基于图像块稀疏系数的快速光声成像图像重建方法技术
【技术实现步骤摘要】
本专利技术属于光声成像
，具体涉及一种快速光声成像的图像重建方法。
技术介绍
光声成像是一种新型医学成像方法，其理论基础为光声效应。光声成像结合了光学成像和超声成像的优点，具有高对比度和高成像深度的特性。由于其非电离波的特性，不会在检测的过程中对人体产生伤害[1,2]，在各个应用领域都有着非常大的潜力，现在主要应用领域有乳腺肿瘤检测[3]、血管成像[4]和脑损伤探测[5]等。同时由于所成图像是人体组织的光吸收特性，因而一定程度上反映了成像组织与光吸收特性相关的病理学特性[2]。利用这一特性可以将光声成像应用于功能成像[5,6]，对于癌症的早期检测也有着非常好的效果[1]。在光声成像的具体应用中，我们使用一个持续时间非常短的激光脉冲照射成像组织。成像组织会吸收一部分光能将它转化为热能，使成像组织发生热弹性膨胀，从而发出超声波。这一过程被称为光声效应。而光声成像就是使用超声换能器检测成像组织发出的超声波，通过超声换能器在不同位置扫描可以采集到光声信号，随后使用图像重建算法就可以计算出组织的光吸收分布。目前针对圆周扫描有逆Radon变换重建方法[7]、滤波反投影法[8]、时域重建法[9]和反卷积重建法[10]等方法；针对直线扫描有DAS法[11]和二维重建法[11]等方法。上述方法都属于解析算法，无需迭代直接得到结果，在采样点较稀疏时重建图像的精度不高，成像质量差，并且受限于特定的扫描方式。现在主流光声成像图像重建算法主要是基于迭代优化的重建方法[12-15]，这些方法的优势在于成像精度高、不受扫描方式的影响，但缺点是成像...
【技术保护点】
基于图像块稀疏系数的光声成像图像重建方法，其特征在于，通过计算图像块稀疏系数，对重建图像进行修正并迭代，结合Barzilai‑Borwein梯度下降法，获得最终的重建光声图像，具体步骤为：在光声成像中，光声成像的基本方程：(1)其中是位置处的声压，是成像组织的光吸收分布图，t是时间，I(t)是激光脉冲能量函数，c是生物组织中的声速，和分别是生物组织的等压膨胀系数和比热容；使用格林函数对方程(1)进行求解，对于某采样点，有：(2)记采样点处实际采样得到的光声信号的积分与采样时间的乘积为：(3)将图像和采样信号积分分别离散化，并记成矢量形式；设重建图像的大小为，X、Y分别为图像的行数和列数，则重建图像的总像素为N=XY，即矢量化后的图像可记为长度为N的列矢量u；若采样点个数为Q，每个采样点的信号长度为M，则(3)式可写成：(4)其中，是第i个采样点的光声信号积分与采样时间的乘积矢量；是第i个采样点的采样矩阵，其计算步骤为：(a) 先计算大小为的矩阵：(5)其中，是中的序号，是采样点的坐标，dx是图像相邻像素间的实际距离，dt是离散时间步长；(b)将矩阵矢量化得到一个N维的列矢量，作为采样矩...
【技术特征摘要】
1.基于图像块稀疏系数的光声成像图像重建方法，其特征在于，通过计算图像块稀疏系数，对重建图像进行修正并迭代，结合Barzilai-Borwein梯度下降法，获得最终的重建光声图像，具体步骤为：
在光声成像中，光声成像的基本方程：
(1)
其中是位置处的声压，是成像组织的光吸收分布图，t是时间，I(t)是激光脉冲能量函数，c是生物组织中的声速，和分别是生物组织的等压膨胀系数和比热容；
使用格林函数对方程(1)进行求解，对于某采样点，有：
(2)
记采样点处实际采样得到的光声信号的积分与采样时间的乘积为：
(3)
将图像和采样信号积分分别离散化，并记成矢量形式；设重建图像的大小为，X、Y分别为图像的行数和列数，则重建图像的总像素为N=XY，即矢量化后的图像可记为长度为N的列矢量u；若采样点个数为Q，每个采样点的信号长度为M，则(3)式可写成：
(4)
其中，是第i个采样点的光声信号积分与采样时间的乘积矢量；是第i个采样点的采样矩阵，其计算步骤为：
(a) 先计算大小为的矩阵：
(5)
其中，是中的序号，是采样点的坐标，dx是图像相邻像素间的实际距离，dt是离散时间步长；
(b)将矩阵矢量化得到一个N维的列矢量，作为采样矩阵的第j个列矢量；j=1～M；
(c)计算M次后得到第i点的采样矩阵；
(d)重复步骤(a)~(c)，得到Q个采样矩阵，i=1～Q；将它们联立起来，得到总的采样矩阵A：
(6)
于是，式(5)归纳为：
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。