近红外光断层成像的理论和研究进展

介绍了近红外光断层成像的理论基础和最新研究进展。近红外光断层成像可以提供生物组织的功能性图像,因此在脑功能研究、乳腺癌的诊断、婴儿大脑连续监测等方面取得了成功。文中介绍了广泛使用的成像系统的三种实现方法,以及光子在生物体中传播的基础理论,重点介绍了基于散射理论和非线性最优化法的图像重建算法。介绍了近红外光断层成像的发展方向:与其它成像设备相结合、组织各向异性的研究、对比剂的使用、三维成像的研究等。最后指出了目前所存在的没有很好解决的问题:模拟数据和仪器测量数据的匹配,以及模型边界的设定等。

近红外光断层成像逆问题的优化算法

我们给出了近红外光断层成像逆问题的求解方法,建模和仿真可以获得生物组织的光学系数分布。根据有限元求解玻尔兹曼方程的正向问题方法,利用有限元方法多物理场耦合分析软件包(Femlab)进行建模和正向问题的求解,将此结果作为优化仿真时的数据;把成像逆问题的求解转化为一个优化问题来处理。通过仪器测量数据与理论数据构造标准差优化函数进行光学参数的优化,多参数无约束优化算法主要采用了多种编码的多群体遗传算法。最后给出了利用Femlab和遗传算法求解近红外光断层成像逆问题的完整步骤和仿真结果,验证了本文的方法准确地解决了近红外光断层成像的逆问题。

基于并行BP神经网络的近红外光断层图像重建方法基础研究

提出一种基于并行BP神经网络的近红外光断层成像(Near-inffared optical tomography,NIROT)图像重建算法,利用BP神经网络来表征生物组织内部光学参数的空间分布和边界光强之间的非线性映射关系。该方法将一个复杂的模型分解成简单的模型分别建立并行的神经网络。利用Femlab软件完成基于有限元的稳态扩散方程的两个简单模型的正向问题求解,根据提出的平均优化散射系数和正向问题训练的大量数据集合,建立并训练并行神经网络,通过对两个网络结果的分析,实现快速获得更复杂模型的光学参数的重构。算法能够快速识别特异组织的位置和准确反映热疗过程中生物组织的优化散射系数的变化趋势。

乳腺近红外光谱断层成像系统研究进展

近红外光谱断层成像是一种可以获得乳腺组织内部光学特性,弥补传统乳腺影像学检查方法的不足,具有无创无辐射、高特异性等特性,在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用起着重要的作用。然而,近红外光谱断层成像系统的空间分辨率低,限制了其在乳腺成像中的应用。将连续波模式与频域或时域测量模式相结合,并融合临床用的数字乳腺断层摄影、超声或核磁共振成像等技术有助于解决上述问题。先对近红外光谱断层成像系统的测量模式、多模态系统和多模态融合技术进行梳理、对比,然后介绍了该技术在乳腺成像中的最新应用,进一步讨论了乳腺近红外光谱断层成像系统未来的发展方向。