[发明专利]基于低秩矩阵近似的光声显微成像方法及装置

说明书

技术领域

本发明涉及光声显微成像领域，尤其涉及基于低秩矩阵近似的光声显微成像方法及装置。

背景技术

光声成像技术是近年发展起来的一种非入侵式的新型无损医学影像技术，有效结合纯超声成像的高穿透性和纯光学成像的高对比度两者优点。它包括三种主要成像方式：光声显微成像技术(PhotoacousticMicroscopy,PAM)、光声层析成像(PhotoacousicComputedTomography,PACT)和光声内窥成像(PhotoacousicEndoscopy,PAE)。其中，光学显微镜成像技术PAM采用逐点扫描的方式获得图像，因而它不需要特定的图像重构算法。PAM又可以分为：光学分辨率显微成像技术(Optical-ResolutionPhotoacousicMicroscopy,OR-PAM)和声学分辨率显微镜成像技术(Acoustical-ResolutionPhotoacousicMicroscopy，AR-PAM)。

然而，现有技术的问题在于，对于OR-PAM，增加光学数值孔径，虽然可以提高横向分辨率，但是成像深度会有所减小；对于AR-PAM，分辨率决定于超声换能器的带宽以及中心频率，超声换能器性能越高分辨率越高，所以往往通过改进成像系统或者方法来提高分辨率，但是成本又会增加。因此现有技术对成像区域进行逐点扫描的方式所需时间长，并且成本高。

发明内容

针对现有技术的缺陷，本发明提出了解决上述技术问题的基于低秩矩阵近似的光声显微成像方法及装置，可保证光声图像分辨率不严重损失的情况下，快速采集光声成像数据。

第一方面，本发明提供基于低秩矩阵近似的光声显微成像方法，包括：

根据预设采样比，确定包含0元素和1元素的采样矩阵，所述采样矩阵中1元素所占的比例为所述预设采样比；

根据所述采样矩阵，对待成像区域进行光声显微数据采集，得到光声显微数据矩阵；

根据所述光声显微数据矩阵，建立图像恢复模型；

根据低秩矩阵近似算法，求解所述图像恢复模型，得到恢复后的图像，以实现对所述待成像区域的光声显微成像。

优选的，所述低秩矩阵近似算法为GoDec算法。

优选的，所述图像恢复模型为：

minrank(X)

s.t.X_i,j＝Y_Ωi,j,ifΩ_(i,j)＝1

其中，为恢复后的图像矩阵，rank(X)为矩阵X的秩，Ω为压缩采样模板矩阵，Y_Ω为m×n的光声显微数据矩阵。

优选的，所述根据GoDec算法，求解所述图像恢复模型，得到恢复后的图像，以实现对所述待成像区域的光声显微成像，具体为：

根据GoDec算法，求解所述图像恢复模型，对待成像区域未采样点进行估计，得到未采样点估计矩阵；

根据所述光声显微数据矩阵和未采样点估计矩阵，得到恢复后的图像，以实现对所述待成像区域的光声显微成像。

第二方面，本发明提供基于低秩矩阵近似的光声显微成像装置，包括：

确定单元，用于根据预设采样比，确定包含0元素和1元素的采样矩阵，所述采样矩阵中1元素所占的比例为所述预设采样比；

采集单元，用于根据所述采样矩阵，对待成像区域进行光声显微数据采集，得到光声显微数据矩阵；

建模单元，用于根据所述光声显微数据矩阵，建立图像恢复模型；

恢复单元，用于根据低秩矩阵近似算法，求解所述图像恢复模型，得到恢复后的图像，以实现对所述待成像区域的光声显微成像。

优选的，所述低秩矩阵近似算法为GoDec算法。

优选的，所述图像恢复模型为：

minrank(X)

s.t.X_i,j＝Y_Ωi,j,ifΩ_(i,j)＝1

其中，为恢复后的图像矩阵，rank(X)为矩阵X的秩，Ω为压缩采样模板矩阵，Y_Ω为m×n的光声显微数据矩阵。

优选的，所述恢复单元具体用于，根据GoDec算法，求解所述图像恢复模型，对待成像区域未采样点进行估计，得到未采样点估计矩阵；根据所述光声显微数据矩阵和未采样点估计矩阵，得到恢复后的图像，以实现对所述待成像区域的光声显微成像。