专利名称：：全光学生物发光断层成像方法
技术领域：
：本发明属于光学分子成像
技术领域：
，涉及生物发光断层成像技术，特别是一种基于全光学数据的生物发光断层成像方法。
背景技术：
：生物发光断层成像是近年来新兴的一种非接触式光学分子成像技术，它是通过融合小动物体表测量的多角度生物发光信号、生物体的解剖结构和组织光学参数信息，基于精确的生物组织中的光传输模型重建活体小动物体内生物发光探针的三维空间位置和浓度分布，参见GeWang,"Uniquenesstheoremsinbioluminescencetomography,"MedicalPhysics31,2289-2299(2004)。2003年，美国爱荷华大学的王革教授首次提出生物发光断层成像的概念，并开发了相应的原型系统；该原型系统融合计算机断层成像技术提供生物体的解剖结构信息，故命名为BLCT系统，参见GeWang,"DevelopmentofthefirstbioluminescenceCTscanner,"Radiology229,566(2003)。从此，融合计算机断层成像技术提供生物体的解剖结构信息就成为生物发光断层成像技术发展的主体趋势，研究人员也都致力于这方面的研究工作，并开发了多种性能良好的算法应用于在体小动物的研究，参见GeWang,"Invivomousestudieswithbioluminescencetomography,，，OpticsExpress14,7801-7809(2006)；JuntingLiu,“Invivoquantitativebioluminescencetomographyusingheterogeneousandhomogeneousmousemodes，，，OpticsExpress18，13102-13113(2010)。此外，美国哥伦比亚大学的AlexanderD.Klose教授提出了一种融合核磁共振成像技术的生物发光断层成像方法，通过求解非勻质小鼠的等效光学特性参数，对小鼠体内的生物发光光源进行勻质重建，参见AlexanderD.Klose,"Invivobioluminescencetomographywithablocking-offfinite-differenceSP3methodandMRI/CTcoregistration,"MedicalPhysics37,329-338(2010)。综上所述，当前已有的生物发光断层成像技术中，均需要融合结构成像技术(如计算机断层成像和磁共振成像技术)提供生物体的三维解剖结构。虽然这些结构成像技术具有很高的精度，但是也带来了一些其他不可忽视的问题。首先，计算机断层成像和磁共振成像价格昂贵，并且计算机断层成像安全性也不高，因此两者并不是理想的提供生物体三维几何结构的成像方式。其次，由计算机断层成像和磁共振成像技术采集的图像数据需要经过器官分割、三维重建等后处理，并与二维生物发光信号图像进行配准后才能用于生物发光断层成像的重建。器官分割和图像配准是极为复杂繁琐、费力费时的工作，它会增加额外的工作量，甚至会带来额外的误差，从而进一步增加了生物发光断层成像的成本代价。在活体成像实验中，可以通过求解等效光学特性参数的方法，将非勻质的小鼠模型等效为勻质模型，参见AlexanderD.Klose,"Invivobioluminescencetomographywithablocking-offfinite-differenceSP3methodandMRI/CTcoregistration,"MedicalPhysics37,329-338(2010)；因此，只需获得生物体表面三维轮廓就可以进行内部生物发光光源的重建。此外，在现有的生物发光断层成像技术中，都没有解决从CCD相机采集的生物发光信号到生物体表面能量分布的定量映射问题。
发明内容本发明的目的在于克服已有技术中生物发光断层成像技术需要融合结构成像技术的不足，提出一种全光学生物发光断层成像方法。该方法采用白光信号图像获取生物体表面三维轮廓，结合生物体表面能量分布的定量重建，用于体内生物发光光源的反演，以实现低成本的全光学生物发光断层成像过程。