CN111489316A - 一种基于遗传算法的乳腺扩散光学层析成像系统 - Google Patents

Abstract

本发明提供了一种基于遗传算法的乳腺扩散光学层析成像系统，包括：图像采集模块，所述图像采集某块被配置为采集乳腺图像和暗图像；图像处理模块，所述图像处理模块被配置为获取乳腺静态图像；轮廓提取模块，所述轮廓提取模块被配置获取乳腺轮廓；图像整合模块，所述图像整合模块被配置为获取乳腺平均图像；参数计算模块，所述参数计算模块被配置为计算平均衰减系数和几何形状；矩阵计算模块，所述矩阵计算模块被配置为计算乳腺内部吸收系数变化矩阵

；可视化模块，所述可视化模块被配置为对乳腺内部吸收系数变化矩阵X进行可视化处理。这种基于遗传算法的乳腺扩散光学层析成像系统对乳腺的几何形状进行精确构造，能够获取病灶在乳腺中的位置。

Description

一种基于遗传算法的乳腺扩散光学层析成像系统

技术领域

本发明涉及光学成像领域，尤其涉及一种基于遗传算法的乳腺扩散光学层析成像系统。

背景技术

乳腺疾病是女性的常见病，近些年的临床经验总结表明，乳腺检测的准确率低下是乳腺癌患者死亡率无法降低的原因之一。现有技术中存在乳腺钼靶、X光成像、核磁共振成像和超声成像等乳腺检测方法，但是这些方法获取的图像存在一定的局限性；现有技术中存在一种新兴的红外成像技术，但是这种成像技术获取的图像中的病变组织的形状比较模糊，无法对病灶的具体形状和位置进行判断。因此，有必要发明一种基于遗传算法的乳腺扩散光学层析成像系统。

发明内容

本发明要解决的技术问题是：为了解决红外成像技术获取的图像比较模糊无法确定病灶位置的问题，本发明提供了一种基于遗传算法的乳腺扩散光学层析成像系统来解决上述问题。

本发明解决其技术问题所采用的技术方案是：一种基于遗传算法的乳腺扩散光学层析成像系统，包括：

图像采集模块，所述图像采集模块被配置为采集乳腺图像和两帧暗图像；

图像处理模块，所述图像处理模块被配置为将乳腺图像减去两帧暗图像的平均值后对乳腺图像进行平滑滤波处理，所述图像处理模块还被配置为对第一组的N个近红外LED灯的乳腺图像进行叠加和归一化处理后获取乳腺静态图像；

轮廓提取模块，所述轮廓提取模块被配置为对所述乳腺静态图像进行算法处理获取乳腺轮廓；

图像整合模块，所述图像整合模块被配置为对乳腺轮廓内的M组乳腺图像进行合成叠加处理获取乳腺平均图像；

参数计算模块，所述参数计算模块被配置为利用遗传算法和朗伯比尔定律计算出乳腺的平均衰减系数和几何形状；

矩阵计算模块，所述矩阵计算模块被配置为根据几何形状和DOT前向模型构建DOT前向模型对应的权重矩阵W，所述矩阵计算模块还被配置为对乳腺图像进行对数处理后减去第一组的乳腺图像得到输出矩阵Y，所述矩阵计算模块还被配置为根据权重矩阵W和输出矩阵Y计算乳腺内部吸收系数变化矩阵X；

可视化模块，所述可视化模块被配置为对乳腺内部吸收系数变化矩阵X进行可视化处理和伪彩处理得到乳腺组织光学系数动态变化的彩图。

作为优选，所述图像整合模块被配置为通过以下步骤获取乳腺平均图像：

在乳腺轮廓内计算第一组乳腺图像中每个近红外LED灯的有效照亮区域，在有效照亮区域内得到每个近红外LED灯的有效像素点个数p_i(i＝{1，2，...，N})和N个近红外LED灯的总有效像素点个数p_a；

