基于自适应高斯拉普拉斯规则化的FMT重建方法及装置制造方法及图纸

本公开提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置，其中FMT重建方法包括：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针一时间段内的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。本公开实现了准确的FMT形态学重建，解决了FMT重建的过光滑问题，提高了FMT重建的信背比和鲁棒性，提高了FMT形态学重建的准确度。

【技术实现步骤摘要】
基于自适应高斯拉普拉斯规则化的FMT重建方法及装置
本公开涉及生物医学分子影像领域，尤其涉及一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置。
技术介绍
激发荧光成像(FluorescenceMolecularImaging，FMI)技术作为一种新兴的分子影像技术，可以无创地检测靶向荧光探针在生物体内的分布。相比于其他光学分子影像技术，FMI技术具有探针种类多、信号强度高、可实时在体成像的特性。激发荧光断层成像(FluorescenceMolecularTomography，FMT)是基于FMI技术的三维荧光成像技术。该成像技术可以定量分析荧光探针在生物组织内的分布，进一步拓展了荧光成像在肿瘤诊疗一体化、药代动力学等预临床和临床方面的应用。目前FMT成像技术已广泛用于肿瘤定位和药代动力学研究。其中，用于肿瘤定位的FMT成像技术旨在准确定位肿瘤在生物体内的位置，用于药代动力学研究的FMT成像技术旨在提高FMT重建速度。为了准确的分析荧光探针在生物体内的分布，特别是具有靶向性的荧光探针分布，需要研究FMT形态学重建技术，进一步拓展FMT成像技术在肿瘤异质性研究的应用。
技术实现思路
(一)要解决的技术问题本公开提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置，以至少部分解决以上所提出的技术问题。(二)技术方案根据本公开的一个方面，提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法，包括如下步骤：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。在本公开的一些实施例中，步骤S100中包括：步骤S110：建立扩散方程，包括：其中，代表梯度算子，r为位置向量，Ω代表成像物体所占据的三维空间，rl为激发光源的位置，Θ为激发光源的光强值，下标x和m分别表示激发光和发射光，Φx，m(r)代表位置r处的光子密度，μax，am为光学吸收系数，μsx，sm为光学散射系数，Dx，m＝1/3(μax，am+(1-g)μsx，sm)为扩散系数，g为各向异性系数，ημaf(r)为待重建的荧光区域，其中η代表量子效率，q代表光学折射系数；步骤S120：基于扩散方程(1)，进行有限元模型转换为如下的方程：Φ＝AX其中，Φ为采集到的成像物体表面的发射荧光信息，A代表系统矩阵，X代表生物组织内部的光源的分布信息；步骤S130：建立激发荧光断层成像逆问题：其中，minE(x)为逆问题方程，Φ为采集到的成像物体表面的发射荧光信息，A代表系统矩阵，X代表生物组织内部的光源的分布信息。在本公开的一些实施例中，步骤S200中，在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件后的逆问题如下：其中，minE(x)′为加入自适应的高斯拉普拉斯规则化约束条件后的逆问题方程，Φ为采集到的成像物体表面的发射荧光信息，A代表系统矩阵，X代表生物组织内部的光源的分布信息，λ为规则化参数，LAG为自适应的高斯加权的拉普拉斯规则化矩阵；所述自适应的高斯加权的拉普拉斯规则化矩阵LAG如下：LAG＝(li，j)N×N其中，矩阵LAG的维数为N×N，li，j为矩阵LAG第i行，第j列的元素；St代表子图像t，di，j为像素i和像素j之间的欧式距离，ρsk为光滑算子，RL和RS分别为较大的和较小的高斯核参数；Ωh为高能区，Ωm为中能区，Ωl为低能区，j∈St，i≠j，i∈(Ωh∪Ωl)为子图像中属于高能区和低能区的任意两个元素，j∈St，f≠j，i∈Ωm为子图像中属于中能区的任意两个元素。在本公开的一些实施例中，所述高能区Ωh、中能区Ωm和低能区Ωl的定义分别如下：其中，为在第n次迭代计算中第k个像素的光强值；为在第n次迭代计算中最大的像素光强值，θh和θl为划分高能区、中能区和低能区的高阈值和低阈值。在本公开的一些实施例中，步骤S300中对迭代结果中小于零的元素进行修正。在本公开的一些实施例中，步骤S400包括：步骤S410：氨基PEG羧基和IRDye800-NHS染料溶解于磷酸缓冲盐溶液，搅拌反应1小时；步骤S420：转铁蛋白，1-(3-二甲氨基丙基)-3-乙基碳二亚胺盐酸盐和N-羟基丁二酰亚胺加入步骤S410的混合溶液中，搅拌反应24小时；步骤S430：透析纯化步骤S420中的溶液，合成靶向性的荧光探针。在本公开的一些实施例中，步骤S500包括：步骤S510：利用U87脑胶质瘤细胞构建小鼠原位脑胶质瘤模型；步骤S520：采集探针注射6小时后的CT数据和光学数据；步骤S530：得到探针在脑胶质瘤区域的形态学分布结果。根据本公开的一个方面，提供了一种基于自适应高斯拉普拉斯规则化的FMT重建装置，包括：激发荧光断层成像逆问题建立模块，用于基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；自适应的高斯拉普拉斯规则化约束条件加入模块，用于在所述激发荧光断层成像逆问题建立模块建立的激发荧光断层成像逆问题中加入自适应的高斯拉普拉斯规则化约束条件；迭代计算模块，用于利用共轭梯度方法迭代求解逆问题；荧光探针合成模块，用于合成靶向性的荧光探针；成像数据采集及处理模块，用于捕获注射探针一时间段内的荧光数据，处理获得荧光探针在脑胶质瘤区域的形态学分布。(三)有益效果从上述技术方案可以看出，本公开基于自适应高斯拉普拉斯规则化的FMT重建方法及装置至少具有以下有益效果其中之一或其中一部分：(1)本公开实现了准确的FMT形态学重建，解决了FMT重建的过光滑问题，提高了FMT重建的信背比和鲁棒性，提高了FMT形态学重建的准确度。(2)本公开中通过加入自适应高斯加权拉普拉斯规则化约束条件，无需依赖电子计算机断层扫描(ComputedTomography，CT)或者磁共振成像(MagneticResonanceImaging，MRI)提供的肿瘤区域的解剖信息，可以规避肿瘤解剖信息对重建结果造成的干扰。(3)本公开中重建的光源区域，不局限于肿瘤区域，利于研究荧光探针在肿瘤区域的分布，对肿瘤异质性的研究具有极大的意义。附图说明图1为本公开实施例基于自适应高斯拉普拉斯规则化的FMT重建方法的流程图。图2为本公开实施例中自适应高斯拉普拉斯规则化的原理图。具体实施方式本公开提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置，其中FMT重建方法包括：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针一时间段内的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。本公开实现了准确的FMT形态学重建，解决了FMT重建的过光滑问题，提高了FMT重建的信背比和鲁棒性，提高了FMT形态学重建的准确度。为使本公开的目的、技术方案和优点更加清本文档来自技高网...

【技术保护点】
1.一种基于自适应高斯拉普拉斯规则化的FMT重建方法，其中，包括如下步骤：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。

【技术特征摘要】
1.一种基于自适应高斯拉普拉斯规则化的FMT重建方法，其中，包括如下步骤：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。2.如权利要求1所述的FMT重建方法，其中，步骤S100中包括：步骤S110：建立扩散方程，包括：其中，代表梯度算子，r为位置向量，Ω代表成像物体所占据的三维空间，rl为激发光源的位置，Θ为激发光源的光强值，下标x和m分别表示激发光和发射光，Φx，m(r)代表位置r处的光子密度，μax，am为光学吸收系数，μsx，sm为光学散射系数，Dx，m＝1/3(μax，am+(1-g)μsx，sm)为扩散系数，g为各向异性系数，ημaf(r)为待重建的荧光区域，其中η代表量子效率，q代表光学折射系数；步骤S120：基于扩散方程(1)，进行有限元模型转换为如下的方程：Φ＝AX其中，Φ为采集到的成像物体表面的发射荧光信息，A代表系统矩阵，X代表生物组织内部的光源的分布信息；步骤S130：建立激发荧光断层成像逆问题：其中，minE(x)为逆问题方程，Φ为采集到的成像物体表面的发射荧光信息，A代表系统矩阵，X代表生物组织内部的光源的分布信息。3.如权利要求1所述的FMT重建方法，其中，步骤S200中，在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件后的逆问题如下：其中，minE(x)′为加入自适应的高斯拉普拉斯规则化约束条件后的逆问题方程，Φ为采集到的成像物体表面的发射荧光信息，A代表系统矩阵，X代表生物组织内部的光源的分布信息，λ为规则化参数，LAG为自适应的高斯加权的拉普拉斯规则化矩阵；所述自适应的高斯加权的拉普拉斯规则化矩阵LAG如下：LAG＝(li，j)N×N其中，矩阵LAG的维数...

【专利技术属性】
技术研发人员：田捷，孟慧，王坤，高源，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11