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 PDF

Info

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
Application number
CN202210457053.0A
Other languages
English (en)
Other versions
CN114581553A (zh
Inventor
田捷
安羽
李光辉
杜洋
严达祥
李佳倩
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202210457053.0A priority Critical patent/CN114581553B/zh
Publication of CN114581553A publication Critical patent/CN114581553A/zh
Application granted granted Critical
Publication of CN114581553B publication Critical patent/CN114581553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (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

基于磁粒子成像先验引导的荧光分子断层成像重建方法
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；
步骤S30，进行离散化的SIS的编码，获得位置向量
Figure 174164DEST_PATH_IMAGE001
；
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
Figure 419201DEST_PATH_IMAGE002
；
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
Figure 933358DEST_PATH_IMAGE003
和肿瘤先验
Figure 672776DEST_PATH_IMAGE004
；
步骤S40，基于表面映射和内部映射后的SIS进行前向模型计算，获得表面荧光信 号
Figure 955989DEST_PATH_IMAGE002
与内部三维荧光分布的线性关系
Figure 637506DEST_PATH_IMAGE005
；
步骤S50，基于所述线性关系
Figure 373381DEST_PATH_IMAGE005
和所述位置向量
Figure 306702DEST_PATH_IMAGE001
，建立荧光分子断层成像重建的 目标函数
Figure 552745DEST_PATH_IMAGE006
；根据所述解剖结构先验
Figure 280529DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 628334DEST_PATH_IMAGE004
构建约束荧光分子断层成像 重建的拉普拉斯正则化矩阵
Figure 99766DEST_PATH_IMAGE007
；
步骤S60，基于所述拉普拉斯正则化矩阵
Figure 967359DEST_PATH_IMAGE007
，选取目标函数求解迭代方法，进行目 标函数
Figure 866045DEST_PATH_IMAGE006
的迭代求解，获得荧光分子断层成像重建结果
Figure 435567DEST_PATH_IMAGE008
。
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；
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
Figure 710690DEST_PATH_IMAGE003
。
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；
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
Figure 823003DEST_PATH_IMAGE004
。
在一些优选的实施例中，所述荧光分子断层成像重建的目标函数
Figure 912DEST_PATH_IMAGE006
，其表示 为：
Figure 464255DEST_PATH_IMAGE009
其中，
Figure 136544DEST_PATH_IMAGE010
为正则化参数，
Figure 103363DEST_PATH_IMAGE007
为拉普拉斯正则化矩阵，
Figure 343852DEST_PATH_IMAGE011
代表向量2范数的平方，
Figure 904277DEST_PATH_IMAGE012
代表向量P范数的P次幂。
在一些优选的实施例中，所述正则化参数
Figure 521204DEST_PATH_IMAGE010
通过手动调试寻优或者
Figure 467163DEST_PATH_IMAGE007
曲线自动寻 优获取。
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。
在一些优选的实施例中，步骤S50中根据所述解剖结构先验
Figure 144132DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 50908DEST_PATH_IMAGE004
构建约束荧光分子断层成像重建的拉普拉斯正则化矩阵
Figure 320127DEST_PATH_IMAGE007
，其方法为：
将所述预处理CT图像中不同器官或组织对应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合并，获得合并空间
Figure 527118DEST_PATH_IMAGE013
；
基于所述合并空间
Figure 968463DEST_PATH_IMAGE013
构建拉普拉斯正则化矩阵
Figure 628115DEST_PATH_IMAGE007
