基于观察矩阵的时域扩散光学层析成像方法

荧光极易受到外界因素干扰,影响到光子的输运过程,导致时域扩散光学层析成像效果较差,设计一个基于观察矩阵的时域扩散光学层析成像方法。以光子正常发射的行动轨迹作对照,建立扩散输运模型,使光子在扩散前后能量保持守恒,建立时域稳定条件下重建光子信号方程,计算层析映射率,建立观察矩阵并对观察矩阵中获得的图像小波变换处理,实现基于观察矩阵的时域扩散光学层析成像。实验结果表明,经上述研究的方法成像后,图像的组织体吸收系数、组织体约化散射系数与实际图像曲线基本一致,具有较好的成像效果,满足方法设计需求。

基于稳态辐射传输方程的小动物尺寸组织体扩散光学层析法

在Newton-Raphson逆模型框架下,发展了基于稳态辐射传输方程光子输运正模型和代数重建技术的扩散光学层析图像重建算法,并针对小尺寸组织体内部吸收和散射系数同时重建情况下的标准代数重建技术算法进行了改进,数值结果表明改进后的代数重建技术算法重建图像效果优于标准代数重建技术算法.

利用深度学习扩展非接触扩散光学层析成像系统中探测器的动态范围

非接触式扩散光学层析成像(Diffuse Optical Tomography,DOT)技术和传统DOT技术相比具有更高的空间采集密度,系统中探测器的动态范围对实验结果有很大的影响。通过仿真和实验研究了探测器动态范围过小对重建结果的影响,并提出了一种利用深度学习拓展探测器动态范围的方法。在NIRFSAT软件包中设置不同的吸收散射的仿体及入射光场参数,批量生成训练样本,搭建全连接网络进行模型训练,并利用该模型修复仿真和光学实验条件下探测器获得的数据。实验数据修复及重建结果表明,该模型修复了低动态范围探测器获得的数据,将探测器的动态范围从256扩展到109。该方法能够有效地减小探测器动态范围过小带来的重建误差,为使用普通低动态范围探测器进行非接触式DOT提供了一种有效的技术解决方案。

基于B样条参数化描述的形状扩散光学层析成像方法

为了改善扩散光学层析成像(DOT)逆问题的病态性,本文发展了一种基于B样条参数化描述的形状DOT重建算法.在合理地假设组织体各区域光学参数均匀分布的前提下,通过采用B样条参数化描述复杂区域的边界,将DOT的逆问题从大规模的体元光学参数重建转化为只重建各子区域的一组光学参数和复杂形状参数.在信噪比为35,d B条件下对不同形状模拟异质体的重建结果表明,该算法在不同的光学参数范围、异质体初始形状估计、光学参数初始估计下,均可有效地重建出异质体的形状和光学参数.稳态DOT系统的仿体实验验证表明,背景光学参数和异质体光学参数的重构误差分别小于1.18%和12.00%.该算法将对肿瘤诊断漫射光层析成像的发展具有推动作用.

面向乳腺诊断的时域扩散光学层析图像重建方法

为了克服传统的X射线乳腺成像术在灵敏度、特异性、安全性和舒适性等方面存在的重大缺陷,提出了一种面向乳腺成像的时域扩散光学层析(diffuse optical tomography,DOT)图像重建技术.该技术以拉普拉斯变换时域扩散方程的有限元(finite element method,FEM)数值解作为正向模型,采用基于牛顿-拉夫逊迭代格式的逆模型框架.通过对锥形压缩乳房光学层析模式的模拟实验研究表明,该方法可有效重构出乳腺肿瘤组织的吸收系数μa和约化散射系数μs′的层析图像,且成像目标的空间位置准确,具有较高的图像质量.

