CN105629652B - 一种基于自适应体素细分的光学断层成像方法 - Google Patents
一种基于自适应体素细分的光学断层成像方法 Download PDFInfo
- Publication number
- CN105629652B CN105629652B CN201610153704.1A CN201610153704A CN105629652B CN 105629652 B CN105629652 B CN 105629652B CN 201610153704 A CN201610153704 A CN 201610153704A CN 105629652 B CN105629652 B CN 105629652B
- Authority
- CN
- China
- Prior art keywords
- voxel
- subdivision
- adaptive
- data
- optical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 60
- 230000003287 optical effect Effects 0.000 title claims abstract description 55
- 238000003384 imaging method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 69
- 210000003484 anatomy Anatomy 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 210000000056 organ Anatomy 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000003325 tomography Methods 0.000 claims description 24
- 238000001506 fluorescence spectroscopy Methods 0.000 claims description 23
- 230000004907 flux Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000002591 computed tomography Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 206010028980 Neoplasm Diseases 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000009509 drug development Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 abstract description 5
- 230000001788 irregular Effects 0.000 abstract description 3
- 230000008685 targeting Effects 0.000 abstract 1
- 241001465754 Metazoa Species 0.000 description 18
- 238000012545 processing Methods 0.000 description 6
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B35/00—Stereoscopic photography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于自适应体素细分的光学断层成像方法，通过多模态分子影像系统获取投影数据和3DMED分割器官获得的解剖结构得到生物体表面的三维荧光分布，利用获得的三维分割图像进行体素的自适应细分；基于自适应细分的离散体素结构和表面映射的荧光分布，建立系统方程，求解目标函数，实现对生物体内靶向目标的准确、快速、高分辨率重建。本发明无需对组织进行四面体剖分，节省数据存储空间，克服了现有四面体有限元重建技术中必须对组织进行四面体剖分才能重建以及数据存储方面的局限性，能够对具有不规则解剖结构进行准确、快速成像，自适应体素细分更准确的描述组织边界信息，提高重建准确性。
Description
技术领域
本发明属于光学技术领域，尤其涉及一种基于自适应体素细分的光学断层成像方法。
背景技术
