CN105894537A - 一种发射式光学投影断层成像衰减与散射校正方法 - Google Patents

Abstract

本发明公开了一种发射式光学投影断层成像衰减与散射校正方法，将弱散射情形下OPT成像模型与OPT荧光重建算法相结合，利用基于归一化Born比的方法进行OPT荧光信号衰减校正，采用Monte Carlo技术仿真测量数据中的散射分量，并从探测数据中将其去除，将衰减校正和散射分量估计有效结合的迭代框架，实现OPT荧光染料浓度的定量三维重建。本发明在实现荧光染料浓度定量重建中综合考虑了吸收和散射的影响，并采用Monte Carlo技术估测了信号中的散射分量并加以去除，进而实现荧光染料浓度的定量重建。

Description

一种发射式光学投影断层成像衰减与散射校正方法

技术领域

本发明属于医学影像处理技术领域，尤其涉及一种发射式光学投影断层成像衰减与散射校正方法。

背景技术

光学投影断层成像OPT是一种新型的高分辨率三维分子影像成像技术，其成像原理和X射线计算机断层成像的原理类似。OPT采用可见光作为照射源，非常适用于小动物胚胎、器官、果蝇、线虫等1-10mm尺度范围内的透明或半透明样品的成像。OPT技术使人们无需损失生物组织器官的完整性即可获得高清晰的三维结构像，并且可以通过荧光标记技术实现分子特异性成像。OPT具有双模融合的特点，这恰好满足了生物医学研究领域利用多模融合更全面的了解生物体信息的需求。因此，OPT已经受到了各个研究单位的广泛关注，已被应用于基因表达、蛋白质相互作用、临床前药物研发等的研究中，成像对象涵盖了小动物器官、胚胎、果蝇、线虫、斑马鱼、蝗虫、拟南芥等模式生物，为小样本整体成像提供了有力的研究手段，必将促进一系列生物基础研究的进展。

在体生物成像对发射式OPT引入了一些新的问题，发射式OPT成像中被激发产生的荧光光子在生物组织传播过程中会有一部分光子被生物组织吸收，而传统的发射式OPT重建方法没有考虑这种吸收效应对荧光信号引起的衰减的影响，因此其荧光信号定量重建是不准确的。相关实验证明，即使样品内部放置相同浓度的荧光染料，由于荧光信息从样品中传输出来信号衰减程度不同，也会导致重建的荧光信号强度存在明显差异；同时针对弱散射样品，样品的散射效应也会影响荧光信号定量的准确性。

发明内容

本发明的目的在于提供一种针对弱散射样品的发射式光学投影断层成像衰减与散射校正方法，旨在解决传统的发射式OPT重建方法没有考虑吸收效应对荧光信号引起的衰减的影响，以及因弱散射引起的荧光信号定量重建不准确的问题。

本发明是这样实现的，一种针对弱散射样品的发射式光学投影断层成像衰减与散射校正方法，所述发射式光学投影断层成像衰减与散射校正方法将弱散射情形下OPT成像模型与OPT荧光重建算法相结合，首先忽略散射影响，直接对探测数据利用基于归一化Born比的方法进行OPT荧光信号的初步衰减校正，然后利用滤波反投影重建算法计算样品中荧光染料的浓度，再基于重建得到的荧光染料的浓度，采用Monte Carlo技术仿真生成对应的散射分量，并从探测数据中将散射分量去除，进而进一步的对去除散射分量的探测数据进行基于归一化Born比的衰减校正、荧光染料的浓度重建等一系列操作，构成衰减校正和散射分量估计有效结合的迭代框架，直至前后两次重建的荧光染料浓度小于设定的阈值，最终实现OPT荧光染料浓度的定量三维重建。

