</mi>
</msup>
</mrow>
</munder>
<mo>=</mo>
<mo>{</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>|</mo>
<mo>|</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>T</mi>
</msup>
<mi>&Theta;</mi>
<mi>P</mi>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>&Theta;</mi>
<mi>P</mi>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>&Phi;</mi>
<mi>m</mi>
</msup>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mi>&lambda;</mi>
<mo>|</mo>
<mo>|</mo>
<mi>S</mi>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mn>1</mn>
<mn>1</mn>
</msubsup>
<mo>}</mo>
</mrow>
式中,Ξ(S)是稀疏正则化目标函数;
Sinf是靶向目标强度分布的下限;
Ssup是靶向目标强度分布的上限;
Φm是离散网格边界节点上的光学通量密度的测量值;
定义为求解矩阵F的lp范数;
λ是稀疏正则化的正则化因子。
3.如权利要求1所述的方法,其特征在于:步骤(1)中所述磁共振兼容的光学分子成像系统是由商业小动物磁共振系统模块和磁共振兼容的光学成像模块构成。
4.如权利要求1所述的方法,其特征在于:步骤(1)中所述多角度生物发光数据,为利用磁共振兼容的光学分子成像系统采集1-3个角度的生物发光数据。
5.如权利要求1所述的方法,其特征在于:步骤(1)中,所述数据预处理包括但不限于依次进行的:背景噪声去除、感兴趣区域提取和坏点补偿。
6.如权利要求1所述的方法,其特征在于:步骤(5)中光传输过程是采用扩散近似方程描述生物发光信号在高散射特性生物组织中的传输过程,采用简化球谐波近似方程描述生物发光信号在低散射特性生物组织中的传输过程。
7.如权利要求1所述的方法,其特征在于:步骤(5)的具体步骤如下:
首先,应用下式和下面的准则将生物组织划分为高散射特性组织和低散射特性组织两大类:
<mrow>
<mo>&dtri;</mo>
<mo>=</mo>
<mfrac>
<msubsup>
<mi>&mu;</mi>
<mi>s</mi>
<mo>&prime;</mo>
</msubsup>
<msub>
<mi>&mu;</mi>
<mi>a</mi>
</msub>
</mfrac>
</mrow>
2
式中,是不同散射特性组织的划分标准因子,μ′s是生物组织的约化散射系数,μa是生物组织的吸收系数;
划分的准则:如果那么生物组织划分为高散射特性组织;如果那么生物组织划分为低散射特性组织;
其次,将简化球谐波与扩散近似方程耦合使用,构造基于简化球谐波-扩散近似方程的前向光传输模型,描述生物发光信号在复杂生物体中的传输过程;其中,采用扩散近似方程描述高散射特性组织中的光传输过程,保证计算效率;采用简化球谐波近似方程描述低散射特性组织中的光传输过程,保证求解精度。
8.如权利要求7所述的方法,其特征在于:为了建立统一形式的简化球谐波-扩散近似方程,需要构造合适的边界条件将简化球谐波近似方程与扩散近似方程进行耦合,
在实现过程中,需要将在两个方程组织边界上形成的光流率转化为小体光源,具体步骤如下:
首先,考虑高散射特性组织与低散射特性组织之间的折射率不匹配条件,将在边界上形成的光流率转化为光通量:
Jn(r′)=ε(r′)φ(r′)
式中,Jn(r′)是不同散射特性组织边界上的r′点处的光通量,其方向指向出射组织,ε(r′)是r′点处的折射率,φ(r′)是r′点处的光流率;
其次,应用下述公式将形成的光通量转化为小体光源:
<mrow>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>r</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>J</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>r</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>Q</mi>
</munderover>
<msub>
<mi>V</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
</mrow>
式中,q0(r′)是在不同散射特性组织边界点r′处形成的小体光源;M是与点r′相连接的所有面片的数量,Si是其中第i个面片的面积;Q是与点r′相连接的所有四面体的体积,Vj是其中第j个四面体的体积,Σ代表求和运算;
最后,将简化球谐波近似方程、扩散近似方程与上述边界耦合条件联立,获得描述靶向目标发射的生物发光信号在生物体内传输过程、基于简化球谐波-扩散近似方程的前向光传输模型。
9.如权利要求1所述的方法,其特征在于:步骤(7)中所述合适的优化算法包括:半贪婪算法和/或贪婪算法和/或凸松弛方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710168912.3A CN107146261B (zh) | 2017-03-21 | 2017-03-21 | 基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710168912.3A CN107146261B (zh) | 2017-03-21 | 2017-03-21 | 基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107146261A true CN107146261A (zh) | 2017-09-08 |