用于乳腺检测的多通道扩散光学层析成像系统

基于光子计数原理,研发了一套用于乳腺检测的多通道连续光(CW)扩散光学层析成像(DOT)系统。系统采用了“无间歇可调宽度滑动门计数器”以动态记录信息。每个滑动门宽可以从50μs变化到十几秒,相应地,根据预设门的数目,总测量时间跨度为几毫秒至几十秒。数据传输及系统控制应用通用串行总线(USB)2.0接口,增强了系统的可扩展性,可以满足不同空间分辨率的需要。

基于多信息融合和栈式自编码网络的扩散光学层析方法

针对传统扩散光学层析(DOT)成像方法获取的图像精度较低,且主要对规则的圆形异质体进行重建的问题,本文利用解剖图像提供的结构先验信息并结合具有网络模型简单、需要调整的网络参数少、网络训练速度快等优点的栈式自编码(SAE)网络,发展了基于多信息融合和SAE网络的DOT图像重建方法。为验证所提方法的可行性和有效性,进行了一系列的数值模拟和定量评估。实验结果表明,与无先验信息方法相比,该方法可有效提高低吸收对比度(1.5)情况下的图像质量,使得平均绝对误差降低62%,均方误差降低11%,定量重建率值由139%降低为107%更接近100%。对单目标和双目标椭圆形异质体重建时,融合先验信息的方法获得重建图像的位置、尺寸、形状以及吸收系数更接近真实值,与无先验信息方法相比平均绝对误差至少降低8%,均方误差至少降低5%,定量重建率值更接近100%。

一种提高乳腺扩散光学层析成像分辨率的方式

目的 扩散光学层析成像(diffuse optical tomography,DOT)在女性大尺寸乳腺检测时因信噪比低,导致其成像分辨率较低。本文基于计算机断层扫描激光乳腺成像系统(computed tomography laser mammography,CTLM),提出一种提高乳腺扩散光学层析成像分辨率的方式。方法 本文首先通过仿体实验探讨仿体直径和目标深度对扩散光学层析成像分辨率的影响;其次,本文使用高透性的光敏树脂通过3D打印制作外壳定位件,在验证其对扩散光学层析成像分辨率无显著影响后,利用外壳定位件对被测物进行约束压缩,以减小被测物直径来提高信噪比,优化扩散光学层析成像分辨率。结果 本文通过仿体实验验证了仿体直径的增加和目标深度的变化均会在一定程度上影响成像分辨率,随着仿体直径的增加,其感兴趣区(region of interests,ROIs)宽轴和长轴半高宽基本属于上升趋势;随着目标深度的增加,也会对ROIs宽轴和长轴半高宽产生影响。同时发现仿体直径对ROIs长轴半高宽有显著影响,目标深度对ROIs宽轴半高宽有显著影响。另外通过仿体实验结果验证了外壳定位件对扩散光学层析成像分辨率无显著影响,利用外壳定位件约束压缩后ROIs长轴半高宽降幅明显,降幅达到30%以上,远大于宽轴半高宽的降幅,达到了提高成像分辨率的作用。结论 本文所提出的方式能够达到提高乳腺扩散光学层析成像分辨率的作用,且所使用的材料和方法简单,具有较强的可实施性,为提高乳腺扩散光层析成像分辨率提供了新思路。

基于凸非凸有限元全变差正则的扩散光学层析成像

为避免扩散光学层析成像中L1正则项带来的有偏估计问题,提出一种基于凸非凸有限元的全变差(CNC-FETV)正则重构模型。首先,应用有限元方法将求解域剖分为有限个三角形,用一个连续分段多项式函数逼近每个三角形上的吸收系数值,再对导出的差分矩阵进行逐个单元组装,得到有限元的全变差(FETV)正则表示。然后,利用基于凸非凸稀疏正则的构造方法得到凸非凸有限元全变差正则项,并在理论上证明该非凸正则项在一定条件下可保持目标函数的整体凸性。最后,利用交替方向乘子法求解所提模型。数值实验表明,所提CNC-FETV模型在扩散光学层析成像重构的视觉效果和评价指标值上都要优于已有的Tikhonov和FETV正则模型。

