活体荧光的光谱解混探测方法与流程

本发明涉及一种活体荧光的光谱解混探测方法，g06计算；推算；计数g06t一般的图像数据处理或产生g06t7/00图像分析，例如从位像到非位像。

背景技术：

活体荧光技术可以模拟生物医学上，靶向药物对特定肿瘤的定位效果，从而分析药物的性能并帮助进行实时的手术指导。该功能的实现依赖于活体荧光的准确分解和探测。

在本领域中，还处于探索阶段，没有形成业内共识的既行之有效，又具备合理计算量的方法。

高光谱遥感现在广泛应用于各种领域，因为高空间分辨率和光谱分辨率使得它为事物提供更多的信息。目标检测和光谱解混是高光谱技术中最重要的主题，它使我们可以精确地分析混合像素中目标的存在和的比重情况。

图1给出了光谱混合的不同方式，图1(a)为线性混合方式，就地物反射面而言，入射的电磁波仅与地表的一种成分相互作用。如果可以将单个像素面积内地面区域根据地物的面积比例进行划分，则反射的电磁波也可以认为是由地物光谱曲线按照相应的比例线性混合而成，丰度则对应于端元在混合像元中的面积比。

图1(b)对应于非线性光谱混合方式，其中的各种地物成分互相作用，在小于光子路径长度的空间尺度内，不同组分之间的相互作用产生了复杂的散射影响，使得混合像元光谱由各端元光谱非线性方式混合而成。

在活体荧光探测中，活体自发荧光与目标荧光在宏观上属于线性混合，但是微观上目标荧光与自发荧光互相作用，且目标荧光区域周围的自发荧光作为环境光也对感知器探测到的光谱起到一定的作用。

技术实现要素：

本发明提出的一种活体荧光的光谱解混探测方法，包括如下步骤：

—获取待分析的活体荧光图像，分析该活体荧光图像的混合荧光光谱，根据自发荧光光谱和目标荧光光谱，建立当前荧光图像的线性光谱混合模型；

—建立所述线性光谱混合模型的正交子空间投影，结合最小二乘算法消除所述线性光谱混合模型中的自发荧光光谱，进而非分离得出感兴趣光谱，即目标荧光光谱。

作为优选的实施方式，所述建立当前荧光图像的线性光谱混合模型的过程如下：

—将所述荧光图像中的混合像元视为由多个不同的端元组成，得到所述的线性光谱混合模型如下：

其中：p为端元数，r是图像中l维光谱向量，即r∈r^1×l，l为图像波段数，m是l×p矩阵，即端元矩阵，其中的每一列mi均为一个端元(信号)向量，α＝(α1,α2,…,αp)^t是一个p×1的丰度向量，e为误差项，α为丰度向量；

—将所述的端元矩阵m分解为感兴趣端元t＝mp和其余端元的光谱矩阵u，相应的，丰度向量α也分为αp和γ两部分，其中αp表示感兴趣端元的丰度，而γ表示其余端元的丰度，e是噪声；

相应的所述的混合模型表达式r＝mα+e，改写为如下形式：

r＝tαp+uγ+e

非期望光谱矩阵，即所述的自发荧光光谱u所决定的正交投影空间用表示，则

其中，i是单位矩阵，u^#表示矩阵u的伪逆，u^t表示矩阵u的转置；

将所述的正交投影空间作用于所述的感兴趣光谱，即目标荧光光谱t，得到目标荧光光谱t区别于自发荧光光谱u，完全消除u并能够代表当前的目标荧光光谱/向量t的残余向量t'；

该目标荧光光谱的残余向量单位向量如下：

利用正交子空间投影方法得到t′，由此得到每个目标光谱的残余向量ti′或残余单位向量di，i＝1,…,n。

利用正交子空间投影方法得到t′，由此得到每个目标光谱的残余向量ti′或残余单位向量di，i＝1,…,n。

更进一步的，以所述的残余向量作为目标荧光光谱的在所述的线性光谱混合模型中的权重；

设二维光谱ti表示第i个目标荧光光谱，i＝1,…,n，二维光谱b表示自发荧光光谱，设定二者之间为线性叠加，则消除自发荧光后的目标光谱为

ti′＝ti-b

如果考虑自发荧光周围环境光的影响，以及目标光谱与自发荧光之间的作用影响，则可以对自发荧光进行加权，消除自发荧光后的目标光谱为

ti′＝ti-βb

其中β表示自发荧光的加权值，根据用户的需求进行调整，值的大小代表自发荧光的作用大小；

在线性叠加作用之外，如果目标荧光光谱对其有削弱作用，则取值小于1；若考虑环境自发荧光的附加影响，则取值大于1。

更进一步的，目标荧光光谱的含量，根据所述的残余单位向量按照下式计算。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的光谱混合方式示意图

