法律状态公告日
法律状态信息
法律状态
2020-04-10
授权
授权
2019-03-12
实质审查的生效 IPC(主分类):G01N21/47 申请日:20180930
实质审查的生效
2019-02-15
公开
公开
技术领域
本发明涉及光学成像领域，特别是涉及一种基于控制蒙特卡罗方法的扩散光学成像方法及系统。
背景技术
蒙特卡罗(Monte Carlo，简称MC)模型普适性高，在生物组织光学领域得到了广泛的应用。在MC模型中，通过对辐射传输方程(radiative transport equation，RTE)的积分形式进行求解，建立了相对应的联合概率抽样函数，从而模拟扩散光子在组织中的传输。目前，用于层状组织模拟的MC模型和用于复杂解剖结构的基于体素的MC模型都能够精确模拟光子在组织中的传播。MC模型继承了RTE方程的准确性，又适用于各种复杂边界及复杂异质组织。因此，MC模型是提高扩散光子成像技术，如扩散光学成像(diffuse opticaltomography，简称DOT)和荧光扩散光学成像(fluorescence diffuse opticaltomography，简称fDOT)的精度和定量性能的最佳选择。但是，MC模型需要统计大量的光子才能得到准确的结果，应用于DOT成像的效率极低。蒙特卡罗模型的统计准确性主要取决于到达探测器的光子数。上到达探测区域的光子数越多，模拟结果的精确性也就越高。但是，当探测区域距光源距离较远，或者探测区域范围较小时，到达探测区域的光子数就会减少，严重影响最终的图像质量。
发明内容
本发明的目的是提供一种基于控制蒙特卡罗方法的扩散光学成像方法及系统，能够有效提高到达探测区域的光子数量及光分布的准确性，不仅能够保证成像质量和成像效率，而且能够解决目标生物组织的散射系数不同或光源与探测区域的距离不同引起的光分布精度不稳定的问题。
为实现上述目的，本发明提供了如下方案：
一种基于控制蒙特卡罗方法的扩散光学成像方法，所述扩散光学成像方法包括：
根据成像分辨率将目标生物组织的空间结构分割成一个三维体素模型；
建立三维数字矩阵，所述三维数字矩阵的元素数量与所述三维体素模型的三维体素的数量相同，且所述三维数字矩阵中每个元素的数值表征一个所述三维体素的组织类型；
获取光源与探测区域的位置关系、各所述组织类型对应的光学特性参数、吸引因子及光子散射方向，其中，所述光源与所述探测区域位于所述三维数字矩阵的两侧；
根据所述位置关系及扩散方程的外推边界确定吸引区域；
根据当前光子的空间位置向量、吸引点的位置向量和所述光学特性参数确定吸引向量，所述吸引点位于所述吸引区域；
根据成像效率和光分布误差确定散射选择次数；
根据所述吸引向量、所述吸引因子及所述光子散射方向确定所述光子散射方向的选择概率；
采用随机函数生成与所述光子散射方向对应的随机数R，0≤R≤1；
判断所述选择概率是否大于所述随机数，获得第一判断结果；
当所述第一判断结果表示所述选择概率大于所述随机数时，所述当前光子移动设定步长后进行下一次散射，并更新所述当前光子的权重；
当所述第一判断结果表示所述选择概率小于或者等于所述随机数时，根据控制蒙特卡罗方法更新光子散射方向，并返回所述“根据所述吸引向量、所述吸引因子及所述光子散射方向确定散射方向的选择概率”；
根据所述探测区域的光子信息确定各光子在探测区域的空间分布图。
可选的，所述根据当前光子的空间位置向量、吸引点的位置向量和所述光学特性参数确定吸引向量，具体包括：
获取当前光子的空间位置向量
根据公式：
根据所述扩散系数确定传输平均自由程及外推边界；
根据公式：
根据公式：
根据公式：
可选的，所述根据所述吸引向量、所述吸引因子及所述光子散射方向确定所述光子散射方向的选择概率，具体包括：
根据公式：
可选的，所述更新所述当前光子的权重，具体包括：
根据公式：
一种基于控制蒙特卡罗方法的扩散光学成像系统所述扩散光学成像系统包括：
三维体素模型确定模块，用于根据成像分辨率将目标生物组织的空间结构分割成一个三维体素模型；
三维数字矩阵建立模块，用于建立三维数字矩阵，所述三维数字矩阵的元素数量与所述三维体素模型的三维体素的数量相同，且所述三维数字矩阵中每个元素的数值表征一个所述三维体素的组织类型；
数据获取模块，用于获取光源与探测区域的位置关系、各所述组织类型对应的光学特性参数、吸引因子及光子散射方向，其中，所述光源与所述探测区域位于所述三维数字矩阵的两侧；
吸引区域确定模块，用于根据所述位置关系及扩散方程的外推边界确定吸引区域；
吸引向量确定模块，用于根据当前光子的空间位置向量、吸引点的位置向量和所述光学特性参数确定吸引向量，所述吸引点位于所述吸引区域；
选择次数确定模块，用于根据成像效率和光分布误差确定散射选择次数；
选择概率确定模块，用于根据所述吸引向量、所述吸引因子及所述光子散射方向确定所述光子散射方向的选择概率；
随机数生成模块，用于采用随机函数生成与所述光子散射方向对应的随机数R，0≤R≤1；
第一判断模块，用于判断所述选择概率是否大于所述随机数，获得第一判断结果；
第一判断处理模块，用于当所述第一判断结果表示所述选择概率大于所述随机数时，所述当前光子移动设定步长后进行下一次散射，并更新所述当前光子的权重；
当所述第一判断结果表示所述选择概率小于或者等于所述随机数时，根据控制蒙特卡罗方法更新光子散射方向；
空间分布图确定模块，用于根据所述探测区域的光子信息确定各光子在探测区域的空间分布图。
可选的，所述吸引向量确定模块包括：
空间位置获取单元，用于获取当前光子的空间位置向量
扩散系数确定单元，用于根据公式：
传输平均自由程及外推边界确定单元，用于根据所述扩散系数确定传输平均自由程及外推边界；
有效扩散点光源位置确定单元，用于根据公式：
表面虚光源位置确定单元，用于根据公式：
吸引向量确定单元，用于根据公式：
可选的，所述选择概率确定模块根据公式：
可选的，所述第一判断处理模块包括权重更新单元，所述权重更新单元用于根据公式：
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的基于控制蒙特卡罗方法的扩散光学成像方法及系统，首先根据光源与探测区域的位置关系及扩散方程外推边界确定吸引区域，在所述吸引区随机选择吸引点后，据当前光子的空间位置向量、吸引点的位置向量和光学特性参数确定吸引向量，然后根据吸引向量、吸引因子及采用控制蒙特卡罗方法确定的光子散射方向确定所述光子散射方向的选择概率。最后根据光子散射方向的选择概率与随机数的大小关系确定光子是否进行下次散射及是否更新光子的权重。可见，本发明提供的基于控制蒙特卡罗方法的扩散光学成像方法及系统设立了吸引区域以选择进行下一次散射的光子，并提出了一种权重更新方法用以更新被选择光子的权重。在发射相同光子数的前提下，采用本发明提供的扩散光学成像方法及系统能够有效提高到达探测区域的光子数量及光分布的准确性，不仅能够保证成像质量和成像效率，而且能够解决目标生物组织的散射系数不同或光源与探测区域的距离不同引起的光分布精度不稳定的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种基于控制蒙特卡罗方法的扩散光学成像方法的流程图；
图2为本发明实施例提供的一种基于控制蒙特卡罗方法的扩散光学成像系统的结构框图；
图3为本发明实施例提供的光子传播示意图；
图4为本发明实施例提供的散射方向选择概率函数曲线图；
图5为本发明实施例提供的探测区域内的光子权重直方图和光分布图；
图6本发明实施例提供的分层异质组织的光分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于控制蒙特卡罗方法的扩散光学成像方法及系统，能够有效提高到达探测区域的光子数量及光分布的准确性，不仅能够保证成像质量和成像效率，而且能够解决目标生物组织的散射系数不同或光源与探测区域的距离不同引起的光分布精度不稳定的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的一种基于控制蒙特卡罗方法的扩散光学成像方法的流程图。如图1所示，一种基于控制蒙特卡罗方法的扩散光学成像方法，所述扩散光学成像方法包括：
步骤101：根据成像分辨率将目标生物组织的空间结构分割成一个三维体素模型。
步骤102：建立三维数字矩阵，所述三维数字矩阵的元素数量与所述三维体素模型的三维体素的数量相同，且所述三维数字矩阵中每个元素的数值表征一个所述三维体素的组织类型。
步骤103：获取光源与探测区域的位置关系、各所述组织类型对应的光学特性参数、吸引因子及光子散射方向，其中，所述光源与所述探测区域位于所述三维数字矩阵的两侧，所述光学特性参数包括：激发光的吸收系数、激发光的散射系数、荧光的吸收系数、荧光的散射系数、荧光团的吸收系数、荧光团的折射系数和荧光团的各向异性中至少一者。
步骤104：根据所述位置关系及扩散方程的外推边界确定吸引区域。
步骤105：根据当前光子的空间位置向量、吸引点的位置向量和所述光学特性参数确定吸引向量，所述吸引点位于所述吸引区域。
具体地，所述步骤105：根据当前光子的空间位置向量、吸引点的位置向量和所述光学特性参数确定吸引向量，具体包括：
获取当前光子的空间位置向量
根据公式：
根据所述扩散系数确定传输平均自由程及外推边界；
根据公式：
根据公式：
根据公式：
步骤106：根据成像效率和光分布误差确定散射选择次数。
步骤107：根据所述吸引向量、所述吸引因子及所述光子散射方向，采用公式：
步骤108：采用随机函数生成与所述光子散射方向对应的随机数R，0≤R≤1。
步骤109：判断所述选择概率是否大于所述随机数，获得第一判断结果；
当所述第一判断结果表示所述选择概率大于所述随机数时，执行步骤110，当所述第一判断结果表示所述选择概率小于或者等于所述随机数时，执行步骤111。
步骤110：所述当前光子移动设定步长后进行下一次散射，并根据公式：
步骤111：根据控制蒙特卡罗方法更新光子散射方向，并返回所述步骤107。
步骤112：根据所述探测区域的光子信息确定各光子在探测区域的空间分布图。
图2为本发明实施例提供的一种基于控制蒙特卡罗方法的扩散光学成像系统的结构框图。如图2所示，一种基于控制蒙特卡罗方法的扩散光学成像系统，所述扩散光学成像系统包括：
三维体素模型确定模块201，用于根据成像分辨率将目标生物组织的空间结构分割成一个三维体素模型。
三维数字矩阵建立模块202，用于建立三维数字矩阵，所述三维数字矩阵的元素数量与所述三维体素模型的三维体素的数量相同，且所述三维数字矩阵中每个元素的数值表征一个所述三维体素的组织类型。
数据获取模块203，用于获取光源与探测区域的位置关系、各所述组织类型对应的光学特性参数、吸引因子及光子散射方向，其中，所述光源与所述探测区域位于所述三维数字矩阵的两侧。
吸引区域确定模块204，用于根据所述位置关系及扩散方程的外推边界确定吸引区域。
吸引向量确定模块205，用于根据当前光子的空间位置向量、吸引点的位置向量和所述光学特性参数确定吸引向量，所述吸引点位于所述吸引区域。
选择次数确定模块206，用于根据成像效率和光分布误差确定散射选择次数。
选择概率确定模块207，用于根据所述吸引向量、所述吸引因子及所述光子散射方向，采用公式：
随机数生成模块208，用于采用随机函数生成与所述光子散射方向对应的随机数R，0≤R≤1。
第一判断模块209，用于判断所述选择概率是否大于所述随机数，获得第一判断结果。
第一判断处理模块210，用于当所述第一判断结果表示所述选择概率大于所述随机数时，所述当前光子移动设定步长后进行下一次散射，并更新所述当前光子的权重；
当所述第一判断结果表示所述选择概率小于或者等于所述随机数时，根据控制蒙特卡罗方法更新光子散射方向。
具体地址，所述第一判断处理模块210包括权重更新单元，所述权重更新单元用于根据公式：
空间分布图确定模块211，用于根据所述探测区域的光子信息确定各光子在探测区域的空间分布图。
采用本发明提供的基于控制蒙特卡罗方法的扩散光学成像系统进行光学成像的步骤如下：
(1)据成像的分辨率将目标生物组织的空间结构根分割成一个三维体素模型，建立一个大小与三维体素模型的三维体素数量相同的三维数字矩阵，矩阵中每个元素的数值对应一个三维体素的组织类型。图3为本发明实施例提供的光子传播示意图，其中，图3的(a)部分为光子在均匀组织中的传播示意图，图3的(b)部分为光子在分层异质组织中的传播示意图。如图3所示，本实施例中，两种组织模型都是长方体，光源与探测区域位于目标生物组织的两侧。
(2)设立吸引区域并确定散射方向选择次数，吸引区域范围与探测区域相等，具体步骤如下：
(2.1)根据扩散方程外推边界理论，采用公式：Δ＝0.74ltr确定吸引区域。本实施例确定的吸引区域在探测区域后方1cm处。
(2.2)进行散射方向选择时，随机在吸引区域选择一个点，与光子所在位置结合，通过扩散方程确定吸引向量：
发射光子包，光子包中的光子进行光子散射方向选择时的吸引向量为：
(2.3)根据成像效率和光分布误差确定散射选择次数。本实施例确定的散射选择次数为2，即从第0次散射到第usd次散射随机选择2次散射进行散射方向选择，其中，d表示光源与探测区域的距离。
(3)确定吸引因子α的取值，为计算散射方向选择概率做准备，具体步骤如下：
(3.1)绘制几种不同吸引因子α所对应的散射方向选择概率函数曲线，如图4所示。
(3.2)通过曲线分析不同α所对应的散射方向选择概率大小，使方向选择概率函数无限趋近于抽样函数，并与对应的计算时间(计算量)进行比较权衡确定吸引因子。本实施例最终确定的吸引因子α为20。
(4)计算散射方向选择概率，使得光子以散射方向选择概率完成本次散射，并将该光子权重进行更新。如果散射方向没有被选择上，要重新进行本次散射，产生新的散射方向并重新进行散射方向选择，具体步骤如下：
(4.1)计算本次散射方向选择概率
(4.2)在每次计算完选择概率
其中，探测区域光子理论近似平均权重值wmean：
(4.3)当
(5)追踪完所有光子后记录探测区域附近溢出光子的信息，从而记录光子在探测区域的空间分布图。
对于本发明所输出的文件，可采用matlab读取，绘图并分析。本实施例通过误差评价函数
采用本发明提供的扩散光学成像系统对均匀组织进行成像，具体参如下：
us＝50cm-1,d＝1cm，探测区域为1cm×1cm,α＝20。
比对了在每次散射进行散射方向选择和2次散射进行散射方向选择的结果。图5为本发明实施例提供的探测区域内的光子权重直方图和光分布图，其中，图5的(a)部分表示每次散射进行散射方向选择时在探测区域的光子权重直方图，图5的(b)部分为与图5的(a)部分对应的光分布图，图5的(c)部分表示参考光分布图，图5的(d)部分表示随机选择2次散射进行散射方向选择时的探测区域光子权重直方图，图5的(e)部分为与图5的(d)部分对应的光分布图，图5的(f)部分表示蒙特卡罗方法(MC)得到的光分布图。由图5可知，相比在每次散射进行散射方向选择，随机选择2次散射进行散射方向选择所得的直方图较为平滑，大权重光子(权重相对大部分光子很大的光子)比例相对少，故大权重光子对整体光分布影响小，光分布较为准确。
将控制蒙特卡罗方法CMC和蒙特卡罗方法MC所得结果进行对比，图5的(e)部分和(f)部分分别是发射100万光子时MC和CMC所得光分布图，图5的(c)是参考光分布图。根据数据分析，MC所得结果误差
采用本发明提供的扩散光学成像系统对分层异质组织进行成像，具体参如下：
目标生物组织为分层异质组织，各层参数如表1，组织模型如图3的(b)部分所示,其中，n表示光学折射率，g表示各向异性因子，d表示组织的厚度(光源与探测区的距离)，发射光子数100万。探测区域为1cm×1cm,α＝20。
表1.各层组织参数
图6本发明实施例提供的分层异质组织的光分布图，其中，图6的(a)部分为MC方法得到的光分布图，Nd＝108276，
本发明公开的扩散光学成像方法及系统基于控制蒙特卡罗方法(CMC)，在发射相同光子数的前提下，提高了到达探测区域的光子数，从而提高了成像效率。由于本发明设立了吸引区域以进行光子选择，并提出了一种权重更新方法用以更新被选择的光子的权重，能够解决在不同散射系数us和光源探测区域距离d的组织中，光分布精度不稳定的问题。结果表明，采用本发明提供的基于控制蒙特卡罗方法的扩散光学成像方法及系统不仅提高了到达探测区域的光子数，而且保证了光子分布的统计准确性，在us和d不同的目标生物组织下，光分布精度稳定。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
机译： 一种用于校准数字光学成像系统的方法，一种用于校正数字光学成像系统中的成像误差的方法以及数字光学基础系统
机译： 一种生产扩散合金铁或基于铁的粉末的方法，一种扩散合金粉末，一种包括扩散合金粉末的组合物以及由该组合物制成的致密和烧结零件。
机译： 一种基于估计的摩擦转矩斜率的防抱死制动系统，一种确定防抱死制动控制的起点的方法以及一种基于估计的摩擦转矩梯度，起始点的防抱死制动系统防外观制动控制装置，以及具有极限判定装置的车轮性能量伺服控制装置。
