一种基于多波长并发重建的荧光分子断层成像方法及系统技术方案

本发明专利技术涉及一种基于多波长并发重建的荧光分子断层成像方法及系统。该方法包括：获取待成像组织内部光源的分布信息；根据分布信息，基于扩散方程和有限元剖分方法，建立多光子在待成像组织的正向传输模型；根据正向传输模型获取待成像组织在不同波长下的荧光光强值；根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集；并将荧光光强值数据集划分为训练数据集和预测数据集；对栈式自编码神经网络模型进行训练，确定异质体预测模型；采用异质体预测模型确定荧光产率值；根据荧光产率值确定异质体荧光产率重建图像。本发明专利技术有效解决FMT成像过程中的病态逆问题，大幅度提高成像精度。

【技术实现步骤摘要】
一种基于多波长并发重建的荧光分子断层成像方法及系统
本专利技术涉及生物医学分子影像领域，特别是涉及一种基于多波长并发重建的荧光分子断层成像方法及系统。
技术介绍
乳腺癌是影响全球女性健康最主要的恶性肿瘤之一，已成为严重影响妇女身心健康甚至危及生命的常见病与多发病。据统计，2012年全球女性乳腺癌新发病例约167.1万，位居女性恶性肿瘤发病首位；死亡病例约52.5万，位居女性恶性肿瘤死亡首位。乳腺癌的早期诊断可以为患者提供能够更充分的治疗时间，大幅度提高患者的生存概率。光学分子成像作为新兴的分子影像技术，将光学、电子学、分子生物学和计算机科学等多学科交叉融合，具有过程无电离辐射、操作简单和采集系统成本低等优势，可实现对生物体内大分子和细胞的特异性成像，通过图像直观反映生物体的生物病理变化过程，为医学早期诊断提供依据。目前荧光分子断层成像(FluorescenceMoleculeTomography，FMT)技术在肿瘤诊断学以及制药学领域已得到广泛应用，对于肿瘤检测，FMT旨在准确、快速定位肿瘤的位置，因此有效提高FMT图像重建精度成为研究人员研究的重点。同时，多发射光谱荧光探针的发展对乳腺癌等恶性肿瘤的早期检测有着重要意义。尤其是多光谱荧光分子断层成像(Multi-spectralFluorescenceMoleculeTomography，MsFMT)技术，将多光谱与FMT技术相结合，利用多波长荧光发射光谱丰富断层成像中的组织光学信息，可有效提高断层成像的重建精度，研究成果对其他断层成像重建技术也将具有重要的借鉴价值。但是传统的FMT成像过程中存在病态逆问题，因此，亟需一种方法或系统以有效解决FMT成像过程中的病态逆问题，大幅度提高成像精度。
技术实现思路
本专利技术的目的是提供一种基于多波长并发重建的荧光分子断层成像方法及系统，有效解决FMT成像过程中的病态逆问题，大幅度提高成像精度。为实现上述目的，本专利技术提供了如下方案：一种基于多波长并发重建的荧光分子断层成像方法，包括：获取待成像组织内部光源的分布信息；所述分布信息包括激发光波长、荧光波长以及光在组织体中的传播速度；待成像组织为基于仿真实验的二维乳腺组织异质体模型；根据所述待成像组织内部光源的分布信息，基于扩散方程和有限元剖分方法，建立多光子在所述待成像组织的正向传输模型；所述正向传输模型以所述待成像组织内部光源的分布信息为输入，以所述待成像组织表面的荧光光强值为输出；所述荧光光强值为激发光和发射光的光子密度分布；根据所述正向传输模型获取所述待成像组织在不同波长下的荧光光强值；根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集；并将所述扩增维度后的荧光光强值数据集划分为训练数据集和预测数据集；根据所述训练数据集对栈式自编码神经网络模型进行训练，确定异质体预测模型；根据所述预测数据集，采用所述异质体预测模型确定所述待成像组织的荧光产率值；根据所述荧光产率值确定异质体荧光产率重建图像。