将M组N个近红外LED灯的乳腺图像按照每个近红外LED灯进行整合得到N近红外LED灯的平均图像；

M组N个近红外LED灯的乳腺图像为I_dij(i＝{1，2，...，N}，j＝{1，2，...，M})，平均图像的整合方式的公式如下：

式中：

I_di为第i个近红外LED灯的平均图像；

(X_ik，Y_ik)为乳腺图像中的像素点的坐标；

I_di(X_ik，y_ik)为像素点(X_ik，y_ik)处CCD探测器接收到的第i个近红外LED灯的平均光强；

作为优选，所述参数计算模块被配置为通过以下步骤计算乳腺的平均衰减系数和几何形状：

利用遗传算法计算乳腺z坐标和平均衰减系数α，遗传算法的优化目标的公式如下：

式中：

(x_ij，y_ij，z_ij)为CCD探测器的像素点坐标；

(X_si，y_si，z_si)为第i个近红外LED灯的像素点坐标；

I_di(x_ij，y_ij)为像素点(x_ij，y_ij)处CCD探测器接收到的第i个近红外LED灯的平均光强；

I_0i为第i个近红外LED灯的光照强度；

r_ij为CCD探测器的像素点(x_ij，y_ij，z_ij)与第i个近红外LED灯之间的距离；

对遗传算法参数进行初始化；

遗传算法参数包括最大迭代次数MaxGen、种群个数NP、交叉概率p_c、变异概率p_m和优化参数个数p_aN；

优化参数个数p_aN＝p_a+1，优化参数的上界为CCD探测器的z坐标的最大值和平均衰减系数α的最大值，优化参数的下界为CCD探测器的z坐标的最小值和平均衰减系数α的最小值，CCD探测器的z坐标的范围区间为[Z_min，Z_max]，平均衰减系数α的范围区间为[α_min，α_max]；

随机生成初始群体POP_i＝{S_j，j＝{1，2，...，NP}}，其中，

生成初始群体POP_i的公式如下：

式中：

rand_jk为区间[0，1]之间的随机数；

计算每个个体的适应度，适应度的计算公式如下：

对所有个体按照适应度从高到低进行排序得到排序后的群体、最佳适应度值F_best和最佳个体S_best，排序后的群体为POP_ir＝{S_rj，j＝{1，2，...，NP}}；

对种群进行选择操作得到选择后的群体POPN_i，选择过程的公式如下：

式中：

POPN_i(k)为选择后的群体POPN_i中的第k个个体；

对种群进行交叉操作和变异操作；

将选择后的群体POPNi中的两个相邻的个体作为父代，得到

个父代，每一对父代个体随机产生的一个区间[0，1]范围内的随机数

若随机数co_l大于交叉概率p_c则将两个个体重组生成新的个体，交叉操作过程的公式如下：

对每个个体的每个变量位置随机产生一个随机数P_mkl，k＝{1，2，...，NP}，l＝{1，2，...，p_aN}，当随机数P_mkl大于变异概率Pm，则进行如下的变异操作：

变异操作过程的公式如下：

若迭代次数gen大于最大迭代次数MaxGen则输出最佳个体S_best为CCD探测器的z坐标和平均衰减系数α；

若迭代次数gen不大于最大迭代次数MaxGen则将迭代次数gen的数值加1，重新进入计算每个个体的适应度的步骤。

作为优选，所述矩阵计算模块被配置为通过以下步骤计算权重矩阵W、输出矩阵Y和乳腺内部吸收系数变化矩阵X：

对有效照亮区域进行网格划分，得到CCD探测器在三维空间内的离散点群，离散点的空间坐标为(x_vi，y_vi，z_vi)，i＝{1，2，...，N_v}；

CCD探测器在三维空间内的离散点群扰动光学吸收系数的求解公式如下：

式中：

为第i个近红外LED灯的向量；

为CCD探测器上第k个有效像素点与第i个近红外LED灯照亮点的向量；

为第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

N_v为组织内部离散点的个数；

为CCD探测器上第k个有效像素点和组织内第j个离散点的格林函数；

为第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的均匀光通量；

v为光在组织中的传播速度；

为组织中第j个离散点吸收系数的扰动数；

为组织内第j个离散点的向量；

D是漫散射系数；

h³为离散点的体积值；

对所有的有效像素点的光学传播方程进行整合，得到的公式如下：

计算前向模型的权重矩阵W，权重矩阵W的公式如下：

计算第k个近红外LED灯经过组织中的点v_j后在CCD探测器d_i处的光通量，光通量对应的权重系数的计算公式如下：

Q₁＝(1+αr_vjdi)(1+αr_skvj)cos A<vjdi，din>cos B<skvj，skn>e^-α(r_vjdi+r_skvj-r_skdi)；

Q₂＝α[cos α<skdi，skn〉cos β<skdi，din〉((αr_skdi)²+3αr_skdi+3)-cos γ<skn，din>(1+αr_skdi)]；

式中：

C₂为临床试验得到的归一化系数；

r_vjdi为组织中离散点vj在CCD探测器点di之间的距离；

r_skvj为第k个近红外LED灯和组织中离散点vj之间的距离；

r_skdi为第k个近红外LED灯和CCD探测器点di之间的距离；

cos A<vjdi，din>为组织中离散点vj、CCD探测器点di向量和CCD探测器点di处的法向量的余弦值；

cos B<skvj，skn>为第k个近红外LED灯、组织中离散点vj向量和第k个近红外LED灯处法向量的余弦值；

cos α<skdi，skn>为第k个近红外LED灯、CCD探测器点di向量和第k个近红外LED灯法向量的余弦值；

cos β<skdi，din〉为第k个近红外LED灯、CCD探测器点di向量和CCD探测器点di法向量的余弦值；

cosγ<skn，din〉为第k个近红外LED灯的法向量和CCD探测器点di法向量的余弦值；

对获取到的M组乳腺图像进行取ln操作，将M组乳腺图像减去第一组的乳腺图像后得到CCD探测器的输出矩阵Y，输出矩阵Y的公式如下：

Y_ik＝(Y_ik(t₁)，...，Y_ik(t_M))；

式中：

t_M为CCD拍摄第M组第一个近红外LED乳腺图像的时间；

Y_ik为t₁时刻到t_M时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量的差值向量；

Y_ik(t)为t时刻与t₁时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量的差值；

为t时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

为t₁时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

计算乳腺内部吸收系数变化矩阵X，乳腺内部吸收系数变化矩阵X的公式如下：

式中：

为组织中t₁～t_M时刻第1个离散点吸收系数的扰动数；

为组织中t₁～t_M时刻第N_v个离散点吸收系数的扰动数；

变化矩阵X的求解公式如下：

Y＝WX；

J＝min(λ||LX||+||WX-Y||)；

X＝(λL^TL+W^TW)^-1(W^TY)；

式中：

L为空间正则化矩阵；

λ为正则化系数；

作为优选，还包括图像检测模块，所述图像检测模块被配置为在所述图像处理模块处理乳腺图像之前检测两帧暗图像的标准差STD和差值绝对值的均值MEAN；

若STD大于a₁或者MEAN大于a₂则表示乳腺图像为不合格数据。

本发明的有益效果是，这种基于遗传算法的乳腺扩散光学层析成像系统通过遗传算法对乳腺的几何形状进行智能化的精确构造，能够在构造的乳腺三维空间下获取乳腺的近红外成像信息和病灶在乳腺中的精确位置。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明实施例提供的一种近红外成像系统的系统图。

图2是本发明一种基于遗传算法的乳腺扩散光学层析成像系统的工作流程图。

图3是本发明一种基于遗传算法的乳腺扩散光学层析成像系统的部分算法流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

如图1所示，是用于获取乳腺图像的近红外成像系统的系统图，包括：PC、CCD探测器、乳腺摆放装置、加压装置、近红外LCD灯阵列和控制器。控制器用于控制CCD探测器、加压装置和近红外LCD灯阵列；加压装置用于向位于乳腺摆放装置上的乳腺施加压力；近红外LED等阵列包括N个设置在乳腺摆放装置周围的近红外LED灯；CCD探测器用于采集在近红外LED灯照射下的乳腺图像；PC用于获取CCD探测器采集的乳腺图像。

获取的乳腺图像的具体过程如下：

在暗室环境下，向患者乳腺施加压力；在本实施例中，暗室内需要关闭近红外波段内的所有光源，避免其他可能会被CCD探测器接收到的光源存在于暗室中，进而对乳腺凸显的采集造成影响；除此之外，还需要遮蔽肉眼可见的外界光进入室内，包括关闭窗户、门、窗帘等，若室内存在排风装置、空调机、供水管线穿墙等的，也应当进行适当的遮蔽，避免漏光；

将乳腺摆放装置设置在暗室环境下，通过加压装置向位于乳腺摆放装置上的患者乳腺施加压力，控制器控制乳腺周围的近红外LCD灯阵列循环点亮M个周期，CCD探测器采集M组N个近红外LED灯照射时的合格的乳腺图像和采集前后的两帧暗图像。

基于以上系统，本发明提供了一种基于遗传算法的乳腺扩散光学层析成像系统，如图2～3所示，包括：

图像采集模块，图像采集模块采集乳腺图像和两帧暗图像。

图像处理模块，图像处理模块计算两帧暗图像的平均值Darklmg，再将所有的乳腺图像减去两帧暗图像的平均值Darklmg。

图像处理模块对乳腺图像进行平滑滤波处理后，将第一组的A个近红外LED灯的乳腺图像进行叠加和归一化处理获取乳腺静态图像。

轮廓提取模块，轮廓提取模块对乳腺静态图像进行轮廓提取算法处理后获取乳腺轮廓。

图像整合模块，图像整合模块被配置为通过以下步骤获取乳腺平均图像：

图像整合模块在乳腺轮廓内计算乳腺图像中每个近红外LED灯的有效照亮区域，有效照亮区域为有效照亮像素点的合集；在本实施例中，有效照亮像素点的光照强度需要在有效照亮的范围[I_min，I_max]中，并且至少被两个LED照亮；

图像整合模块在有效照亮区域内得到每个近红外LED灯的有效像素点个数p_i(i＝{1，2，...，N})和N个近红外LED灯的总有效像素点个数p_a；

将M组N个近红外LED灯的乳腺图像按照每个近红外LED灯进行整合得到N近红外LED灯的平均图像；

M组N个近红外LED灯的乳腺图像为I_di(i＝{1，2，...，N}，j＝{1，2，...，M})，平均图像的整合方式的公式如下：

式中：

i表示为第i个近红外LED灯；

j表示第j组乳腺图像；

I_di为第i个近红外LED灯的平均图像；

(x_ik，y_ik)为乳腺图像中的像素点的坐标；

I_di(x_ik，y_ik)为像素点(x_ik，y_ik)处CCD探测器接收到的第i个近红外LED灯的平均光强。

参数计算模块，被配置为通过以下步骤计算乳腺的平均衰减系数和几何形状：

参数计算模块利用遗传算法计算乳腺z坐标和平均衰减系数α，在本实施例中，乳腺z坐标的即为CCD探测器的位置，乳腺的表面和CCD探测器之间的空气对光传播的影响忽略不计。

遗传算法的优化目标的公式如下：

式中：

(x_ij，y_ij，z_ij)为CCD探测器的像素点坐标；

(X_si，y_si，z_si)为第i个近红外LED灯的像素点坐标；

I_di(x_ij，y_ij)为像素点(x_ij，y_ij)处CCD探测器接收到的第i个近红外LED灯的平均光强；

I_0i为第i个近红外LED灯的光照强度；

r_ij为CCD探测器的像素点(x_ij，y_ij，z_ij)与第i个近红外LED灯之间的距离。

对遗传算法参数进行初始化，遗传算法参数包括最大迭代次数MaxGen、种群个数NP、交叉概率p_c、变异概率P_m和优化参数个数p_aN；

需要优化的参数包括p_a个有效像素点的z坐标和一个平均衰减系数α，故优化参数个数p_aN＝p_a+1；优化参数的上界为CCD探测器的z坐标的最大值和平均衰减系数α的最大值，优化参数的下界为CCD探测器的z坐标的最小值和平均衰减系数α的最小值，CCD探测器的z坐标的范围区间为[Z_min，Z_max]，平均衰减系数α的范围区间为[α_min，α_max]；

在本实施例中，CCD探测器的z坐标为CCD探测器采集乳腺图像时有效照亮区域内乳腺的表面高度；

在本实施例中，迭代次数gen的数值为1；

随机生成初始群体POP_i＝{S_j，j＝{1，2，...，NP}}，其中，

生成初始群体POP_i的公式如下：

式中：

rand_jk为区间[0，1]之间的随机数；

计算每个个体的适应度，适应度的计算公式如下：

对所有个体按照适应度从高到低进行排序得到排序后的群体、最佳适应度值F_best和最佳个体S_best，排序后的群体为POP_ir＝{S_rj，j＝{1，2，...，NP}}；

对种群进行选择操作得到选择后的群体POPN_i，选择过程的公式如下：

式中：

POPN_i(k)为选择后的群体POPN_i中的第k个个体；

对种群进行交叉操作和变异操作；

将选择后的群体POPN_i中的两个相邻的个体作为父代，选择后的群体一共能够得到

个父代，每一对父代个体随机产生的一个区间[0，1]范围内的随机数

若随机数co_l大于交叉概率p_c则将两个个体重组生成新的个体，交叉操作过程的公式如下：

对每个个体的每个变量位置随机产生一个随机数P_mkl，k＝{1，2，...，NP}，l＝{1，2，...，p_aN}，当随机数P_mkl大于变异概率Pm，则进行如下的变异操作：

变异操作过程的公式如下：

若迭代次数gen大于最大迭代次数MaxGen则输出最佳个体S_best为CCD探测器的z坐标和平均衰减系数α；

若迭代次数gen不大于最大迭代次数MaxGen则将迭代次数gen的数值加1，重新进入计算每个个体的适应度的步骤。

矩阵计算模块，矩阵计算模块被配置为通过以下步骤计算权重矩阵W、输出矩阵Y和乳腺内部吸收系数变化矩阵X：

矩阵计算模块根据几何形状和DOT前向模型构建DOT前向模型对应的权重矩阵W，对乳腺图像进行对数处理后减去第一组的乳腺图像得到输出矩阵Y，根据权重矩阵W和输出矩阵Y计算乳腺内部吸收系数变化矩阵X，具体过程如下：

对有效照亮区域进行网格划分，得到CCD探测器在三维空间内的离散点群，离散点的空间坐标为(x_vi，y_vi，z_vi)，i＝{1，2，...，N_v}；

依据生物组织的漫散射理论和微扰理论，本实施例中的近红外光在组织中的传输满足如下公式：

对上述公式进行离散化后得到CCD探测器在三维空间内的离散点群扰动光学吸收系数的求解公式如下：

式中：

为第i个近红外LED灯的向量；

为CCD探测器上第k个有效像素点与第i个近红外LED灯照亮点的向量；

为第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

N_v为组织内部离散点的个数；

为CCD探测器上第k个有效像素点和组织内第j个离散点的格林函数；

为第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的均匀光通量；

v为光在组织中的传播速度；

为组织中第j个离散点吸收系数的扰动数；

为组织内第j个离散点的向量；

D是漫散射系数；

h³为离散点的体积值；

在本实施例中，组织指的是乳腺组织。

对所有的有效像素点的光学传播方程进行整合，得到的公式如下：

计算前向模型的权重矩阵W，权重矩阵W的公式如下：

计算第k个近红外LED灯经过组织中的点v_j后在CCD探测器d_i处的光通量，光通量对应的权重系数的计算公式如下：

Q₁＝(1+αr_vjdi)(1+αr_skvj)cos A<vjdi，din>cos B<skvj，skn>e-α(r_vjdi+r_skvj-r_skdi)；

Q₂＝α[cos α〈skdi，skn>cos β〈skdi，din>((αr_skdi)²+3αr_skdi+3)-cos γ〈skn，din>(1+αr_skdi)]；

式中：

为临床试验得到的归一化系数；

r_vjdi为组织中离散点vj在CCD探测器点di之间的距离；

r_skvj为第k个近红外LED灯和组织中离散点vj之间的距离；

r_skdi为第k个近红外LED灯和CCD探测器点di之间的距离；

cos A〈vjdi，din>为组织中离散点vj、CCD探测器点di向量和CCD探测器点di处的法向量的余弦值；

cos B<skvj，skn>为第k个近红外LED灯、组织中离散点vj向量和第k个近红外LED灯处法向量的余弦值；

cos α<skdi，skn>为第k个近红外LED灯、CCD探测器点di向量和第k个近红外LED灯法向量的余弦值；

cos β<skdi，din>为第k个近红外LED灯、CCD探测器点di向量和CCD探测器点di法向量的余弦值；

cosγ<skn，din>为第k个近红外LED灯的法向量和CCD探测器点di法向量的余弦值；

对获取到的M组乳腺图像进行取ln操作，将M组乳腺图像减去第一组的乳腺图像后得到CCD探测器的输出矩阵Y，输出矩阵Y的公式如下：

Y_ik＝(Y_ik(t₁)，...，Y_ik(t_M))；

式中：

t_M为CCD拍摄第M组第一个近红外LED乳腺图像的时间；

Y_ik为t₁时刻到t_M时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量的差值向量；

Y_ik(t)为t时刻与t₁时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量的差值；

为t时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

为t₁时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

计算乳腺内部吸收系数变化矩阵X，乳腺内部吸收系数变化矩阵X的公式如下：

式中：

为组织中t₁～t_M时刻第1个离散点吸收系数的扰动数；

为组织中t₁～t_M时刻第N_v个离散点吸收系数的扰动数；

变化矩阵X的求解公式如下：

Y＝WX；

J＝min(λ||LX||+||WX-Y||)；

X＝(λL^TL+W^TW)^-1(W^TY)；

式中：

L为空间正则化矩阵；

λ为正则化系数。

可视化模块，可视化模块对乳腺内部吸收系数变化矩阵X进行可视化处理和伪彩处理得到乳腺组织光学系数动态变化的彩图。对乳腺组织光学系数动态变化的彩图进行解读分析能够发现，图像中存在的吸收扰动系数连续下降、与背景区域变化不一致的区域即为病灶组织所在的区域。

根据另外的实施例，还包括图像检测模块。

图像检测模块能够在图像处理模块处理乳腺图像之前检测CCD探测器采集的两帧暗图像的标准差STD和差值绝对值的均值MEAN。

若STD大于a₁或者MEAN大于a₂则说明采集乳腺图像的环境不符合要求，同时说明采集的乳腺图像为不合格数据，需要重新设置暗室，重新进行乳腺图像和两帧暗图像的采集。

否则说明暗室环境满足要求，采集的乳腺图像为合格数据，系统能够进行后续的处理工作。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对所述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (5)

1.一种基于遗传算法的乳腺扩散光学层析成像系统，其特征在于，包括：

图像采集模块，所述图像采集模块被配置为采集乳腺图像和两帧暗图像；

图像处理模块，所述图像处理模块被配置为将乳腺图像减去两帧暗图像的平均值后对乳腺图像进行平滑滤波处理，所述图像处理模块还被配置为对第一组的N个近红外LED灯的乳腺图像进行叠加和归一化处理后获取乳腺静态图像；

轮廓提取模块，所述轮廓提取模块被配置为对所述乳腺静态图像进行算法处理获取乳腺轮廓；

图像整合模块，所述图像整合模块被配置为对乳腺轮廓内的M组乳腺图像进行合成叠加处理获取乳腺平均图像；

参数计算模块，所述参数计算模块被配置为利用遗传算法和朗伯比尔定律计算出乳腺的平均衰减系数和几何形状；

矩阵计算模块，所述矩阵计算模块被配置为根据几何形状和DOT前向模型构建DOT前向模型对应的权重矩阵W，所述矩阵计算模块还被配置为对乳腺图像进行对数处理后减去第一组的乳腺图像得到输出矩阵Y，所述矩阵计算模块还被配置为根据权重矩阵W和输出矩阵Y计算乳腺内部吸收系数变化矩阵X；

可视化模块，所述可视化模块被配置为对乳腺内部吸收系数变化矩阵X进行可视化处理和伪彩处理得到乳腺组织光学系数动态变化的彩图。

2.如权利要求1所述的一种基于遗传算法的乳腺扩散光学层析成像系统，其特征在于：

所述图像整合模块被配置为通过以下步骤获取乳腺平均图像：

在乳腺轮廓内计算第一组乳腺图像中每个近红外LED灯的有效照亮区域，在有效照亮区域内得到每个近红外LED灯的有效像素点个数p_i(i＝{1，2，...，N})和N个近红外LED灯的总有效像素点个数p_a；

将M组N个近红外LED灯的乳腺图像按照每个近红外LED灯进行整合得到N个近红外LED灯的平均图像；

M组N个近红外LED灯的乳腺图像为I_dij(i＝{1，2，...，N}，j＝{1，2，...，M})，平均图像的整合方式的公式如下：

式中：

I_di为第i个近红外LED灯的平均图像；

(x_ik，y_ik)为乳腺图像中的像素点的坐标；

I_di(x_ik，y_ik)为像素点(x_ik，y_ik)处CCD探测器接收到的第i个近红外LED灯的平均光强。

3.如权利要求2所述的一种基于遗传算法的乳腺扩散光学层析成像系统，其特征在于：

所述参数计算模块被配置为通过以下步骤计算乳腺的平均衰减系数和几何形状：

利用遗传算法计算乳腺z坐标和平均衰减系数α，遗传算法的优化目标的公式如下：

式中：

(x_ij，y_ij，z_ij)为CCD探测器的像素点坐标；

(x_si，y_si，z_si)为第i个近红外LED灯的像素点坐标；

I_di(x_ij，y_ij)为像素点(x_ij，y_ij)处CCD探测器接收到的第i个近红外LED灯的平均光强；

I_0i为第i个近红外LED灯的光照强度；

r_ij为CCD探测器的像素点(x_ij，y_ij，z_ij)与第i个近红外LED灯之间的距离；

对遗传算法参数进行初始化；

遗传算法参数包括最大迭代次数MaxGen、种群个数NP、交叉概率p_c、变异概率P_m和优化参数个数p_aN；

优化参数个数p_aN＝p_a+1，优化参数的上界为CCD探测器的z坐标的最大值和平均衰减系数α的最大值，优化参数的下界为CCD探测器的z坐标的最小值和平均衰减系数α的最小值，CCD探测器的z坐标的范围区间为[Z_min，Z_max]，平均衰减系数α的范围区间为[α_min，α_max]；

随机生成初始群体POP_i＝{S_j，j＝{1，2，...，NP}}，其中，

生成初始群体POP_i的公式如下：

式中：

rand_jk为区间[0，1]之间的随机数；

计算每个个体的适应度，适应度的计算公式如下：

对所有个体按照适应度从高到低进行排序得到排序后的群体、最佳适应度值F_best和最佳个体S_best，排序后的群体为POP_ir＝{S_rj，j＝{1，2，...，NP}}；

对种群进行选择操作得到选择后的群体POPN_i，选择过程的公式如下：

式中：

POPN_i(k)为选择后的群体POPN_i中的第k个个体；

对种群进行交叉操作和变异操作；

将选择后的群体POPN_i中的两个相邻的个体作为父代，得到

个父代，每一对父代个体随机产生的一个区间[0，1]范围内的随机数co_l，

若随机数co_l大于交叉概率p_c则将两个个体重组生成新的个体，交叉操作过程的公式如下：

对每个个体的每个变量位置随机产生一个随机数P_mkl，k＝{1，2，...，NP}，l＝{1，2，...，p_aN}，当随机数P_mkl大于变异概率Pm，则进行如下的变异操作：

变异操作过程的公式如下：

若迭代次数gen大于最大迭代次数MaxGen则输出最佳个体S_best为CCD探测器的z坐标和平均衰减系数α；

若迭代次数gen不大于最大迭代次数MaxGen则将迭代次数gen的数值加1，重新进入计算每个个体的适应度的步骤。

4.如权利要求3所述的一种基于遗传算法的乳腺扩散光学层析成像系统，其特征在于：

所述矩阵计算模块被配置为通过以下步骤计算权重矩阵W、输出矩阵Y和乳腺内部吸收系数变化矩阵X：

对有效照亮区域进行网格划分，得到CCD探测器在三维空间内的离散点群，离散点的空间坐标为(x_vi，y_vi，z_vi)，i＝{1，2，...，N_v}；

CCD探测器在三维空间内的离散点群扰动光学吸收系数的求解公式如下：

式中：

为第i个近红外LED灯的向量；

为CCD探测器上第k个有效像素点与第i个近红外LED灯照亮点的向量；

为第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

N_v为组织内部离散点的个数；

为CCD探测器上第k个有效像素点和组织内第j个离散点的格林函数；

为第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的均匀光通量；

v为光在组织中的传播速度；

为组织中第j个离散点吸收系数的扰动数；

为组织内第j个离散点的向量；

D是漫散射系数；

h³为离散点的体积值；

对所有的有效像素点的光学传播方程进行整合，得到的公式如下：

计算前向模型的权重矩阵W，权重矩阵W的公式如下：

计算第k个近红外LED灯经过组织中的点v_j后在CCD探测器di处的光通量，光通量对应的权重系数的计算公式如下：

Q₂＝α[cosα〈skdi，skn>cosβ<skdi，din＞((αr_skdi)²+3αr_skdi+3)-cosγ<skn，din〉(1+αr_skdi)]；

式中：

为临床试验得到的归一化系数；

r_vjdi为组织中离散点vj在CCD探测器点di之间的距离；

r_skvj为第k个近红外LED灯和组织中离散点vj之间的距离；

r_skdi为第k个近红外LED灯和CCD探测器点di之间的距离；

cos A<vjdi，din>为组织中离散点vj、CCD探测器点di向量和CCD探测器点di处的法向量的余弦值；

cos B<skvj，skn〉为第k个近红外LED灯、组织中离散点vj向量和第k个近红外LED灯处法向量的余弦值；

cosα<skdi，skn>为第k个近红外LED灯、CCD探测器点di向量和第k个近红外LED灯法向量的余弦值；

cosβ<skdi，din〉为第k个近红外LED灯、CCD探测器点di向量和CCD探测器点di法向量的余弦值；

cosγ<skn，din>为第k个近红外LED灯的法向量和CCD探测器点di法向量的余弦值；

对获取到的M组乳腺图像进行取ln操作，将M组乳腺图像减去第一组的乳腺图像后得到CCD探测器的输出矩阵Y，输出矩阵Y的公式如下：

Y_ik＝(Y_ik(t₁)，...，Y_ik(t_M))；

式中：

t_M为CCD拍摄第M组第一个近红外LED乳腺图像的时间；

Y_ik为t₁时刻到t_M时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量的差值向量；

Y_ik(t)为t时刻与t₁时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量的差值；

为t时刻第i个近红外LED灯经过组织在CCD探测器上第k 个有效像素点处接收到的光通量；

为t₁时刻第i个近红外LED灯经过组织在CCD探测器上第k个有效像素点处接收到的光通量；

计算乳腺内部吸收系数变化矩阵X，乳腺内部吸收系数变化矩阵X的公式如下：

式中：

为组织中t₁～t_M时刻第1个离散点吸收系数的扰动数；

为组织中t₁～t_M时刻第N_v个离散点吸收系数的扰动数；

变化矩阵X的求解公式如下：

Y＝WX；

J＝min(λ||LX||+||WX-Y||)；

X＝(λL^TL+W^TW)^-1(W^TY)；

式中：

L为空间正则化矩阵；

λ为正则化系数。

5.如权利要求4所述的一种基于遗传算法的乳腺扩散光学层析成像系统，其特征在于：

还包括图像检测模块，所述图像检测模块被配置为在所述图像处理模块处理乳腺图像之前检测两帧暗图像的标准差STD和差值绝对值的均值MEAN；

若STD大于a₁或者MEAN大于a₂则表示乳腺图像为不合格数据。

Images