：
Figure 321264DEST_PATH_IMAGE014
Figure 726969DEST_PATH_IMAGE015
Figure 604795DEST_PATH_IMAGE016
其中，
Figure 486163DEST_PATH_IMAGE017
代表拉普拉斯矩阵中第
Figure 983004DEST_PATH_IMAGE018
行、第
Figure 7329DEST_PATH_IMAGE019
列元素，
Figure 197002DEST_PATH_IMAGE020
代表高斯核半径，
Figure 690301DEST_PATH_IMAGE021
是合并 空间
Figure 990832DEST_PATH_IMAGE013
中网格节点
Figure 495763DEST_PATH_IMAGE018
和网格节点
Figure 731703DEST_PATH_IMAGE019
间的欧氏距离，
Figure 587663DEST_PATH_IMAGE022
是子空间
Figure 426306DEST_PATH_IMAGE023
中网格节点
Figure 175957DEST_PATH_IMAGE024
和网格节点
Figure 707432DEST_PATH_IMAGE025
间的欧氏距离，
Figure 159011DEST_PATH_IMAGE023
代表合并空间中的第
Figure 66924DEST_PATH_IMAGE026
个子空间，
Figure 546447DEST_PATH_IMAGE027
代表拉普拉斯矩阵的维度，
Figure 107878DEST_PATH_IMAGE028
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
Figure 672852DEST_PATH_IMAGE001
，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
Figure 197505DEST_PATH_IMAGE002
，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
Figure 921748DEST_PATH_IMAGE003
和肿瘤先验
Figure 529446DEST_PATH_IMAGE004
；
前向模型计算模块，配置为基于表面映射和内部映射后的SIS进行前向模型计算， 获得表面荧光信号
Figure 955617DEST_PATH_IMAGE002
与内部三维荧光分布的线性关系
Figure 939754DEST_PATH_IMAGE005
；
目标函数构建模块，配置为基于所述表面荧光信号
Figure 659448DEST_PATH_IMAGE002
与内部三维荧光分布的线性 关系，建立荧光分子断层成像重建的目标函数
Figure 562682DEST_PATH_IMAGE006
；
正则化约束构建模块，配置为根据所述解剖结构先验
Figure 102248DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 890075DEST_PATH_IMAGE004
构建约 束荧光分子断层成像重建的拉普拉斯正则化矩阵
Figure 74063DEST_PATH_IMAGE007
；
荧光分子断层成像重建模块，配置为基于所述拉普拉斯正则化矩阵
Figure 289144DEST_PATH_IMAGE007
，选取目标 函数求解迭代方法，进行目标函数
Figure 175060DEST_PATH_IMAGE006
的迭代求解，获得荧光分子断层成像重建结果
Figure 766579DEST_PATH_IMAGE008
。
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；
步骤S30，进行离散化的SIS的编码，获得位置向量
Figure 929707DEST_PATH_IMAGE001
；
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
Figure 418151DEST_PATH_IMAGE002
；
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
Figure 197889DEST_PATH_IMAGE003
和肿瘤先验
Figure 186573DEST_PATH_IMAGE004
；
步骤S40，基于表面映射和内部映射后的SIS进行前向模型计算，获得表面荧光信 号
Figure 469787DEST_PATH_IMAGE002
与内部三维荧光分布的线性关系
Figure 26670DEST_PATH_IMAGE005
；
步骤S50，基于所述线性关系
Figure 903491DEST_PATH_IMAGE005
和所述位置向量
Figure 305653DEST_PATH_IMAGE001
，建立荧光分子断层成像重建的 目标函数
Figure 708953DEST_PATH_IMAGE006
；根据所述解剖结构先验
Figure 561371DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 784542DEST_PATH_IMAGE004
构建约束荧光分子断层成像 重建的拉普拉斯正则化矩阵
Figure 629876DEST_PATH_IMAGE007
；
步骤S60，基于所述拉普拉斯正则化矩阵
Figure 887682DEST_PATH_IMAGE007
，选取目标函数求解迭代方法，进行目 标函数
Figure 520789DEST_PATH_IMAGE006
的迭代求解，获得荧光分子断层成像重建结果
Figure 621469DEST_PATH_IMAGE008
。
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。
ROI区域（ROI，Region Of Interest，感兴趣区域）包含肿瘤及其周围邻近组织或 器官，例如被测对象为小鼠，可设置SIS大小为