图2为本发明带权重的自发荧光消除原理示意图

图3为本发明正交子空间投影的自发荧光消除原理示意图

图4为本发明条带测试图像

图5为本发明白鼠活体荧光图像

图6为本发明色带1的光谱夹角结果示意图

图7为本发明色带2的光谱夹角结果示意图

图8为本发明色带3的光谱夹角结果示意图

图9为本发明色带1的光谱解混结果示意图

图10为本发明色带2的光谱解混结果示意图

图11为本发明色带3的光谱解混结果示意图

图12为本发明实施例1中采用lse方法，即直接采用目标荧光解混的效果示意图，图12(a)为1号目标荧光探测结果示意图，图12(b)为本发明实施例中2号目标荧光探测结果示意图，图12(c)为本发明实施例中3号目标荧光探测结果示意图，图12(d)为自发荧光探测结构示意图

图13为本发明实施例1中，采用加权消除自发荧光后(β＝1)解混的效果示意图，图13(a)为1号目标荧光探测结果示意图，图13(b)本发明实施例中2号目标荧光探测结果示意图，图13(c)为本发明实施例3号目标荧光探测结果示意图，图13(d)为本发明实施例中自发荧光探测结果示意图

图14为本发明实施例1，采用正交子空间投影消除自发荧光后解混的效果，图14(a)为本发明实施例中1号目标荧光探测结果示意图，图14(b)为本发明实施例中2号目标荧光探测结果示意图，图14(c)为本发明实施例中3号目标荧光探测结果示意图，图14(c)为本发明实施例中自发荧光探测结果示意图

图15为本发明实施例1，正交子空间投影效果的同数值尺度显示效果示意图，图15(a)为1号目标荧光探测结果示意图，图15(b)为2号目标荧光探测结果示意图，图15(c)为本发明3号目标荧光探测结果示意图。

具体实施方式

为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

本发明提供两种对活体自发荧光的处理方式，并基于此处理分别利用检测和解混的方式进行目标荧光的分析。

为了实现上述目的，本发明的技术方案如下：

基于正交子空间投影的自发荧光消除方法

正交子空间投影是一种有效的目标检测方法，可以完全消除非期望信号对感兴趣信号的影响。

在线性光谱混合模型中，混合像元可以看作是图像中的端元线性混合而成，即

其中：p为端元数，r是图像中l维光谱向量(l为图像波段数)，m是l×p矩阵，其中的每一列mi均为一个端元(信号)向量，α＝(α1,α2,…,αp)^t是一个p×1的丰度向量，e为误差项。

不失一般性，将线性模型中的端元矩阵m分解为感兴趣端元t＝mp和其余(非期望)端元的光谱矩阵u，相应的丰度向量α也分为αp和γ两部分，e是噪声。

线性混合模型表达式：r＝mα+e，改写为如下形式：

r＝tαp+uγ+e(2)

设u(非期望光谱矩阵，即这里的自发荧光光谱)所决定的正交投影空间用表示，则

i是单位矩阵。

将作用于t(感兴趣光谱，即目标荧光光谱)，得到t区别于u(自发荧光光谱)、完全消除u并能够代表当前向量t的残余向量，即目标荧光区别于自体荧光的部分为：

其所对应的方法1中的自发荧光权值为该方法相当于自动确定一种自发荧光消除的加权值，使其适用于目标荧光和自发荧光完全非线性相关的情况。得到该目标荧光光谱的残余向量单位向量如下：

利用正交子空间投影方法得到t′的工作原理如图3，由此可以得到每个目标光谱的残余向量ti′或残余单位向量di，i＝1,…,n。

活体自发荧光光谱的线性加权消除方法

考虑到在实际应用过程中，对目标荧光光谱的分解有着不同的应用，采用上述基于正交子空间的解法，将完全剔除自发荧光光谱的影响，故提出了一种可人工选择权重的线性加权消除方法

