[发明专利]一种优化区域知识先验的稀疏角CB-XLCT成像方法

说明书

本发明公开一种优化区域知识先验的稀疏角CB‑XLCT成像方法，包括：步骤1，根据稀疏角CB‑XLCT成像不适定逆问题构建稀疏非凸L_p，0p1正则模型；步骤2，将稀疏非凸L_p正则模型转化为重加权凸L₁正则模型；步骤3，设计迭代重加权裂分增广拉格朗日收缩算法求解；步骤4，结合经典非凸p值，求解稀疏解集对应的可行区域集；步骤5，将可行区域集优化为稳定的知识先验进而指导最终逆问题的求解；步骤6，根据步骤5中的求解结果显示重建后的稀疏角CB‑XLCT图像；本发明不仅有效解决了稀疏角CB‑XLCT成像逆问题，而且具有良好的可扩展性。

技术领域

本发明医学成像相关技术领域，具体涉及一种优化区域知识先验的稀疏角 CB-XLCT成像方法。

背景技术

X射线发光断层成像(XLCT)做为一种新兴的三维分子影像模态，已成为医学成 像领域的研究热点。相对于传统的生物发光断层成像(BLT)和荧光分子断层成像 (FMT)，XLCT消除了FMT自体荧光的干扰，弥补了BLT成像深度有限的不足。

根据CT射线放源方式，传统XLCT技术主要分为笔束型XLCT(PB-XLCT)、扇形束XLCT(FB-XLCT)以及锥束型XLCT(CB-XLCT)。尽管PB-XLC和FB-XLCT具有成像分辨率高的 优点，但是系统耗时过长，不利于生物的快速成像，鉴于此，CB-XLCT借助锥束型射 线扫描时间短和X剂量利用率高的优点，为今后在体外快速成像提供了可行性。

类似于BLT和FMT光学断层成像，CB-XLCT成像问题在数学上属于逆问题研究， 已有相关方法可有效降低逆问题的病态性，随后，稀疏角CB-XLCT技术相继出现，然 而由于稀疏角度数据的约束，成像逆问题病态性相比传统CB-XLCT的逆问题病态性更 为严重，使得传统CB-XLCT成像方法不能有效应用于稀疏角CB-XLCT重建中。

发明内容

为克服现有技术的不足，本发明目的在于提供一种优化区域知识先验的稀疏角CB-XLCT成像方法，可有效降低逆问题的病态性，准确重建靶标。

为实现上述目的，本发明采用的技术方案是：

一种优化区域知识先验的稀疏角CB-XLCT成像方法，具体包括以下步骤；

步骤1：基于稀疏角CB-XLCT成像模型理论，构建稀疏非凸L_p，0p1正则模型；

所述稀疏非凸L_p正则模型的计算公式表示为：

其中，τ为正则化参数，||ρ||_p＝(Σ_i|ρ_i|^p)^1/p为L_p，0p1范数，ρ表示待求解的纳米靶标，J表示采集的生物体表光信号，A为系统矩阵；

步骤2：将步骤1中所述的稀疏非凸L_p正则模型转化为重加权凸L₁正则模型进行 迭代求解；

步骤3：将步骤2中所述的重加权凸L₁正则模型迭代求解过程中经过迭代重加权裂分增广拉格朗日收缩算法进行求解；

步骤4：将步骤3得到的求解结果结合经典非凸p值，求解出稀疏解集对应的可 行区域集；

步骤5：将步骤4中得到的可行区域集优化为稳定的知识先验指导逆问题的求解，准确重建靶标；

步骤6：根据步骤5中重建后的靶标显示稀疏角CB-XLCT图像。

进一步地，所述步骤1中CB-XLCT成像模型的计算公式为：J＝Aρ；

其中，ρ表示待求解的纳米靶标，J表示采集的生物体表光信号。