基于貝耶斯方法的自發(fā)熒光斷層成像重建方法研究.pdf_第1頁
已閱讀1頁,還剩121頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、醫(yī)學影像技術(shù)的不斷進步,極大地推動了現(xiàn)代醫(yī)學和生物學的發(fā)展。作為一門新興的前沿交叉學科,分子影像可以在活體狀態(tài)下對生物過程進行細胞和分子水平的定性和定量研究,為研究生物體生長發(fā)育、疾病的早期檢測、藥物定量評估及動力學變化等提供有效的方法和工具,具有廣泛的應用前景。自發(fā)熒光斷層成像(BLT)由于靈敏度高、無創(chuàng)傷、成本低、操作簡單以及背景噪聲低等特性而成為分子影像領(lǐng)域的一個重要分支。
   BLT的目的是利用在生物體體表獲得的熒光圖

2、像重建熒光光源在生物體體內(nèi)的分布以反映生物體細胞分子水平變化。但熒光光子在到達生物體體表前,由于生物組織具有強散射、低吸收的特點,導致熒光光子在生物組織中不再沿直線傳輸,而是經(jīng)歷了大量的散射過程,使得BLT本身具有病態(tài)性,即真實光源存在但不能重建熒光光源或重建光源不唯一、不準確。此外,缺少外部的激發(fā)光源和生物體的非勻質(zhì)特性進一步加劇了熒光光源重建的難度。同時,由于在生物體體表獲得的數(shù)據(jù)有限,而要求的解數(shù)量非常大,導致重建光源不唯一且對噪

3、聲比較敏感。因此,如何降低BLT的病態(tài)性,唯一、準確地重建熒光光源成為當前研究的熱點。目前,國際上的相關(guān)研究也剛剛起步,但尚未取得突破性進展,仍有大量的理論和技術(shù)問題需要解決。由于BLT重建算法研究新進展決定著BLT技術(shù)的應用潛力,所以深入開展重建算法的研究是非常有必要的。本文的主要研究工作就是圍繞重建算法展開的,完成的主要工作包括:
   ①提出了基于貝耶斯方法的BLT重建算法以重建熒光光源分布。BLT光源重建是典型的病態(tài)問題

4、,一般情況下,重建的光源不唯一,只有融入盡可能多的先驗信息才能確保重建光源的唯一。但是如何融入更多的先驗信息需要進一步的研究和探索。考慮到生物體特別是小鼠的形狀是一個不規(guī)則的,基于體素的方法對生物體進行網(wǎng)格剖分實現(xiàn)起來比較復雜,而且在生物組織邊界處會產(chǎn)生較大的誤差。此外,假定生物體的生物組織是勻質(zhì)的,會導致重建光源不準確。針對上述問題,本文基于貝耶斯方法,在有限元方法的基礎(chǔ)上,提出了三維BLT重建算法。該算法首先用馬爾可夫隨機場先驗模型

5、估計未知光源密度分布情況,同時融入先驗可行光源區(qū)域信息、生物組織的結(jié)構(gòu)信息和光學特性參數(shù)信息,有效地降低了BLT的病態(tài)性。其次,建立了關(guān)于未知光源密度與噪聲模型的最大后驗概率函數(shù)。通過對該函數(shù)優(yōu)化求解,就可重建出光源的分布。有限元方法的使用使得該算法適用于任意復雜形狀的生物體,增加了該算法的實用性。最后,利用micro-CT獲得的非勻質(zhì)小鼠和基于蒙特卡洛方法產(chǎn)生的前向仿真數(shù)據(jù)對算法有效性進行了驗證。真實仿體實驗進一步證明了該算法的可行性

6、。
   ②提出了一種自適應有限元重建算法以提高重建精度和效率。該算法是在上一章算法的基礎(chǔ)上發(fā)展起來的。由于利用有限元方法進行光源重建時存在著重建質(zhì)量和離散網(wǎng)格單元大小之間的矛盾。一般來說,當離散網(wǎng)格單元越細,重建結(jié)果越好,但BLT的病態(tài)性越嚴重,而且重建時間越長;離散網(wǎng)格單元越粗,重建誤差越大,BLT病態(tài)性越小,重建時間也越短。自適應有限元方法可以有效地解決這幾者之間的矛盾。在自適應有限元方法的基礎(chǔ)上,結(jié)合貝耶斯方法可以精確地

7、重建出熒光光源,并且可以提高算法的計算效率。利用非勻質(zhì)仿體對算法進行了有效性的驗證,光源位置和強度得到了很好的重建。
   ③提出了一種優(yōu)化可行光源區(qū)域策略以降低BLT的病態(tài)性。在最初的研究中,利用先驗可行光源區(qū)域降低BLT的病態(tài)性,并取得了不錯的結(jié)果。但是,當在生物體中存在多光源或光源位于生物體比較深時,推斷的先驗可行光源區(qū)域可能會存在誤差。針對這個問題,本文基于多光譜信息發(fā)展了優(yōu)化可行光源區(qū)域策略,該策略可以快速地選擇可行光

8、源區(qū)域,有效地降低BLT的病態(tài)性。最后,利用非勻質(zhì)的仿體實驗對算法進行了驗證,重建的光源分布與真實光源非常接近。
   ④提出了融合多種先驗信息的稀疏貝耶斯重建算法以提高重建質(zhì)量。為降低BLT的病態(tài)性,提高重建質(zhì)量,需要盡可能多的融入先驗信息。本文提出了融入多光譜信息、優(yōu)化可行光源區(qū)域、生物組織的結(jié)構(gòu)信息、光學特性參數(shù)信息以及光源稀疏特性的重建算法,多種先驗信息的使用有效地改善了重建結(jié)果??紤]到計算效率,利用基于點的有限元方法降

9、低數(shù)據(jù)量。此外,優(yōu)化可行光源區(qū)域的使用進一步地提高了算法的重建速度。通過micro-CT獲得的非勻質(zhì)小鼠對算法進行了驗證,結(jié)果表明了算法的優(yōu)勢和潛力。進一步,利用小鼠形狀的仿體采集真實實驗數(shù)據(jù)對算法進行了可行性分析。
   ⑤本文利用主成分分析方法和基于有限內(nèi)存矩陣發(fā)展了兩種快速的重建算法。多光譜方法的引入雖然可以提高重建結(jié)果的質(zhì)量,但是也帶來了數(shù)據(jù)災難,極大地影響了重建速度。本文在優(yōu)化可行光源區(qū)域的基礎(chǔ)上,通過利用主成分分析方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論