Figure 631013DEST_PATH_IMAGE029
，并借助网格划分工具 将SIS离散化为空间体网格。
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。
步骤S30，进行离散化的SIS的编码，获得位置向量
Figure 743325DEST_PATH_IMAGE001
。
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
Figure 688279DEST_PATH_IMAGE002
。
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
Figure 886042DEST_PATH_IMAGE003
和肿瘤先验
Figure 823911DEST_PATH_IMAGE004
。
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。
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
Figure 56309DEST_PATH_IMAGE003
。
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。
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
Figure 31218DEST_PATH_IMAGE004
。
步骤S40，基于表面映射和内部映射后的SIS进行前向模型计算，获得表面荧光信 号
Figure 90179DEST_PATH_IMAGE002
与内部三维荧光分布的线性关系
Figure 707105DEST_PATH_IMAGE005
。
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：
Figure 794010DEST_PATH_IMAGE030
Figure 64454DEST_PATH_IMAGE031
Figure 236810DEST_PATH_IMAGE032
其中，
Figure 267214DEST_PATH_IMAGE033
为荧光光子激发过程的扩散系数，
Figure 208625DEST_PATH_IMAGE034
为荧光光子发射过程的扩散系数，
Figure 790916DEST_PATH_IMAGE035
为光学吸收系数，
Figure 309622DEST_PATH_IMAGE036
为光学散射系数，
Figure 268351DEST_PATH_IMAGE037
为荧光光子激发过程的光密度，
Figure 438170DEST_PATH_IMAGE038
为荧 光光子发射过程的光密度，
Figure 456941DEST_PATH_IMAGE039
表示点状激发荧光光源，
Figure 72730DEST_PATH_IMAGE040
为光源位置，
Figure 959784DEST_PATH_IMAGE041
为狄拉克 函数，
Figure 610208DEST_PATH_IMAGE042
为点状激发荧光光源的强度，
Figure 799881DEST_PATH_IMAGE043
为成像空间，
Figure 43912DEST_PATH_IMAGE044
为荧光光源在器官组织内的 三维空间分布，
Figure 344443DEST_PATH_IMAGE045
表示成像物体的边缘，
Figure 974007DEST_PATH_IMAGE046
为边缘上的单位外法向量，
Figure 334581DEST_PATH_IMAGE047
表示成像物体边界 与空气的光学折射系数偏差。
利用有限元离散求解上述方程得到表面荧光信号
Figure 924963DEST_PATH_IMAGE002
与内部三维荧光分布的线性 关系
Figure 408946DEST_PATH_IMAGE005
，即系统矩阵
Figure 33962DEST_PATH_IMAGE005
。此时光子从肿瘤荧光源传输到体表的前向过程可表述为式（4）：
Figure 565438DEST_PATH_IMAGE048
步骤S50，基于所述线性关系
Figure 767749DEST_PATH_IMAGE005
和所述位置向量
Figure 410083DEST_PATH_IMAGE001
，建立荧光分子断层成像重建的 目标函数
Figure 764972DEST_PATH_IMAGE006
；根据所述解剖结构先验
Figure 467349DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 32322DEST_PATH_IMAGE004
构建约束荧光分子断层成像 重建的拉普拉斯正则化矩阵
Figure 337402DEST_PATH_IMAGE007
。
荧光分子断层成像重建的目标函数
Figure 202589DEST_PATH_IMAGE006
，其表示如式（5）：
Figure 184190DEST_PATH_IMAGE049
其中，
Figure 236459DEST_PATH_IMAGE010
为正则化参数，
Figure 220596DEST_PATH_IMAGE007
为拉普拉斯正则化矩阵，
Figure 64924DEST_PATH_IMAGE011
代表向量2范数的平方，
Figure 843524DEST_PATH_IMAGE012
代表向量P范数的P次幂。
正则化参数
Figure 383090DEST_PATH_IMAGE010
通过手动调试寻优或者
Figure 780704DEST_PATH_IMAGE007
曲线自动寻优获取。
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。
根据所述解剖结构先验
Figure 354905DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 429040DEST_PATH_IMAGE004
构建约束荧光分子断层成像重建的 拉普拉斯正则化矩阵
