【技术实现步骤摘要】
本专利技术属于医学成像，具体涉及近红外ⅱ区光学参数求解方法。
技术介绍
1、近红外ⅱ区荧光成像具有自体荧光弱、光谱吸收小散射损失低等优势，可在较深的成像深度处产生更好的空间分辨率和特征对比度。近红外ⅱ区荧光三维成像技术可准确获取病灶的位置与定量分布信息，为早期微小病灶精确定量检测提供有效手段。具有广阔的应用前景和预临床应用潜力。
2、目前，近红外ⅱ区荧光三维成像的重建方法主要是从可见光/近红外i区荧光三维成像方法扩展过来的方法，这种基于数学模型的三维成像方法需要进行两方面的过程，包括光传输模型的构建和光源重建。高效准确的光传输模型是光学三维重建的重要前提，辐射传输方程和蒙特卡罗仿真可以准确描述光在生物组织中的传输过程，但是存在求解难度大和耗时长等缺陷。因此，辐射传输方程的近似方程，包括扩散方程、简化球谐波方程和混合模型广泛应用于近红外i区荧光三维成像方法，这些方法和构建光传输模型的各个器官光学参数经验公式也被扩展应用到近红外ⅱ区荧光三维成像，近红外ⅱ区光传输模型的精度和效率有待进一步提高。
3、通过上述分析，现有技术存在的问题及缺陷为：准确的光传输模型是光学三维重建的基础，需要各个组织器官的光学特性参数，而在现有近红外ii区成像研究中光学特性参数均是根据可见光/近红外i区荧光的光学特性参数经验公式计算获得，无法确保在近红外ii区荧光谱段上的准确性，会对三维重建过程产生一定影响。
4、解决以上问题及缺陷的难度为：目前近红外ii区生物组织光学特性参数采用近红外i区光学特性参数，因此需要解决近红外i
5、解决以上问题及缺陷的意义为：可以更加精准的构建光传输模型，为光源的精准定位提供重建基础，对早期微小病灶的精准检测具有重要意义。
技术实现思路
1、本专利技术的目的是提供近红外ⅱ区光学参数求解方法，解决了现有技术中存在的近红外ii区在体光学特征参数获取不准确的问题。
2、本专利技术所采用的技术方案是，近红外ⅱ区光学参数求解方法，具体按照以下步骤实施：
3、步骤1、对包含生物组织器官的生物体仿体进行网格剖分获取精细体素网格，将系统测量的体表扩散光分布和生物体网格信息进行融合作为深度神经网络的输入；
4、步骤2、搭建重建网络，利用融合的光强信息进入重建网络得到的生物体内各区域的光学参数，利用得到的光学参数和前向模型得到体表形成的扩散光信号分布；
5、步骤3、将计算获得的扩散光信号分布与扩散光学系统采集的体表扩散光分布进行对比，获取目标函数，对网络参数进行更新。
6、本专利技术的特点还在于，
7、步骤1具体按照以下步骤实施：
8、步骤1.1、采用计算机断层成像或磁共振成像获取生物体结构信息，包括肌肉、骨骼、肝、心脏等器官的结构信息。
9、步骤1.2、利用amira软件对生物体进行网格剖分获取精细体素网格，在armira软件中导入生物体数据，对导入数据进行预处理确保数据的准确性和清晰度，设置网格的密度和精度进行重构获取有限元网格。
10、步骤1.3、获取光源位于仿体体表的近红外ⅱ区光源的扩散光分布信息，采用ccd获取体表的光强度图像。
11、步骤1.4、将体表的扩散光分布信息与生物体结构信息进行融合，并作为深度神经网络的输入。这里体表的扩散光分布信息为ccd采集的体表光强度信息，为二维信息，自由空间光传输模型完成ccd二维信息到生物体体表体素信息的映射，模型基于混合辐射度-辐射亮度学定理描述光子在自由空间中传输时的能量变化，同时结合复杂光学成像系统的简化模型，实现了光子在自由空间中传输过程，通过这个过程完成体表扩散光分布信息与生物体结构信息的融合。
12、步骤2具体按照以下步骤实施：