CN107146261B CN107146261B (zh) | 2021-03-23 |
Family
ID=59783415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710168912.3A Active CN107146261B (zh) | 2017-03-21 | 2017-03-21 | 基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107146261B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730513A (zh) * | 2017-09-29 | 2018-02-23 | 华中科技大学 | 一种基于球谐函数不变量的颗粒识别和追踪方法 |
CN108451508A (zh) * | 2018-04-28 | 2018-08-28 | 中国科学院自动化研究所 | 基于多层感知机的生物自发荧光三维成像方法 |
CN110796942A (zh) * | 2019-11-19 | 2020-02-14 | 中国医学科学院北京协和医院 | 解剖图贴及其制作方法、人体解剖结构图案的形成方法 |
CN114831621A (zh) * | 2022-05-23 | 2022-08-02 | 西安大数据与人工智能研究院 | 分布式超快磁共振成像方法及其成像系统 |
CN117414124A (zh) * | 2023-12-15 | 2024-01-19 | 杭州永川科技有限公司 | 多频电阻抗磁感应成像方法、装置和计算机设备 |
TWI840138B (zh) * | 2023-02-24 | 2024-04-21 | 中國醫藥大學 | 三維組織影像分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393969A (zh) * | 2011-06-02 | 2012-03-28 | 西安电子科技大学 | 基于生物组织特异性的光学三维成像方法 |
CN103076583A (zh) * | 2012-12-28 | 2013-05-01 | 深圳先进技术研究院 | 磁共振快速成像方法和系统 |
CN103239255A (zh) * | 2013-05-20 | 2013-08-14 | 西安电子科技大学 | 一种锥束x射线发光断层成像方法 |
CN103271723A (zh) * | 2013-06-26 | 2013-09-04 | 西安电子科技大学 | 一种生物发光断层成像重建方法 |
US20150115958A1 (en) * | 2013-10-24 | 2015-04-30 | Siemens Aktiengesellschaft | Multiband Slice Accelerated Imaging With Balanced Slice-Selective Gradients |
CN105825547A (zh) * | 2016-03-11 | 2016-08-03 | 西安电子科技大学 | 一种基于体素和自适应光传输模型的光学三维成像方法 |
-
2017
- 2017-03-21 CN CN201710168912.3A patent/CN107146261B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393969A (zh) * | 2011-06-02 | 2012-03-28 | 西安电子科技大学 | 基于生物组织特异性的光学三维成像方法 |
CN103076583A (zh) * | 2012-12-28 | 2013-05-01 | 深圳先进技术研究院 | 磁共振快速成像方法和系统 |
CN103239255A (zh) * | 2013-05-20 | 2013-08-14 | 西安电子科技大学 | 一种锥束x射线发光断层成像方法 |
CN103271723A (zh) * | 2013-06-26 | 2013-09-04 | 西安电子科技大学 | 一种生物发光断层成像重建方法 |
US20150115958A1 (en) * | 2013-10-24 | 2015-04-30 | Siemens Aktiengesellschaft | Multiband Slice Accelerated Imaging With Balanced Slice-Selective Gradients |
CN105825547A (zh) * | 2016-03-11 | 2016-08-03 | 西安电子科技大学 | 一种基于体素和自适应光传输模型的光学三维成像方法 |
Non-Patent Citations (1)
Title |
---|
刘平 等: "基于凸集投影的稀疏磁共振图像重建新算法", 《中国医学物理学杂志》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730513A (zh) * | 2017-09-29 | 2018-02-23 | 华中科技大学 | 一种基于球谐函数不变量的颗粒识别和追踪方法 |
CN107730513B (zh) * | 2017-09-29 | 2019-09-13 | 华中科技大学 | 一种基于球谐函数不变量的颗粒识别和追踪方法 |
CN108451508A (zh) * | 2018-04-28 | 2018-08-28 | 中国科学院自动化研究所 | 基于多层感知机的生物自发荧光三维成像方法 |
CN108451508B (zh) * | 2018-04-28 | 2020-05-05 | 中国科学院自动化研究所 | 基于多层感知机的生物自发荧光三维成像方法 |
