[发明专利]一种基于神经网络的近红外光谱断层成像重建方法

说明书

本发明公开了一种基于神经网络的近红外光谱断层成像重建方法，属于医学图像处理领域在玻尔兹曼辐射传输方程中，光的传输过程被看作是光子在介质中的吸收与散射过程，光与组织的相互作用由吸收系数、散射系数以及反应散射分布的相位函数决定，并在传输中只考虑光的粒子性，不考虑光的波动性，因此也不考虑与光的波动性相关的偏振及干涉现象，只追踪光的能量传输。使用基于BP神经网络的重建方法进行光吸收系数分布的重建，通过计算可以得出吸收系数分布的重建结果，本方法不但可以对吸收系数分布进行准确重建，同时有较高的计算效率。

技术领域

本发明属于医学图像处理领域，涉及一种基于神经网络的近红外光谱断层成像重建方法。

背景技术

近红外光谱(Near-infrared spectroscopy，NIRS)断层成像是国际上提出的新的成像技术，作为一种无损检测方法，应用近红外光作为成像源进行成像，获得了广泛的关注。该技术的主要依据是生物体内不同的组织中血糖、血氧等物质含量有所差别，从而导致不同组织对近红外光的吸收系数μa及其他光学参数产生差别，而光学参数作为描述生物组织的光学特性参数又与生物组织的不同生理状态相关，利用这样的特性，通过近红外光测量生物体中的光学特性参数即可用于病灶成像或考察生物光学参数相对变化等医学诊断项目。

相比其他医学成像模态，如：计算机断层成像(Computed Tomography，CT)、核磁共振成像(Magnetic Resonance Imaging，MRI)、超声成像(Ultrasound Imaging，USI)等等，近红外光谱成像有许多显著的优点：

(1)成像时间短，时间分辨率高，数据采集速度快；

(2)无电离辐射，对身体无伤害，安全可靠；

(3)便携易用，成本较低，可进行病情连续监测。

因此近红外光谱断层成像的用途广泛，可应用于各种类型的血氧检测，如脑功能成像、乳腺癌检测、新生儿大脑检测等；也常用于小动物成像方向。

由于在实际测量过程中边界测量数据有限以及测量的近红外光信号中不可避免的混有噪声，然而最终要重建具有多个有限元节点的光学参数分布，导致近红外光谱断层成像的重建问题在数学上是一个不适定以及病态的问题，因此，如何快速、准确地重建光声信号是近红外光谱断层成像研究的重点及难点。

为了解决上述问题，以往在重建时常使用正则化的求解方法将近红外光图像重建问题转变成一个非线性的最优化问题。然而传统正则化方法抑制重建图像中伪影的能力较弱，成像重建时间也比较长，因此本发明考虑利用神经网络来进行近红外光谱图像重建。

人工神经网络(Artificial Neural Network，ANN)，起源自上个世纪40年代，是近年来人工智能领域兴起的研究热点。它是对人脑神经元网络进行模拟，建立某种简单模型，按不同的连接方式组成不同的网络并完成各种信息处理任务。其中BP神经网络是目前应用最广泛的神经网络形式，BP神经网络最早在20世纪80年代中期由DavidRunelhart、Geoffrey Hinton和RonaldW-llians、DavidParker等人分别独立发现。它具有良好的非线性映射能力、自学习和自适应能力、泛化能力、以及容错能力，因此被广泛应用于函数逼近、模式识别、分类、数据压缩等众多方面。

发明内容

本发明的目的在于提出了一种基于神经网络的近红外光谱成像重建方法可以提高重建图像的精度，减少成像时间。

为实现上述目的，本发明采用的技术方案为一种基于神经网络的近红外光谱断层成像重建方法，在玻尔兹曼辐射传输方程中，光的传输过程被看作是光子在介质中的吸收与散射过程，光与组织的相互作用由吸收系数、散射系数以及反应散射分布的相位函数决定，并在传输中只考虑光的粒子性，不考虑光的波动性，因此也不考虑与光的波动性相关的偏振及干涉现象，只追踪光的能量传输。求解光在组织中的能量扩散近似方程：