Figure 721481DEST_PATH_IMAGE007
，其方法为：
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
Figure 781841DEST_PATH_IMAGE050
（
Figure 850029DEST_PATH_IMAGE051
为肝的子空间，
Figure 970432DEST_PATH_IMAGE052
为心脏的子空间，
Figure 484590DEST_PATH_IMAGE053
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
Figure 473274DEST_PATH_IMAGE054
（解剖结构向量
Figure 22067DEST_PATH_IMAGE003
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
Figure 188738DEST_PATH_IMAGE004
提供肿瘤的位置与形态）合并，获得合并空间
Figure 190192DEST_PATH_IMAGE055
， 其中数字下标对应某一器官或组织，如
Figure 857934DEST_PATH_IMAGE056
等。
基于所述合并空间
Figure 385867DEST_PATH_IMAGE013
构建拉普拉斯正则化矩阵
Figure 848072DEST_PATH_IMAGE007
，如式（6）-式（8）所示：
Figure 336822DEST_PATH_IMAGE057
Figure 182156DEST_PATH_IMAGE058
Figure 439962DEST_PATH_IMAGE059
其中，
Figure 197703DEST_PATH_IMAGE017
代表拉普拉斯矩阵中第
Figure 908170DEST_PATH_IMAGE018
行、第
Figure 183293DEST_PATH_IMAGE019
列元素，
Figure 170972DEST_PATH_IMAGE020
代表高斯核半径，
Figure 240559DEST_PATH_IMAGE021
是合并 空间
Figure 438322DEST_PATH_IMAGE013
中网格节点
Figure 376191DEST_PATH_IMAGE018
和网格节点
Figure 77431DEST_PATH_IMAGE019
间的欧氏距离，
Figure 709399DEST_PATH_IMAGE060
为合并空间
Figure 128879DEST_PATH_IMAGE013
的全局索引变量，
Figure 870439DEST_PATH_IMAGE022
是 子空间
Figure 691765DEST_PATH_IMAGE023
中网格节点
Figure 368734DEST_PATH_IMAGE024
和网格节点
Figure 150876DEST_PATH_IMAGE025
间的欧氏距离，
Figure 571493DEST_PATH_IMAGE061
为子空间
Figure 371959DEST_PATH_IMAGE023
的局部索引变量，
Figure 219829DEST_PATH_IMAGE023
代表合并空间中的第
Figure 613901DEST_PATH_IMAGE026
个子空间，
Figure 946531DEST_PATH_IMAGE027
代表拉普拉斯矩阵的维度，
Figure 742449DEST_PATH_IMAGE028
代表SIS空间中所有 离散点数量。
高斯核半径
Figure 354696DEST_PATH_IMAGE020
用于调整收敛水平，例如在多光源系数重建问题中，可定义
Figure 501643DEST_PATH_IMAGE062
来增强稀疏重建能力。
步骤S60，基于所述拉普拉斯正则化矩阵
Figure 998484DEST_PATH_IMAGE007
，选取目标函数求解迭代方法，进行目 标函数
Figure 524274DEST_PATH_IMAGE006
的迭代求解，获得荧光分子断层成像重建结果
Figure 713947DEST_PATH_IMAGE008
。
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
Figure 941666DEST_PATH_IMAGE001
，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
Figure 242198DEST_PATH_IMAGE002
，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
Figure 12707DEST_PATH_IMAGE003
和肿瘤先验
Figure 481604DEST_PATH_IMAGE004
；
前向模型计算模块，配置为基于表面映射和内部映射后的SIS进行前向模型计算， 获得表面荧光信号
Figure 337564DEST_PATH_IMAGE002
与内部三维荧光分布的线性关系
Figure 441787DEST_PATH_IMAGE005
；
目标函数构建模块，配置为基于所述表面荧光信号
Figure 191437DEST_PATH_IMAGE002
与内部三维荧光分布的线性 关系，建立荧光分子断层成像重建的目标函数
Figure 457333DEST_PATH_IMAGE006
；
正则化约束构建模块，配置为根据所述解剖结构先验
Figure 675956DEST_PATH_IMAGE003
和所述肿瘤先验
Figure 52711DEST_PATH_IMAGE004
构建约 束荧光分子断层成像重建的拉普拉斯正则化矩阵
Figure 656867DEST_PATH_IMAGE007
；
荧光分子断层成像重建模块，配置为基于所述拉普拉斯正则化矩阵
Figure 359244DEST_PATH_IMAGE007
，选取目标 函数求解迭代方法，进行目标函数
Figure 924218DEST_PATH_IMAGE006
的迭代求解，获得荧光分子断层成像重建结果