可选的，所述根据所述待成像组织内部光源的分布信息，基于扩散方程和有限元剖分方法，建立多光子在所述待成像组织的正向传输模型，具体包括：根据所述待成像组织内部光源的分布信息建立激发光和荧光之间的时域耦合扩散方程；根据时域耦合扩散方程进行有限元模型转换，建立多光子在所述待成像组织的正向传输模型。可选的，所述根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集，具体包括：将两个不同的波长下的所述待成像组织的荧光光强值直接进行叠加；根据叠加后的待成像组织的荧光光强值，采用主成分分析法进行数据降维；将降维后的荧光光强值与主波长再次进行叠加，扩增维度后的荧光光强值；根据所有的扩增维度后的荧光光强值确定扩增维度后的荧光光强值数据集。可选的，所述根据所述训练数据集对栈式自编码神经网络模型进行训练，确定异质体预测模型，具体包括：根据所述训练数据集，采用深度学习方法对栈式自编码神经网络模型进行训练，确定所述异质体预测模型。可选的，所述根据所述荧光产率值确定异质体荧光产率重建图像，之后还包括：根据所述异质体荧光产率重建图像确定所述组织异质体的位置和大小。一种基于多波长并发重建的荧光分子断层成像系统，包括：分布信息获取模块，用于获取待成像组织内部光源的分布信息；所述分布信息包括激发光波长、荧光波长以及光在组织体中的传播速度；待成像组织为基于仿真实验的二维乳腺组织异质体模型；正向传输模型确定模块，用于根据所述待成像组织内部光源的分布信息，基于扩散方程和有限元剖分方法，建立多光子在所述待成像组织的正向传输模型；所述正向传输模型以所述待成像组织内部光源的分布信息为输入，以所述待成像组织表面的荧光光强值为输出；所述荧光光强值为激发光和发射光的光子密度分布；荧光光强值确定获取模块，用于根据所述正向传输模型获取所述待成像组织在不同波长下的荧光光强值；扩增维度后的荧光光强值数据集确定模块，用于根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集；并将所述扩增维度后的荧光光强值数据集划分为训练数据集和预测数据集；异质体预测模型确定模块，用于根据所述训练数据集对栈式自编码神经网络模型进行训练，确定异质体预测模型；荧光产率值确定模块，用于根据所述预测数据集，采用所述异质体预测模型确定所述待成像组织的荧光产率值；异质体荧光产率重建图像确定模块，用于根据所述荧光产率值确定异质体荧光产率重建图像。可选的，所述正向传输模型确定模块具体包括：时域耦合扩散方程确定单元，用于根据所述待成像组织内部光源的分布信息建立激发光和荧光之间的时域耦合扩散方程；正向传输模型确定单元，用于根据时域耦合扩散方程进行有限元模型转换，建立多光子在所述待成像组织的正向传输模型。可选的，所述扩增维度后的荧光光强值数据集确定模块具体包括：荧光光强值叠加单元，用于将两个不同的波长下的所述待成像组织的荧光光强值直接进行叠加；数据降维单元，用于根据叠加后的待成像组织的荧光光强值，采用主成分分析法进行数据降维；扩增维度后的荧光光强值确定单元，用于将降维后的荧光光强值与主波长再次进行叠加，扩增维度后的荧光光强值；扩增维度后的荧光光强值数据集确定单元，用于根据所有的扩增维度后的荧光光强值确定扩增维度后的荧光光强值数据集。可选的，所述异质体预测模型确定模块具体包括：异质体预测模型确定单元，用于根据所述训练数据集，采用深度学习方法对栈式自编码神经网络模型进行训练，确定所述异质体预测模型。可选的，还包括：组织异质体位置和大小确定模块，用于根据所述异质体荧光产率重建图像确定所述组织异质体的位置和大小。根据本专利技术提供的具体实施例，本专利技术公开本文档来自技高网...

【技术保护点】
1.一种基于多波长并发重建的荧光分子断层成像方法，其特征在于，包括：/n获取待成像组织内部光源的分布信息；所述分布信息包括激发光波长、荧光波长以及光在组织体中的传播速度；待成像组织为基于仿真实验的二维乳腺组织异质体模型；/n根据所述待成像组织内部光源的分布信息，基于扩散方程和有限元剖分方法，建立多光子在所述待成像组织的正向传输模型；所述正向传输模型以所述待成像组织内部光源的分布信息为输入，以所述待成像组织表面的荧光光强值为输出；所述荧光光强值为激发光和发射光的光子密度分布；/n根据所述正向传输模型获取所述待成像组织在不同波长下的荧光光强值；/n根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集；并将所述扩增维度后的荧光光强值数据集划分为训练数据集和预测数据集；/n根据所述训练数据集对栈式自编码神经网络模型进行训练，确定异质体预测模型；/n根据所述预测数据集，采用所述异质体预测模型确定所述待成像组织的荧光产率值；/n根据所述荧光产率值确定异质体荧光产率重建图像。/n

【技术特征摘要】
1.一种基于多波长并发重建的荧光分子断层成像方法，其特征在于，包括：
获取待成像组织内部光源的分布信息；所述分布信息包括激发光波长、荧光波长以及光在组织体中的传播速度；待成像组织为基于仿真实验的二维乳腺组织异质体模型；
根据所述待成像组织内部光源的分布信息，基于扩散方程和有限元剖分方法，建立多光子在所述待成像组织的正向传输模型；所述正向传输模型以所述待成像组织内部光源的分布信息为输入，以所述待成像组织表面的荧光光强值为输出；所述荧光光强值为激发光和发射光的光子密度分布；
根据所述正向传输模型获取所述待成像组织在不同波长下的荧光光强值；
根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集；并将所述扩增维度后的荧光光强值数据集划分为训练数据集和预测数据集；
根据所述训练数据集对栈式自编码神经网络模型进行训练，确定异质体预测模型；
根据所述预测数据集，采用所述异质体预测模型确定所述待成像组织的荧光产率值；
根据所述荧光产率值确定异质体荧光产率重建图像。


2.根据权利要求1所述的一种基于多波长并发重建的荧光分子断层成像方法，其特征在于，所述根据所述待成像组织内部光源的分布信息，基于扩散方程和有限元剖分方法，建立多光子在所述待成像组织的正向传输模型，具体包括：
根据所述待成像组织内部光源的分布信息建立激发光和荧光之间的时域耦合扩散方程；
根据时域耦合扩散方程进行有限元模型转换，建立多光子在所述待成像组织的正向传输模型。


3.根据权利要求1所述的一种基于多波长并发重建的荧光分子断层成像方法，其特征在于，所述根据不同波长下的荧光光强值，采用并发波长重建算法和主成分分析法确定扩增维度后的荧光光强值数据集，具体包括：
将两个不同的波长下的所述待成像组织的荧光光强值直接进行叠加；
根据叠加后的待成像组织的荧光光强值，采用主成分分析法进行数据降维；
将降维后的荧光光强值与主波长再次进行叠加，扩增维度后的荧光光强值；
根据所有的扩增维度后的荧光光强值确定扩增维度后的荧光光强值数据集。


4.根据权利要求1所述的一种基于多波长并发重建的荧光分子断层成像方法，其特征在于，所述根据所述训练数据集对栈式自编码神经网络模型进行训练，确定异质体预测模型，具体包括：
根据所述训练数据集，采用深度学习方法对栈式自编码神经网络模型进行训练，确定所述异质体预测模型。


5.根据权利要求1所述的一种基于多波长并发重建的荧光分子断层成像方法，其特征在于，所述根据所述荧光产率值确定异质体荧光产率重建图像，之后还包括：
根据所述异质体荧光产率重建图像确定所述组织异质体的位置和大小。


6.一种基于多波长并发重建的荧光分子断层成像系统，其特征在于，包括：
分布信息...

【专利技术属性】
技术研发人员：王慧泉，冯天姿，赵喆，繆竟鸿，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12