差小，算法稳定，多目标中心定位准确，是一种有效的多 光源生物发光断层成像重建方法。
【主权项】
1. 一种基于多光源分辨的生物发光断层成像重建方法，其特征在于，具体包括以下步 骤： 步骤1 :获得成像目标的解剖结构信息、光学特异性参数以及表面多光谱荧光数据； 步骤2 :对步骤1得到的表面多光谱荧光数据进行归一化处理，得到归一化后的表面荧 光数据； 步骤3 :基于光传输模型和有限元方法构建表面荧光数据与成像目标内部光源分布的 线性关系； 步骤4 :将步骤3得到的线性关系转化为最优化问题； 步骤5 :对步骤4中的最优化问题，采用自适应可行区域迭代收缩策略进行代数迭代求 解，得到最优解X%完成重建。2. 如权利要求1所述的基于多光源分辨的生物发光断层成像重建方法，其特征在于， 所述的基于多光源分辨的生物发光断层成像重建方法，还包括以下步骤： 步骤6 :对步骤5得到的最优解矿进行AP中心聚类，计算得到每一类的聚类中心m ; 步骤7 :将步骤6中得到的聚类中心，作为k-means聚类算法的初始聚类中心，进行 k-means聚类，计算得到每一类的聚类中心C ; 步骤8 :将步骤5得到的最优解矿进行几何3D展示，实现成像目标内部光源的重建结 果的显示；对步骤7得到的聚类中心C进行几何3D展示，实现成像目标内部光源中心位置 的确定。3. 如权利要求2所述的基于多光源分辨的生物发光断层成像重建方法，其特征在于， 所述步骤3的具体过程包括： 步骤3. 1 :根据步骤1得到的解剖结构信息和光学特异性参数得到光传输模型，所述的 光传输模型为扩散近似方程，利用扩散近似方程来描述光在成像目标内的传输过程； 步骤3. 2 :利用nirfast工具对成像目标进行网格离散，获得成像目标的离散网格数 据，包括网格节点和四面体，得到网格节点和四面体之间的对应关系； 步骤3. 3 :根据离散网格数据和有限元理论，对步骤3. 1中的扩散近似方程进行离散， 进而构建表面荧光数据与成像目标内部光源分布的线性关系： Φ ( λ ) = Μ( λ )X 其中，Φ( λ)为波长为λ的表面荧光数据，M( λ)表示波长λ下的荧光数据的系统矩 阵，X是要求解的成像目标内部光源能量分布，是非负的； 步骤3.4:对步骤3.3中的系统矩阵Μ(λ)进行以下处理：则步骤3. 3中的线性关系变为为处理后的系统矩阵。4. 如权利要求3所述的基于多光源分辨的生物发光断层成像重建方法，其特征在于， 所述步骤4中将得到的线性关系转化为最优问题的方法为： 将步骤3. 4中的进行以下处理：5. 如权利要求4所述的基于多光源分辨的生物发光断层成像重建方法，其特征在于， 所述步骤5的具体过程包括：步骤5. 1 :将初始光源可行区域R设置为整个成像目标，并且设定区域收缩因子其中队为整个成像目标内包含的节点，N 迭代终止时非0解的数目， L_为区域迭代收缩的次数； 步骤5. 2 :结合可行区域R，步骤4的最优化问题变为 其 中，人幻为可行区域R下的系统矩阵，采用代数迭代算法ART，得到可行区域R下的最优 解 X(R); 步骤5. 3 :根据步骤5. 2求得的可行区域R下的最优解X(R)，以及此可行区域下的系统 矩阵MUJ),计算成像目标表面的光通量Φ?λ)。计算穿透成像目标的多光谱荧光数据 φμ)与光通量Φ?λ)之差，即，其中，i 表示迭代次数（0 < i彡Lmax); 步骤5. 4 :将步骤5. 3得到的f⑴与min(f (1)，…，f(i-l))进行比较，如果f⑴小于 min (f (1)，…，f (i-Ι))，则将全局最优解矿(R)用X (R)进行替换，否则，不作替换； 步骤5. 5 :将步骤5. 2求得的最优解X (R)从大到小进行排序，选取前length (R) / β个 值对应的节点来构建新的可行区域R ; 步骤5. 