进一步，所述发射式光学投影断层成像衰减与散射校正方法包括以下步骤：

步骤一，采用归一化的Born比方法对测量数据进行衰减校正；

步骤二，利用滤波反投影(FBP)重建算法计算样品中荧光染料的浓度；

步骤三，通过Monte Carlo仿真估计测量到的荧光数据中的散射分量；

步骤四，去除散射分量，再次进行衰减校正和荧光染料浓度的计算；

步骤五，两次重建结果之差与阈值对比，迭代进行仿真计算。

进一步，所述采用归一化的Born比方法对测量数据进行衰减校正具体包括：

根据发射式OPT荧光成像的成像模型，激发光从点入射到样品匹配液池，在点对样品进行激发，并从处射出样品池，CCD接收的荧光信号表示为：

$g_{out}^f={\∫}_{\stackrel{\→}{r_s}}^{\stackrel{\→}{r_d}}S\left(\stackrel{\→}{r_s}\right){\∫}_{\stackrel{\→}{r_s}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right){\mathrm{drdr}}_s;$

$S\left(\stackrel{\→}{r_s}\right)=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_s}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr\·\mathrm{\ϵ}\mathrm{\η}\mathrm{\σ}\left(\stackrel{\→}{r_s}\right);$

其中表示激发光波长与滤波片不匹配时CCD采集到的信号，表示激发点，表示发射波与滤波片接触点，表示激发产生的荧光信号强度，ε和η分别表示消光系数和量子转换效率，表示荧光染料的浓度，从而知：

$g_{out}^f=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr\·{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\mathrm{\ϵ}\mathrm{\η}\mathrm{\σ}\left(\stackrel{\→}{r_s}\right){\mathrm{dr}}_s;$

此处几个公式中重复出现的参数意义完全一样，具体含义可见上下文相关部分。当信号采集是采用与激发光波长匹配的滤波片进行信号采集时，CCD检测到的信号为：

$g_{out}^0=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr;$

有其中G_f为激发光沿着传播方向的Radon变换，分别为两种激发情形下CCD相机采集到的信号，其它参数上文已有介绍。

进一步，所述利用FBP重建算法计算样品中荧光染料的浓度具体包括：

由得到荧光染料浓度的Radon变换，即G_f为激发光沿着传播方向的Radon变换，分别为两种激发情形下CCD相机采集到的信号，ε和η分别表示消光系数和量子转换效率，为荧光染料的浓度。多个方向的Radon变换即可重建出荧光染料浓度采集到360度的测量数据G_f后，通过逆Radon变换即计算出荧光染料的浓度，即计算σ＝FBP(G_f)，得到荧光染料浓度σ。

进一步，所述通过Monte Carlo仿真估计测量到的荧光数据中的散射分量具体包括：

利用重建出的荧光染料浓度σ，同时利用样品的吸收系数和散射系数等信 息，通过Monte Carlo仿真建立模型，通过调整仿真参数以模拟实际实验情形，从中即可估计出荧光数据中的散射分量。

进一步，所述去除散射分量，再次进行衰减校正和荧光染料浓度的计算具体包括：

由得到的散射分量对测量数据进行进一步校正，即从测量数据中剔除散射分量，接着进行再次的衰减校正和荧光染料浓度计算，即重复进行如下步骤：

利用FBP重建算法计算样品中荧光染料的浓度，具体包括：

由得到荧光染料浓度的Radon变换，即G_f为激发光沿着传播方向的Radon变换，多个方向的Radon变换即可重建出荧光染料浓度采集到360度的测量数据G_f后，通过逆Radon变换即计算出荧光染料的浓度，即计算σ＝FBP(G_f)，得到荧光染料浓度σ；

进一步，两次重建结果之差与阈值对比，迭代进行仿真计算，重建出的荧光染料浓度与上一次重建结果对比，如果二者差异小于给定的阈值，则终止程序，输出结果，完成衰减和散射校正，如果不满足终止条件，则继续进行MonteCarlo仿真，去除散射分量的探测数据进行基于归一化Born比的衰减校正、荧光染料的浓度重建等一系列操作，直至满足终止条件。