Figure 744144DEST_PATH_IMAGE008
。
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；
步骤S30，进行离散化的SIS的编码，获得位置向量
Figure 243388DEST_PATH_IMAGE002
；
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
Figure DEST_PATH_IMAGE003
；
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
Figure 988490DEST_PATH_IMAGE004
；
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
Figure DEST_PATH_IMAGE005
；
步骤S40，基于表面映射和内部映射后的SIS进行前向模型计算，获得表面荧光信号
Figure 628550DEST_PATH_IMAGE003
与内部三维荧光分布的线性关系
Figure 190594DEST_PATH_IMAGE006
；
步骤S50，基于所述线性关系
Figure 371040DEST_PATH_IMAGE006
和所述位置向量
Figure DEST_PATH_IMAGE001
，建立荧光分子断层成像重建的目标函数
Figure DEST_PATH_IMAGE007
：
Figure DEST_PATH_IMAGE009
其中，
Figure 642752DEST_PATH_IMAGE010
为正则化参数，
Figure DEST_PATH_IMAGE011
为拉普拉斯正则化矩阵，
Figure 516030DEST_PATH_IMAGE012
代表向量2范数的平方，
Figure DEST_PATH_IMAGE013
代表向量P范数的P次幂；
将所述预处理CT图像中不同器官或组织对应的子空间和所述预处理MPI三维断层图像中肿瘤的位置与形态对应的子空间合并，获得合并空间
Figure 771562DEST_PATH_IMAGE014
，基于所述合并空间
Figure 490119DEST_PATH_IMAGE014
构建拉普拉斯正则化矩阵
Figure 740972DEST_PATH_IMAGE011
：
Figure 519572DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE017
Figure DEST_PATH_IMAGE019
其中，
Figure 527980DEST_PATH_IMAGE020
代表拉普拉斯矩阵中第
Figure DEST_PATH_IMAGE021
行、第
Figure 253490DEST_PATH_IMAGE022
列元素，
Figure DEST_PATH_IMAGE023
代表高斯核半径，
Figure 827691DEST_PATH_IMAGE024
是合并空间
Figure 983384DEST_PATH_IMAGE014
中网格节点
Figure 541405DEST_PATH_IMAGE021
和网格节点
Figure 867344DEST_PATH_IMAGE022
间的欧氏距离，
Figure DEST_PATH_IMAGE025
是子空间
Figure 233734DEST_PATH_IMAGE026
中网格节点
Figure DEST_PATH_IMAGE027
和网格节点
Figure 619716DEST_PATH_IMAGE028
间的欧氏距离，
Figure 133874DEST_PATH_IMAGE026
代表合并空间中的第
Figure DEST_PATH_IMAGE029
个子空间，
Figure 201187DEST_PATH_IMAGE030
代表拉普拉斯矩阵的维度，
Figure DEST_PATH_IMAGE031
代表SIS空间中所有离散点数量；
步骤S60，基于所述拉普拉斯正则化矩阵
Figure 218822DEST_PATH_IMAGE011
，选取目标函数求解迭代方法，进行目标函数
Figure 775705DEST_PATH_IMAGE007
的迭代求解，获得荧光分子断层成像重建结果
Figure 308318DEST_PATH_IMAGE032
。
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。
3.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，所述正则化参数
Figure 710480DEST_PATH_IMAGE010
通过手动调试寻优或者
Figure 582621DEST_PATH_IMAGE011
曲线自动寻优获取。
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
Figure 107144DEST_PATH_IMAGE001
；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
Figure 64735DEST_PATH_IMAGE003
；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
Figure 67326DEST_PATH_IMAGE004
；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
Figure 59553DEST_PATH_IMAGE005
；
前向模型计算模块，配置为基于表面映射和内部映射后的SIS进行前向模型计算，获得表面荧光信号
Figure 692660DEST_PATH_IMAGE003
与内部三维荧光分布的线性关系
Figure 137548DEST_PATH_IMAGE006
；
目标函数构建模块，配置为基于所述表面荧光信号
Figure 943830DEST_PATH_IMAGE003
与内部三维荧光分布的线性关系，建立荧光分子断层成像重建的目标函数
Figure 53212DEST_PATH_IMAGE007
：
