[发明专利]基于ADMM网络的反射式荧光分子断层成像方法及系统

权利要求书

1.一种基于ADMM网络的反射式荧光分子断层成像方法，其特征在于，所述方法包括：

获取待重建激发光源扫描面的反射荧光分布；

根据所述待重建激发光源扫描面的反射荧光分布，利用解耦合荧光蒙特卡罗模型构建正向矩阵以及所述正向矩阵对应的训练数据集；所述训练数据集包括不同位置处的真实荧光团分布以及不同位置处的所述真实荧光团分布对应的激发光源扫描面的反射荧光分布；

利用所述正向矩阵构建待优化目标函数；

对所述待优化目标函数进行L1正则化处理，得到处理后的待优化目标函数；

利用交替方向乘子法将所述处理后的待优化目标函数分解成三个子问题；所述三个子问题包括第一子问题、第二子问题和第三子问题；

对所述三个子问题参数化得到参数化ADMM迭代网络；

利用所述训练数据集和损失函数对所述参数化ADMM迭代网络进行训练和优化，得到ADMM网络；

将所述待重建激发光源扫描面的反射荧光分布输入所述ADMM网络中，得到所述待重建激发光源扫描面的反射荧光分布对应的荧光团分布。

2.根据权利要求1所述的基于ADMM网络的反射式荧光分子断层成像方法，其特征在于，所述处理后的待优化目标函数为：

式中，Y为激发光源扫描面的反射荧光分布；A为正向矩阵；x为激发光源扫描面的反射荧光分布对应的荧光团分布；λ为正则化参数；W为权重矩阵；为Ax-Y的L₂范数的平方，||Wx||₁为Wx的L₁范数；E(x)为待优化目标函数，E(x)最小时对应的x为重建的荧光团分布。

3.根据权利要求2所述的基于ADMM网络的反射式荧光分子断层成像方法，其特征在于，所述对所述三个子问题参数化得到参数化ADMM迭代网络，具体包括：

采用第一三维卷积神经网络作为所述第一子问题的初始化算子，采用第二三维卷积神经网络作为所述第二子问题的求解算子，采用第三三维卷积神经网络作为所述第三子问题的更新算子，得到参数化ADMM迭代网络。

4.根据权利要求3所述的基于ADMM网络的反射式荧光分子断层成像方法，其特征在于，所述参数化ADMM迭代网络为：

z_k+1＝F(W_kx_k+1+u_k)+(W_kx_k+1+u_k)

u_k+1＝u_k+W_kx_k+1-z_k+1

W_k+1＝P(x_k+1)

式中，x_k+1为参数化ADMM迭代网络经过第k+1次迭代得到的荧光团分布；CG表示共轭梯度法；O表示第一三维卷积神经网络；F表示第二三维卷积神经网络；P表示第三三维卷积神经网络；T表示矩阵的转置；ρ为正则化参数；W_k为参数化ADMM迭代网络经过第k次迭代得到的正则化矩阵；z_k是参数化ADMM迭代网络经过第k次迭代得到的第一辅助变量；u_k是参数化ADMM迭代网络经过第k次迭代得到的第二辅助变量；x_k为参数化ADMM迭代网络经过第k次迭代得到的荧光团分布；N为最大迭代轮数；z_k+1是参数化ADMM迭代网络经过第k+1次迭代得到的第一辅助变量；u_k+1是参数化ADMM迭代网络经过第k+1次迭代得到的第二辅助变量；W_k+1为参数化ADMM迭代网络经过第k+1次迭代得到的正则化矩阵，k表示迭代次数的序号。