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

1.本发明属于分子影像技术领域，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。


背景技术：

2.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。
3.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。
4.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。


技术实现要素：

5.针对现有技术存在的问题，本发明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。
6.本发明是这样实现的，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：
7.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；
8.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；
9.第三步，将得到的线性关系转化为待求解的最优化问题；
10.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。
11.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。
12.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。
13.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。
14.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：
15.ax＝φ；
16.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。
17.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]ql
(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]
xk＝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ηk，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]
lk＝(1 ηk)*lk[0033]dk
为梯度算子，且
[0034]
[0035]
α
′
为使得lk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]
lk＝pk*l
k-1
；
[0038]
其中缩减因子pk定义为：
[0039][0040]
其中ηk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tk的辅助序列实现以xk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vk＝f(xk)-f(x
*
),uk＝tkx
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软件对构造三维图像结果，完成重建并计算各项指标。
[0052]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述荧光分子断层成像快速重建方法的步骤。
[0053]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述荧光分子断层成像快速重建方法的步骤。
[0054]
本发明的另一目的在于提供一种实施所述荧光分子断层成像快速重建方法的荧光分子断层成像快速重建系统，所述荧光分子断层成像快速重建系统包括：
[0055]
分布信息获得模块，用于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；
[0056]
线性关系构建模块，用于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；
[0057]
问题求解模块，用于将得到的线性关系转化为待求解的最优化问题；
[0058]
成像构建模块，用于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。
[0059]
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
[0060]
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0061]
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，并将其转化为最优化问题。对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进行快速求解。标准的快速迭代收缩阈值算法采用线性增长的搜索策略，若算法在开始迭代时计算出一个较大的利普希茨常数值则算法会一直保持一个较小的步长，从而影响算法的收敛速度。本发明的算法引入了一种结合梯度信息的自适应搜索策略以提高步长搜索的准确度，更准确的步长搜索将有效提高算法的收敛速度。因此使用本方法进行fmt重建，不仅可以保证重建精度，也加快了重建的速度。本发明有效提高了荧光分子断层成像的效率，在医学分子影像，重建方法等领域有重要的应用价值。
[0062]
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
[0063]
本方法采用多点激发以及多角度测量以获得大规模的表面光数据。同时基于光传输模型和有限元方法建立表面光数据与待重建的荧光探针分布的线性关系。在重建过程中，采用所提出的自适应快速迭代收缩阈值算法方法进行逆问题求解，在保证重建精度的同时也提高了重建的速度。从整体上，本发明以硬件设备为基础，软件算法为核心，是一个可以实现fmt快速重建的完整方案。
[0064]
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
[0065]
(1)本发明的技术方案转化后的预期收益和商业价值为：
[0066]
本发明所述重建方法用于加速fmt重建速度，并且可扩展应用到生物发光断层成像以及x射线发光断层成像等新型成像模态。fmt广泛应用于疾病早期诊断、疗效监测、新药研发等领域，在未来医疗市场具有较大需求，有较大的商业价值。本方法可有效提高实现fmt的快速重建，减少fmt应用时的时间成本，无疑是一种可推动fmt发展的可靠方法。
[0067]
(2)本发明的技术方案填补了国内外业内技术空白：
[0068]
本发明所述重建方法，在国内外首次提出引入结合梯度信息的自适应搜索策略，所提出的自适应搜索策略在相比于快速迭代收缩阈值算法的线性搜索策略更加灵活且可以获得更优的步长，从而提高了快速迭代收缩阈值算法在fmt中的重建速度。
附图说明
[0069]
图1是本发明实施例提供的荧光分子断层成像快速重建方法流程图；