Figure DEST_PATH_IMAGE033
其中，
Figure 326062DEST_PATH_IMAGE010
为正则化参数，
Figure 523825DEST_PATH_IMAGE011
为拉普拉斯正则化矩阵，
Figure 71481DEST_PATH_IMAGE012
代表向量2范数的平方，
Figure 772721DEST_PATH_IMAGE013
代表向量P范数的P次幂；
正则化约束构建模块，配置为将所述预处理CT图像中不同器官或组织对应的子空间和所述预处理MPI三维断层图像中肿瘤的位置与形态对应的子空间合并，获得合并空间
Figure 747630DEST_PATH_IMAGE014
，基于所述合并空间
Figure 432689DEST_PATH_IMAGE014
构建拉普拉斯正则化矩阵
Figure 580774DEST_PATH_IMAGE011
：
Figure 402099DEST_PATH_IMAGE034
Figure 547910DEST_PATH_IMAGE017
Figure DEST_PATH_IMAGE035
其中，
Figure 720265DEST_PATH_IMAGE020
代表拉普拉斯矩阵中第
Figure 609724DEST_PATH_IMAGE021
行、第
Figure 551135DEST_PATH_IMAGE022
列元素，
Figure 867847DEST_PATH_IMAGE023
代表高斯核半径，
Figure 996340DEST_PATH_IMAGE024
是合并空间
Figure 689489DEST_PATH_IMAGE014
中网格节点
Figure 282145DEST_PATH_IMAGE021
和网格节点
Figure 49986DEST_PATH_IMAGE022
间的欧氏距离，
Figure 931354DEST_PATH_IMAGE025
是子空间
Figure 162615DEST_PATH_IMAGE026
中网格节点
Figure 547460DEST_PATH_IMAGE027
和网格节点
Figure 471554DEST_PATH_IMAGE028
间的欧氏距离，
Figure 636956DEST_PATH_IMAGE026
代表合并空间中的第
Figure 671908DEST_PATH_IMAGE029
个子空间，
Figure 176839DEST_PATH_IMAGE030
代表拉普拉斯矩阵的维度，
Figure 6254DEST_PATH_IMAGE031
代表SIS空间中所有离散点数量；
荧光分子断层成像重建模块，配置为基于所述拉普拉斯正则化矩阵
Figure 862215DEST_PATH_IMAGE011
，选取目标函数求解迭代方法，进行目标函数
Figure 435279DEST_PATH_IMAGE007
的迭代求解，获得荧光分子断层成像重建结果
Figure 60295DEST_PATH_IMAGE032
。
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。
CN202210457053.0A 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 Active CN114581553B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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
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
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
Hyde et al. Data specific spatially varying regularization for multimodal fluorescence molecular tomography
CN109584323A (zh) 超声反射信息约束的腹部病变电阻抗图像重建方法
US11776174B1 (en) Fluorescence moleculartomography reconstruction method based on prior guidance of magnetic particle imaging
CN101947103B (zh) 全光学生物发光断层成像方法
CN107146261B (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
CN113223150A (zh) 三维磁粒子图像积分断层重建方法、系统和设备
TW201221117A (en) Enhancing segmentation for molecular image quantification system and the method thereof
An et al. A fast and automated FMT/XCT reconstruction strategy based on standardized imaging space
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
CN111862014A (zh) 一种基于左右侧脑室分割的alvi自动测量方法及装置
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
US20240221162A1 (en) Three dimensional object segmentation of medical images localized with object detection
Shin et al. Super-resolution techniques for biomedical applications and challenges

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