详情

原文传递 PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法

专利名称：	PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法
摘要：	本发明公开了一种PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法，其特征在于，定量PAT为动态FMT重建提供双先验信息包括背景光学参数先验信息和荧光分布先验信息，静态FMT重建采用基于CNN框架的非模型驱动重建方法，而动态数据分析方法则采用基于分室动力学模型的自适应EKF算法。本方法优点：(1)基于CNN的FMT重建方法：采用数据驱动重建，对模型的精确度要求下降；属于非迭代算法，去除传统重建算法病态性对重建结果的影响；重建速度快，更适合于动态成像。(2)采用高空间分辨率定量PAT所提供的双先验信息改善动态FMT成像质量，包括背景光学参数先验信息和荧光分布位置先验信息。
专利类型：	发明专利
申请人：	电子科技大学
发明人：	王欣
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T05:00:00+0805
申请号：	CN201911344488.9
公开号：	CN111103275A
代理机构：	电子科技大学专利中心
代理人：	陈一鑫
分类号：	G01N21/64;G06N3/04;G06N3/08;G;G01;G06;G01N;G06N;G01N21;G06N3;G01N21/64;G06N3/04;G06N3/08
申请人地址：	611731 四川省成都市高新区(西区)西源大道2006号
主权项：	1.一种PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法，该方法包括：步骤1：获取待测目标体的初始光声信号，经定量PAT重建获得待测目标体的背景先验信息；步骤2：采用双波长光声测量，获取待测目标体的检测光声信号，进行定量PAT计算出待测目标体的血红蛋白浓度、脱氧血红蛋白浓度、血氧饱和度；步骤3：将检测光声信号与初始光声信号相减获得光声信号差值，定量PAT重建得到由于荧光剂聚集所产生的吸收系数改变，即可作为荧光剂分布先验信息；步骤4：根据随机荧光产率分布数据库结合步骤1获得的背景先验信息模拟出边界光流量数据库；步骤5：采用步骤4得到的边界光流量数据库对建立好的卷积神经网络进行训练；步骤6：获取待测目标体的激发光信号序列与荧光信号序列，将激发光信号序列与荧光信号序列作为卷积神经网络的输入，识别出荧光产率图像序列；步骤7；基于自适应EKF方法，根据步骤3得到的荧光剂分布先验信息结合荧光产率图像序列计算出药代动力学参数，包括：间室荧光剂浓度变化曲线、渗透率。 2.如权利要求1所述的一种PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法，其特征在于所述步骤4的具体方法为：步骤4.1：采用定量PAT所获得的背景先验信息作为FMT重建正向计算中的背景光学参数，建立光子输运模型；步骤4.2：建立与待测目标体几何外形相同的模拟模型，随机生成异质体个数、尺寸、位置和对比度；步骤4.3：基于耦合扩散方程计算出激发光和荧光在混浊介质中的输运过程；步骤4.4：基于有限元方法，通过FMT正向计算模拟随机荧光分布条件下的边界出射光流量。 3.如权利要求1所述的一种PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法，其特征在于所述步骤5中的卷积神经网络为输入为光信号序列输出为荧光参数分布的全连接卷积神经网络，该卷积神经网络采用如下编码-解码卷积对直接重建荧光产率图像分布：其中，C为系数矩阵为光学参数三维分布，为逆向算子，g为边界测量光流量矩阵，为降噪之后的系数矩阵，是与Hankel矩阵奇异值分解相关的一对函数，是ψi的颠倒矩阵，其行列标号相反，为解卷积滤波器。
所属类别：	发明专利