本发明提供的发射式光学投影断层成像衰减与散射校正方法，与弱散射OPT成像模型结合，实现在体OPT荧光染料浓度定量重建；将弱散射情形下OPT成像模型与OPT荧光重建算法相结合，并利用透射式OPT成像中重建出来的吸收系数和散射系数，利用基于归一化Born比的方法进行OPT荧光信号衰减校正，采用Monte Carlo技术仿真测量数据中的散射分量，并从探测数据中将其去除，以消除散射对荧光定量重建的影响，将衰减校正和散射分量估计有效结合的迭代框架，通过多次迭代完成荧光信号衰减校正和散射分量的去除，从而实现OPT荧光染料浓度的定量三维重建。

本发明在实现荧光染料浓度定量重建中综合考虑了吸收和散射的影响，并 采用Monte Carlo技术估测了信号中的散射分量并加以去除，进而实现荧光染料浓度的定量重建。

附图说明

图1是本发明实施例提供的发射式光学投影断层成像衰减与散射校正方法流程图。

图2是本发明实施例提供的实施例的流程图。

图3是本发明实施例提供的发射式OPT成像信号采集示意图。

图4是本发明实施例提供的荧光激发与信号衰减示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明将弱散射情形下OPT成像模型与OPT荧光重建算法相结合，利用基于归一化Born比的方法进行OPT荧光信号衰减校正，采用Monte Carlo技术仿真测量数据中的散射分量，并从探测数据中将其去除，研究将衰减校正和散射分量估计有效结合的迭代框架，从而实现OPT荧光染料浓度的定量三维重建。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例的发射式光学投影断层成像衰减与散射校正方法包括以下步骤：

S101：采用归一化的Born比方法对测量数据进行衰减校正；

S102：利用FBP重建算法计算样品中荧光染料的浓度；

S103：通过Monte Carlo仿真估计测量到的荧光数据中的散射分量；

S104：去除散射分量，再次进行衰减校正和荧光染料浓度的计算；

S105：两次重建结果之差与阈值对比，迭代进行仿真计算。

下面结合具体实施例对本发明的应用原理作进一步的描述。

如图2所示，本发明实施例的发射式光学投影断层成像衰减与散射校正方法包括以下步骤：

步骤1，采用归一化的Born比方法对测量数据进行衰减校正：

首先，根据发射式OPT荧光成像的成像模型，样品经激发产生的荧光信号部分经弹道传播直接被CCD接收，部分经散射后被CCD接收，其余光子直射或散射到其他方向无法被CCD检测到。假设激发光从点入射到样品匹配液池，在点对样品进行激发，并从处射出样品池。考虑到激发光和发射光的波长比较接近，忽略二者在光学系数之间的差异，同时考虑到荧光染料可能分布在光线穿过的任意位置，则CCD接收的荧光信号可以表示为：

$g_{out}^f={\∫}_{\stackrel{\→}{r_s}}^{\stackrel{\→}{r_d}}S\left(\stackrel{\→}{r_s}\right){\∫}_{\stackrel{\→}{r_s}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right){\mathrm{drdr}}_s;$

$S\left(\stackrel{\→}{r_s}\right)=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_s}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr\·\mathrm{\ϵ}\mathrm{\η}\mathrm{\σ}\left(\stackrel{\→}{r_s}\right);$

其中表示激发产生的荧光信号强度，ε和η分别表示消光系数和量子转换效率，表示荧光染料的浓度，从而可知：

$g_{out}^f=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr\·{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\mathrm{\ϵ}\mathrm{\η}\mathrm{\σ}\left(\stackrel{\→}{r_s}\right){\mathrm{dr}}_s;$

注意到当采用与激发光波长匹配的滤波片进行信号采集时，CCD检测到的信号为：

$g_{out}^0=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr;$

从而有

以上进行荧光信号衰减校正的方法称为归一化的Born比法。

步骤2，利用FBP重建算法计算样品中荧光染料的浓度：

由步骤1得到荧光染料浓度的Radon变换，即由上式可知，G_f为激发光沿着传播方向的Radon变换，由Radon变换及其逆变换理论可知，测出多个方向的Radon变换即可重建出荧光染料浓度多方向的 数据测量在OPT成像中的实现可以利用电控旋转装置带动样品旋转同时利用光源照射、CCD进行数据采集既可。当采集到360度的测量数据G_f后，通过逆Radon变换即可计算出荧光染料的浓度。

