[发明专利]自适应的荧光断层成像重建方法

说明书

技术领域

本发明涉及光学分子影像成像模态激发荧光断层成像(TomographicFluorescence Imaging，TFI)技术，特别涉及到一种自适应的荧光断层成像重建方法。

背景技术

作为一种光学分子影像成像模态，激发荧光成像技术已经得到了迅速的发展和广泛的应用。通过对感兴趣区域的生物组织标记光学分子探针，并对体表的荧光信号进行采集，我们可以以一种无创的方法来获取生物体分子细胞水平的信息。然而，由于在可见光和近红外光范围内，光子在生物组织内传播时会产生严重的散射现象，因此传统的二维激发荧光成像技术无法显示荧光光源的准确位置。而激发荧光断层成像(TFI)是一种三维重建技术，通过采集表面荧光数据并基于特定的逆问题模型，可以实现荧光光源的三维精确定位。

TFI是一种典型的不适定问题，这是因为测量数据仅是表面的荧光分布，而需要求解的是整个成像空间的荧光光源分布，在这种情况下，光源的位置重建是没有唯一解的，并且对噪声非常敏感。为了能得到准确而稳定的重建结果，通常的方法是在优化问题中包含正则化项，该正则化项可以看作是光源分布的先验知识。最常见的正则化是Tikhonov正则化方法，通过在优化问题中加入L2范数约束，可以使TFI问题更加稳定。传统TFI重建方法根据经验值预先估计正则化参数的值，并使正则化参数在整个迭代重建过程保持不变。但不同的重建问题所要求的正则化参数通常不同，传统重建方法很难准确预测合适的正则化参数从而完成精确重建。因此合适的正则化参数选择仍是一项挑战性问题。

发明内容

本发明针对TFI重建技术中的正则化选取问题，提出了一种自适应正则化参数的快速鲁棒TFI重建方法。

为实现上述目的，一种自适应的荧光断层成像重建方法，包括：

S1利用有限元方法将扩散方程转化为线性方程；

S2建立未知的荧光光源分布与表面荧光测量值之间的线性关系；

S3计算当前正则化参数，并将残差相关系数中绝对值最大的元素选入支撑集合I；

S4将更新后的支撑集合I中当前所有元素在矩阵A中对应的列取出，组成一个矩阵，获得下一步的搜索方向；

S5计算下一步的步长并更新支撑集合；

S6根据求解的搜索方向及步长迭代获取下一步结果，并更新正则化参数；

S7判断是否达到停止条件，若达到，则重建过程结束，否则转到步骤S4。

本发明不用提前预测正则化参数，而是在重建过程中自适应地决定正则化参数。本发明不仅通过自适应的正则化参数选取策略提高了重建技术的鲁棒性，而且大大提升了重建效率。

附图说明

图1是本发明方法的流程图；

图2是多光源仿体的三维结构图和位于z＝0平面截面图；

图3是4组测量数据情况下的单光源重建结果；

图4是4组测量数据情况下的双光源重建结果；

图5是4组测量数据情况下的三光源重建结果。

具体实施方式

下面将结合附图详细描述本发明的重建方法，应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

图1是本发明的重建方法的总体流程：

步骤101：本发明采用扩散方程作为TFI的成像模型，模型包括激发过程和发射过程两个相耦合的扩散方程，通过使用有限元方法，可以将扩散方程离散化，以便于进行后续的处理；

步骤102：对于TFI逆问题而言，表面荧光分布是已知的，而内部荧光光源分布是未知的，通过对离散化后的扩散模型进行矩阵变换，可以建立表面测量数据与未知光源分布之间的线性方程。同时对于多组测量数据的情况，可以将多个线性方程组合为统一的方程；

步骤103：计算当前正则化参数，并将残差相关系数中绝对值最大的元素选入支撑集合；

步骤104：通过求解方程获得下一步的搜索方向；

步骤105：计算下一步的步长并更新支撑集合；

步骤106：根据求解的搜索方向及步长迭代获取下一步结果，并更新正则化参数；

步骤107：判断是否达到停止条件。若达到，则重建过程结束；否则转到步骤104。

下面对本发明的TFI重建方法所涉及的关键步骤进行逐一详细说明，具体形式如下面所述：

步骤101：利用有限元方法将扩散方程转化为线性方程；