CN107411766A - X射线发光断层成像的目标可行区提取方法 - Google Patents

X射线发光断层成像的目标可行区提取方法 Download PDF

Info

Publication number
CN107411766A
CN107411766A CN201710448648.9A CN201710448648A CN107411766A CN 107411766 A CN107411766 A CN 107411766A CN 201710448648 A CN201710448648 A CN 201710448648A CN 107411766 A CN107411766 A CN 107411766A
Authority
CN
China
Prior art keywords
target
reconstruction
feasible
groups
ray
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
Application number
CN201710448648.9A
Other languages
English (en)
Other versions
CN107411766B (zh
Inventor
易黄建
曲璇
侯榆青
贺小伟
张海波
焦璞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest University
Original Assignee
Northwest University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest University filed Critical Northwest University
Priority to CN201710448648.9A priority Critical patent/CN107411766B/zh
Publication of CN107411766A publication Critical patent/CN107411766A/zh
Application granted granted Critical
Publication of CN107411766B publication Critical patent/CN107411766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明属于分子影像技术领域，公开了一种X射线发光断层成像的目标可行区提取方法，基于光传输理论和有限元方法，利用光学特性参数和解剖结构等先验信息，设计N组不同网格进行全域重建，基于N个网格重建结果的统计分析，根据区域重叠程度提取一组新的可行区域，将可行区域作为重建区域进行再一次目标重建；通过减小重建区域降低了问题的病态性，有效提高了X射线发光分子断层成像的重建结果，在分子影像、重建算法等领域有重要的应用价值。本发明缓解了光学成像逆向问题中的病态性，有效提高重建质量；也可用于生物发光断层成像(BLT)，荧光分子断层成像(FMT)以及其他光学分子成像领域。