即计算σ＝FBP(G_f)，从而得到荧光染料浓度σ。

步骤3，通过Monte Carlo仿真估计测量到的荧光数据中的散射分量：

具体实现方法为利用步骤2中重建出的荧光染料浓度σ，同时利用样品的吸收系数和散射系数等信息，通过Monte Carlo仿真建立模型，通过调整仿真参数以模拟实际实验情形，从中即可估计出荧光数据中的散射分量。

基于Monte Carlo仿真运算的计算量非常大，同时也具有高度并行的特点，也非常适合于GPU加速，故利用本实验室之前开发的基于Monte Carlo方法的光子在生物组织中传播仿真平台，Molecular Optical Simulation Environment(MOSE)，研究采用GPU技术进行算法加速，实现散射分量Monte Carlo仿真计算的加速。

步骤4，去除散射分量，再次进行衰减校正和荧光染料浓度的计算：

由步骤3中得到的散射分量对测量数据进行进一步校正，即从测量数据中剔除散射分量，接着进行再次的衰减校正和荧光染料浓度计算，即重复步骤2和3。

步骤5，两次重建结果之差与阈值对比，迭代进行仿真计算。

重建结果与上一次重建结果对比，如果二者差异小于给定的门限值，则终止程序，输出结果，完成衰减和散射校正，如果不满足终止条件，则继续进行Monte Carlo仿真等一系列操作，直至满足终止条件。

下面结合附图3、附图4对本发明的重建结果做详细的描述。

附图3为本发明的发射式OPT成像信号采集示意图。样品经激发产生的荧光信号部分经弹道传播直接被CCD接收，部分经散射后被CCD接收，其余光子直射或散射到其他方向无法被CCD检测到。激发光和发射光在生物组织内传播均会受到生物组织衰减的影响，这在传统的OPT成像中是不考虑的，也恰是 本发明所考虑的核心内容。

附图4是荧光激发与信号的衰减示意图。其中图(a)为采用与发射光波长匹配的滤波片进行信号采集时的示意图，此时的滤波片与激发光波长不匹配，图(b)为采用与激发光波长匹配的滤波片进行信号采集时的示意图。两幅示意图中均假设激发光从点入射到样品匹配液池，在点对样品进行激发，并从处射出样品池。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种发射式光学投影断层成像衰减与散射校正方法，其特征在于，所述发射式光学投影断层成像衰减与散射校正方法将弱散射情形下OPT成像模型与OPT荧光重建算法相结合，对探测数据利用基于归一化Born比的方法进行OPT荧光信号的初步衰减校正；然后利用滤波反投影重建算法计算样品中荧光染料的浓度，再基于重建得到的荧光染料的浓度；采用Monte Carlo技术仿真生成对应的散射分量，并从探测数据中将散射分量去除，对去除散射分量的探测数据进行基于归一化Born比的衰减校正、荧光染料的浓度重建操作，构成衰减校正和散射分量估计有效结合的迭代框架，直至前后两次重建的荧光染料浓度小于设定的阈值；最终实现OPT荧光染料浓度的定量三维重建。

2.如权利要求1所述的发射式光学投影断层成像衰减与散射校正方法，其特征在于，所述发射式光学投影断层成像衰减与散射校正方法包括以下步骤：

步骤一，采用归一化的Born比方法对测量数据进行衰减校正；

步骤二，利用FBP重建算法计算样品中荧光染料的浓度；

步骤三，通过Monte Carlo仿真估计测量到的荧光数据中的散射分量；

步骤四，去除散射分量，再次进行衰减校正和荧光染料浓度的计算；

步骤五，两次重建结果之差与阈值对比，迭代进行仿真计算。

3.如权利要求2所述的发射式光学投影断层成像衰减与散射校正方法，其特征在于，所述采用归一化的Born比方法对测量数据进行衰减校正具体包括：

根据发射式OPT荧光成像的成像模型，激发光从点入射到样品匹配液池，在点对样品进行激发，并从处射出样品池，CCD接收的荧光信号表示为：

$g_{out}^f={\∫}_{\stackrel{\→}{r_s}}^{\stackrel{\→}{r_d}}S\left(\stackrel{\→}{r_s}\right){\∫}_{\stackrel{\→}{r_s}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right){\mathrm{drdr}}_s;$

