基于深度图像先验的MPI系统矩阵复原方法技术方案

本发明专利技术属于生物医学分子影像领域，具体涉及一种基于深度图像先验的MPI系统矩阵复原方法、系统、设备，旨在解决现有的系统矩阵获取方法操作繁琐，采集时间长，而且针对新的粒子，需要重新扫描，严重影响了MPI的使用效率的问题。本发明专利技术方法包括：构建欠采样的系统矩阵；将欠采样的系统矩阵按行进行RGB编码，得到RGB图像；将随机噪声作为网络输入，输入到3D

【技术实现步骤摘要】
基于深度图像先验的MPI系统矩阵复原方法


[0001]本专利技术属于生物医学分子影像领域，具体涉及一种基于深度图像先验的MPI系统矩阵复原方法、系统、设备。

技术介绍

[0002]磁粒子成像技术(Magnetic particle imaging,MPI)是一种新兴的断层成像技术，它以高时空分辨率对磁性纳米粒子进行在体定量成像。此外，MPI只对磁性纳米粒子进行特异性成像，没有背景信号干扰，因此，采集到的信号强度与磁性纳米粒子浓度成正比，这使得MPI在生物医学应用中成为一种非常有前景的成像方式，例如心血管疾病的可视化。
[0003]为了重建磁性纳米粒子的空间浓度分布，需要借助于系统矩阵，构建测量电压信号与实际粒子浓度分布之间的线性关系。系统矩阵描述了粒子浓度与接收线圈中感应电压之间的映射关系。然而，到目前为止，确定MPI系统矩阵的最精确方法是使用一种特殊的校准程序。基本的思想是根据事先设定的三维网格数据，用一个充满磁性纳米颗粒的小样本填充网格上的一个像素或者说一个网格。这个小样本使用机器人放置在视野(FOV)的所有网格位置。在每个位置，进行MPI信号采集，采集到的信号作为系统矩阵的一列。校准方法的最大缺点是操作繁琐，采集时间长，例如中等大小34*28*20的网格图像，校准时间就大约需要6小时。一般情况下，网格的密度越高，图像的分辨率会越高，校准过程花费时间也就会越高。此外，由于磁性纳米粒子合成过程中的操作偏差，针对每一批新的粒子，系统矩阵通常需要重新扫描。而且任何采集参数的变化，如驱动场或选择场的强度变化，也需要重新测量系统矩阵。这一问题严重影响了MPI的使用效率，也会极大的限制MPI的应用前景。因此，为了进一步拓展MPI成像在生物医学研究中的应用范围，需要研究一种快速而又准确的系统矩阵复原方法以加快系统矩阵的校准过程。基于此，本专利技术提出了一种基于深度图像先验的MPI系统矩阵复原方法。

技术实现思路

[0004]为了解决现有技术中的上述问题，即为了解决现有的系统矩阵获取方法操作繁琐，采集时间长，而且针对新的粒子，需要重新扫描，严重影响了MPI的使用效率，也会极大的限制MPI的应用的问题，本专利技术提出了一种基于深度图像先验的MPI系统矩阵复原方法，利用欠采样的系统矩阵复原出完整的全采样的系统矩阵，进而基于复原后的系统矩阵，构建测量电压信号与实际粒子浓度分布之间的线性关系，重建磁性纳米粒子的空间浓度分布，进行磁粒子成像，该方法包括：
[0005]步骤S100，基于MPI成像时设定的欠采样网格的长宽高，构建欠采样的系统矩阵其中，M、N表示欠采样的系统矩阵的行、列数；
[0006]步骤S200，将所述欠采样的系统矩阵按行进行RGB编码，得到M个RGB图像；
[0007]步骤S300，将随机噪声作为网络输入，输入到预构建的3D
‑
Unet神经网络，将各RGB图像作为真值标签，每次迭代计算损失并回传，迭代结束后输出全采样的RGB图像；
[0008]步骤S400，将全采样的RGB图像解码成复数形式，得到基于复数的系统矩阵，即复原后的系统矩阵。
[0009]在一些优选的实施方式中，所述欠采样的系统矩阵，其构建方法为：
[0010]根据MPI成像时设定的欠采样网格的长、宽、高，机器人将一个充满磁性纳米颗粒的小样本自动放置在视野的每个网格位置，然后进行MPI信号采集，每个位置采集到的电压信号作为系统矩阵的一列，采集完所有网格位置之后，即获得了相应的欠采样的系统矩阵。
[0011]在一些优选的实施方式中，所述欠采样的系统矩阵的列数，其获取方法为：
[0012]N＝n1×
n2×
n3[0013]其中，n1，n2，n3分别表示设定欠采样网格的长、宽、高。
[0014]在一些优选的实施方式中，将所述欠采样的系统矩阵按行进行RGB编码，得到M个RGB图像，其方法为：
[0015]步骤S210：将欠采样的系统矩阵的每一行向量编码成HSV格式数据；所述欠采样的系统矩阵的行向量为复数形式；
[0016]步骤S220：把HSV数据通过标准的HSV
‑
RGB转换方式，转换为RGB图像。
[0017]在一些优选的实施方式中，将欠采样的系统矩阵的每一行向量编码成HSV格式数据，其方法为：
[0018]T
HSV
(S
i
)＝(H，S，V)＝(arg S
i
，1，|S
i
|)
[0019]其中，arg S
i
表示复数的相位角，|S
i
|表示复数的幅值，i＝1，...M。
[0020]在一些优选的实施方式中，所述3D
‑
Unet神经网络，其在训练时的损失函数Loss为：
[0021][0022]其中，X
out
表示3D
‑
Unet神经网络输出全采样的RGB图像经过设定的降采样，得到的欠采样的RGB图像，X
true
表示欠采样系统矩阵按行进行RGB编码后得到的RGB图像。
[0023]本专利技术的第二方面，提出了一种基于深度图像先验的MPI系统矩阵复原系统，利用欠采样的系统矩阵复原出完整的全采样的系统矩阵，进而基于复原后的系统矩阵，构建测量电压信号与实际粒子浓度分布之间的线性关系，重建磁性纳米粒子的空间浓度分布，进行磁粒子成像，该系统包括：系统矩阵构建模块、RGB编码模块、迭代计算模块、解码模块；
[0024]所述系统矩阵构建模块，配置为基于MPI成像时设定的欠采样网格的长宽高，构建欠采样的系统矩阵其中，M、N表示欠采样的系统矩阵的行、列数；
[0025]所述RGB编码模块，配置为将所述欠采样的系统矩阵按行进行RGB编码，得到M个RGB图像；
[0026]所述迭代计算模块，配置为将随机噪声作为网络输入，输入到预构建的3D
‑
Unet神经网络，将各RGB图像作为真值标签，每次迭代计算损失并回传，迭代结束后输出全采样的RGB图像；
[0027]所述解码模块，配置为将全采样的RGB图像解码成复数形式，得到基于复数的系统矩阵，即复原后的系统矩阵。
[0028]本专利技术的第三方面，提出了一种电子设备，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所
述指令用于被所述处理器执行以实现上述的基于深度图像先验的MPI系统矩阵复原方法。
[0029]本专利技术的第四方面，提出了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于深度图像先验的MPI系统矩阵复原方法。
[0030]本专利技术的有益效果：
[0031]本专利技术简化了系统矩阵的获取操作，缩短了采集时间，并提升了MPI的使用效率。
[0032]本专利技术无需通过大量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度图像先验的MPI系统矩阵复原方法，利用欠采样的系统矩阵复原出完整的全采样的系统矩阵，进而基于复原后的系统矩阵，构建测量电压信号与实际粒子浓度分布之间的线性关系，重建磁性纳米粒子的空间浓度分布，进行磁粒子成像，其特征在于，该方法包括：步骤S100，基于MPI成像时设定的欠采样网格的长宽高，构建欠采样的系统矩阵其中，M、N表示欠采样的系统矩阵的行、列数；步骤S200，将所述欠采样的系统矩阵按行进行RGB编码，得到M个RGB图像；步骤S300，将随机噪声作为网络输入，输入到预构建的3D
‑
Unet神经网络，将各RGB图像作为真值标签，每次迭代计算损失并回传，迭代结束后输出全采样的RGB图像；步骤S400，将全采样的RGB图像解码成复数形式，得到基于复数的系统矩阵，即复原后的系统矩阵。2.根据权利要求1所述的基于深度图像先验的MPI系统矩阵复原方法，其特征在于，所述欠采样的系统矩阵，其构建方法为：根据MPI成像时设定的欠采样网格的长、宽、高，机器人将一个充满磁性纳米颗粒的小样本自动放置在视野的每个网格位置，然后进行MPI信号采集，每个位置采集到的电压信号作为系统矩阵的一列，采集完所有网格位置之后，即获得了相应的欠采样的系统矩阵。3.根据权利要求1所述的基于深度图像先验的MPI系统矩阵复原方法，其特征在于，所述欠采样的系统矩阵的列数，其获取方法为：N＝n1×
n2×
n3其中，n1，n2，n3分别表示设定欠采样网格的长、宽、高。4.根据权利要求1所述的基于深度图像先验的MPI系统矩阵复原方法，其特征在于，将所述欠采样的系统矩阵按行进行RGB编码，得到M个RGB图像，其方法为：步骤S210：将欠采样的系统矩阵的每一行向量编码成HSV格式数据；所述欠采样的系统矩阵的行向量为复数形式；步骤S220：把HSV数据通过标准的HSV
‑
RGB转换方式，转换为RGB图像。5.根据权利要求4所述的基于深度图像先验的MPI系统矩阵复原方法，其特征在于，将欠采样的系统矩阵的每一行向量编码成HSV格式数据，其方法为：T
HSV
(S
i
)＝(H，S，V)＝(arg S
i

【专利技术属性】
技术研发人员：田捷，尹琳，张鹏，惠辉，
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：