作为一种新兴的光学成像技术，光学三维成像是通过融合生物体体表测量的多角度光学信号、生物体的解剖结构和组织光学参数信息，基于精确的生物组织中的光传输模型重建活体生物体体内靶向目标的位置和强度分布信息，其中，生物组织中光传输过程的精确描述和靶向目标的准确快速重建是光学三维成像方法实现的基础。在光学三维成像技术中，激发荧光断层成像、扩散光学层析断层成像和自发荧光断层成像是三种主要的成像模态。基于自发荧光断层成像模态，中科院自动化所在其专利申请文件“一种基于自适应有限元的多光谱重建方法”(申请号：200710302337.8，申请日：2007-12-26，授权号CN200710302337.8，授权日2010.11.24)中提出了一种基于自适应有限元的多光谱重建方法，该方法利用多种先验信息、多谱信息，结合自适应有限元的方法，提出后验可行光源区域的策略，该方法能有效地提高自发荧光断层成像的重建质量和速度，在分子影像、重建算法等领域有着重要的应用价值。但是该方法是基于四面体有限元网格，必须对组织进行四面体剖分处理，用四面体数据构建前向矩阵，而构建四面体网格的过程比较复杂，重建流程繁琐。而对组织采用六面体体素进行处理，则极大降低了数据处理的复杂性。六面体体素相对于四面体有限元网格在存储空间和处理效率上更加具有优势，一般相同节点数量的情况下，六面体体素数量是四面体体素数量的1/5，所以可以极大的降低数据存储空间。
传统的对组织进行六面体体素处理过程，仅仅对组织进行单一类型的体素化，无法精确的描述组织边界信息。
发明内容
本发明的目的在于提供一种基于自适应体素细分的光学断层成像方法，旨在解决传统对组织进行四面体有限元求解时，四面体剖分复杂，而对于组织进行六面体体素处理过程，仅仅对组织进行单一类型的体素化处理，无法精确描述组织的边界信息的问题。
本发明是这样实现的，一种基于自适应体素细分的光学断层成像方法，所述基于自适应体素细分的光学断层成像方法包括：多模态的数据采集和自适应体素细分，对体内光学信号重建；通过多模态分子影像系统获取投影数据和3DMED分割器官获得的解剖结构得到生物体表面的三维荧光分布，利用获得的三维分割图像进行体素的自适应细分；基于自适应细分的离散体素结构和表面映射的荧光分布，建立系统方程，求解目标函数，实现对生物体内靶向目标的准确、快速、高分辨率重建。
进一步，所述基于自适应体素细分的光学断层成像方法包括以下步骤：
步骤一，采集数据，利用分子影像系统，依次采集用于光学三维成像的多角度荧光数据、用于光学特性参数重建的多角度激光数据和用于获取动物体解剖结构的计算机断层成像投影数据；
步骤二，图像预处理和分割，采用3DMED软件对预处理后的计算机断层成像投影数据进行三维重建，获得动物体三维体数据；应用3DMED软件中的人机交互式分割方法对获得的动物体三维体数据进行器官分割，获取动物体解剖结构；
步骤三，光学数据三维表面映射，利用步骤二获取的动物体解剖结构和步骤姨获取的荧光数据，应用非接触式光学断层成像方法利用生物体表面三维能量重建技术获取动物体表面的三维荧光数据分布；
步骤四，对组织进行自适应体素划分；
步骤五，建立系统方程，经过步骤四自适应体素细分，在第k个离散体素上，利用多级自适应有限元方法组装每个离散点上的子系统方程建立总的系统方程：
AkSk＝Φk；
其中，Ak是第k个离散体素上的系统矩阵，由离散化的体素结构和生物组织的光学特性参数决定；
Sk是第k个离散体素上的靶向目标能量密度分布；
Φk是第k个离散体素边界节点上的光通量密度；
步骤六，建立目标函数，根据第k个离散体素边界节点上的光通量密度计算值和测量值之间的误差，结合靶向目标的稀疏分布约束，建立下列目标函数：
其中，Θ(Sk)是第k个离散体素上的目标函数；
是第k个离散体素上的靶向目标能量密度的下限；
是第k个离散体素上的靶向目标能量密度的上限；
是第k个离散体素边界节点上的光通量密度的测量值；
||F||1定义为求解矩阵F的l1范数；
λk是第k个离散体素上的正则化因子；
步骤七，求解目标函数。
进一步，所述步骤一中多角度荧光数据的采集，控制成像体等间隔旋转，不大于90°，利用多模态分子影像系统中的CCD相机采集不少于四个角度的荧光数据；继续旋转，使成像体转回到荧光数据初始采集的位置；多角度计算机断层成像投影数据的采集，控制成像体等间隔旋转不大于1°，采集不少于360个角度的投影数据。
进一步，所述步骤四具体包括：
首先，对组织进行初级体素离散化，遍历每个体素，并对每个体素所在组织进行编号标记并标记出边界体素；
将标记的边界体素利用八叉树的方法进行细分，判断细分后的次级体素是否是边界体素，如果是边界体素，则对次级体素继续进行细分；如果不是边界体素或者已经达到最小的分辨率，则停止细分。
进一步，所述步骤七具体包括：
第一步，采用基于体素的方法求解建立的目标函数，根据第k个离散体素上形成的系统矩阵的大小选择合适的优化方法，获得第k个离散体素上的靶向目标能量密度分布；