一种基于多级小波域分解的时域扩散光学层析成像方法的研究

面向基于有限差分光扩散模型的平板乳腺扩散光学层析反演问题,提出了一种有效提高图像重建质量的方法。与基于全空间域离散像点的传统重建算法不同,本方法采用小波函数对吸收系数和散射系数在空间域进行多尺度分解,在减少低分辨率重建中光学参量的个数、有效改善重建过程病态性的同时,通过逐级细化分解尺度,最终提高了图像的量化度和空间分辨率。数值模拟表明,该方法可实现目标体边对边4 mm的空间分辨率,量化度明显高于传统算法。

面向乳腺诊断的血氧扩散光学层析方法:仿体实验与在体评估

为了获得乳腺诊断的功能影像信息,设计了一套面向乳腺肿瘤早期诊断的血氧扩散光学层析(DOT)成像系统。该时域测量系统采用时间相关单光子计数技术,获得溢出目标体表面的光子随时间变化的分布信息,为了兼顾测量时间和系统成本,采用了四通道并行测量模块与光开关相结合的架构,能够降低不同通道之间的性能差异,减少伪像对诊断的干扰。采用基于广义脉冲谱技术的特征数据算法实现了光学参数(吸收系数、约化散射系数)的同时重建。通过仿体实验和初步临床研究对所提出的时域血氧DOT方法进行了验证,结果表明,该方法可以有效重建乳腺组织中光学参数的空间分布,进而获得乳腺组织功能信息,用于乳腺肿瘤的早期检测。

一种基于共轭梯度最优化技术的三维时域扩散光学层析方法

扩散光学层析(DOT)中的图像重建是一个面向大参数集的非线性最优化问题,其标准求解方法为牛顿类迭代法,需要对整个Jacobian矩阵进行构建、求逆和存贮,这对大规模的三维问题是不可行的,为此常采用基于逐行线性逆策略的非创伤性填充(ART)技术,图像质量受到严重制约。采用共轭梯度算法,直接求解非线性目标函数梯度,可避免对Jacobian矩阵的操作,为有效降低步长因子求解引起的附加计算量,采用一维不精确搜索算法。通过对双非均匀目标体的平板模型进行模拟成像,与代数重建算法结果进行比较,表明共轭梯度法的重建质量、收敛速度和收敛性都优于ART算法。

一种基于测量空间样条插值扩展的扩散光学层析图像改善方法

面向基于光扩散模型的平板乳腺扩散光学层析反演问题,提出了一种有效提高图像重建质量的方法。针对扩散光学成像逆问题存在不适定性的特点,在不增加源和探测器数量的基础上,通过样条插值的方法有效地扩展测量空间,由此改善了逆问题中未知量远远多于已知量(测量值)的问题,在一定程度上减轻了反演问题的不适定性,使得重建图像在空间分辨率和量化度上都有相应的提高。通过对内置两非光学均匀立方体的平板模型进行模拟成像,并分析重建图像的空间对比度。结果表明:经过样条插值对测量空间的扩展,重建目标的空间分辨率可以达到边对边4mm。

一种基于稳态光子计数模式的面向乳腺扩散荧光-光学联合层析成像方法

为增强乳腺扩散光学层析(Diffuse Optical Tomography,DOT)方法的实用性,提出了一套稳态扩散荧光-光学联合断层成像系统与算法.系统采用基于光开关切换的串-并混合门控光子计数检测模式,可有效实现测量时间、灵敏度和系统性价比之间的平衡;算法以图形处理器加速的蒙特卡洛光子输运模型为基础,采用了荧光DOT"导航"的血氧DOT图像重建策略,通过利用高对比度荧光DOT的先验位置信息,可有效改善血氧DOT图像重建的不适定性.仿体实验结果表明,与单独DOT方法相比,此联合方法可明显提高图像重建的定位准确度和定量性.

