基于貝耶斯方法的自發(fā)熒光斷層成像重建方法研究.pdf

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