[0070]
图2是本发明实施例提供的荧光分子断层成像快速重建系统的结构示意图；
[0071]
图3是本发明实施例提供的荧光分子断层成像重建方法的实现流程图；
[0072]
图4是本发明实施例提供的自适应快速迭代收缩阈值算法计算流程图；
[0073]
图5是本发明实施例提供的用于仿真实验的数字鼠模型示意图；
[0074]
图6是本发明实施例提供的重建算法获得的重建结果，其中(a)为三维重建结果，(b)为z＝16.0mm截面的二维结果图；
[0075]
图7是本发明实施例提供的重建算法(afista)与快速迭代收缩阈值算法(fista)的参数比较图，其中图(a)为两种算法的迭代曲线对比，图(b)为两者的定量结果对比；
[0076]
图中：1、分布信息获得模块；2、线性关系构建模块；3、问题求解模块；4、成像构建模块。
具体实施方式
[0077]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0078]
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
[0079]
如图1所示，本发明实施例提供的荧光分子断层成像快速重建方法包括以下步骤：
[0080]
s101：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；
[0081]
s102：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；
[0082]
s103：将得到的线性关系转化为待求解的最优化问题；
[0083]
s104：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。
[0084]
如图2所示，本发明实施例提供的荧光分子断层成像快速重建系统包括：
[0085]
分布信息获得模块1，用于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；
[0086]
线性关系构建模块2，用于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；
[0087]
问题求解模块3，用于将得到的线性关系转化为待求解的最优化问题；
[0088]
成像构建模块4，用于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。
[0089]
如图3所示，本发明实施例提供的荧光断层成像重建方法具体包括以下步骤：
[0090]
(1)激发生物体内荧光探针，利用数据采集系统获取生物组织表面光分布信息。
[0091]
(1a)采用多点激发获取大规模数据，特异性荧光探针可为cy5.5，icg等材料。
[0092]
(1b)采集系统为带有ccd相机的影像系统，例如带有荧光采集和ct功能的多模影像系统。采用投射式断层成像，将激光器与光学检测仪器放置在成像目标两侧，激光照射重
建目标激发荧光目标发出荧光，荧光穿透成像目标被对面光学检测仪检测到。
[0093]
(2)基于光传输模型和有限元方法构建表面光源分布的线性关系；
[0094]
利用amira软件对成像目标生物体进行有限元网格化，然后根据有限元理论将扩散近似方程离散，构建表面的测量数据与重建目标内部荧光目标分布的线性方程：
[0095]
ax＝φ；
[0096]
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。
[0097]
(3)将(2)中所述线性关系转化为1范数的极小化问题。待重建目标在整个区域内可看作是稀疏的，因此可将线性关系转化为1范数的极小化问题：
[0098][0099]
(4)如图4所示，对由(3)中得到的模型，采用自适应快速迭代收缩阈值算法进行快速求解。
[0100]
(4a)对于待求解问题，可将(3)中极小化问题的写作f(x),则对于连续可微的函f满足如下利普希茨连续条件：
[0101][0102]
其中为利普希l(f)茨常数，引入近端算子，对于任意点y，将(3)中优化问题转化为如下问题：
[0103][0104]ql
(x，y)中有唯一的最小点：
[0105][0106]
在引入近端算子后，根据迭代收缩阈值算法可得如下的迭代步骤：
[0107]
xk＝p
l
(x
k-1
)；
[0108]
(4b)引入加速收敛的搜索策略，即根据梯度信息自适应扩增或缩减利普希茨常数，其中扩增因子为：
[0109][0110]dk
为梯度算子，且：
[0111][0112]
α
′
为使得lk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。
[0113]
利用扩增因子对利普希茨常数l进行扩增：
[0114]
lk＝(1 ηk)*lk；
[0115]
当前后两次迭代利普希茨常数l的值不变时，对其进行缩减：
[0116]
lk＝pk*l
k-1
；
[0117]
缩减因子定义为：
[0118][0119]
其中ηk为步骤一所得的扩增因子。
[0120]
(4c)引入辅助序列其后续迭代为：
[0121][0122][0123][0124]
(5)显示结果，将由步骤(4)得到的结果过利用tecplot软件处理后显示。
[0125]
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
[0126]
利用激发光源对旋转台上的目标进行透射式激发，本实施例中用电脑控制旋转台等间隔旋转，每60度进行一次激发，并使用ccd相机进行数据采集，从而实现多角度激发，同时获得多组测量数据。获得多组测量数据后将构建表面测量到的荧光信息和待重建目标的线性关系。采用自适应快速迭代收缩阈值算法进行快速求解，得到的结果过利用tecplot软件处理后显示。
[0127]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0128]
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
[0129]
图5是用于仿真实验的数字鼠模型。选取了小鼠的躯干部分，并分割了小鼠的主要器官，包括心脏，肺，肝脏，胃，肾脏和肌肉组织。
[0130]
图6是基于本发明的重建结果。图(a)为三维重建结果，结果图(b)为z＝16mm截面图。中心位置分别为(12.0,8.0,16.0)mm，算法获得的重建荧光团中心位置为(12.11,8.00,15.60)mm。定位误差定义为：约等于0.42mm。重建的时
间为47.20s，重建收敛的迭代次数为175次。
[0131]
图7是本发明的重建算法与使用标准的快速迭代阈值收缩算法(fista)的结果对比。图(a)是两者收敛曲线图，图(b)是各项参数的定量结果。从图(b)可以看出，本发明的重建算法定位误差略优于fista，其定位精度提高约0.02mm。基于本发明的重建算法，在保证精度的同时，迭代次数减少了约85％，速度提高了约69％，是一种有效的荧光分子断层成像的重建方法。在重建过程中标准的快速迭代阈值收缩算法的利普希茨常数一直保持一个较大值而导致算法收敛缓慢。本发明的重建算法的利普希茨常数值，根据梯度信息调整，在迭代获得更接近真实值的常数值，提高了算法收敛速度。
[0132]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。