基于傅里叶级数参数化描述的形状扩散光学层析成像方法研究

提出了一种形状扩散光学层析成像技术的数值方法,它能同时重建组织器官的边界和器官内的光学参数。假设不同类型的组织器官内具有各异的均匀光学参数,光子传输模型便可由一些耦合的Helmholtz方程描述,并使用边界元法作为正向模型的数值求解方法。区域的复杂光滑边界用傅里叶级数展开参数化方法表示。反演问题采用Levenberg-Marquardt优化算法,并用加入不同噪声水平的模拟数据对算法进行验证。数值模拟结果表明,提出的图像重建算法具有较快的收敛速度和全局收敛性,并能从噪声数据中准确恢复相应区域的形状参数和光学参数。

基于深度学习的扩散光学层析成像重建综述

扩散光学层析成像(DOT)是一种利用近红外光来探测生物组织光学结构的低成本、无辐射损伤、成像深度深的在体光学功能性成像技术。由于生物组织体自身需满足强散射、低吸收以及成像空间分辨率高等需求,因此DOT重建的逆问题具有严重的病态特性。传统的逆问题解决办法主要是基于代数迭代的重建方法,随着人工智能的发展及大数据时代的到来,深度学习研究掀起了一个新高潮,基于深度学习网络模型的逆问题解决方法逐步被用于DOT重建过程中。通过梳理传统的DOT重建算法,重点综述了最新深度学习用于DOT重建的研究进展,旨在为本领域相关研究团队提供参考。

基于球谐函数参数化描述的形状扩散光学层析成像方法

基于球谐函数参数化描述方法和组织器官光学特性分区均匀性假设,提出了一种稳态测量模式下形状扩散光学层析(DOT)成像方法,它能同时重建组织器官的形状及其内部光学参数。该方法中,正向模型采用扩散方程的边界元数值解法,图像反演则采用Levenberg-Marquardt优化算法。用不同噪声水平下的模拟数据和简化的仿体模型分别进行了模拟和实验验证。重建结果表明,所提出的算法具有较快的收敛速度和较好的全局收敛性,并能有效地恢复目标区域的形状参数和光学参数。

基于区域标识的“粗粒度”扩散光学层析成像方法稳态测量模式

基于体元的扩散光学层析成像(DOT)重建算法和组织体光学特性分区均匀性自然假设,发展了稳态测量模式下基于区域标识的"粗粒度"扩散光学层析成像重建算法。在60dB、40dB和20dB噪声水平下利用含有区域标记的光学数字鼠模型对该算法进行了模拟验证,实现了对数字鼠各组织区域吸收系数和约化散射系数的重建。利用简化的仿体模型进行实验验证,基本实现对仿体多个区域的光学参数重建。结果表明,提出的重建算法能够大幅度改善基于体元的扩散光学层析成像重建算法反演问题的不适定性,大幅度提高其成像分辨率和量化精度,并基本能从噪声数据中恢复相应区域的光学参数。

基于多区域椭圆参数化描述的形状扩散光学层析成像方法研究

获取生物组织体的光学结构是扩散光学成像模式研究(如扩散光学层析技术和荧光分子成像技术)的核心内容。当假设组织器官中具有均匀光学参数时,光学结构的获取方法可归为基于形状的扩散光学层析成像(DOT)重建技术,该技术致力于同时重建组织器官的边界和内部光学参数。实现了二维的边界元正向模型,并与有限元正向模型的结果进行比较。反演问题中使用了截断奇异值(truncated-SVD)优化算法,并在40 dB噪声水平下用内部具有3个异质体的目标模型进行验证。数值结果表明,提出的图像重建算法具有良好的收敛性能,并能从噪声数据中准确恢复相应区域的形状参数和光学参数。

基于非负约束L_1-范数正则化的乳腺扩散光学层析成像重建方法

在乳腺扩散光学层析成像中,L1-范数正则化的引入大幅改善了重建图像的质量,但目标函数的不可导性使得最优化过程异常困难。提出了一种新的基于非负约束L1-范数正则化的重建方法。非负先验信息的引入使得目标函数的一阶梯度变得简单易求,最优化过程得以简化和加速。数值模拟和仿体实验均表明,相对于传统正则化重建方法,该方法可简单、快速地获得更高质量的重建图像。