[发明专利]一种光声显微成像的自适应图像重建方法

权利要求书

1.一种光声显微成像的自适应图像重建方法，其特征在于包括以下步骤：

(1)通过光声显微成像系统扫描头的二维扫描移动获取原始生物组织脉管系统的三维光声显微成像数据；

(2)对原始三维成像数据进行图象预处理运算，获取成像的生物组织脉管系统的分支脉管的骨架走向的特征信息；

(3)针对成像的生物组织脉管系统的分支脉管的特征信息，对原始三维光声显微成像数据进行自适应合成孔径运算；

(4)获取经过自适应合成孔径运算后的生物组织脉管系统的血管图像。

2.根据权利要求1所述的一种光声显微成像的自适应图像重建方法，其特征在于：步骤(1)中准备成像的生物组织脉管系统吸收的ns脉冲光依次通过光纤、聚焦透镜、圆锥透镜和锥台镜后聚焦照射在吸收体上，生物组织脉管系统吸收光产生超声信号，且产生的光声信号是柱状波，光声显微成像系统中用于拾取超声信号的超声探头是高频球面聚焦超声探头，且超声探头的声焦点远小于共聚焦光的光焦点，成像过程中聚焦的光路部分和超声探头进行二维扫描获取生物组织脉管系统的光声信号。

3.根据权利要求1所述的一种光声显微成像的自适应图像重建方法，其特征在于：步骤(2)对原始三维成像数据进行图象预处理运算，获取成像的生物组织脉管系统的分支脉管的骨架走向的特征信息，具体步骤为：当超声探头沿x、y方向进行二维扫描时，对两个扫描方向的孔径进行合成；将二维合成孔径运算后的光声显微成像数据沿着A线方向进行最大值投影，获得扫描平面内的血管投影成像数据；接着调整最大值投影图为8位灰度图，并适当调整图象的灰度范围，然后利用矩阵实验室(Matlab)语言编写的滤波程序对图象进行滤波，接着重新将滤波后的图象转化为8位灰度图，最后利用Matlab图象处理工具箱中的骨架特征中的提取函数来提取图象中分支脉管的特征信息；针对不同分支的脉管进行一阶线性拟合，获得不同分支脉管在二维扫描平面内与扫描方向的夹角即走向角θ。

4.根据权利要求1所述的一种光声显微成像的自适应图像重建方法，其特征在于：步骤(3)针对成像的生物组织脉管系统的分支脉管的特征信息，对原始三维光声显微成像数据进行自适应合成孔径运算，具体步骤为：针对不同分支脉管的走向角θ，在垂直脉管走向的方向将平面内一点(x_i，y_j)到立体角范围内的虚拟探测器的超声信号进行叠加，可以用下式描述：

SSAFT(xi,yj,tij)=Σk=1NS(xi′,yj′,tij-Δti′j′)]]>

i′＝[|k×sinθ|]+1

j′＝[|k×cosθ|]+1

其中S(x_i′，y_j′，t_ij-Δt_i′j′)表示实际接收的空间中某点的初始光声信号强度，Δt_i′j′表示光声信号从合成点到不同虚拟探测器位置时所经历的时间，S_SAFT(x_i，y_j，t_ij)表示空间中某点经过自适应合成孔径算法后的光声信号大小，N为沿合成方向的最大合成线数，上面式中的[]表示不大于某个数的最大整数，k是沿合成孔径方向的单位象素长度；

为了进一步的提高重建图象的分辨率和信噪比，提出适合于自适应合成孔径算法的相干权重因子：

CF(xi,yj,tij)=|Σk=1NS(xi′,yj′,tij-Δti′j′)|2[N×Σk=1N|S(xi′,yj′,tij-Δti′j′)|2]]]>

其中各个参数的意义如上，这样对每个点进行自适应合成孔径算法后的信号强度可以表示成S_SAFT-CF(x_i，y_j，t_ij)＝S_SAFT(x_i，y_j，t_ij)·CF(x_i，y_j，t_ij)。