一种重建光声内窥层析图像的方法技术

本发明专利技术公开一种重建光声内窥层析图像的方法及系统。方法包括：获取用于光声内窥层析成像稀疏重建问题的光声数据集；根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集；构建前向传播神经网络模型；采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型；根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光声内窥层析图像。采用本发明专利技术的方法或系统能够提高光声内窥层析图像的成像精度。

【技术实现步骤摘要】
一种重建光声内窥层析图像的方法
本专利技术涉及医学成像
领域，特别是涉及一种重建光声内窥层析图像的方法及系统。
技术介绍
光声层析成像(photoacoustictomography,PAT)是一种基于生物组织光声效应的非电离功能成像方法，其成像参数是组织的光吸收系数和散射系数，可以实现高分辨率和高对比度的软组织深层成像。PAT的原理是采用短脉冲激光照射生物组织，组织吸收光能量后受热膨胀产生瞬时压力，并向外辐射宽带(10kHz～100MHz)超声波，即光声信号。声压的幅值与脉冲激光的强度成正比，反映组织的光吸收特性。超声换能器接收来自不同方向、不同位置的光声信号，送入计算机后采用合适的算法即可反演得到组织内部的初始声压或者光吸收能量的空间分布图，直观显示组织的内部结构。在此基础上还可估算组织的光学特性参数的空间分布，反映组织的功能成分。对于光声内窥层析成像(如血管内光声成像)，由于腔道内封闭成像几何的特殊性，受成像导管的机械结构、空间位置及成像时间等的限制，超声探测器往往只能进行有限角度的扫描，采集到稀疏的光声信号数据。由于测量角度范围不能满足数据完备性的条件，因而会导致重建出的图像中出现严重的伪影和失真，降低图像质量。因此，为了提高成像精度，需要解决利用有限角度扫描的光声测量数据重建高质量图像的问题。
技术实现思路
本专利技术的目的是提供一种重建光声内窥层析图像的方法及系统，能够提高光声内窥层析图像的成像精度。为实现上述目的，本专利技术提供了如下方案：一种重建光声内窥层析图像的方法，包括：获取用于光声内窥层析成像稀疏重建问题的光声数据集；根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集；构建前向传播神经网络模型；采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型；根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光声内窥层析图像。可选的，所述获取用于光声内窥层析成像稀疏重建问题的光声数据集，具体包括：通过超声探测器采集全角度扫描的完备光声数据集和有限角度扫描的稀疏光声数据集。可选的，所述根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集，具体包括：根据所述光声数据集采用公式得到腔体横截面的光吸收分布图；其中，Φ(k)(r)是由第k个光声数据集重建出的位置r处的光吸收能量；是的第j个元素，i＝1,2,...,n，j＝1,2,...,l；Cp是组织的比热容；c是超声波在组织中的传播速度；β是组织的体积膨胀温度系数；r0是超声探测器与图像平面中心点之间的距离矢量；φ0是超声探测器与X轴之间的夹角；t是超声波从位置r处到超声探测器的传播时间；d是微分符号；是偏导符号；将根据有限角度扫描的稀疏光声数据集重建出的光吸收分布图作为样本的输入图像，将根据全角度扫描的完备光声数据集重建出的图像作为样本的目标图像，构建数据集；将所述数据集中的所有样本随机打乱，按照7:3的比例将所述数据集划分为训练集和测试集。可选的，所述采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型，具体包括：采用所述训练集对所述前向传播神经网络模型进行训练，得到训练后的神经网络模型；采用所述测试集对所述训练后的神经网络模型进行测试，更新所述训练后的神经网络模型的参数，得到优化后的神经网络模型。可选的，所述根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光吸收分布图，具体包括：将所述有限角度扫描的稀疏光声数据重建出的光吸收分布图像输入至所述优化后的神经网络模型，得到预测的光声内窥层析图像。一种重建光声内窥层析图像的系统，包括：获取模块，用于获取用于光声内窥层析成像稀疏重建问题的光声数据集；光吸收分布图获取模块，用于根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集；神经网络模型构建模块，用于构建前向传播神经网络模型；训练测试模块，用于采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型；预测模块，用于根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光声内窥层析图像。可选的，所述获取模块，具体包括：获取单元，用于通过超声探测器采集全角度扫描的完备光声数据集和有限角度扫描的稀疏光声数据集。可选的，所述光吸收分布图获取模块，具体包括：光吸收分布图获取单元，用于根据所述光声数据集采用公式得到腔体横截面的光吸收分布图；其中，Φ(k)(r)是由第k个光声数据集重建出的位置r处的光吸收能量；是的第j个元素，i＝1,2,...,n，j＝1,2,...,l；Cp是组织的比热容；c是超声波在组织中的传播速度；β是组织的体积膨胀温度系数；r0是超声探测器与图像平面中心点之间的距离矢量；φ0是超声探测器与X轴之间的夹角；t是超声波从位置r处到超声探测器的传播时间；d是微分符号；是偏导符号；数据集构建单元，用于将根据有限角度扫描的稀疏光声数据集重建出的光吸收分布图作为样本的输入图像，将根据全角度扫描的完备光声数据集重建出的图像作为样本的目标图像，构建数据集；数据集划分单元，用于将所述数据集中的所有样本随机打乱，按照7:3的比例将所述数据集划分为训练集和测试集。可选的，所述训练测试模块，具体包括：训练单元，用于采用所述训练集对所述前向传播神经网络模型进行训练，得到训练后的神经网络模型；测试单元，用于采用所述测试集对所述训练后的神经网络模型进行测试，更新所述训练后的神经网络模型的参数，得到优化后的神经网络模型。可选的，所述预测模块，具体包括：预测单元，用于将所述有限角度扫描的稀疏光声数据重建出的光吸收分布图像输入至所述优化后的神经网络模型，得到预测的光声内窥层析图像。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供一种重建光声内窥层析图像的方法，通过获取用于光声内窥层析成像稀疏重建问题的光声数据集；根据光声数据集，得到腔体横截面的光吸收分布图，光吸收分布图包括测试集和训练集；构建前向传播神经网络模型；采用训练集和测试集对前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型；根据优化后的神经网络模型对腔体横截面的光吸收分布图进行预测，得到预测的光声内窥层析图像，采用上述步骤能够提高光声内窥层析图像的成像精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图本文档来自技高网...

【技术保护点】
1.一种重建光声内窥层析图像的方法，其特征在于，包括：/n获取用于光声内窥层析成像稀疏重建问题的光声数据集；/n根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集；/n构建前向传播神经网络模型；/n采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型；/n根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光声内窥层析图像。/n

【技术特征摘要】
1.一种重建光声内窥层析图像的方法，其特征在于，包括：
获取用于光声内窥层析成像稀疏重建问题的光声数据集；
根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集；
构建前向传播神经网络模型；
采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型；
根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光声内窥层析图像。


2.根据权利要求1所述的重建光声内窥层析图像的方法，其特征在于，所述获取用于光声内窥层析成像稀疏重建问题的光声数据集，具体包括：
通过超声探测器采集全角度扫描的完备光声数据集和有限角度扫描的稀疏光声数据集。


3.根据权利要求2所述的重建光声内窥层析图像的方法，其特征在于，所述根据所述光声数据集，得到腔体横截面的光吸收分布图，所述光吸收分布图包括测试集和训练集，具体包括：
根据所述光声数据集采用公式得到腔体横截面的光吸收分布图；
其中，Φ(k)(r)是由第k个光声数据集重建出的位置r处的光吸收能量；是的第j个元素，i＝1,2,...,n，j＝1,2,...,l；Cp是组织的比热容；c是超声波在组织中的传播速度；β是组织的体积膨胀温度系数；r0是超声探测器与图像平面中心点之间的距离矢量；φ0是超声探测器与X轴之间的夹角；t是超声波从位置r处到超声探测器的传播时间；d是微分符号；是偏导符号；
将根据有限角度扫描的稀疏光声数据集重建出的光吸收分布图作为样本的输入图像，将根据全角度扫描的完备光声数据集重建出的图像作为样本的目标图像，构建数据集；
将所述数据集中的所有样本随机打乱，按照7:3的比例将所述数据集划分为训练集和测试集。


4.根据权利要求1所述的重建光声内窥层析图像的方法，其特征在于，所述采用所述训练集和测试集对所述前向传播神经网络模型进行训练和测试，得到优化后的神经网络模型，具体包括：
采用所述训练集对所述前向传播神经网络模型进行训练，得到训练后的神经网络模型；
采用所述测试集对所述训练后的神经网络模型进行测试，更新所述训练后的神经网络模型的参数，得到优化后的神经网络模型。


5.根据权利要求3所述的重建光声内窥层析图像的方法，其特征在于，所述根据所述优化后的神经网络模型对所述腔体横截面的光吸收分布图进行预测，得到预测的光吸收分布图，具体包括：
将所述有限角度扫描的稀疏光声数据重建出的光吸收分布图像输入至所述优化后的神经网络模型，得到预测的光声内窥层...

【专利技术属性】
技术研发人员：孙正，闫向阳，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13