融合多种先验信息的多光谱自发荧光断层成像重建方法的研究

自发荧光断层成像是在体光学分子成像的一种主要成像模态，它可以在临床病变之前实现疾病的诊断和治疗，具有广泛的医学应用前景，但其应用潜力依赖于重建算法的新进展。本课题重点研究融合多种先验信息的多光谱自发荧光断层成像重建方法。首先，采用一种新的优化可行区域策略方法，结合荧光光源的多光谱性质以降低自发荧光断层成像的病态性；其次，设计自适应的马尔可夫链随机场先验模型以估计光源在生物体内的分布情况，进一步降低自发荧光断层成像的病态性；第三，首次采用贝耶斯框架融合多种先验信息，尝试解决目前重建方法无法在非匀质生物体中精确定位的难题；最后，针对多光谱自发荧光断层成像的数据量大，计算非常耗时的难题，提出一种支持大数据量、快速的优化算法。此项目对于阐明疾病的发病机制、诊断和治疗，以及在药物疗效评估等方面具有重要的基础与应用价值。

自发荧光层析成像可以在临床病变之前实现疾病的诊断和治疗，具有广泛的医学应用前景。但其应用潜力依赖于重建算法的新进展，因此开展重建算法的研究是非常必要的。本课题重点研究融合多种先验信息的多光谱自发荧光层析成像重建方法，取得的主要研究进展主要包括：1.基于荧光光源的多光谱性质，发展了一种优化可行区域策略方法以降低自发荧光层析成像的病态性。2. 提出了基于拟贪婪技术的光源重建算法，通过建立搜索树找到对于求解光源分布有影响的列向量的集合，从而得到最优的光源区域，并在此基础上实现光源重建。3. 提出了基于贝耶斯方法的自发荧光断层成像重建方法。该方法利用有限元对生物体进行网格剖分，然后基于贝耶斯框架融入先验信息，并建立未知光源密度分布的高斯马尔可夫链随即场先验模型，最后通过最大后验概率估计来对未知光源的分布实现了重建。在上述方法基础上，基于自适应有限元方法对上述算法进行改进，实现了基于自适应有限元的贝耶斯光源重建算法。进一步，考虑到荧光光源具有稀疏特性，提出了基于稀疏贝耶斯方法的自发荧光断层成像重建算法。4.考虑到多光谱方法在提高光源重建结果的同时也增加了计算负担，而各个荧光谱段之间存在着很强的相关性。因此，本课题提出了基于主成分分析方法的自发荧光断层成像重建算法，该方法有效地去掉多余的谱段，提高了重建速度。进一步，考虑到通常的重建算法需要计算二阶导数，计算量大，因此实现了基于有限内存的自发荧光断层成像重建算法，有效地提高了重建速度。最后，实现了基于主成分分析和有限内存相融合的光源重建算法，进一步提高了重建速度。5. 提出了基于对偶和变量分裂的光源重建算法，该算法通过融合光源的稀疏先验信息，获得了稳定的光源重建结果，同时该算法具有快速的优点。6.针对光源重建中正则化参数经验选择的缺点，基于模型函数实现了正则化参数的自适应选择，有效地提高了光源重建图像质量。7.考虑到基于l1正则化和l2正则化的重建算法可能会降低重建图像质量，提出了基于总变分正则化的光源重建算法，并基于Bregman迭代分离方法实现了荧光光源重建。概括而言，本课题共取得成果21项，其中SCI检索论文11篇，EI论文5篇，申请发明专利5项，其中1项已授权。