论文部分内容阅读
分子影像是一门新兴的前沿综合交叉学科，它是应用影像学方法，对活体状态下的生物过程进行分子细胞水平的定性和定量研究，可以在分子水平和细胞水平上实现生物有机体生理、病理变化的无创、动态、连续、在体成像。作为分子影像的一种重要模态，光学分子影像与其他成像技术相比，具有灵敏度高、无放射性、结果直观、成像快速以及使用成本低等诸多优点，已发展成为一种较理想的小动物在体成像方法。激发荧光断层成像是一种重要的光学成像模态，与二维平面成像相比，它可以在三维空间中观测分子过程变化并完成精确定量重建，因此成为了分子影像领域的研究热点之一。虽然近些年来激发荧光断层成像从理论到应用获得了长足发展，但由于生物体组织复杂性等原因，导致现有成像方法的重建精度、效率及鲁棒性上依然存在着一定的问题，有进一步研究的必要。
本文针对如何进一步提高激发荧光断层成像的精度、速度及鲁棒性进行了研究，提出了自适应参数的激发荧光断层成像重建方法，主要研究内容包含以下几点:
①提出了一种基于坐标下降的光源重建方法。该方法将多变量的最优化问题转化为多个子问题进行优化，每次迭代过程中只需更新使能量函数衰减最大的一个坐标项，避免了传统方法中矩阵与向量相乘的耗时操作，显著提高了重建效率。此外，该方法对测量数据有限的重建具有很好的可靠性，消除了传统重建方法中较易出现的重建伪影干扰。实验结果证明了该方法的高效性和可靠性。
②提出了一种自适应参数的匹配追踪的光源重建方法。基于压缩感知的匹配追踪方法已被用于光学断层重建，表明有较好的重建效率。但匹配追踪方法通常需要提前预测稀疏因子，而稀疏因子在实际的逆向求解过程中却很难被准确预测，因而很可能因预测不准而造成较大光源重建误差。为提高重建方法的鲁棒性，本文提出了一种自适应参数的匹配追踪重建方法。该方法不用提前预测稀疏因子，而是在迭代过程中自动决定稀疏因子，从而获取更鲁棒和精确的重建结果。实验结果表明该方法具有很好的鲁棒性。
③提出了一种基于分离近似的自适应正则化的光源重建方法。在传统重建方法中，L1正则化相对于L2正则化具有速度快、稀疏性好等特点。在重建过程中正则化参数的选择非常重要，过大的正则化参数将会造成大的重建误差，而过小的正则化参数收敛的速度慢且稀疏性差。传统重建方法一般采用经验值来选择重建的正则化参数，但不同重建问题对正则化参数取值要求不同，选择不当则会造成较大重建误差。为解决上述问题，本文提出了基于分离近似的自适应参数重建方法，该方法自动选取较大的正则化参数作为初始值，并在随后迭代过程中自适应地更新减小正则化参数，从而实现精确、快速及鲁棒的重建。实验结果证明该方法具有很好的鲁棒性、精确性和高效性。
④提出了一种基于同伦分析的自适应正则化的光源重建方法。基于分离近似的自适应正则化重建方法显著提高了迭代过程中的收敛速率，并通过自适应地更新正则化参数，提高了重建的鲁棒性。但基于分离近似的方法在自适应正则化参数选择的过程中，还需要依赖比例系数，在一定程度上降低了自适应程度。此外，该方法总体属于一阶迭代的方法，迭代效率还有提升的空间。针对以上问题，本文又提出了基于同伦分析的自适应参数重建方法。本方法的自适应正则化参数决定于每步循环迭代的残差，不需引入新的比例系数等变量。此外，该方法基于压缩感知理论，收敛速度有了更大提升。实验结果证明该方法具有更好的鲁棒性和高效性。