Description

X射线发光断层成像的目标可行区提取方法
技术领域
本发明属于分子影像技术领域，尤其涉及一种X射线发光断层成像的目标可行区提取方法。
背景技术
X射线发光分子断层成像(X-Ray Luminescence Computed Tomography，以下简称XLCT)是新型的分子影像技术，能够同时进行功能成像以及分子成像。具体是借助现代光学分子探针合成技术，利用具有发光性质的纳米发光颗粒合成的分子探针，构建一种结合Micro-CT的新型光学分子成像系统；通过X射线照射生物体内纳米发光材料，激发其产生近红外光并通过高灵敏度CCD(Charge coupled device,CCD)相机采集，结合重建方法反演纳米发光目标的三维分布。相比于其他光学成像模态，例如生物发光断层成像(Bioluminescence Tomography,BLT)和荧光分子断层成像(Fluorescence MolecularTomography,FMT)，XLCT有两个主要优势：第一，可消除自体荧光现象；第二，由于X射线在组织内准直线传播且具有深探测能力，能显著提高成像的空间分辨率。作为一种新型的分子影像技术，XLCT可以获得重建目标内纳米发光材料的位置和浓度，能够在细胞和分子水平在体实时监测生物活动过程，为肿瘤早期检测以及新药研发开辟了新方法。X射线发光断层成像属于逆向问题，具有严重病态性。由于光的强散射特性，使得光子在生物体内部的传输不再沿直线传播，而是经过大量无规则的散射过程。有限元方法由于能够便于拟合复杂生物组织，在X射线发光断层成像等重建问题中得到广泛应用，成为主流的数值方法。基于有限元方法，利用光学检测仪采集的光学数据只有成像物体表面节点与四面体，数量有限，远远低于整个成像物体节点与四面体数，而求解区域内部点的数量十分巨大，使得逆问题是一个未知数远远大于方程数的数学问题。如何精确重建发光目标的位置，是X射线发光断层成像研究的核心问题。设置目标可行区能够减小重建范围，一定程度上缓解问题的不适定性，提高重建结果质量。但由于可行区域的设置属于人为设置，由此也带来了新的问题，可行区域范围设置过大，不能准确逼近成像目标；范围设置过小，不能完全覆盖未知的目标范围，反而增加问题的病态性。因此如何获得可行区一直是光学成像的挑战性难题。
综上所述，现有技术存在的问题是：在X射线发光断层成像重建中得利用光学检测仪采集的光学数据只有成像目标的表面数据，数量有限，求解区域内部点的数量十分巨大。
发明内容
针对现有技术存在的问题，本发明提供了一种X射线发光断层成像的目标可行区提取方法。
本发明是这样实现的，一种X射线发光断层成像的目标可行区提取方法，所述X射线发光断层成像的目标可行区提取方法基于光传输和有限元，利用光学特性参数和解剖结构先验信息；N组不同网格进行全域重建，基于N个网格重建结果的统计分析；根据区域重叠程度提取一组新的可行区域，将可行区域作为重建区域进行再一次目标重建。
进一步，所述X射线发光断层成像的目标可行区提取方法包括以下步骤：
步骤一，用X射线发光断层成像系统，X射线发光源对固定在电控旋转台上的重建目标进行有限角度的透射式断层成像，将X射线源与光学检测仪器放置在成像目标的两侧，X射线照射目标激发其发出近红外光，并穿透成像目标被对面的光学检测仪器检测获取光学投影数据；
步骤二，利用网格剖分软件对成像物体手动剖分，获得N(N＝10)组不同网格尺寸，网格节点数为3000～4500个，分别记为NR，R＝1,2,3......,10；
步骤三，将获得的光学投影数据映射到10组网格上；解剖结构信息和光学特性参数作为先验信息，建立发光数据与重建对象内部发光目标分布的线性关系；
步骤四，10组网格分别作为逆问题重建网格，采用不完全变量共轭梯度算法进行全域重建，得到10组不同的重建结果；
步骤五，对10组重建结果分别进行分析，根据某一网格重建得到的发光目标的三维分布，根据重建结果，能量大于最大值的50％的节点是目标的可能性较大，将选出作为目标可能存在的区域，由此可获得一个目标可行区域PR；
步骤六，重复步骤五，对剩余的9组重建结果做相同的分析，导出9个目标可行区，P1,P2,…,PR-1,PR+1,…,PN；
步骤七，选取任意一组网格G，其节点数为S；
步骤八，根据10个可行区，对应网格G得到10个矩阵，记为F2,F3,...,F10，定义其中矩阵元素：
由此得到10个元素为1或0的矩阵；
步骤九，所得F1,F2,...,F10进行统计分析，得到网格G中每个节点出现在10组可行区的概率，根据概率大小获得一个新的目标可行区；定义矩阵F＝F1+F2+F3+...+F10，矩阵F中元素大于等于60％·10的节点构成一个新的可行区P。
进一步，所述步骤四具体包括：
(a)选取一组网格，根据建立的线性关系，整个成像物体作为重建区域，根据有限元理论，扩散近似方程离散，构建表面的测量数据与重建目标内部荧光目标分布的线性关系：
Φm＝AX；
其中A是系统矩阵，X是要求解的荧光目标三维分布与浓度，是非负的；
利用正则化理论，将上述线性关系转化为l1范数极小化问题：
λ是正则化参数，采用不完全变量截断共轭梯度法分别对该网格进行目标重建，得到发光目标的重建结果；
(b)换一个网格，得到对应网格的重建结果，现有10组网格，分别在这10组网格上重复，得到10组重建结果。
进一步，所述步骤八根据可行区P1可以定义如下矩阵其中：
得到F1是一个元素为1或者0的矩阵，它表示若节点属于可行区P1，则标记为1，否则标记为0。
本发明的另一目的在于提供一种应用所述X射线发光断层成像的目标可行区提取方法的X射线衍射仪。
本发明的另一目的在于提供一种应用所述X射线发光断层成像的目标可行区提取方法的X射线探伤机。
本发明的另一目的在于提供一种应用所述X射线发光断层成像的目标可行区提取方法的X射线机。
本发明的优点及积极效果为：基于光传输理论和有限元方法，利用光学特性参数和解剖结构等先验信息，设计N组不同网格进行全域重建，基于N个网格重建结果的统计分析，根据区域重叠程度提取一组新的可行区域，将可行区域作为重建区域进行再一次目标重建；通过减小重建区域降低了问题的病态性，有效提高了X射线发光分子断层成像的重建结果。
本发明缓解了光学成像逆向问题中的病态性，有效提高重建质量；也可用于生物发光断层成像(BLT)，荧光分子断层成像(FMT)以及其他光学分子成像领域；是基于多个网格重建结果的统计分析得到的，具有一定的客观性和可行性。
附图说明
图1是本发明实施例提供的X射线发光断层成像的目标可行区提取方法流程图。
图2是本发明实施例提供的X射线发光断层成像的目标可行区提取方法实现流程图。
图3是本发明实施例提供的整个成像物体与可行区域的对比示意图。
图4是本发明实施例提供的整个成像物体作为重建区域，采用不完全变量截断共轭梯度法求解得到重建结果示意图；
图中：(a)为z＝15mm截面的发光目标发光产额值分布图；(b)为真实发光目标与重建的发光目标的三维展示。
图5是本发明实施例提供的可行区域进行重建后获得的重建结果示意图；
图中：(a)为z＝15mm截面的发光目标发光产额值分布图；(b)为真实发光目标与重建的发光目标的三维展示。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的X射线发光断层成像的目标可行区提取方法包括以下步骤：
S101：对仿体进行网格剖分，选取N组不同大小的网格；
S102：将整个仿体作为重建的可行区域分别进行全域重建，得到N组不同的重建结果；
S103：对N组重建结果进行分析，以任意网格R为例，将重建值较大的体素选出作为目标可能存在的区域，获得一个目标可行区PR；
S104：重复S103，对剩余N-1组重建结果做相同分析，导出N-1个目标可行区；
S105：对N个可行区域统计分析，由区域重叠程度可得到新的可行区域P。
应用本发明实施例提供的X射线发光断层成像的目标可行区提取方法的设备包括：X射线衍射仪、X射线探伤机、X射线机、X射线荧光分析仪、X射线管等。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示，本发明实施例提供的X射线发光断层成像的目标可行区提取方法具体包括以下步骤：
(1)获取光学投影数据：利用X射线发光断层成像系统，X射线发光源对固定在电控旋转台上的重建目标进行有限角度的透射式断层成像，将X射线源与光学检测仪器放置在成像目标的两侧，X射线照射目标激发其发出近红外光，并穿透成像目标被对面的光学检测仪器检测到。通过有限个角度透射式断层扫描，用电脑控制电控旋转台等间隔旋转一定角度，本发明实施例采用90°，一般旋转一个角度，X射线激发一次，采集一次荧光数据。使用光学检测仪器获得测量数据，获得光通量密度Φm。
(2)利用网格剖分软件(Comsol)对成像物体(直径20mm高30mm的圆柱体)进行手动剖分，获得N(N＝10)组不同网格尺寸，网格节点数为3000～4500个，分别记为NR，R＝1,2,3......,10。
(3)将步骤(1)获得的光学投影数据映射到步骤(2)中的10组网格上。基于光传输模型和有限元理论，将步骤(1)获得的解剖结构信息和光学特性参数作为先验信息，建立发光数据与重建对象内部发光目标分布的线性关系。
(4)将10组网格分别作为逆问题重建网格，采用不完全变量共轭梯度算法进行全域重建，得到10组不同的重建结果。
(4a)选取一组网格，根据步骤(3)建立的线性关系，将整个成像物体作为重建区域，根据有限元理论，将扩散近似方程离散，构建表面的测量数据与重建目标内部荧光目标分布的线性关系：
Φm＝AX；
其中A是系统矩阵，X是要求解的荧光目标三维分布与浓度，是非负的。
利用正则化理论，将上述线性关系转化为l1范数极小化问题：
λ是正则化参数，采用不完全变量截断共轭梯度法分别对该网格进行目标重建，得到发光目标的重建结果。
(4b)换一个网格，重复步骤(3)和(4a)，得到对应网格的重建结果。现有10组网格，分别在这10组网格上重复(3)和步骤(4a)，得到10组重建结果。
(5)对10组重建结果分别进行分析，根据步骤(4)中某一网格重建得到的发光目标的三维分布，以任意网格NR，R＝1,2,3......,10为例，根据重建结果，能量大于最大值的50％(根据经验设定)的节点是目标的可能性较大，将选出作为目标可能存在的区域，由此可获得一个目标可行区域PR。
(6)重复步骤(5)，对剩余的9组重建结果做相同的分析，导出9个目标可行区，即P1,P2,…,PR-1,PR+1,…,PN。
(7)根据步骤(2)选取任意一组网格G,其节点数为S。根据可行区P1可以定义如下矩阵其中：
得到F1是一个元素为1或者0的矩阵，它表示若节点属于可行区P1，则标记为1，否则标记为0。
(8)根据剩余的9个可行区，对应网格G(节点数为S)得到9个矩阵，记为F2,F3,...,F10，定义其中矩阵元素：
由此得到9个元素为1或0的矩阵。
(9)根据(7)和(8)所得的F1,F2,...,F10进行统计分析，可得到网格G中每个节点出现在10组可行区的概率，根据概率大小可以获得一个新的目标可行区。具体操作是：定义矩阵F＝F1+F2+F3+...+F10，矩阵F中元素大于等于60％·10的节点构成一个新的可行区P。
下面结合对比和重建对本发明的应用效果作详细的描述。
图3为整个成像物体与可行区域的对比。
图4为将整个成像物体作为发光目标可行区域进行重建后的结果，其中(a)为成像物体在切片z＝15mm的重建结果的表面光子流密度，其中黑色圆圈为真实纳米发光目标，红色为重建纳米发光目标；(b)为对应的真实发光目标与重建的发光目标的三维展示，红色为真实纳米发光目标，蓝色为重建纳米发光目标。重建目标的真实中心位置为(5,0,15)mm，位置误差为：
图5为利用本发明所提供的可行区域进行重建获得的重建结果，其中(a)显示为成像物体在z＝15mm截面的重建结果的表面光子流密度，其中黑色圆圈代表真实纳米发光目标，红色为重建纳米发光目标；(b)为对应的重建发光目标的三维展示。
重建目标的真实中心位置为(5,0,15)mm，位置误差为：
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种X射线发光断层成像的目标可行区提取方法，其特征在于，所述X射线发光断层成像的目标可行区提取方法基于光传输和有限元，利用光学特性参数和解剖结构先验信息；N组不同网格进行全域重建，基于N个网格重建结果的统计分析；根据区域重叠程度提取一组新的可行区域，将可行区域作为重建区域进行再一次目标重建。
2.如权利要求1所述的X射线发光断层成像的目标可行区提取方法，其特征在于，所述X射线发光断层成像的目标可行区提取方法包括以下步骤：
步骤一，用X射线发光断层成像系统，X射线发光源对固定在电控旋转台上的重建目标进行有限角度的透射式断层成像，将X射线源与光学检测仪器放置在成像目标的两侧，X射线照射目标激发其发出近红外光，并穿透成像目标被对面的光学检测仪器检测获取光学投影数据；
步骤二，利用网格剖分软件对成像物体手动剖分，获得N(N＝10)组不同网格尺寸，网格节点数为3000～4500个，分别记为NR，R＝1,2,3......,10；
步骤三，将获得的光学投影数据映射到10组网格上；解剖结构信息和光学特性参数作为先验信息，建立发光数据与重建对象内部发光目标分布的线性关系；
步骤四，10组网格分别作为逆问题重建网格，采用不完全变量共轭梯度算法进行全域重建，得到10组不同的重建结果；
步骤五，对10组重建结果分别进行分析，根据某一网格重建得到的发光目标的三维分布，根据重建结果，能量大于最大值的50％的节点是目标的可能性较大，将选出作为目标可能存在的区域，由此可获得一个目标可行区域PR；
步骤六，重复步骤五，对剩余的9组重建结果做相同的分析，导出9个目标可行区，P1,P2,…,PR-1,PR+1,…,PN；
步骤七，选取任意一组网格G，其节点数为S；
步骤八，根据10个可行区，对应网格G得到10个矩阵，记为F2,F3,...,F10，定义其中矩阵元素：
由此得到10个元素为1或0的矩阵；
步骤九，所得F1,F2,...,F10进行统计分析，得到网格G中每个节点出现在10组可行区的概率，根据概率大小获得一个新的目标可行区；定义矩阵F＝F1+F2+F3+...+F10，矩阵F中元素大于等于60％·10的节点构成一个新的可行区P。
3.如权利要求2所述的X射线发光断层成像的目标可行区提取方法，其特征在于，所述步骤四具体包括：
(a)选取一组网格，根据建立的线性关系，整个成像物体作为重建区域，根据有限元理论，扩散近似方程离散，构建表面的测量数据与重建目标内部荧光目标分布的线性关系：
Φm＝AX；
其中A是系统矩阵，X是要求解的荧光目标三维分布与浓度，是非负的；
利用正则化理论，将上述线性关系转化为l1范数极小化问题：
<mrow> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mi>X</mi> </munder> <mo>{</mo> <mo>|</mo> <mo>|</mo> <mi>A</mi> <mi>X</mi> <mo>-</mo> <msub> <mi>&amp;Phi;</mi> <mi>m</mi> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <mi>X</mi> <mo>|</mo> <msub> <mo>|</mo> <mn>1</mn> </msub> <mo>}</mo> <mo>;</mo> </mrow>
λ是正则化参数，采用不完全变量截断共轭梯度法分别对该网格进行目标重建，得到发光目标的重建结果；
(b)换一个网格，得到对应网格的重建结果，现有10组网格，分别在这10组网格上重复，得到10组重建结果。
4.如权利要求2所述的X射线发光断层成像的目标可行区提取方法，其特征在于，所述步骤八根据可行区P1可以定义如下矩阵其中：
得到F1是一个元素为1或者0的矩阵，它表示若节点属于可行区P1，则标记为1，否则标记为0。
5.一种应用权利要求1～4任意一项所述X射线发光断层成像的目标可行区提取方法的X射线衍射仪。
6.一种应用权利要求1～4任意一项所述X射线发光断层成像的目标可行区提取方法的X射线探伤机。
7.一种应用权利要求1～4任意一项所述X射线发光断层成像的目标可行区提取方法的X射线机。
CN201710448648.9A 2017-06-14 2017-06-14 X射线发光断层成像的目标可行区提取方法 Active CN107411766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710448648.9A CN107411766B (zh) 2017-06-14 2017-06-14 X射线发光断层成像的目标可行区提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710448648.9A CN107411766B (zh) 2017-06-14 2017-06-14 X射线发光断层成像的目标可行区提取方法

Publications (2)

Publication Number Publication Date
CN107411766A true CN107411766A (zh) 2017-12-01
CN107411766B CN107411766B (zh) 2020-09-11

Family

ID=60429525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710448648.9A Active CN107411766B (zh) 2017-06-14 2017-06-14 X射线发光断层成像的目标可行区提取方法

Country Status (1)

Country Link
CN (1) CN107411766B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002290707A (ja) * 2001-03-26 2002-10-04 Olympus Optical Co Ltd 画像処理装置
CN101221128A (zh) * 2007-04-18 2008-07-16 中国科学院自动化研究所 一种基于自适应有限元的多光谱重建方法
CN101292863A (zh) * 2007-04-25 2008-10-29 中国科学院自动化研究所 一种基于单谱或混合段测量的自适应有限元光源重建方法
CN101301192A (zh) * 2007-05-10 2008-11-12 中国科学院自动化研究所 一种多模态自发荧光断层分子影像仪器及重建方法
CN101324529A (zh) * 2008-07-18 2008-12-17 北京工业大学 一种自发荧光成像方法及系统
US20080317308A1 (en) * 2005-06-24 2008-12-25 Xiaodong Wu System and methods for image segmentation in N-dimensional space
CN101856220A (zh) * 2010-05-14 2010-10-13 西安电子科技大学 定量光学分子断层成像装置和重建方法
US20110044524A1 (en) * 2008-04-28 2011-02-24 Cornell University Tool for accurate quantification in molecular mri
US8149236B2 (en) * 2005-08-01 2012-04-03 National University Corporation NARA Institute of Science and Technology Information processing apparatus and program
CN102488493A (zh) * 2011-11-15 2012-06-13 西安电子科技大学 小动物活体多模态分子成像系统和成像方法
JP4980707B2 (ja) * 2006-12-22 2012-07-18 富士フイルムＲｉファーマ株式会社 画像処理装置及び方法
CN105455780A (zh) * 2015-11-17 2016-04-06 西北大学 基于双网格的有限投影的荧光分子断层成像重建方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002290707A (ja) * 2001-03-26 2002-10-04 Olympus Optical Co Ltd 画像処理装置
US20080317308A1 (en) * 2005-06-24 2008-12-25 Xiaodong Wu System and methods for image segmentation in N-dimensional space
US8149236B2 (en) * 2005-08-01 2012-04-03 National University Corporation NARA Institute of Science and Technology Information processing apparatus and program
JP4980707B2 (ja) * 2006-12-22 2012-07-18 富士フイルムＲｉファーマ株式会社 画像処理装置及び方法
CN101221128A (zh) * 2007-04-18 2008-07-16 中国科学院自动化研究所 一种基于自适应有限元的多光谱重建方法
CN101292863A (zh) * 2007-04-25 2008-10-29 中国科学院自动化研究所 一种基于单谱或混合段测量的自适应有限元光源重建方法
CN101301192A (zh) * 2007-05-10 2008-11-12 中国科学院自动化研究所 一种多模态自发荧光断层分子影像仪器及重建方法
US20110044524A1 (en) * 2008-04-28 2011-02-24 Cornell University Tool for accurate quantification in molecular mri
CN101324529A (zh) * 2008-07-18 2008-12-17 北京工业大学 一种自发荧光成像方法及系统
CN101856220A (zh) * 2010-05-14 2010-10-13 西安电子科技大学 定量光学分子断层成像装置和重建方法
CN102488493A (zh) * 2011-11-15 2012-06-13 西安电子科技大学 小动物活体多模态分子成像系统和成像方法
CN105455780A (zh) * 2015-11-17 2016-04-06 西北大学 基于双网格的有限投影的荧光分子断层成像重建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HUANGJIAN YI ET AL.: "A permissible region extraction based on a knowledge priori for X-ray luminescence computed tomography", 《MULTIMEDIA SYSTEMS》 *
PU JIAO ET AL.: "A permissible region strategy for fluorescence molecular tomography", 《OPTICAL REVIEW》 *
侯榆青等: "采用快速贝叶斯匹配追踪的单视图X射线发光断层成像", 《光学精密工程》 *

Also Published As

Publication number Publication date
CN107411766B (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
CN108577876B (zh) 一种多边形静止ct及其工作方法
US11127175B2 (en) Monochromatic CT image reconstruction from current-integrating data via machine learning
CN106651982B (zh) 一种基于阵列x射线源和探测器的ct图像重建方法
CN106618619A (zh) 计算机断层成像设备
CN104700438B (zh) 图像重建方法及装置
CN103239255B (zh) 一种锥束x射线发光断层成像方法
CN103271723A (zh) 一种生物发光断层成像重建方法
CN105455780A (zh) 基于双网格的有限投影的荧光分子断层成像重建方法
CN105147312A (zh) Pet图像获取方法及系统
Liu et al. Fast x-ray luminescence computed tomography imaging
CN107220961A (zh) 一种基于半阈值追踪算法的荧光分子断层成像重建方法
CN101342075A (zh) 基于单视图的多光谱自发荧光断层成像重建方法
CN105326475A (zh) 一种基于多光源分辨的生物发光断层成像重建方法
CN104851080B (zh) 一种基于tv的三维pet图像重建方法
CN106725565A (zh) 一种稀疏投影下的锥束xct成像质量评估方法
CN109146987B (zh) 一种基于gpu的快速锥束计算机断层成像重建方法
CN109191462A (zh) 一种ct仿真体模生成方法
Borges et al. Representative elementary area (REA) in soil bulk density measurements through gamma ray computed tomography
CN103393410A (zh) 一种基于交替迭代运算的荧光分子断层成像重建方法
Liu et al. Single-view cone-beam x-ray luminescence optical tomography based on Group_YALL1 method
CN109589126A (zh) 基于宽光束小步长扫描方式的x射线发光断层成像方法
CN107411766A (zh) X射线发光断层成像的目标可行区提取方法
CN112037300B (zh) 基于交替方向乘子网络的光学重建方法及装置
Pato et al. Parallel-hole collimator concept for stationary SPECT imaging
CN110292392A (zh) 一种荧光ct稀疏角度投影自吸收校正方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant