一种荧光分子断层成像快速重建方法、系统、设备及存储介质技术方案

本发明专利技术属于分子影像技术领域，公开了一种荧光分子断层成像快速重建方法、系统、设备及存储介质，通过激发光源激发特异性荧光探针并利用数据采集系统获得生物组织表面光分布信息；基于光传输模型和有限元法构建表面光源分布与荧光目标的线性关系；将得到的线性关系转化为待求解的最优化问题；利用自适应快速迭代收缩阈值算法对最优化问题进行快速求解，展示结果完成重建。本发明专利技术采用多点激发，多角度测量，同时结合光传输模型与有限元方法建立测量数据与荧光目标的线性关系，并转化为最优化问题；于待求解的最优化问题，采用自适应快速迭代收缩阈值算法快速求解，在保证重建精度的同时，也加快了重建的速度；有效提高了荧光分子断层成像的效率。断层成像的效率。断层成像的效率。

【技术实现步骤摘要】
一种荧光分子断层成像快速重建方法、系统、设备及存储介质


[0001]本专利技术属于分子影像
，尤其涉及一种荧光分子断层成像快速重建方法、系统、设备及存储介质。

技术介绍

[0002]目前，荧光分子断层成像(以下简称FMT)是近年来发展起来的具有应用前景的新型成像模态。它使用外部光源激发特异性荧光探针(荧光蛋白、荧光染料等)使其发射光子，然后利用荧光采集装置(高灵敏度的CCD相机)收集生物组织表面的荧光信号，结合光传输模型，可以获得重建目标内部荧光探的位置分布和浓度，以此实现对活体状态下的生物过程进行细胞和分子水平的定性和定量的研究。目前FMT被广泛用于疾病早期诊断、疗效监测、新药研发等领域。
[0003]FMT的逆问题具有严重病态性，其根本原因是光的强散射特性，使得光子在生物体其内部不再沿直线传播，而是经过大量无规则的散射过程。另外，由于采集的荧光分布局限于成像目标的表面，数量有限，这使得逆问题是一个未知数远远大于方程数的数学问题，进一步增加了求解问题的不适定性。而为了缓解逆问题的病态性，常以增加投影数据和多点激发为手段，但由此也带来了巨大的时间成本。因此研究更合适的算法，在保证精度的同时的提高重建速度是FMT的重要方向。
[0004]通过上述分析，现有技术存在的问题及缺陷为：为了缓解逆问题的病态性，常以增加投影数据和多点激发为手段，但由此也带来了巨大的时间成本。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供了一种荧光分子断层成像快速重建方法、系统、设备及存储介质。
[0006]本专利技术是这样实现的，一种荧光分子断层成像快速重建方法，所述荧光分子断层成像快速重建方法根据采集到的光学数据，利用所提出的自适应快速迭代收缩阈值算法进行求解，算法主要改进为新的自适应搜索策略，应用此策略的该算法具有更快的收敛速度，从而加速FMT重建；具体包括：
[0007]第一步，通过激发光源激发特异性荧光探针并利用数据采集系统获得生物组织表面光分布信息；
[0008]第二步，基于光传输模型和有限元法构建表面光源分布与荧光目标的线性关系；
[0009]第三步，将得到的线性关系转化为待求解的最优化问题；
[0010]第四步，利用自适应快速迭代收缩阈值算法对最优化问题进行快速求解，展示结果完成重建。
[0011]第一步主要为获取信息，为后续步骤的必要部分；第二步主要为将步骤一的数据建立起数学模型；第三步将数学模型转化为可用后续算法进行求解的数学问题；第四步提出新的算法以加快重建的速度。
[0012]进一步，所述第一步实现过程：利用激发光源激发生物体内特异性荧光探针，荧光探针受到激发后发射特定波长的光学信号，然后利用数据采集系统对光学信号进行采集以获得生物组织表面的光分布信息。
[0013]进一步，利用激发光源激发生物体内特异性荧光探针采用多点激发，多角度测量以获得大规模荧光数据。
[0014]进一步，获取荧光测量数据以及重建对象的解剖结构信息以及光学特性参数，利用Amira软件对成像目标进行离散获得有限元网格实现过程是：基于扩散近似模型和Robin边界条件，用系统矩阵A建立表面测量得到的荧光信息Φ和所要重建的荧光目标X的线性关系：
[0015]AX＝Φ；
[0016]其中X表示需要重建的荧光目标；Φ表示表面测量的荧光分布信息；A为系统矩阵。
[0017]进一步，所述第三步具体为将上述线性关系转化为凸优化问题，荧光分子探针在生物组织中的分布较为稀疏，因此可将权利4所述线性关系转化为l1范数的极小化问题：
[0018][0019]λ是正则化参数。
[0020]进一步，所述第四步采用自适应快速迭代收缩阈值算法对模型进行加速求解，将写作f(X)，对于连续可微的函数f满足如下利普希茨连续条件：
[0021][0022]其中L(f)为利普希茨常数，引入近端算子，对于任意点Y，将极小化问题转化为如下问题：
[0023][0024]Q
L
(X，Y)中有唯一的最小点：
[0025][0026]根据迭代收缩阈值算法得如下的迭代步骤：
[0027]x
k
＝p
L
(x
k
‑1)；
