【技术实现步骤摘要】
本专利技术属于磁纳米粒子成像领域，具体涉及了一种基于数据快速生成的磁粒子成像图像重建方法。
技术介绍
1、磁纳米粒子成像(magnetic particle imaging，mpi)是一种新型医学影像技术，通过测量磁纳米粒子的磁响应频谱，反演获得磁纳米粒子浓度、生物标志物浓度等多参数的空间分布信息，进而实现对待测区域的精准成像，可应用于肿瘤的早期诊断、治疗过程的实时监测和疗效的精准评估。相对于现有的医疗影像技术，如磁共振成像(magneticresonance imaging,mri)、电子计算机断层扫描(computed tomography，ct)、超声成像等，磁纳米粒子成像技术采用超顺磁性纳米粒子作为示踪剂和唯一的信号源，能够实现深度组织的穿透和信号强度的准确量化，该技术不受背景信号干扰，具有高灵敏度、高时-空分辨率、高信背比和无放射性等特点，使得它在医学领域有很好的应用前景。
2、然而，mpi图像重建(即在测得磁粒子磁响应信号后，通过一定的图像重建方法对磁粒子参数的空间分布进行求解)是一个严重的病态性问题，测量过程中微小的噪声干扰会对重建结果产生很大影响，直接影响磁纳米粒子成像的空间分辨率和检测灵敏度。此外，由于系统矩阵的规模庞大，逆问题求解时需要的时间较长，直接影响重建速度。
3、基于正则化的传统重建方法一般通过引入正则化项，降低逆问题求解的病态性，进而实现由测量电压到重建图像的映射。而基于深度学习的重建方法通过神经网络强大的学习能力可以实现测量电压到图像的端到端连接，也可以实现低分辨率图像到高
技术实现思路
1、本专利技术公开一种基于数据快速生成的磁粒子成像图像重建方法，通过结合实测系统矩阵、仿真分布和实测噪声数据模拟真实实验数据并通过深度学习的方法重建图像，加快图像重建速度，提高图像分辨率。
2、为实现上述目的，本专利技术提供了如下方案：
3、步骤s10，将浓度为c的磁纳米粒子点状仿体置于磁粒子成像系统的成像区域中心，对成像区域施加扫描磁场和激励磁场，得到点扩散函数矩阵，对点扩散函数矩阵进行变换得到系统矩阵a；
4、步骤s20，将蒸馏水点状仿体置于磁粒子成像系统的成像区域中心，使用磁粒子成像系统进行磁场激励和磁响应信号采集，提取信号的谐波，形成噪声向量n；
5、步骤s30，构建磁粒子浓度分布矩阵c并设置初始值，通过数值仿真计算得到电压数据向量u：
6、u＝a·c+n。
7、采用最优化方法调整矩阵c，使仿真计算得到的电压数据向量u与实验系统采集的测量电压数据值趋于一致；
8、步骤s40，改变磁粒子浓度分布，重新构建矩阵c，计算电压数据向量u，数据集数i＝i+1，若i＞设定目标数据集数，数据集扩充完成，获取大批量电压数据向量与浓度分布的映射数据集，否则重复步骤s40；
9、步骤s50，将生成的磁纳米粒子成像数据集分为训练集和测试集，选取神经网络模型和损失函数进行训练；将待成像体放入磁粒子成像系统成像区域，获得电压数据向量，输入训练好的神经网络模型，得到磁粒子浓度分布，并生成可视化图像。
10、优选地，步骤s10包括：
11、步骤s101：利用扫描线圈产生的扫描场改变成像区域的零磁场点，以二维成像为例，零磁场点位置记为(xffp,yffp)；
12、步骤s102：采集样品位置(x,y)为成像中心区域(0,0)时的磁化响应电压信号，提取电压信号的谐波组成点扩散函数矩阵，记为psf；
13、步骤s103：，对psf矩阵进行变换得到系统矩阵，表示为：
14、
15、其中，psf(x,y)是psf矩阵在位置(x,y)处的值，δx＝(xm-x1)/(m-1),δy＝(yn-y1)/(n-1)，m为x方向的像素数，n为y方向的像素数。
16、本专利技术的有益效果在于：
17、1.本专利技术通过结合实测系统矩阵、仿真分布和实测噪声数据，模拟磁粒子真实实验电压数据，优化了磁粒子成像数据集的采集流程，使得数据集的获取更便捷快速，具有通用性高，便于移植的特点。
18、2.本专利技术采用基于深度学习的图像重建方法，通过将电压数据向量输入训练好的神经网络模型，得到磁粒子浓度分布，能够进一步减小图像误差，提高成像的空间分辨率。
本文档来自技高网...【技术保护点】
1.一种基于数据快速生成的磁粒子成像图像重建方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于数据快速生成的磁粒子成像图像重建方法，其特征在于，步骤S10包括：
【技术特征摘要】
1.一种基于数据快速生成的磁粒子成像图像重建方法，其特征在于，该方法包括以下步骤：
2...
【专利技术属性】
技术研发人员：孙世杰，钟景，徐立军，蔡荣，赵明阳，
申请(专利权)人：北京航空航天大学，
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。