CN110796942A (zh) * | 2019-11-19 | 2020-02-14 | 中国医学科学院北京协和医院 | 解剖图贴及其制作方法、人体解剖结构图案的形成方法 |
CN114831621A (zh) * | 2022-05-23 | 2022-08-02 | 西安大数据与人工智能研究院 | 分布式超快磁共振成像方法及其成像系统 |
CN114831621B (zh) * | 2022-05-23 | 2023-05-26 | 西安大数据与人工智能研究院 | 分布式超快磁共振成像方法及其成像系统 |
TWI840138B (zh) * | 2023-02-24 | 2024-04-21 | 中國醫藥大學 | 三維組織影像分析方法 |
CN117414124A (zh) * | 2023-12-15 | 2024-01-19 | 杭州永川科技有限公司 | 多频电阻抗磁感应成像方法、装置和计算机设备 |
CN117414124B (zh) * | 2023-12-15 | 2024-04-09 | 杭州永川科技有限公司 | 多频电阻抗磁感应成像方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107146261B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107146261A (zh) | 基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 | |
Dai et al. | Transmed: Transformers advance multi-modal medical image classification | |
Yang et al. | EMS-Net: Ensemble of multiscale convolutional neural networks for classification of breast cancer histology images | |
CN105825547B (zh) | 一种基于体素和自适应光传输模型的光学三维成像方法 | |
CN110163897B (zh) | 一种基于合成超声图像的多模态图像配准方法 | |
CN103239255B (zh) | 一种锥束x射线发光断层成像方法 | |
CN103300829B (zh) | 一种基于迭代重加权的生物自发荧光断层成像方法 | |
CN102334979B (zh) | 一种基于迭代收缩的双模态融合断层成像方法 | |
Tenajas et al. | Recent advances in artificial intelligence-assisted ultrasound scanning | |
CN102393969B (zh) | 基于生物组织特异性的光学三维成像方法 | |
CN101947103B (zh) | 全光学生物发光断层成像方法 | |
Abdelmaksoud et al. | Precise identification of prostate cancer from DWI using transfer learning | |
CN102988026A (zh) | 基于乘子法的自发荧光断层成像重建方法 | |
Lapa et al. | A hybrid end-to-end approach integrating conditional random fields into CNNs for prostate cancer detection on MRI | |
Brodie et al. | Artificial intelligence in urological oncology: An update and future applications | |
CN106096571A (zh) | 一种基于emd特征提取和稀疏表示的细胞分类方法 | |
Bnouni et al. | Dynamic multi-scale CNN forest learning for automatic cervical cancer segmentation | |
Singh et al. | The role of geometry in convolutional neural networks for medical imaging | |
CN118279361A (zh) | 基于无监督深度学习和模态转换的多模态医学图像配准方法 | |
Liu et al. | Multi-conditional constraint generative adversarial network-based mr imaging from ct scan data | |
Pan et al. | An instance segmentation model based on deep learning for intelligent diagnosis of uterine myomas in mri | |
CN116958094A (zh) | 一种动态增强磁共振影像特征生成病理图像特征的方法 | |
An et al. | Robust orthogonal-view 2-D/3-D rigid registration for minimally invasive surgery | |
Talyshinskii et al. | Catalyzing Precision Medicine: Artificial Intelligence Advancements in Prostate Cancer Diagnosis and Management | |
CN109615673B (zh) | 基于自适应高斯拉普拉斯规则化的fmt重建方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |