CN110151133B - 基于图像分割与时频信息融合的乳腺光学成像装置及方法 - Google Patents

基于图像分割与时频信息融合的乳腺光学成像装置及方法 Download PDF

Info

Publication number
CN110151133B
CN110151133B CN201910439080.3A CN201910439080A CN110151133B CN 110151133 B CN110151133 B CN 110151133B CN 201910439080 A CN201910439080 A CN 201910439080A CN 110151133 B CN110151133 B CN 110151133B
Authority
CN
China
Prior art keywords
optical
detected
laser
image segmentation
tissue
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.)
Active
Application number
CN201910439080.3A
Other languages
English (en)
Other versions
CN110151133A (zh
Inventor
齐宏
赵方舟
任亚涛
阮立明
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201910439080.3A priority Critical patent/CN110151133B/zh
Publication of CN110151133A publication Critical patent/CN110151133A/zh
Application granted granted Critical
Publication of CN110151133B publication Critical patent/CN110151133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0091Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for mammography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10052Images from lightfield camera
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30068Mammography; Breast

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供基于图像分割与时频信息融合的乳腺光学成像装置及方法,属于近红外光学层析成像技术领域。本发明所述方法首先获取调频激光与脉冲激光作用下待测乳腺组织边界各方向上的辐射强度信息,通过模拟调频激光作用下待测乳腺组织内的红外辐射传输过程,初步得到频域模型下光学参数分布的重建图像;然后利用阈值分割法将其分割,得到时域模型的目标区域的光学参数分布初值,通过模拟脉冲激光作用下的红外辐射传输过程,得到乳腺组织目标区域内部结构。本发明解决了现有对乳腺光学分布的同时重建过程中,利用单一模型的测量信号进行重建,存在重建精度较低或者重建效率低的问题。本发明能用于高效率高精度的乳腺探测光学参数场的重建。

Description

基于图像分割与时频信息融合的乳腺光学成像装置及方法
技术领域
本发明涉及乳腺光学成像装置及方法,属于近红外光学层析成像技术领域。
背景技术
近红外光学层析成像利用近红外激光对组织体进行照射,并通过测量组织体表面的透射光和反射光信号,对组织体内部的光学参数分布进行重建,可以实现对生物组织内部结构及对生物体内一些异常或者变化的有效探测。与传统的成像技术相比,近红外光学层析成像使用近红外波段的弱强度入射激光,可以进行无损检测;价格相对低廉且不需要特殊的维护,性价比高;红外成像仪器结构简单,携带及应用便捷;可以达到传统成像难以检测到的病理性变化。因此,近红外光学层析成像已成为生物医学成像领域的研究热点,具有广泛应用前景。
图像分割是图像处理中的一个重要问题。乳腺检测中,乳房组织的相对均匀性使得大部分背景目标存在近似相等的光学参量值,而肿瘤组织较正常乳房组织相比具有较高的吸收特性和散射特性,因此运用图像分割法对重建得到的图像进行处理,可以实现目标区域与背景区域的区分,缩小待重建目标区域的范围,减少待重建的光学参数个数,提高重建效率。
现有的光学参数场重建模型中,频域模型的求解过程比较简单,计算效率较高,但是提供的测量数据较少,光学参数场重建精度较低;时域模型求解较为复杂,重建效率较低,但是可以提供丰富的时变探测信号,可以得到较高质量的重建结果。现有的光学参数场重建多为利用单一模型进行重建,基于时频光信息融合进行光学参数场重建的技术尚未得到应用。
目前的光学参数场重建研究采用的是接触式的光纤测量及CCD相机探测测量,获取的辐射光场信息比较有限,对频域及时域的出射辐射强度信号的探测效率还有待提高。
发明内容
本发明的目的是为了解决现有对乳腺光学分布的同时重建过程中,利用单一模型的测量信号进行重建,存在重建精度较低或者重建效率低的问题,而提出基于图像分割与时频信息融合的乳腺光学成像装置及方法。
本发明所述基于图像分割与时频信息融合的乳腺光学成像装置,包括:
激光控制器、激光头、待测乳腺组织、数据采集处理系统以及若干微透镜阵列光场相机;
所述激光控制器的一端连接激光头的激光控制信号输出端,激光控制器的另一端连接数据采集处理系统;数据采集处理系统的信号输入端同时与微透镜阵列光场相机的信号输出端连接;其中,所述若干微透镜阵列光场相机与激光头处于同一平面上,且均匀分布在待测乳腺组织周围;所述的激光头发射的激光射入待测乳腺组织时,该激光经过待测乳腺组织各边界面的中心点。
本发明所述基于图像分割与时频信息融合的乳腺光学成像方法,通过以下技术方案实现:
步骤一、开启激光控制器,使激光头发射出的调频激光入射到待测乳腺组织上,然后将待测乳腺组织顺时针旋转,使调频激光照射待测乳腺组织当前边界面的下一个相邻的边界面,重复多次旋转直至激光头发射的调频激光从待测乳腺组织的各个边界面分别入射一次;
激光头每发射一次调频激光则利用各微透镜阵列光场相机采集一次待测乳腺组织透射或反射出的辐射场信号,并将获得的所有辐射场信号发送至数据采集处理系统中;
数据采集处理系统对其获得的各个辐射场信号分别进行处理,得到待测乳腺组织各边界面射出的光谱辐射强度值
Figure GDA0003179615880000025
作为调频激光入射时的测量信号,s表示光源照射序号,d表示探测点位置序号;
步骤二、使激光头发射的脉冲激光射入待测乳腺组织的一个边界面,然后将待测乳腺组织顺时针旋转,利用调频激光照射待测乳腺组织当前边界面的下一个相邻的边界面,重复旋转直至激光头发射的脉冲激光从待测乳腺组织的各个边界面分别入射一次;
激光头每发射一次脉冲激光时都利用各个微透镜阵列光场相机采集一次经待测乳腺组织透射或反射出的辐射场信号,并将获得的所有辐射场信号发送至数据采集处理系统中;
数据采集处理系统对获得的各个辐射场信号分别进行处理,得到待测乳腺组织各边界面射出的光谱辐射强度值
Figure GDA0003179615880000021
作为脉冲激光入射时的测量信号;
步骤三、假设待测乳腺组织的初始光学参数分布为μ0,将μ0带入频域辐射传输方程,计算得到待测乳腺组织边界面的辐射强度信号
Figure GDA0003179615880000022
与步骤一中得到的
Figure GDA0003179615880000023
构成目标函数F(μ0);
步骤四、根据共轭梯度法更新待测乳腺组织的光学参数分布,更新表达式为:
μk=μk-1+△μ,
k表示迭代步数,k=1,2,…;△μ表示光学参数分布的改变量;
步骤五、根据步骤四中第k步迭代得到的光学参数分布μk,通过频域辐射传输方程计算光学参数分布为μk时,待测乳腺组织边界面的辐射强度信号
Figure GDA0003179615880000024
计算目标函数F(μk);
并判断目标函数值F(μk)是否小于给定的目标函数阈值,
若是,将μk赋值给μf,执行步骤六,
否则,返回步骤四;
步骤六、将当前迭代得到的光学参数分布μf作为初步获得的频域重建结果,将整个待重建区域分割为目标区域Ωt和背景区域Ωb
步骤七、将图像分割后的结果作为脉冲激光入射时的初始光学参数分布,即将μ0按两部分进行赋值,背景区域Ωb按背景介质的光学参数进行赋值;目标区域Ωt的光学参数按对应区域的频域重建结果进行赋值;即当:
Figure GDA0003179615880000031
其中,
Figure GDA0003179615880000032
表示第i个光学参数初值,
Figure GDA0003179615880000033
表示当前迭代得到的第i个光学参数值,
Figure GDA0003179615880000034
表示背景区域的光学参数均值;i=1,2,…;通过时域辐射传输方程计算出待测乳腺组织边界面的透射及反射辐射强度信号
Figure GDA0003179615880000035
与步骤二采集的辐射场信号构成目标函数F′(μ0);
步骤八、根据共轭梯度法更新目标区域光学参数分布,其中背景区域Ωb按背景介质的光学参数进行赋值,其光学参数不参与进一步的重建,更新表达式为:
Figure GDA0003179615880000036
其中k′=1,2,...;i=1,2,…;
步骤九、根据步骤八中第k′次迭代计算得到的待测乳腺组织的光学参数分布μk′,运用时域辐射传输方程进行计算,得到待测乳腺组织边界面的辐射强度信号
Figure GDA0003179615880000037
以及目标函数F′(μk′);并判断目标函数值F′(μk′)是否小于给定的目标函数阈值,
若是,则执行步骤十,
否则,返回步骤八;
步骤十、将当前迭代计算得到的光学参数场分布值作为重建结果,完成成像。
本发明最为突出的特点和显著的有益效果是:
本发明所涉及的基于图像分割与时频信息融合的乳腺光学成像装置及方法,运用图像分割法对基于频域模型重建得到的图像进行处理,可以实现目标区域与背景区域的区分,缩小待重建目标区域的范围,减少待重建的光学参数数量;利用时域模型提供丰富的时变探测信号,可以对图像分割锁定的目标区域进行局部重建,提高了重建效率和重建精度。本发明主要包括:介质边界出射辐射测量、脉冲激光在弥散介质的传输计算、基于阈值分割法的图像分割、光学参数场重建等环节。利用具有微透镜阵列的光场相机分别获取调频激光与脉冲激光作用下弥散介质边界各个方向上的辐射强度信息,通过模拟调频激光作用下弥散介质内的红外辐射传输过程,结合最优化方法得到频域模型下介质内部的光学参数场的重建图像;利用阈值分割法对基于频域模型的重建结果进行图像分割,利用最大类间方差法及特征阈值对整个待重建区域实现目标区域和背景区域的分割,得到时域模型的目标区域的光学参数场初值,通过模拟脉冲激光作用下弥散介质内的红外辐射传输过程,结合最优化算法得到乳腺组织目标区域的内部结构。本发明的仿真计算通过时频光信号的融合及重建图像的分割,进行乳腺光学参数场的重建(成像),为乳腺检测成像提供新的技术手段。
附图说明
图1为本发明所述的基于图像分割与时频信息融合的乳腺光学成像装置结构示意图;
图2为本发明涉及的基于图像分割与时频信息融合的乳腺光学成像方法流程图。
具体实施方式
具体实施方式一:结合图1对本实施方式进行说明,本实施方式给出的基于图像分割与时频信息融合的乳腺光学成像装置,具体包括激光控制器1、激光头2、待测乳腺组织3、数据采集处理系统7以及若干微透镜阵列光场相机4;
所述激光控制器1的一端连接激光头2的激光控制信号输出端,激光控制器1的另一端连接数据采集处理系统7;数据采集处理系统7的信号输入端同时与微透镜阵列光场相机4的信号输出端连接;其中,所述若干微透镜阵列光场相机4与激光头2处于同一平面上,且均匀分布在待测乳腺组织3周围;所述的激光头2发射的激光射入待测乳腺组织3时,该激光经过待测乳腺组织3各边界面的中心点。
具体实施方式二:结合图2对本实施方式进行说明,本实施方式给出的基于图像分割与时频信息融合的乳腺光学成像方法,具体包括以下步骤:
步骤一、开启激光控制器1,使激光头2发射出的调频激光入射到待测乳腺组织3上(一般是在体探测成像),然后将待测乳腺组织3顺时针旋转,使调频激光照射待测乳腺组织3当前边界面的下一个相邻的边界面,重复多次旋转直至激光头2发射的调频激光从待测乳腺组织3的各个边界面分别入射一次;
激光头2每发射一次调频激光则利用各微透镜阵列光场相机4采集一次待测乳腺组织3透射或反射出的辐射场信号,并将获得的所有辐射场信号发送至数据采集处理系统7中;
数据采集处理系统7对其获得的各个辐射场信号分别进行处理,得到待测乳腺组织3各边界面射出的光谱辐射强度值
Figure GDA0003179615880000051
作为调频激光入射时的测量信号,s表示光源照射序号,d表示探测点位置序号;
步骤二、使激光头2发射的脉冲激光射入待测乳腺组织3的一个边界面,然后将待测乳腺组织3顺时针旋转,利用调频激光照射待测乳腺组织3当前边界面的下一个相邻的边界面,重复旋转直至激光头2发射的脉冲激光从待测乳腺组织3的各个边界面分别入射一次;
激光头2每发射一次脉冲激光时都利用各个微透镜阵列光场相机4采集一次经待测乳腺组织3透射或反射出的辐射场信号,并将获得的所有辐射场信号发送至数据采集处理系统7中;
数据采集处理系统7对获得的各个辐射场信号分别进行处理,得到待测乳腺组织3各边界面射出的光谱辐射强度值
Figure GDA0003179615880000052
作为脉冲激光入射时的测量信号;
步骤三、假设待测乳腺组织的初始光学参数分布为μ0,将μ0带入频域辐射传输方程,计算得到待测乳腺组织边界面的辐射强度信号
Figure GDA0003179615880000053
与步骤一中得到的
Figure GDA0003179615880000054
构成目标函数F(μ0);
步骤四、根据共轭梯度法更新待测乳腺组织的光学参数分布,更新表达式为:
μk=μk-1+△μ,
k表示迭代步数,k=1,2,…;△μ表示光学参数分布的改变量;
步骤五、根据步骤四中第k步迭代得到的光学参数分布μk,通过频域辐射传输方程计算光学参数分布为μk时,待测乳腺组织边界面的辐射强度信号
Figure GDA0003179615880000055
计算目标函数F(μk);
并判断目标函数值F(μk)是否小于给定的目标函数阈值,
若是,将μk赋值给μf,执行步骤六,
否则,返回步骤四;
步骤六、将当前迭代得到的光学参数分布μf作为初步获得的频域重建结果,将整个待重建区域分割为目标区域Ωt和背景区域Ωb
步骤七、将图像分割后的结果作为脉冲激光入射时的初始光学参数分布,即将μ0按两部分进行赋值,背景区域Ωb按背景介质的光学参数进行赋值;目标区域Ωt的光学参数按对应区域的频域重建结果进行赋值;即当:
Figure GDA0003179615880000061
其中,
Figure GDA0003179615880000062
表示第i个光学参数初值,
Figure GDA0003179615880000063
表示当前迭代得到的第i个光学参数值,
Figure GDA0003179615880000064
表示背景区域的光学参数均值;i=1,2,…;通过时域辐射传输方程计算出待测乳腺组织3边界面的透射及反射辐射强度信号
Figure GDA0003179615880000065
与步骤二采集的辐射场信号构成目标函数F′(μ0);
步骤八、根据共轭梯度法更新目标区域光学参数分布,其中背景区域Ωb按背景介质的光学参数进行赋值,其光学参数不参与进一步的重建,更新表达式为:
Figure GDA0003179615880000066
其中k′=1,2,...;i=1,2,…;
步骤九、根据步骤八中第k′次迭代计算得到的待测乳腺组织的光学参数分布μk′,运用时域辐射传输方程进行计算,得到待测乳腺组织3边界面的辐射强度信号
Figure GDA0003179615880000067
以及目标函数F′(μk′);并判断目标函数值F′(μk′)是否小于给定的目标函数阈值,
若是,则执行步骤十,
否则,返回步骤八;
步骤十、将当前迭代计算得到的光学参数场分布值作为重建结果,完成成像。
具体实施方式三:本实施方式与具体实施方式二不同的是,所述待测乳腺组织的光学参数分布μ包括吸收系数场μa和散射系数场μs两部分参数,且两部分参数场同时进行重建。
其他步骤及参数与具体实施方式二相同。
具体实施方式四:本实施方式与具体实施方式二或三不同的是,步骤六中所述待重建区域按吸收系数场μa和散射系数场μs两部分参数,分别进行图像分割,得到目标区域Ωt和背景区域Ωb
其他步骤及参数与具体实施方式二或三相同。
具体实施方式五:本实施方式与具体实施方式二不同的是,步骤三和步骤五中所述频域辐射传输方程通过离散坐标法进行求解,其中,频域辐射传输方程的表达式为:
Figure GDA0003179615880000071
其中,i表示虚数单位,ω表示调制频率,c表示待测乳腺组织中的光速,Ω表示辐射传输方向;
Figure GDA0003179615880000072
表示梯度;μa、μs分别为吸收系数和散射系数;r表示空间位置,I表示辐射强度,Ω′表示立体角;Φ(Ω′,Ω)表示待测乳腺组织(3)的散射相函数,dΩ′表示Ω′的微分。
其他步骤及参数与具体实施方式二至四相同。
具体实施方式六:本实施方式与具体实施方式二不同的是,步骤六中所述将整个待重建区域分割为目标区域Ωt和背景区域Ωb,能够采用基于阈值的图像分割法、基于区域的图像分割算法、基于边缘检测的图像分割算法、基于神经网络技术的图像分割算法中的任意一种。
其他步骤及参数与具体实施方式二至五相同。
具体实施方式七:本实施方式与具体实施方式二或六不同的是,步骤六中采用基于阈值的图像分割法将整个待重建区域Ω分割为目标区域Ωt和背景区域Ωb,获取阈值准则函数如下:
Figure GDA0003179615880000073
式中,m为最佳特征阈值,σ2为目标的光学参数和背景介质的光学参数两类间的最大方差,PB为背景类发生概率,
Figure GDA0003179615880000074
为背景类光学参数的平均值,PT为目标类发生的概率,
Figure GDA0003179615880000075
为目标类光学参量的平均值,
Figure GDA0003179615880000076
为图像总体光学参数平均值;确定特征阈值t后,可将待重建图像分割为目标区域Ωt和背景区域Ωb两部分;当uai<t的区域为Ωb,当uai≥t的区域为Ωt
其他步骤及参数与具体实施方式二至六相同。
具体实施方式八:本实施方式与具体实施方式二或五不同的是,步骤九中所述时域辐射传输方程利用离散坐标法进行求解,其中,时域辐射传输方程的表达式为:
Figure GDA0003179615880000081
式中,
Figure GDA0003179615880000082
表示偏导数,t表示时刻。
其他步骤及参数与具体实施方式二至七相同。
具体实施方式九:本实施方式与具体实施方式二不同的是,步骤三和步骤五中所述目标函数的表达式为:
Figure GDA0003179615880000083
其中,μ为光学参数分布,步骤三中F(μ0)是μ取μ0时的形式;步骤五中F(μk)是μ取μk时的形式;ψ(μ)为正则化项,由广义马克尔夫随机场模型构建得到;
其他步骤及参数与具体实施方式二至九相同。
具体实施方式十:本实施方式与具体实施方式二或九不同的是,步骤七和步骤九中所述目标函数的表达式为:
Figure GDA0003179615880000084
其中,步骤七中F′(μ0)是μ取μ0时的形式;步骤九中F′(μk′)是μ取μk′时的形式;ψ(μ)为正则化项,由广义马克尔夫随机场模型构建得到;n表示时层的数目,n>1;
Figure GDA0003179615880000085
表示第n层的光谱辐射强度值;
Figure GDA0003179615880000086
表示第n层的透射及反射辐射强度信号。
其他步骤及参数与具体实施方式二至九相同。
具体实施方式十一:本实施方式与具体实施方式二不同的是,步骤四中所述光学参数分布的改变量△μ具体为:
△μ=akdk
其中,ak为第k次迭代的步长,由一维搜索得到;dk为第k次迭代的下降方向,由当前目标函数梯度和上一次迭代的下降方向决定。
其他步骤及参数与具体实施方式一至十相同。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,所述的光学成像装置包括激光控制器(1)、激光头(2)、待测乳腺组织(3)、数据采集处理系统(7)以及若干微透镜阵列光场相机(4);所述激光控制器(1)的一端连接激光头(2)的激光控制信号输出端,激光控制器(1)的另一端连接数据采集处理系统(7);数据采集处理系统(7)的信号输入端同时与微透镜阵列光场相机(4)的信号输出端连接;其中,所述若干微透镜阵列光场相机(4)与激光头(2)处于同一平面上,且均匀分布在待测乳腺组织(3)周围;所述的激光头(2)发射的激光射入待测乳腺组织(3)时,该激光经过待测乳腺组织(3)各边界面的中心点,其特征在于,包括以下步骤:
步骤一、开启激光控制器(1),使激光头(2)发射出的调频激光入射到待测乳腺组织(3)上,然后将待测乳腺组织(3)顺时针旋转,使调频激光照射待测乳腺组织(3)当前边界面的下一个相邻的边界面,重复多次旋转直至激光头(2)发射的调频激光从待测乳腺组织(3)的各个边界面分别入射一次;
激光头(2)每发射一次调频激光则利用各微透镜阵列光场相机(4)采集一次待测乳腺组织(3)透射或反射出的辐射场信号,并将获得的所有辐射场信号发送至数据采集处理系统(7)中;
数据采集处理系统(7)对其获得的各个辐射场信号分别进行处理,得到待测乳腺组织(3)各边界面射出的光谱辐射强度值
Figure FDA0003176662410000011
作为调频激光入射时的测量信号,s表示光源照射序号,d表示探测点位置序号;
步骤二、使激光头(2)发射的脉冲激光射入待测乳腺组织(3)的一个边界面,然后将待测乳腺组织(3)顺时针旋转,利用调频激光照射待测乳腺组织(3)当前边界面的下一个相邻的边界面,重复旋转直至激光头(2)发射的脉冲激光从待测乳腺组织(3)的各个边界面分别入射一次;
激光头(2)每发射一次脉冲激光时都利用各个微透镜阵列光场相机(4)采集一次经待测乳腺组织(3)透射或反射出的辐射场信号,并将获得的所有辐射场信号发送至数据采集处理系统(7)中;
数据采集处理系统(7)对获得的各个辐射场信号分别进行处理,得到待测乳腺组织(3)各边界面射出的光谱辐射强度值
Figure FDA0003176662410000012
作为脉冲激光入射时的测量信号;
步骤三、假设待测乳腺组织的初始光学参数分布为μ0,将μ0带入频域辐射传输方程,计算得到待测乳腺组织边界面的辐射强度信号
Figure FDA0003176662410000013
与步骤一中得到的
Figure FDA0003176662410000014
构成目标函数F(μ0);
步骤四、根据共轭梯度法更新待测乳腺组织的光学参数分布,更新表达式为:
μk=μk-1+△μ,
k表示迭代步数,k=1,2,…;△μ表示光学参数分布的改变量;
步骤五、根据步骤四中第k步迭代得到的光学参数分布μk,通过频域辐射传输方程计算光学参数分布为μk时,待测乳腺组织边界面的辐射强度信号
Figure FDA0003176662410000021
计算目标函数F(μk);
并判断目标函数值F(μk)是否小于给定的目标函数阈值,
若是,将μk赋值给μf,执行步骤六,
否则,返回步骤四;
步骤六、将当前迭代得到的光学参数分布μf作为初步获得的频域重建结果,将整个待重建区域分割为目标区域Ωt和背景区域Ωb
步骤七、将图像分割后的结果作为脉冲激光入射时的初始光学参数分布,即将μ0按两部分进行赋值,背景区域Ωb按背景介质的光学参数进行赋值;目标区域Ωt的光学参数按对应区域的频域重建结果进行赋值;即当:
Figure FDA0003176662410000022
其中,
Figure FDA0003176662410000023
表示第i个光学参数初值,
Figure FDA0003176662410000024
表示当前迭代得到的第i个光学参数值,
Figure FDA0003176662410000025
表示背景区域的光学参数均值;i=1,2,…;通过时域辐射传输方程计算出待测乳腺组织(3)边界面的透射及反射辐射强度信号
Figure FDA0003176662410000026
与步骤二采集的辐射场信号构成目标函数F′(μ0);
步骤八、根据共轭梯度法更新目标区域光学参数分布,其中背景区域Ωb按背景介质的光学参数进行赋值,其光学参数不参与进一步的重建,更新表达式为:
Figure FDA0003176662410000027
其中k′=1,2,...;i=1,2,…;
步骤九、根据步骤八中第k′次迭代计算得到的待测乳腺组织的光学参数分布μk′,运用时域辐射传输方程进行计算,得到待测乳腺组织(3)边界面的辐射强度信号
Figure FDA0003176662410000031
以及目标函数F′(μk′);并判断目标函数值F′(μk′)是否小于给定的目标函数阈值,
若是,则执行步骤十,
否则,返回步骤八;
步骤十、将当前迭代计算得到的光学参数场分布值作为重建结果,完成成像。
2.根据权利要求1所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:所述待测乳腺组织的光学参数分布μ包括吸收系数场μa和散射系数场μs两部分参数,且两部分参数场同时进行重建。
3.根据权利要求1或2所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤六中所述待重建区域按吸收系数场μa和散射系数场μs两部分参数,分别进行图像分割,得到目标区域Ωt和背景区域Ωb
4.根据权利要求1所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤三和步骤五中所述频域辐射传输方程通过离散坐标法进行求解,其中,频域辐射传输方程的表达式为:
Figure FDA0003176662410000032
其中,i表示虚数单位,ω表示调制频率,c表示待测乳腺组织中的光速,Ω表示辐射传输方向;
Figure FDA0003176662410000033
表示梯度;μa、μs分别为吸收系数和散射系数;r表示空间位置,I表示辐射强度,Ω′表示立体角;Φ(Ω′,Ω)表示待测乳腺组织(3)的散射相函数,dΩ′表示Ω′的微分。
5.根据权利要求1所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤六中所述将整个待重建区域分割为目标区域Ωt和背景区域Ωb,能够采用基于阈值的图像分割法、基于区域的图像分割算法、基于边缘检测的图像分割算法、基于神经网络技术的图像分割算法中的任意一种。
6.根据权利要求1或5所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤六中采用基于阈值的图像分割法将整个待重建区域Ω分割为目标区域Ωt和背景区域Ωb,获取阈值准则函数如下:
Figure FDA0003176662410000034
式中,m为最佳特征阈值,σ2为目标的光学参数和背景介质的光学参数两类间的最大方差,PB为背景类发生概率,
Figure FDA0003176662410000041
为背景类光学参数的平均值,PT为目标类发生的概率,
Figure FDA0003176662410000042
为目标类光学参量的平均值,
Figure FDA0003176662410000043
为图像总体光学参数平均值;当uai<t的区域为Ωb,当uai≥t的区域为Ωt
7.根据权利要求1或4所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤九中所述时域辐射传输方程利用离散坐标法进行求解,其中,时域辐射传输方程的表达式为:
Figure FDA0003176662410000044
式中,
Figure FDA0003176662410000045
表示偏导数,t表示时刻。
8.根据权利要求1所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤三和步骤五中所述目标函数的表达式为:
Figure FDA0003176662410000046
其中,μ为光学参数分布,步骤三中F(μ0)是μ取μ0时的形式;步骤五中F(μk)是μ取μk时的形式;ψ(μ)为正则化项,由广义马克尔夫随机场模型构建得到。
9.根据权利要求1或8所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤七和步骤九中所述目标函数的表达式为:
Figure FDA0003176662410000047
其中,步骤七中F′(μ0)是μ取μ0时的形式;步骤九中F′(μk′)是μ取μk′时的形式;ψ(μ)为正则化项,由广义马克尔夫随机场模型构建得到;n表示时层的数目,n>1;
Figure FDA0003176662410000048
表示第n层的光谱辐射强度值;
Figure FDA0003176662410000049
表示第n层的透射及反射辐射强度信号。
10.根据权利要求1所述基于图像分割与时频信息融合的乳腺光学成像装置的成像方法,其特征在于:步骤四中所述光学参数分布的改变量△μ具体为:
△μ=akdk
其中,ak为第k次迭代的步长,由一维搜索得到;dk为第k次迭代的下降方向。
CN201910439080.3A 2019-05-24 2019-05-24 基于图像分割与时频信息融合的乳腺光学成像装置及方法 Active CN110151133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910439080.3A CN110151133B (zh) 2019-05-24 2019-05-24 基于图像分割与时频信息融合的乳腺光学成像装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910439080.3A CN110151133B (zh) 2019-05-24 2019-05-24 基于图像分割与时频信息融合的乳腺光学成像装置及方法

Publications (2)

Publication Number Publication Date
CN110151133A CN110151133A (zh) 2019-08-23
CN110151133B true CN110151133B (zh) 2021-10-01

Family

ID=67632368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910439080.3A Active CN110151133B (zh) 2019-05-24 2019-05-24 基于图像分割与时频信息融合的乳腺光学成像装置及方法

Country Status (1)

Country Link
CN (1) CN110151133B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113066144B (zh) * 2021-03-09 2024-02-06 北京工业大学 一种基于深度学习的多模态扩散光学层析成像重建方法
CN113180601B (zh) * 2021-04-27 2023-01-03 浙江杜比医疗科技有限公司 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件
CN116327250B (zh) * 2023-02-13 2023-08-25 中国科学院地质与地球物理研究所 一种基于全波形反演技术的乳腺超声三维成像方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4321550A (en) * 1979-10-22 1982-03-23 Hughes Aircraft Company Phase conjugate correction for high gain amplifier systems
CN101147673A (zh) * 2007-11-02 2008-03-26 华中科技大学 旋转式扩散荧光层析成像系统
CN102835947A (zh) * 2012-09-04 2012-12-26 上海师范大学 基于散斑相关度的oct图像分析方法
EP2565725B1 (en) * 2011-09-02 2014-04-30 Mitutoyo Corporation Method and apparatus for the exact reconstruction of the object wave in off-axis digital holography
CN104794691A (zh) * 2015-04-07 2015-07-22 浙江大学 利用广义高斯模型进行单张失焦图像清晰重建的方法
US9256966B2 (en) * 2011-02-17 2016-02-09 The Johns Hopkins University Multiparametric non-linear dimension reduction methods and systems related thereto
CN105559756A (zh) * 2016-02-05 2016-05-11 浙江大学 基于全空间调制谱分割角度复合的微血管造影方法与系统
CN106018286A (zh) * 2016-05-18 2016-10-12 哈尔滨工业大学 基于光场相机与调频激光的弥散介质光学参数分布的重建探测装置及重建方法
CN106023082A (zh) * 2016-05-24 2016-10-12 哈尔滨工业大学 基于微透镜阵列与脉冲激光的弥散介质光学参数场重建装置及其重建方法
CN106073721A (zh) * 2016-07-26 2016-11-09 成都世恩医疗科技有限责任公司 一种新型的光声乳腺成像仪
CN109632718A (zh) * 2019-01-25 2019-04-16 哈尔滨工业大学 基于时频光信息融合的弥散介质光学参数场测量装置及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907459B (zh) * 2010-07-12 2012-01-04 清华大学 基于单目视频的实时三维刚体目标姿态估计与测距方法
US10388017B2 (en) * 2013-07-31 2019-08-20 The Johns Hopkins University Advanced treatment response prediction using clinical parameters and advanced unsupervised machine learning: the contribution scattergram

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4321550A (en) * 1979-10-22 1982-03-23 Hughes Aircraft Company Phase conjugate correction for high gain amplifier systems
CN101147673A (zh) * 2007-11-02 2008-03-26 华中科技大学 旋转式扩散荧光层析成像系统
US9256966B2 (en) * 2011-02-17 2016-02-09 The Johns Hopkins University Multiparametric non-linear dimension reduction methods and systems related thereto
EP2565725B1 (en) * 2011-09-02 2014-04-30 Mitutoyo Corporation Method and apparatus for the exact reconstruction of the object wave in off-axis digital holography
CN102835947A (zh) * 2012-09-04 2012-12-26 上海师范大学 基于散斑相关度的oct图像分析方法
CN104794691A (zh) * 2015-04-07 2015-07-22 浙江大学 利用广义高斯模型进行单张失焦图像清晰重建的方法
CN105559756A (zh) * 2016-02-05 2016-05-11 浙江大学 基于全空间调制谱分割角度复合的微血管造影方法与系统
CN106018286A (zh) * 2016-05-18 2016-10-12 哈尔滨工业大学 基于光场相机与调频激光的弥散介质光学参数分布的重建探测装置及重建方法
CN106023082A (zh) * 2016-05-24 2016-10-12 哈尔滨工业大学 基于微透镜阵列与脉冲激光的弥散介质光学参数场重建装置及其重建方法
CN106073721A (zh) * 2016-07-26 2016-11-09 成都世恩医疗科技有限责任公司 一种新型的光声乳腺成像仪
CN109632718A (zh) * 2019-01-25 2019-04-16 哈尔滨工业大学 基于时频光信息融合的弥散介质光学参数场测量装置及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Experimental research on noninvasive reconstruction of optical parameter fields based on transient radiative transfer equation for diagnoisis applications;Qi hong;《Journal of quantitative spectroscopy & radiative transfer》;20190131;第222卷;全文 *
Improving reconstruction of time-series based in Singular spectrum analysis:S segmentation approach;Leles MCR;《DIGITAL SIGNAL PROCESSING》;20180131;第77卷;全文 *
乳腺癌光声成像方法与实验研究;蔺祥伟;《中国博士学位论文全文数据库医药卫生科技辑》;20190115(第1期);全文 *
参与性介质内辐射传输的有限元法求解及光学成像研究;赵方舟;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20180215(第2期);全文 *
基于时频光信息的弥散介质非均匀光学参数场重建;乔要宾;《中国博士学位论文全文数据库基础科学辑》;20180115(第1期);全文 *

Also Published As

Publication number Publication date
CN110151133A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110151133B (zh) 基于图像分割与时频信息融合的乳腺光学成像装置及方法
CN102640014B (zh) 图像生成装置和图像生成方法
WO2019200959A1 (zh) 一种基于神经网络的近红外光谱断层成像重建方法
WO2017133083A1 (zh) 基于全空间调制谱分割角度复合的微血管造影方法与系统
CN107247332B (zh) 一种基于散斑估计和反卷积的非侵入式散射成像方法
CN107468234B (zh) 一种血管血流投影层析三维成像系统及成像方法
CN107788950B (zh) 基于自适应阈值分割的血流成像方法与系统
CN105996999B (zh) 基于oct测量样品深度分辨衰减系数的方法和系统
JP2013019696A (ja) 生体計測装置および画像作成方法
Wang et al. Simultaneous depth and spectral imaging with a cross-modal stereo system
CN109924949A (zh) 一种基于卷积神经网络的近红外光谱断层成像重建方法
CN111915733B (zh) 基于LeNet网络的三维锥束X射线发光断层成像方法
CN100493442C (zh) 基于声透镜与偏振检测的实时光声成像方法
CN109632718B (zh) 基于时频光信息融合的弥散介质光学参数场测量装置及方法
CN112057049B (zh) 一种基于多维度特征空间的光学相干血流造影方法与系统
CN206556602U (zh) 一种基于相干层析的太赫兹成像装置
EP0897282A2 (en) Method and apparatus for imaging an interior of a turbid medium
Qu et al. A deep learning-based automatic first-arrival picking method for ultrasound sound-speed tomography
Beerappa et al. Deep Learning Assisted Distorted Born Iterative Method for Solving Electromagnetic Inverse Scattering Problems
Shifa et al. Improved image reconstruction using multi frequency data for diffuse optical tomography
CN112089434B (zh) 一种多光谱生物发光断层成像方法和系统
CN107374588B (zh) 一种基于同步聚类的多光源荧光分子断层成像重建方法
CN110132874B (zh) 基于多角度测量的弥散介质光学参数场探测装置及方法
CN110160958B (zh) 一种光学相干层析成像装置、成像系统以及成像方法
Yao et al. A combined regularization method using prior structural information for sound-speed image reconstruction of ultrasound computed tomography

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