[0028]其中利普希茨常数决定迭代的步长，在每次迭代过程中，应该满足近端梯度条件：
[0029][0030]引入自适应搜索策略来提高利普希茨常数的精度，从而加速算法，所述自适应搜索策略包含以下步骤：
[0031]步骤一，结合每次迭代的梯度构造扩增因子η
k
，当不满足近端梯度条件时，对利普希茨常数按如下式子进行扩增：
[0032]L
k
＝(1+η
k
)*L
k
[0033]d
k
为梯度算子，且
[0034][0035]α
′
为使得L
k
满足近端梯度条件时的最大值，即在每次回溯中以α
′
＝0.9*α
′
进行更新。
[0036]步骤二，判断前后两次迭代计算出的利普希茨常数是否发生变化，若未变化则利用如下公式对利普希茨常数进行缩减：
[0037]L
k
＝p
k
*L
k
‑1；
[0038]其中缩减因子p
k
定义为：
[0039][0040]其中η
k
为步骤一所得的扩增因子；
[0041]快速迭代收缩阈值算法利用Nesterov策略来加快收敛速度，即以包含t
k+1
与t
k
的辅助序列实现以x
k
与x
k
‑1的特殊线性组合来得到下一步迭代点；引入所述自适应搜索策略后，本次迭代选取的利普希茨常数值可能小于上一步选取的利普希茨常数值，原有的辅助序列无法保证算法收敛，为了保证算法收敛性，满足如下不等式：
[0042][0043]其中v
k
＝F(x
k
)
‑
F(x
*
),u
k
＝t
k
x
k
‑
(t
k
‑
1)x
k
‑1‑
x
*
，x
*
为最优值点；
[0044]构造新的辅助序列引入新的序列后，算法的迭代步骤为：
[0045][0046][0047][0048]进一步，所述第四步具体包括：
[0049](4a)初始化各参数:利普希茨常数L0，扩增因子η0与缩减因子p0，初始迭代点x0；
[0050](4b)进入自适应快速迭代收缩阈值算法迭代求解直至满足迭代条件输出结果X；
[0051](4c)利用Tecplot软件对构造三维图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种荧光分子断层成像快速重建方法，其特征在于，所述荧光分子断层成像快速重建方法根据采集到的光学数据，利用所提出的自适应快速迭代收缩阈值算法进行求解，算法主要改进为新的自适应搜索策略，应用此策略的该算法具有更快的收敛速度，从而加速FMT重建。2.如权利要求1所述的荧光分子断层成像快速重建方法，其特征在于，所述荧光分子断层成像快速重建方法包括：第一步，通过激发光源激发特异性荧光探针并利用数据采集系统获得生物组织表面光分布信息；第二步，基于光传输模型和有限元法构建表面光源分布与荧光目标的线性关系；第三步，将得到的线性关系转化为待求解的最优化问题；第四步，利用自适应快速迭代收缩阈值算法对最优化问题进行快速求解，展示结果完成重建。3.如权利要求1所述的荧光分子断层成像快速重建方法，其特征在于，所述第一步实现过程：利用激发光源激发生物体内特异性荧光探针，荧光探针受到激发后发射特定波长的光学信号，然后利用数据采集系统对光学信号进行采集以获得生物组织表面的光分布信息；利用激发光源激发生物体内特异性荧光探针采用多点激发，多角度测量以获得大规模荧光数据。4.如权利要求1所述的荧光分子断层成像快速重建方法，其特征在于，获取荧光测量数据以及重建对象的解剖结构信息以及光学特性参数，利用Amira软件对成像目标进行离散获得有限元网格实现过程是：基于扩散近似模型和Robin边界条件，用系统矩阵A建立表面测量得到的荧光信息Φ和所要重建的荧光目标X的线性关系：AX＝Φ；其中X表示需要重建的荧光目标；Φ表示表面测量的荧光分布信息；A为系统矩阵。5.如权利要求1所述的荧光分子断层成像快速重建方法，其特征在于，所述第三步具体为将上述线性关系转化为凸优化问题，荧光分子探针在生物组织中的分布较为稀疏，因此可将权利4所述线性关系转化为l1范数的极小化问题：λ是正则化参数。6.如权利要求1所述的荧光分子断层成像快速重建方法，其特征在于，所述第四步采用自适应快速迭代收缩阈值算法对模型进行加速求解，将写作f(X)，对于连续可微的函数f满足如下利普希茨连续条件：其中L(f)为利普希茨常数，引入近端算子，对于任意点Y，将极小化问题转化为如下问题：
Q
L
(X，Y)中有唯一的最小点：根据迭代收缩阈值算法得如下的迭代步骤：x
k
＝p
L
(x
k
‑1)；其中利普希茨常数决定迭代的步长，在每次迭代过程中，应该满足近端梯度条件：引入自适应搜索策略来提高利普希茨常数的精度，从而加速算法，所述自适应搜索策略包含以下步骤：步骤一，结合每次迭代的梯度构造扩增因子η
k
，当不满足近端梯度条件时，对利普希茨常数按如下式子进行扩增：L
k
＝(1+η
k
)*L
k
d
k
为梯度算子，且α
′
为使得L
k

【专利技术属性】
技术研发人员：赵凤军，钟升，易黄建，马思豪，唐子坚，曹欣，何雪磊，郭红波，侯榆青，贺小伟，
申请(专利权)人：西北大学，
类型：发明
国别省市：