6 :判断迭代次数i是否达到最大值L_，如果达到，终止区域迭代收缩，输出全 局最优解XYR);如果没有达到，转至步骤5. 2 ; 步骤5. 7 :由全局最优解矿⑵得到整个成像目标内的最优解X%若节点位于可行区域 R内，XYR);若节点位于可行区域R外部，0。6. 如权利要求5所述的基于多光源分辨的生物发光断层成像重建方法，其特征在于， 所述步骤6的过程包括： 步骤6. 1 :选取X#中的非0元素对应的节点构建相似度矩阵D，其中，D为对称矩阵 D(i，k) = D(k，i)，即其中，其中，第i个节点的坐标 为（X;，y;，zj，第k个节点的坐标为（xk, yk, zk)，X%为第i个节点的能量，X \为第k个节点 的能量； 步骤6. 2 :记初始参考度矩阵P为0,初始适选矩阵A为0,初始代表矩阵R为0,设定 聚类迭代次数； 步骤6. 3 :计算代表矩阵R°kl和适选矩阵A °kl，计算公式如下：其中，R°kl(i，k)表示点k适合作为点i的类代表点的合适程度，A°kl(i，k)表示点i适 合作为点k的类代表点的合适程度，k'满足k'辛k，i'满足i'辛k ; 步骤6. 4 :计算更新后的代表矩阵R和适选矩阵A，交替更新过程如下：其中，Rn+1表示第n+1次迭代得到的代表矩阵Rn+1°kl更新后的代表矩阵；R n表示第η次 迭代得到的代表矩阵Rn°kl更新后的代表矩阵;Αη+1表示第η+1次迭代得到的代表矩阵A n+1°kl更新后的代表矩阵;An表示第η次迭代得到的代表矩阵A n°kl更新后的代表矩阵；λ表示阻 尼系数； 步骤6. 5 :判断聚类迭代次数是否达到设定的聚类迭代次数，如果达到，终止迭代，输 出代表矩阵R和适选矩阵Α，否则，转至步骤6. 3 ; 步骤6. 6 :根据代表矩阵R和适选矩阵Α对各个节点进行分类，并确定每一类的聚类中 心，具体方法如下： 对于任意节点i，如果满足argk max{A(i, k)+R(i, k)}，则节点i和节点k属于同一类； 对于每一类内的任意节点111，计算4(111，111)+1?(111，111)，选取4(111，111)+1?(111，111)中的最大值对应的 节点m，作为此类的聚类中心。7.如权利要求6所述的基于多光源分辨的生物发光断层成像重建方法，其特征在于， 所述步骤7的过程包括： 步骤7. 1 :根据步骤3得到的网格节点和四面体之间的对应关系，计算所有四面体的能 量值，选取能量值非〇的四面体作为聚类对象，计算此聚类对象的几何中心； 步骤7. 2 :依次计算每个能量值非0的四面体的几何中心与各初始聚类中心之间的距 离ΙΛ，…1J，其中，c为初始聚类中心的数目，根据最小距离h将该四面体划分为第i类； 步骤7. 3 :重新计算每一类的聚类中心C :其中p (i)、a(i)、c⑴为每一类第i个非0四面体的能量、体积以及几何中心。
【专利摘要】本发明公开了一种基于多光源分辨的生物发光断层成像重建方法，利用光学特性参数与解剖结构信息作为先验知识，结合多光谱荧光数据，提高了BLT光源重建的准确性以及重建图像的分辨率；采用自适应可行区域迭代收缩策略，减少了BLT重建问题的病态性，降低了重建结果对于重建算法的依赖性；提出了一种结合AP聚类和K-means聚类的混合聚类方法，避免了单独采用各自聚类算法的局限性与不足。本方法不仅直接使用了网格节点的能量分布信息，而且充分考虑了重建节点所属四面体能量、中心坐标、体积等信息，在最大程度上提升了聚类算法的稳定性，减少了算法计算时间复杂度。
【IPC分类】A61B5/00
【公开号】CN105326475
【申请号】CN201510589426
【发明人】贺小伟, 郭红波, 侯榆青, 董芳, 王宇慧, 金晨, 张旭, 金明阳, 蕾蕾
【申请人】西北大学
【公开日】2016年2月17日
【申请日】2015年9月16日