更一般性的考虑，如图2所示，设二维光谱ti表示第i个目标荧光光谱，i＝1,…,n，二维光谱b表示自发荧光光谱，如果二者之间是线性叠加的方式，则消除自发荧光后的目标光谱为

ti′＝ti-b(6)

如果考虑自发荧光周围环境光的影响，以及目标光谱与自发荧光之间的作用影响，则可以对自发荧光进行加权，消除自发荧光后的目标光谱为

ti′＝ti-βb(7)

其中β表示自发荧光的加权值，其取值可以根据用户的需求进行调整，值的大小代表自发荧光的作用大小。在线性叠加作用之外，如果目标荧光光谱对其有削弱作用，则取值小于1；若考虑环境自发荧光的附加影响，则取值大于1。β的取值范围可以根据需求设置为0到3之间的实数，以此来简化模拟光谱间的影响。

基于线性光谱解混的目标荧光探测和分析

最小二乘算法是目前基于线性解混模型应用最广泛的解混算法，通过使误差平方最小化的方法来寻找函数的最佳匹配数据。

根据线性解混模型的表达式(3)可以得到误差值e＝r-mα，则寻找最优解的表达式即公式(8)

min{(r-mα)^t(r-mα)}(8)

可以计算得到无约束解混丰度α^ls。

α^ls＝(m^tm)^-1m^tr(9)

利用自发荧光b和目标荧光t′1,′2,…t′n构成端元矩阵，对整张活体荧光图像进行解混，得到n+1个丰度图，分别对应n种目标荧光和活体自发荧光的探测和分布情况。

除此之外，按照正交子空间投影原理，根据式(7)各目标荧光光谱的含量可以按照下式计算

实施例1

本实验采用两组图像数据，其大小分别为1040×1392×11和520×696×27，分别为色带测试图像和白鼠荧光图像。色带测试图像如图3所示，白鼠荧光图像如图4所示。

本发明研究和设计了利用高光谱解混技术探测和分析荧光分布的方法，分别按照2种不同的方式对活体自发荧光的影响进行消除，利用加权和自动确定权重系数的方式，借助2种探测和解混方法lse、lsosp，用条带测试数据和活体白鼠荧光数据分别进行了实验，验证了本发明所提出方法的有效性。

如果按照光谱夹角匹配的方式，可以得到各色带的探测情况如图6、7、8所示。

其中，灰度值的大小对应于光谱夹角的大小，故灰度值越小，目标光谱与参考光谱越相似。图6-7中的3个黑色条带即利用光谱角方法得到的各色带分布情况。

利用lse对上述条带测试图像进行光谱解混，得到的各色带分布情况如图9-11所示。

图9-11中，灰度值表示各色带成分的含量，灰度值越大，表示光谱的存在程度越高。从图9-11和图6-8中可以明显看出，lse的解混方法在分析荧光成分组成时，准确度明显高于光谱夹角方法。后续将此方法应用于活体荧光探测。

在活体荧光图像上，上面的三个荧光部分表示3种纯度较高的荧光，分别为1、2、3号荧光，左下区域是3种荧光的混合，右下区域是2种荧光1、2号的混合。直接选择3种纯度较高的荧光光谱作为端元，与自发荧光光谱构成端元集，进行lse解混，得到的结果如图12所示。

从结果中可以看出，自发荧光的探测结果有较大错误，尤其是在5个目标荧光区域。

利用加权背景消去(β＝1)的自发荧光消除法，获得新的端元集，进行lse解混得到的结果如图13所示。

从结果中可以看出，该方法有效地分解了3种目标光谱和白鼠的自发荧光，尤其是图13(d)效果明显好于图12(d)。

利用正交子空间投影对自发荧光进行消除，并利用lsosp进行解混，得到的结果如图14所示。

从结果中可以看出，该方法同样能够有效地分解3种目标光谱和白鼠的自发荧光，图14(c)中检测结果受到干扰亮斑影响，检测结果不明显。将目标光谱分离结果按照统一尺度显示，结果如图15所示，且尺度比色如图15(d)所示。

以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。