为了实现上述目的，本发明方法基于CCD相机采集数据，具体实现包括如下步骤步骤一，数据采集与预处理，采集多角度生物发光信号和白光信号图像，并依次进行背景噪声去除、感兴趣区域提取和坏点补偿等数据预处理；步骤二，生物体表面三维轮廓重建，(2.1)白光信号图像的阈值分割，应用下述公式对步骤一中采集的多角度白光信号图像进行阈值分割，将其转换为二值图像权利要求全光学生物发光断层成像方法，其实现的具体步骤是步骤一，数据采集与预处理，采集多角度生物发光信号和白光信号图像，并依次进行背景噪声去除、感兴趣区域提取和坏点补偿等数据预处理；步骤二，生物体表面三维轮廓重建，(2.1)白光信号图像的阈值分割，应用下述公式对步骤一中采集的多角度白光信号图像进行阈值分割，将其转换为二值图像<mrow><mover><mi>I</mi><mo>‾</mo></mover><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><msub><mi>θ</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mo>∀</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><msub><mi>θ</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>≥</mo><msubsup><mi>I</mi><mi>th</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mo>∀</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><msub><mi>θ</mi><mi>i</mi></msub><mo>)</mo></mrow><mo><</mo><msubsup><mi>I</mi><mi>th</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup></mtd></mtr></mtable></mfenced></mrow>式中，x是每幅白光信号图像中水平方向上的像素值；y是每幅白光信号图像中竖直方向上的像素值；θi是第i幅白光信号图像的拍摄视角；I是经步骤一获取的白光信号图像；是经阈值分割之后的白光信号图像；是第i幅白光信号图像阈值分割时采用的阈值，其值可以根据白光信号图像的信噪比确定；(2.2)二值图像的图像边界提取；(2.3)确定生物体表面三维轮廓的笛卡尔坐标系；(2.4)计算二值图像边界点的坐标值，在步骤(2.3)确定的笛卡尔坐标系的基础上，应用下述公式计算步骤(2.2)中获得的图像边界点的坐标<mfencedopen='{'close=''><mtable><mtr><mtd><mi>X</mi><mo>=</mo><mi>ml</mi><mi>cos</mi><mi>θ</mi></mtd></mtr><mtr><mtd><mi>Y</mi><mo>=</mo><mi>ml</mi><mi>sin</mi><mi>θ</mi></mtd></mtr><mtr><mtd><mi>Z</mi><mo>=</mo><mi>nlSIGN</mi><mrow><mo>(</mo><mi>flag</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced>式中，(X，Y，Z)是图像边界点的笛卡尔坐标；m是当前像素点与Z轴之间的有效像素数量；l是单个像素代表的物理长度；θ是从0度图像算起的总的旋转角度；n是当前像素点与XOY平面之间的有效像素数量；SIGN()是符号函数；flag是标志位，如果当前点在XOY平面的上部，其值取1，否则其值取0；(2.5)建立生物体表面三维轮廓的三维体数据结构，应用步骤(2.4)中的公式，遍历步骤(2.2)中获得的所有图像边界，得到以点的形式构成的生物体表面的三维体数据结构；(2.6)建立生物体表面三维轮廓的三角面片数据结构；步骤三，生物体表面能量分布重建，利用步骤二重建的生物体表面三维轮廓和步骤一获得的生物发光信号图像，应用下式计算生物体表面能量分布<mrow><mi>P</mi><mo>=</mo><mfrac><mn>1</mn><mi>π</mi></mfrac><msub><mo>∫</mo><mi>S</mi></msub><msub><mo>∫</mo><mi>Ω</mi></msub><mi>E</mi><mrow><mo>(</mo><msub><mi>r</mi><mi>d</mi></msub><mo>)</mo></mrow><mi>ξ</mi><mrow><mo>(</mo><msub><mi>r</mi><mi>d</mi></msub><mo>,</mo><mi>r</mi><mo>)</mo></mrow><mfrac><mn>1</mn><mrow><mo>|</mo><mi>r</mi><mo>-</mo><msub><mi>r</mi><mi>vd</mi></msub><mo>|</mo></mrow></mfrac><mi>cos</mi><msub><mi>θ</mi><mi>s</mi></msub><mi>cos</mi><msub><mi>θ</mi><mi>d</mi></msub><mi>dΩdS</mi></mrow>式中，P是生物体表面能量分布；r是生物体表面三维轮廓S上的任意一点；rd是CCD相机上的任意一点；rvd是点rd在虚拟探测平面上的成像点，虚拟探测平面定义为CCD相机的焦平面；E(rd)是CCD相机点rd处的强度值；ξ(rd，r)是表面点r与CCD相机上点rd之间的可视因子，其值由表面点r处出射的光线的方向、CCD相机中的薄透镜位置和直径尺寸确定；cosθs是表面点r的法向量与表面点r到rvd点之间连线的夹角余弦；cosθd是rvd点的法向量与rvd点到表面点r之间连线的夹角余弦；dΩ是CCD相机上点rd处的微元面积；dS是表面点r处的微元面积；步骤四，表面能量的定量校准，(4.1)利用积分球均匀光源系统，校准平面光源的出射流量密度与CCD相机所采集图像的灰度值之间的关系；(4.2)建立不同距离、不同视场情况下，生物体表面出射流量密度与CCD相机所采集图像的灰度值之间的定量关系<mrow><mi>J</mi><mo>=</mo><mrow><mo>(</mo><mfrac><mrow><mi>G</mi><mo>+</mo><msub><mi>r</mi><mn>1</mn></msub></mrow><msub><mi>t</mi><mi>e</mi></msub></mfrac><mo>+</mo><msub><mi>r</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>×</mo><mfrac><mrow><msub><mi>r</mi><mn>3</mn></msub><mrow><mo>(</mo><mi>R</mi><mo>-</mo><mi>d</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>r</mi><mn>4</mn></msub><mi>R</mi></mrow></mfrac></mrow>式中，J是生物体表面点的出射流量密度，单位为纳瓦每平方毫米；G是CCD相机所采集图像的像素灰度值；te是CCD相机采集生物发光信号时的曝光时间，单位为秒；R是生物体表面点到有效透镜边缘的距离，单位为毫米；d是生物体表面点到有效透镜中心的距离，单位为毫米；r1是18～23范围内的常数；r2是7～12范围内的常数；r3是57～62范围内的常数；r4是3～8范围内的常数；(4.3)计算生物体表面的绝对能量分布；步骤五，体内光源反演及三维显示。FSA00000280528900012.tif,FSA00000280528900013.tif2.根据权利要求1所述的全光学生物发光断层成像方法，其特征在于所述步骤一中数据采集的实现是利用CCD相机等间隔采集不少于四幅生物发光信号图像，不少于60幅白光信号图像。3.根据权利要求1所述的全光学生物发光断层成像方法，其特征在于所述步骤(2.1)中的阈值应用下述公式获取式中，Imax(χ，y，θJ是第i幅白光信号图像的强度最大值；SNR是第i幅白光信号图像的信噪比；k是0.51.5范围内的常数。4.根据权利要求1所述的全光学生物发光断层成像方法，其特征在于所述步骤三中的可视因子ξ(rd,r)通过如下公式计算获得全文摘要本发明公开了一种全光学生物发光断层成像方法，解决了现有技术中需要融合结构成像技术，如计算机断层成像或磁共振成像，才能实现三维重建的问题。该方法采用白光信号图像获取生物体表面三维轮廓，结合生物体表面能量分布的定量重建，用于体内生物发光光源的反演，以实现低成本的全光学生物发光断层成像过程。具体实现步骤包括数据采集与预处理、生物体表面三维轮廓重建、生物体表面能量分布重建、表面能量的定量校准和体内光源反演及三维显示。本发明的全光学生物发光断层成像方法具有灵敏度高、成本低的特点，同时避免了复杂繁琐、耗时耗力的分割和配准环节，可用于生物发光断层成像领域。文档编号A61B5/00GK101947103SQ20101029025公开日2011年1月19日申请日期2010年9月20日优先权日2010年9月20日发明者侯彦宾,屈晓超,朱守平,梁继民,田捷,赵恒,陈多芳,陈雪利,高新波申请人:西安电子科技大学