CN114581553B - 基于磁粒子成像先验引导的荧光分子断层成像重建方法 - Google Patents
基于磁粒子成像先验引导的荧光分子断层成像重建方法 Download PDFInfo
- Publication number
- CN114581553B CN114581553B CN202210457053.0A CN202210457053A CN114581553B CN 114581553 B CN114581553 B CN 114581553B CN 202210457053 A CN202210457053 A CN 202210457053A CN 114581553 B CN114581553 B CN 114581553B
- Authority
- CN
- China
- Prior art keywords
- image
- sis
- mpi
- fluorescence
- tumor
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000003384 imaging method Methods 0.000 title claims abstract description 68
- 238000003325 tomography Methods 0.000 title claims abstract description 63
- 239000006249 magnetic particle Substances 0.000 title claims abstract description 51
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 80
- 210000000056 organ Anatomy 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 210000003484 anatomy Anatomy 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 27
- 239000000523 sample Substances 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 14
- 238000012821 model calculation Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002902 bimodal effect Effects 0.000 claims description 5
- 239000007850 fluorescent dye Substances 0.000 claims description 3
- WTFXARWRTYJXII-UHFFFAOYSA-N iron(2+);iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[Fe+2].[Fe+3].[Fe+3] WTFXARWRTYJXII-UHFFFAOYSA-N 0.000 claims description 3
- 239000002105 nanoparticle Substances 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 5
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- 238000002591 computed tomography Methods 0.000 abstract 2
- 238000013506 data mapping Methods 0.000 abstract 1
- 230000005284 excitation Effects 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000000799 fluorescence microscopy Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000005415 magnetization Effects 0.000 description 2
- 238000010172 mouse model Methods 0.000 description 2
- 229940031182 nanoparticles iron oxide Drugs 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001522296 Erithacus rubecula Species 0.000 description 1
- 101100043714 Mus musculus Strap gene Proteins 0.000 description 1
- ULFUTCYGWMQVIO-PCVRPHSVSA-N [(6s,8r,9s,10r,13s,14s,17r)-17-acetyl-6,10,13-trimethyl-3-oxo-2,6,7,8,9,11,12,14,15,16-decahydro-1h-cyclopenta[a]phenanthren-17-yl] acetate;[(8r,9s,13s,14s,17s)-3-hydroxy-13-methyl-6,7,8,9,11,12,14,15,16,17-decahydrocyclopenta[a]phenanthren-17-yl] pentano Chemical compound C1CC2=CC(O)=CC=C2[C@@H]2[C@@H]1[C@@H]1CC[C@H](OC(=O)CCCC)[C@@]1(C)CC2.C([C@@]12C)CC(=O)C=C1[C@@H](C)C[C@@H]1[C@@H]2CC[C@]2(C)[C@@](OC(C)=O)(C(C)=O)CC[C@H]21 ULFUTCYGWMQVIO-PCVRPHSVSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004846 x-ray emission Methods 0.000 description 1
Images
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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- 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
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- 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
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0515—Magnetic particle imaging
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于荧光分子断层成像领域,具体涉及了一种基于磁粒子成像先验引导的荧光分子断层成像重建方法,旨在解决引导模态针对肿瘤无特异性、准确性和精度低,无法克服FMT深度受限的缺陷,从而光源向深处移动时FMT重建质量低的问题。本发明包括:获取MPI维断层图像、近红外荧光二维图像以及CT图像;构建可容纳ROI区域的SIS,并利用有限元法进行离散化;进行数据映射获取表面被测荧光信号、肿瘤周围组织和器官的解剖结构先验和肿瘤先验;通过前向模型计算获取系统矩阵,并构建目标函数;通过拉普拉斯正则化矩阵约束迭代求解目标函数,获得荧光分子断层成像重建结果。本发明以MPI引导FMT重建出形态结构完整、组织边缘清晰、空间位置准确的靶向肿瘤模型。
Description
技术领域
本发明属于荧光分子断层成像领域,具体涉及了一种基于磁粒子成像先验引导的荧光分子断层成像重建方法。
背景技术
荧光分子断层成像(FMT,Fluorescence Molecular Tomography)弥补了二维荧光分子成像(FMI,Fluorescence Molecular Imaging)无法提供三维空间信息的缺陷,基于被测物体表面测得的荧光信号和体内光子传播模型逆向求解得到探针在体内的特异性荧光分布,进而重建肿瘤的位置和结构。但是,由于表面被测通量与荧光源(即肿瘤)在空间位置和信号强度上呈非线性关系,且光子在组织中传输具有复杂且严重的散射和吸收效应,导致位于深处的荧光光源经组织传输后能到达表面的荧光光子有限,因此FMT只能重建浅表层的肿瘤,而这大大限制了FMT在临床实际中的应用。
FMT的各种重建算法对于浅层分布的光源,能够实现高灵敏度、高分辨率的重建效果。但随着光源向深处移动,在体表接收到的荧光信号强度和分布范围大大减弱,增加了逆问题的病态性,所以仅凭借有限的表面荧光信号无法有效重建深处的光源。针对重建算法的缺陷,现有技术通常在重建过程中引入对光源空间分布的先验假设,可分为无引导型先验和有引导型先验。无引导型先验从荧光分布的自身特性上设计先验正则,如稀疏先验正则,能够得到较高的重建信噪比和较精确的荧光光源空间位置,但仍无法克服光源较深时光子严重损耗的问题。而传统的有引导型先验通常引入具有高结构分辨率的断层成像作为引导模态,将引导模态提供的肿瘤区域作为光源分布先验约束重建结果的位置与形状,如基于CT图像推测肿瘤的大致位置。但这种方法严重依赖于引导模态的成像质量,且传统的引导模态,如CT、MRI等结构成像,并非特异性地靶向肿瘤,且灵敏度并不高,而且较小体积的肿瘤较难识别或难以分割。因此若引导模态不能准确提供结构先验或者在人为分割引入的主观误判,反而会降低FMT重建质量。因此需要引入更准确的先验信息以提供更精确的定向引导来克服FMT深度受限的缺陷。
总的来说,现有技术中引导型先验严重依赖于引导模态的成像质量,而现有的引导模态灵敏度并不高,较小体积的肿瘤较难识别或难以分割,不但对FMT重建质量提高没有帮助,反而会降低FMT重建质量。因此,本领域还急需一种更准确的先验信息以提供更精确的定向引导来克服FMT深度受限的缺陷,从而提升FMT重建质量。
发明内容
为了解决现有技术中的上述问题,即引导模态针对肿瘤无特异性、准确性和精度低,无法克服FMT深度受限的缺陷,从而光源向深处移动时FMT重建质量低的问题,本发明提供了一种基于磁粒子成像先验引导的荧光分子断层成像重建方法,该方法包括:
步骤S10,通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像;
步骤S20,以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化;
分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像;
在一些优选的实施例中,所述光学/磁粒子双模态探针为结合荧光染料、超顺磁氧化铁纳米颗粒以及分子靶点的探针。
在一些优选的实施例中,步骤S30中将所述预处理CT图像映射到离散化的SIS内部,其方法为:
以所述离散化的SIS的中心坐标作为所述CT图像的成像空间中心;
将所述预处理CT图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的器官属性赋予所述网格节点;
在一些优选的实施例中,步骤S30中将所述MPI三维断层图像映射到离散化的SIS内部,其方法为:
设定配准参考点,并调整所述MPI三维断层图像的成像空间坐标系与所述CT图像的成像空间坐标系一致;
通过内插法或超分辨法将所述MPI三维断层图像与所述CT图像的分辨率调整为相同;
将所述预处理MPI三维断层图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的磁粒子浓度赋予所述网格节点;
在一些优选的实施例中,所述P范数为根据重建目标类型选取的L1范数或L2范数。
其中,代表拉普拉斯矩阵中第行、第列元素,代表高斯核半径,是合并
空间中网格节点和网格节点间的欧氏距离,是子空间中网格节点和网格节点间的欧氏距离,代表合并空间中的第个子空间,代表拉普拉斯矩阵的维度,代表SIS空间中所有离散点数量。
本发明的另一方面,提供了一种基于磁粒子成像先验引导的荧光分子断层成像重建系统,该系统包括以下模块:
图像采集模块,配置为通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像;
SIS构建及离散化模块,配置为以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化;
图像预处理模块,配置为分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像;
编码及映射模块,配置为进行离散化的SIS的编码,获得位置向量,将所述体表
近红外荧光二维图像映射到离散化的SIS表面,获得表面被测荧光信号,将所述预处理CT
图像和所述预处理MPI三维断层图像映射到离散化的SIS内部,分别获得肿瘤周围组织和器
官的解剖结构先验和肿瘤先验;
本发明的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于磁粒子成像先验引导的荧光分子断层成像重建方法。
本发明的有益效果:
(1)本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法,利用MPI作为先验引导FMT重建,相比于传统的CT、MRI等引导模态,MPI基于磁粒子示踪剂能够特异性靶向肿瘤组织,灵敏度高且无需人工确定肿瘤区域,能够提供更精确的肿瘤先验,从而克服FMT深度受限的劣势,有效提升光源向深处移动时的FMT重建质量。
(2)本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法,结合CT提供的周围组织和器官的解剖结构先验,设计基于高斯权重的拉普拉斯正则化矩阵,可根据网格节点间的距离差异赋予不同的方差惩罚,保证近距离网格点对的光强相似性以及远距离网格点对的光强差异性,从而有效避免重建结果过光滑。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法的流程示意图;
图2是现有技术中近红外荧光成像对于不同深度肿瘤的成像结果;
图3是本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的肿瘤小鼠模型体内注射FMT/MPI双模态探针的示意图;
图4是本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的MPI、近红外荧光、CT三种成像模态的成像结果示例;
图5是本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的MPI与CT成像空间配准时设置的配准参考点;
图6是本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的MPI引导FMT重建与传统FMT重建结果对比示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明提供一种基于磁粒子成像先验引导的荧光分子断层成像重建方法,本方法以磁粒子成像(MPI,Magnetic Particle Imaging)作为先验信息以提供更精确的定向引导来克服FMT深度受限的缺陷。磁粒子成像通过超顺磁纳米粒子的非线性磁化响应重建空间各位置的粒子浓度分布,由于MPI信息是基于接收线圈探测到的在高频交变激励场条件下粒子磁化后传播的电磁波,在较短的测量距离内几乎不存在电磁波能量损耗,所以其成像精度不受深度限制。而且相比于CT、MRI等传统引导模态,MPI作为功能成像,能够高灵敏、特异性地显示肿瘤组织处的磁粒子探针分布情况,更无需人工参与分割。因此,MPI更适合作为引导模态弥补FMT重建深度受限的短板。
如图2所示,为现有技术中近红外荧光成像对于不同深度肿瘤的成像结果,可以看出近红外荧光成像对于浅表层的重建效果比较好,而对比深度2毫米和深度1毫米处的重建结果,可以明显看出,随着深度的加深,荧光光源经组织传输后能到达表面的荧光光子有限,重建的结果远不如浅表层。
本发明的一种基于磁粒子成像先验引导的荧光分子断层成像重建方法,该方法包括:
步骤S10,通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像;
步骤S20,以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化;
分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像;
为了更清晰地对本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法进行说明,下面结合图1对本发明实施例中各步骤展开详述。
本发明第一实施例的基于磁粒子成像先验引导的荧光分子断层成像重建方法,包括步骤S10-步骤S60,各步骤详细描述如下:
步骤S10,通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像。
光学/磁粒子双模态探针为结合荧光染料、超顺磁氧化铁纳米颗粒以及分子靶点的探针,该探针与肿瘤特异性结合,通过两种成像模态分别获取包含同一被测对象的两种功能图像。
如图3所示,为本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的肿瘤小鼠模型体内注射FMT/MPI双模态探针的示意图,其中光学探针用于FMT成像模态,可以是ICG、IRDye800CW等;磁粒子探针用于MPI成像模态,通常选用氧化铁纳米颗粒如Perimag、VivoTrax、Synomag等。
如图4所示,为本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的MPI、近红外荧光、CT三种成像模态的成像结果示例,首先使用X射线发射和采集装置捕获CT图像获取被测生物的解剖结构信息(即图4中的CT图像)。注射FMT/MPI双模态探针一段时间后,探针特异性与肿瘤部位结合,使用荧光分子断层成像设备拍摄被测生物体表的荧光光斑获得近红外荧光二维图像(即图4中的近红外荧光图像);使用磁粒子成像设备获取肿瘤部位磁粒子磁化响应的MPI三维断层图像(即图4中的MPI图像)。
步骤S20,以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化。
本发明一个实施例中,通过有限元法进行SIS的离散化,网格单元的形状可以是六面体网格或楔形网格,网格密度,即节点数与网格数,可根据模型的要求作适当调整。
分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像。
将所述预处理CT图像映射到离散化的SIS内部,其方法为:
以离散化的SIS的中心坐标作为CT图像的成像空间中心。
此时的SIS仅是空间体网格,不包含任何解剖部位,以SIS的中心作为CT图像的成像中心,即根据CT成像空间为SIS确定解剖部位的一个固定参考点,进而根据解剖结构关系确定并映射其他解剖部位。
将所述预处理CT图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的器官属性赋予所述网格节点。
器官属性包括荧光散射系数、吸收系数等等。
将所述MPI三维断层图像映射到离散化的SIS内部,其方法为:
设定配准参考点,并调整所述MPI三维断层图像的成像空间坐标系与所述CT图像的成像空间坐标系一致。
对于CT和MPI两种模态的成像视野内的同一拍摄对象,在被测对象的固定器件上设置标志物作为配准参考点,例如在小鼠绑带上、动物床头部和尾部分别放置载有少量双模态探针的容器作为标志物。如图5所示,为本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的MPI与CT成像空间配准时设置的配准参考点,标志点1和标志点2分别设置在小鼠的两条绑带上,标志点3设置在动物床头部。
根据标志点进行配准并调整MPI空间坐标系与CT成像空间保持一致,提升配准精度和可信度。
通过内插法或超分辨法将所述MPI三维断层图像与所述CT图像的分辨率调整为相同。
MPI与CT两种成像模态间分辨率存在较大差异,例如CT分辨率可达到0.146mm,而目前最先进的MPI成像设备仅能达到约1mm分辨率,调整MPI图像分辨率使其与CT图像一致,否则无法实现精确的坐标映射。可采用传统的内插法,如三次样条插值、双三次插值等提升MPI空间分辨率,但两模态间分辨率差异达到R(MPI) : R(CT) = 5.29,简单的内插法精度不足时,可进一步采用相对成熟常用的基于深度学习的超分网络模型,如SRGAN、ESRGAN等,提升MPI的分辨率。
将所述预处理MPI三维断层图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的空间位置处的磁粒子浓度赋予所述网格节点。
在标准成像空间的基础上,假设分别从四个方位激发荧光源和采集体表的荧光,通过式(1)和式(2)所示的耦合扩散近似方程描述荧光光子在成像物体组织内的传播过程和式(3)所示的罗宾边界条件描述物体表面与空气的折射系数偏差:
其中,为荧光光子激发过程的扩散系数,为荧光光子发射过程的扩散系数,为光学吸收系数,为光学散射系数,为荧光光子激发过程的光密度,为荧
光光子发射过程的光密度,表示点状激发荧光光源,为光源位置,为狄拉克
函数,为点状激发荧光光源的强度,为成像空间,为荧光光源在器官组织内的
三维空间分布,表示成像物体的边缘,为边缘上的单位外法向量,表示成像物体边界
与空气的光学折射系数偏差。
P范数为根据重建目标类型选取的L1范数或L2范数。若重建目标为稀疏光源,可选择L1范数正则,若想确保重建对象的结构完整,可选择L2范数正则。
将所述预处理CT图像中不同器官或组织(如胸腔部的肝、心脏、肺等等)对应的子
空间(为肝的子空间,为心脏的子空间,为肺
的子空间)和所述预处理MPI三维断层图像中不同器官或组织以及肿瘤的位置与形态对应的子
空间(解剖结构向量提供感兴趣区域中不同组织或器官的位置与形态;肿瘤先验向量提供肿瘤的位置与形态)合并,获得合并空间,
其中数字下标对应某一器官或组织,如等。
其中,代表拉普拉斯矩阵中第行、第列元素,代表高斯核半径,是合并
空间中网格节点和网格节点间的欧氏距离,为合并空间的全局索引变量,是
子空间中网格节点和网格节点间的欧氏距离,为子空间的局部索引变量,
代表合并空间中的第个子空间,代表拉普拉斯矩阵的维度,代表SIS空间中所有
离散点数量。
目标函数求解迭代方法可选用交叉方向乘子法(ADMM)。
如图6所示,为本发明基于磁粒子成像先验引导的荧光分子断层成像重建方法一种实施例的MPI引导FMT重建与传统FMT重建结果对比示意图,可以看出传统FMT重建结果中重建肿瘤的位置与真实肿瘤的位置相差1cm,而本发明MPI引导FMT重建肿瘤的位置与真实肿瘤的位置几乎重合,可见本发明有效提升了重建结果的准确性,并且重建结果形态结构完整、组织边缘清晰、空间位置准确性和精度高。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
本发明第二实施例的基于磁粒子成像先验引导的荧光分子断层成像重建系统,该系统包括以下模块:
图像采集模块,配置为通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像;
SIS构建及离散化模块,配置为以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化;
图像预处理模块,配置为分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像;
编码及映射模块,配置为进行离散化的SIS的编码,获得位置向量,将所述体表
近红外荧光二维图像映射到离散化的SIS表面,获得表面被测荧光信号,将所述预处理CT
图像和所述预处理MPI三维断层图像映射到离散化的SIS内部,分别获得肿瘤周围组织和器
官的解剖结构先验和肿瘤先验;
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于磁粒子成像先验引导的荧光分子断层成像重建系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种电子设备,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于磁粒子成像先验引导的荧光分子断层成像重建方法。
本发明第四实施例的一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现上述的基于磁粒子成像先验引导的荧光分子断层成像重建方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (6)
1.一种基于磁粒子成像先验引导的荧光分子断层成像重建方法,其特征在于,所述荧光分子断层成像重建方法包括:
步骤S10,通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像;
步骤S20,以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化;
分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像;
以所述离散化的SIS的中心坐标作为所述CT图像的成像空间中心,将所述预处理CT图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的器官属性赋予所述网格节点,遍历每一个像素对应的体素点,将所述预处理CT图像映射到离散化的SIS内部,获得肿瘤周围组织和器官的解剖结构先验;
设定配准参考点,并调整所述MPI三维断层图像的成像空间坐标系与所述CT图像的成像空间坐标系一致,通过内插法或超分辨法将所述MPI三维断层图像与所述CT图像的分辨率调整为相同,将所述预处理MPI三维断层图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的磁粒子浓度赋予所述网格节点,遍历每一个像素对应的体素点,将所述预处理MPI三维断层图像映射到离散化的SIS内部,获得肿瘤先验;
其中,代表拉普拉斯矩阵中第行、第列元素,代表高斯核半径,是合并空间中网格节点和网格节点间的欧氏距离,是子空间中网格节点和网格节点间的欧氏距离,代表合并空间中的第个子空间,代表拉普拉斯矩阵的维度,代表SIS空间中所有离散点数量;
2.根据权利要求1所述的基于磁粒子成像先验引导的荧光分子断层成像重建方法,其特征在于,所述光学/磁粒子双模态探针为结合荧光染料、超顺磁氧化铁纳米颗粒以及分子靶点的探针。
4.根据权利要求1所述的基于磁粒子成像先验引导的荧光分子断层成像重建方法,其特征在于,所述P范数为根据重建目标类型选取的L1范数或L2范数。
5.一种基于磁粒子成像先验引导的荧光分子断层成像重建系统,其特征在于,该系统包括以下模块:
图像采集模块,配置为通过光学/磁粒子双模态探针获取包含被测生物体内肿瘤信息的MPI三维断层图像、体表近红外荧光二维图像以及包含肿瘤周围组织和器官的解剖结构信息的CT图像;
SIS构建及离散化模块,配置为以肿瘤及其邻近组织器官作为ROI区域,构建可容纳所述ROI区域的SIS,并利用有限元法进行所述SIS的离散化;
图像预处理模块,配置为分别进行所述CT图像和所述MPI三维断层图像的阈值分割预处理,获得预处理CT图像和预处理MPI三维断层图像;
编码及映射模块,配置为进行离散化的SIS的编码,获得位置向量;将所述体表近红外荧光二维图像映射到离散化的SIS表面,获得表面被测荧光信号;以所述离散化的SIS的中心坐标作为所述CT图像的成像空间中心,将所述预处理CT图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的器官属性赋予所述网格节点,遍历每一个像素对应的体素点,将所述预处理CT图像映射到离散化的SIS内部,获得肿瘤周围组织和器官的解剖结构先验;设定配准参考点,并调整所述MPI三维断层图像的成像空间坐标系与所述CT图像的成像空间坐标系一致,通过内插法或超分辨法将所述MPI三维断层图像与所述CT图像的分辨率调整为相同,将所述预处理MPI三维断层图像的每一个像素作为一个体素点,在所述离散化的SIS中获取当前体素点距离最近的网格节点,并将当前体素点对应的磁粒子浓度赋予所述网格节点,遍历每一个像素对应的体素点,将所述预处理MPI三维断层图像映射到离散化的SIS内部,获得肿瘤先验;
其中,代表拉普拉斯矩阵中第行、第列元素,代表高斯核半径,是合并空间中网格节点和网格节点间的欧氏距离,是子空间中网格节点和网格节点间的欧氏距离,代表合并空间中的第个子空间,代表拉普拉斯矩阵的维度,代表SIS空间中所有离散点数量;
6.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1-4任一项所述的基于磁粒子成像先验引导的荧光分子断层成像重建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210457053.0A CN114581553B (zh) | 2022-04-28 | 2022-04-28 | 基于磁粒子成像先验引导的荧光分子断层成像重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210457053.0A CN114581553B (zh) | 2022-04-28 | 2022-04-28 | 基于磁粒子成像先验引导的荧光分子断层成像重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114581553A CN114581553A (zh) | 2022-06-03 |
CN114581553B true CN114581553B (zh) | 2022-07-22 |
Family
ID=81784859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210457053.0A Active CN114581553B (zh) | 2022-04-28 | 2022-04-28 | 基于磁粒子成像先验引导的荧光分子断层成像重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581553B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049712A (zh) * | 2022-07-20 | 2022-09-13 | 北京航空航天大学 | 小动物mpi-ct联合成像的双峰配准装置及其自动配准方法 |
CN115844365B (zh) * | 2023-02-07 | 2023-04-28 | 北京航空航天大学 | 小动物磁粒子成像和荧光分子断层成像多模态成像系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130023765A1 (en) * | 2011-01-05 | 2013-01-24 | The Regents Of The University Of California | Apparatus and method for quantitative noncontact in vivo fluorescence tomography using a priori information |
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 |
CN106683180A (zh) * | 2017-01-03 | 2017-05-17 | 清华大学 | 图像处理方法及系统 |
CN109615673A (zh) * | 2018-11-22 | 2019-04-12 | 中国科学院自动化研究所 | 基于自适应高斯拉普拉斯规则化的fmt重建方法及装置 |
CN110327018A (zh) * | 2019-06-24 | 2019-10-15 | 中国科学院自动化研究所 | 稀疏度自适应组正交匹配追踪的激发荧光断层重建方法 |
CN111508076A (zh) * | 2020-04-16 | 2020-08-07 | 中国科学院自动化研究所 | 基于自适应参数搜索的弹性网络激发荧光断层重建系统 |
CN113781365A (zh) * | 2021-10-26 | 2021-12-10 | 中国科学院自动化研究所 | 基于深度图像先验的mpi系统矩阵复原方法 |
CN114113046A (zh) * | 2021-11-10 | 2022-03-01 | 广东医科大学 | 一种检测肿瘤标志物的电致化学发光免疫传感器及其应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103300829B (zh) * | 2013-06-25 | 2015-01-07 | 中国科学院自动化研究所 | 一种基于迭代重加权的生物自发荧光断层成像方法 |
-
2022
- 2022-04-28 CN CN202210457053.0A patent/CN114581553B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130023765A1 (en) * | 2011-01-05 | 2013-01-24 | The Regents Of The University Of California | Apparatus and method for quantitative noncontact in vivo fluorescence tomography using a priori information |
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 |
CN106683180A (zh) * | 2017-01-03 | 2017-05-17 | 清华大学 | 图像处理方法及系统 |
CN109615673A (zh) * | 2018-11-22 | 2019-04-12 | 中国科学院自动化研究所 | 基于自适应高斯拉普拉斯规则化的fmt重建方法及装置 |
CN110327018A (zh) * | 2019-06-24 | 2019-10-15 | 中国科学院自动化研究所 | 稀疏度自适应组正交匹配追踪的激发荧光断层重建方法 |
CN111508076A (zh) * | 2020-04-16 | 2020-08-07 | 中国科学院自动化研究所 | 基于自适应参数搜索的弹性网络激发荧光断层重建系统 |
CN113781365A (zh) * | 2021-10-26 | 2021-12-10 | 中国科学院自动化研究所 | 基于深度图像先验的mpi系统矩阵复原方法 |
CN114113046A (zh) * | 2021-11-10 | 2022-03-01 | 广东医科大学 | 一种检测肿瘤标志物的电致化学发光免疫传感器及其应用 |
Non-Patent Citations (5)
Title |
---|
A novel software framework for magnetic particle imaging reconstruction;Yusong Shen 等;《RESEARCH ARTICLE》;20220107;全文 * |
Adaptive Gaussian Weighted Laplace Prior Regularization Enables Accurate Morphological Reconstruction in Fluorescence Molecular Tomography;Hui Meng 等;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20191231;第38卷(第12期);第2726-2734页 * |
Bioluminescence tomography based on Gaussian weighted Laplace prior regularization for In Vivo morphological imaging of glioma;Yuan Gao 等;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20170930;第36卷(第11期);第2343-2354页 * |
光学分子影像关键技术及应用研究;田捷 等;《科研信息化技术与应用》;20160320(第2期);第48-65页 * |
稳态荧光分子层析成像重构算法理论与实验研究;全国涛;《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》;20120715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114581553A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11967072B2 (en) | Three-dimensional object segmentation of medical images localized with object detection | |
US11744465B2 (en) | Method and program for generating three-dimensional brain map | |
CN114581553B (zh) | 基于磁粒子成像先验引导的荧光分子断层成像重建方法 | |
Haidekker | Advanced biomedical image analysis | |
Beyer et al. | What scans we will read: imaging instrumentation trends in clinical oncology | |
Dai et al. | Automatic multi‐catheter detection using deeply supervised convolutional neural network in MRI‐guided HDR prostate brachytherapy | |
CN103271723B (zh) | 一种生物发光断层成像重建方法 | |
Gao et al. | Bioluminescence tomography based on Gaussian weighted Laplace prior regularization for in vivo morphological imaging of glioma | |
Hyde et al. | Data specific spatially varying regularization for multimodal fluorescence molecular tomography | |
US11776174B1 (en) | Fluorescence moleculartomography reconstruction method based on prior guidance of magnetic particle imaging | |
CN104424647A (zh) | 用于对医学图像进行配准的方法和设备 | |
An et al. | A fast and automated FMT/XCT reconstruction strategy based on standardized imaging space | |
CN113223150A (zh) | 三维磁粒子图像积分断层重建方法、系统和设备 | |
Goldsmith et al. | Nonlinear tube-fitting for the analysis of anatomical and functional structures | |
Galdames et al. | Registration of renal SPECT and 2.5 D US images | |
CN115049712A (zh) | 小动物mpi-ct联合成像的双峰配准装置及其自动配准方法 | |
CN108309340B (zh) | 基于相关熵匹配追踪的激发荧光断层重建方法 | |
Yao et al. | A combined regularization method using prior structural information for sound-speed image reconstruction of ultrasound computed tomography | |
Jiang et al. | Biomedical imaging: a computer vision perspective | |
TWI548401B (zh) | 血管三維結構重建方法 | |
Axente et al. | An alternative approach to histopathological validation of PET imaging for radiation therapy image-guidance: a proof of concept | |
Dzyubachyk et al. | Interactive local super-resolution reconstruction of whole-body MRI mouse data: a pilot study with applications to bone and kidney metastases | |
Buvat | Quantitative Image Analysis in Tomography | |
Shin et al. | Super-resolution techniques for biomedical applications and challenges | |
CN116211255A (zh) | 荧光分子断层成像重建方法、系统、介质、设备及终端 |
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 |