13、步骤2.1、搭建重建网络采用经典的encoder-decoder形式结构，在网络中加入了残差网络单元和注意力门控单元保证网络的鲁棒性。其输入为融合的光强信息，实现光强信号分布到光学参数信息的映射，其输出是对生物体内部各个组织器官光学参数的预测或估计，这些预测的光学参数信息将作为步骤2.3中蒙特卡罗仿真模型的输入，用于模拟光子在生物组织内部传播过程，以获取预测的光学参数所产生的生物体表面的光强分布信息。
14、步骤2.2、构建前向物理模型，蒙特卡罗仿真作为检验其它光传输模型的金标准，其准确性和有效性得到了广泛验证，其结构是基于随机模拟光子在生物组织内传播的过程，输入包括生物组织的结构信息、光源的参数和边界条件，通过模拟光子的发射、传播和与组织相互作用来模拟光在组织中的传输过程；而输出为能量在每一个网格点的分布情况。为了解决仿真时间问题，该模型为基于gpu加速的蒙特卡罗monte carlo仿真模型，该模型是一种利用gpu并行计算能力加速的结构，包含蒙特卡罗方法的光传输模拟算法，通过gpu的高效并行计算，实现大规模的光子在生物组织内的传输过程。
15、步骤2.3、将所述步骤1获取的生物体结构信息及步骤2.1中重建网络输出作为生物组织光学参数进行前向仿真，通过步骤2.2搭建的基于gpu加速的蒙特卡罗仿真模型获取生物体表光强分布信息φ′。
16、步骤3具体按照以下步骤实施：
17、步骤3.1、目标函数为通过蒙特卡罗仿真获取的表面光强与步骤1中采集的近红外ii区光源的扩散光分布信息构建，具体形式为loss(μa，μs)＝||φ-φ′||2；通过荧光分布前向与真实表面的均方误差并使用反向传播算法调整网络内部参数；
18、步骤3.2、多次求解生物体光学参数，记录所有求解结果，并通过不断迭代调整神经网络内部的权重和偏差，通过权重的调整进一步优化模型。
19、步骤3.3、记录所有迭代结果的目标函数值和生物组织光学参数，当达到输出条件时，选择当前生物体光学参数结果作为最终求解结果。
20、本专利技术的有益效果是，近红外ii区光学参数求解方法，具有强大的非线性建模能力，该方法不用从大量数据中学习特征和模型，逐步改进网络预测性能，使模型更好适应不同生物体仿体的变化，逐步逼近有效的物理模型，用于三维成像的重建，对比经验公式获取的光学参数，该方法可以准确在体地预测近红外ii区光学参数，从而进一步提高三维成像精度。
本文档来自技高网...【技术保护点】
1.近红外Ⅱ区光学参数求解方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的近红外Ⅱ区光学参数求解方法，其特征在于，所述步骤1具体按照以下步骤实施：
3.根据权利要求2所述的近红外Ⅱ区光学参数求解方法，其特征在于，所述步骤1.1中生物体结构信息包括肌肉、骨骼、肝、心脏等器官的结构信息。
4.根据权利要求2所述的近红外Ⅱ区光学参数求解方法，其特征在于，所述步骤2具体按照以下步骤实施：
5.根据权利要求4所述的近红外Ⅱ区光学参数求解方法，其特征在于，所述步骤3具体按照以下步骤实施：
【技术特征摘要】
1.近红外ⅱ区光学参数求解方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的近红外ⅱ区光学参数求解方法，其特征在于，所述步骤1具体按照以下步骤实施：
3.根据权利要求2所述的近红外ⅱ区光学参数求解方法，其特征在于，所述步骤1.1中生物...
【专利技术属性】
技术研发人员：王琳，潘陈睿，张家琦，苏浩楠，赵明华，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：
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。