$S\left(\stackrel{\→}{r_s}\right)=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_s}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr\·\mathrm{\ϵ}\mathrm{\η}\mathrm{\σ}\left(\stackrel{\→}{r_s}\right);$

其中表示激发光波长与滤波片不匹配时CCD采集到的信号，表示激发点，表示发射波与滤波片接触点，表示激发产生的荧光信号强度，ε和η分别表示消光系数和量子转换效率，表示荧光染料的浓度，从而知：

$g_{out}^f=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr\·{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\mathrm{\ϵ}\mathrm{\η}\mathrm{\σ}\left(\stackrel{\→}{r_s}\right){\mathrm{dr}}_s;$

当信号采集是采用与激发光波长匹配的滤波片进行信号采集时，CCD检测到的信号为：

$g_{out}^0=g_{in}{\∫}_{\stackrel{\→}{r_0}}^{\stackrel{\→}{r_d}}\exp (-u_t(\stackrel{\→}{r}\left)\right)dr;$

有其中G_f为激发光沿着传播方向的Radon变换， 分别为两种激发情形下CCD相机采集到的信号。

4.如权利要求2所述的发射式光学投影断层成像衰减与散射校正方法，其特征在于，所述利用FBP重建算法计算样品中荧光染料的浓度具体包括：

由得到荧光染料浓度的Radon变换，即G_f为激发光沿着传播方向的Radon变换， 分别为两种激发情形下CCD相机采集到的信号，ε和η分别表示消光系数和量子转换效率，为荧光染料的浓度；多个方向的Radon变换即可重建出荧光染料浓度采集到360度的测量数据G_f后，通过逆Radon变换即计算出荧光染料的浓度，即计算σ＝FBP(G_f)，得到荧光染料浓度σ。

5.如权利要求2所述的发射式光学投影断层成像衰减与散射校正方法，其特征在于，所述通过Monte Carlo仿真估计测量到的荧光数据中的散射分量具体包括：

利用重建出的荧光染料浓度σ，同时利用样品的吸收系数和散射系数信息，通过Monte Carlo仿真建立模型，通过调整仿真参数以模拟实际实验情形，从中即可估计出荧光数据中的散射分量。

6.如权利要求2所述的发射式光学投影断层成像衰减与散射校正方法，其特征在于，所述去除散射分量，再次进行衰减校正和荧光染料浓度的计算具体包括：

由得到的散射分量对测量数据进行进一步校正，即从测量数据中剔除散射分量，接着进行再次的衰减校正和荧光染料浓度计算，即重复进行如下步骤：

利用FBP重建算法计算样品中荧光染料的浓度，具体包括：

由得到荧光染料浓度的Radon变换，即G_f为激发光沿着传播方向的Radon变换，多个方向的Radon变换即可重建出荧光染料浓度采集到360度的测量数据G_f后，通过逆Radon变换即计算出荧光染料的浓度，即计算σ＝FBP(G_f)，得到荧光染料浓度σ；

通过Monte Carlo仿真估计测量到的荧光数据中的散射分量，具体包括：

利用重建出的荧光染料浓度σ，同时利用样品的吸收系数和散射系数信息，通过Monte Carlo仿真建立模型，通过调整仿真参数以模拟实际实验情形，从中即估计出荧光数据中的散射分量。

7.如权利要求2所述的发射式光学投影断层成像衰减与散射校正方法，其特征在于，两次重建结果之差与阈值对比，迭代进行仿真计算，重建结果与上一次重建结果对比，如果二者差异小于给定的门限值，则终止程序，输出结果，完成衰减和散射校正，如果不满足终止条件，则继续进行Monte Carlo仿真，直至满足终止条件。