[发明专利]环形光声层析系统稀疏阵元优化选择及压缩感知成像方法

说明书

本发明公开了一种环形光声层析系统稀疏阵元优化选择及压缩感知成像方法，所述方法包括如下步骤：步骤1)利用超声换能器采集环形光声层析系统的光声信号；步骤2)明确稀疏度，确定环形扫描角度稀疏阵元数量，并基于模拟退火算法优化环形扫描角度稀疏阵元分布；步骤3)由相应阵元位置上超声换能器采集到的光声信号，利用压缩感知图像重建算法进行光声图像重建。本发明提出基于模拟退火算法针对稀疏成像问题中不同成像目标区域进行稀疏角度最优化选择。本发明基于模拟退火算法得到优化后稀疏阵元分布，由相应阵元位置上超声换能器采集到的光声信号，利用压缩感知图像重建算法进行光声图像重建，力求较少的信号采集量实现较高的成像效果。

技术领域

本发明属于光声层析成像领域，涉及一种利用智能学习算法寻求最优化稀疏阵元分布及基于压缩感知稀疏成像的方法。

背景技术

光声成像(Photoacoustic Imaging.PAI)方法是基于光声效应的成像算法应用研究，是一种结合了光学成像和超声成像优点的新型无创成像方式。与超声成像相比，它提供了对重要生理参数(如血红蛋白的氧饱和度和氧代谢率)高光学对比度成像；与纯光学成像相比，它为深度成像提供了更好的空间分辨率。它已经被探索用于癌症的早期诊断、肿瘤血管生成的成像以及心血管易损斑块的检测和识别。光声层析成像是光声成像对的一种成像模式，是基于从二维平面或者三维空间分布的超声换能器来获取图像数据，最终通过重建算法恢复成像目标的光学特性。

在实际光声层析成像系统中，为实现高精度成像，在圆形断层层析成像中，可以通过平均数据和取大量采集角度来实现。因此，为实现高质量，可能需要数百甚至数千个扫描角度来获取图像。这种扫描不仅耗费大量时间，还极大的提高了硬件设备的成本。而且信道串扰与相邻阵元的间距相关，大量的空间全采样也许会增加串扰的影响。传统重建方法包括反投影、滤波反投影以及时间反演重建算法，这些算法在数据采集不完备的情况下都会在重建图像中产生大量伪影，影响图像质量。

传统的稀疏采样模式往往采用均匀稀疏采样的模式。但这是一种折衷的稀疏采样方案，未考虑到每个阵元采集到的光声信号是各不相同的，因此在稀疏成像过程中阵元的稀疏采样不是最优解，影响后续的成像效果。模拟退火最先由Kirkpatrick等人于1983年提出。模拟退火算法来源于固体退火原理，将固体加温至充分高的温度，再让其徐徐冷却，加温时，固体内部粒子随着温度的上升变为无序状态，同时固体内能增大，而徐徐冷却时粒子渐趋有序，最后到达“结晶”状态，此时固体的内能减为最小。在环形扫描角度稀疏优化选择过程中，模拟退火算法是一种寻找函数最小值的过程来模拟固体结晶的物理过程的优化方法。

发明内容

为了克服环形阵列光声层析成像系统稀疏成像过程中均匀稀疏采样影响后续成像效果的问题，本发明提供了一种环形光声层析系统稀疏阵元优化选择及压缩感知成像方法。

本发明的目的是通过以下技术方案实现的：

一种环形光声层析系统稀疏阵元优化选择及压缩感知成像方法，包括如下步骤：

步骤1)利用超声换能器采集环形光声层析系统的光声信号；

步骤2)根据自身使用情况明确稀疏度，确定环形扫描角度稀疏阵元数量，并基于模拟退火算法优化环形扫描角度稀疏阵元分布，其中，基于模拟退火算法优化环形扫描角度稀疏阵元分布的具体步骤如下：

给定初始温度和初始解，初始解设定为均匀稀疏采样的阵元分布，对每个稀疏角度分布X相对应的能量函数f(X)，在X的逐渐变化过程中寻找f(X)的最小值，f(X)设置为利用本次稀疏角度分布的超声换能器采集到的光声信号重建出来光声图像的质量，通过一定次数的迭代或者能量函数降到一定阈值以下便得到了优化后的系数阵元分布；

步骤3)由步骤2)确定的相应阵元位置上超声换能器采集到的光声信号，利用压缩感知图像重建算法进行光声图像重建，其中，利用压缩感知图像重建算法进行光声图像重建的公式如下：

y＝Kθ；