第二步，利用靶向目标能量密度分布计算第k个离散体素边界节点上的光通量密度；
第三步，判断第k个离散体素边界节点上的光通量密度的测量值和计算值之差，如果小于给定阈值，则目标函数求解过程结束，获得光学三维成像的靶向目标重建结果；否则，转向第一步。
本发明的另一目的在于提供一种基因表达获取靶向目标的位置和强度信息的方法，所述方法包含所述基于自适应体素细分的光学断层成像方法。
本发明的另一目的在于提供一种肿瘤检测获取靶向目标的位置和强度信息的方法，所述方法包含所述基于自适应体素细分的光学断层成像方法。
本发明的另一目的在于提供一种药物研发与疗效评价获取靶向目标的位置和强度信息的方法，所述方法包含所述基于自适应体素细分的光学断层成像方法。
本发明提供的基于自适应体素细分的光学断层成像方法，采用基于自适应体素细分的策略来对组织进行描述，并用自适应划分的六面体体素构建前向矩阵，不仅能更加准确的描述组织的边界信息，同等数量的体素来表示组织边界，自适应体素的边界信息分辨率是单一体素的3-5倍；而且最终能够获得更加精确的重建结果；提出了一种基于自适应体素细分的光学断层成像方法，以实现对具有非规则解剖结构复杂生物体体内靶向目标的准确、快速、高分辨率重建；同等数量的体素来对生物体内的靶向目标进行重建，自适应体素的重建精度会比单一体素的提高30％-50％。自适应体素细分的过程，克服了均一体素无法精确描述组织边界信息的缺点，采用自适应划分的多尺度体素来对组织进行描述，不仅实现了对组织信息的精确定位，更加节省了数据存储空间，提高了数据处理效率；在同样节点数目的情况下，自适应体素细分的方法的存储空间是四面体剖分的方法的三分之一；如果边界信息描述相同的情况下，自适应体素细分的方法比单一体素的存储空间降低了70％以上。
与现有技术相比本发明具有如下优点：
第一，无需对组织进行四面体剖分，节省数据存储空间
本发明是一种基于自适应体素细分的光学断层成像方法，克服了现有四面体有限元重建技术中必须对组织进行四面体剖分才能重建以及数据存储方面的局限性，能够对具有不规则解剖结构进行准确、快速成像。
第二，自适应体素细分更准确的描述组织边界信息，提高重建准确性；如果是同等数量的体素来对生物体内的靶向目标进行重建，自适应体素的重建精度会比单一体素的提高30％-50％。
本发明由于对边界体素进行自适应细分，可以更加准确的描述前向传输矩阵，克服了现有技术中体素无法精确描述边界信息的问题，能够有效地改善光学三维成像的重建精度。
附图说明
图1是本发明实施例提供的基于自适应体素细分的光学断层成像方法流程图。
图2是本发明实施例提供的基于自适应体素细分的光学断层成像方法详细步骤流程图。
图3是本发明实施例提供的体素细分及边界体素自适应细分示意图。
图4是本发明实施例提供的边界体素自适应细分流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明通过多模态分子影像系统获取投影数据和3DMED分割器官获得的解剖结构得到生物体表面的三维荧光分布，在此基础上利用获得的三维分割图像进行体素的自适应细分。基于自适应细分的离散体素结构和表面映射的荧光分布，建立系统方程，求解目标函数，实现对生物体内靶向目标的准确、快速、高分辨率重建。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例的基于自适应体素细分的光学断层成像方法包括以下步骤：
S101：利用分子影像系统，依次采集用于光学三维成像的多角度荧光数据、用于光学特性参数重建的多角度激光数据和用于获取动物体解剖结构的计算机断层成像投影数据；
S102：采用3DMED软件对预处理后的计算机断层成像投影数据进行三维重建，获得动物体三维体数据；应用3DMED软件中的人机交互式分割方法对获得的动物体三维体数据进行器官分割，获取动物体解剖结构；
S103：利用获取的动物体解剖结构和荧光数据，应用非接触式光学断层成像方法利用生物体表面三维能量重建技术获取动物体表面的三维荧光数据分布；
S104：对组织进行自适应体素划分，对组织进行初级体素离散化，遍历每个体素，并对每个体素所在组织进行编号标记并标记出边界体素；将标记的边界体素利用八叉树的方法进行细分，判断细分后的次级体素是否是边界体素，如果是边界体素，则对次级体素继续进行细分；如果不是边界体素或者已经达到最小的分辨率，则停止细分；
S105：经过自适应体素细分，在离散体素上，利用多级自适应有限元方法组装每个离散点上的子系统方程建立总的系统方程；
S106：建立目标函数，根据离散体素边界节点上的光通量密度计算值和测量值之间的误差，结合靶向目标的稀疏分布约束，建立目标函数；
S107：求解目标函数。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示，本发明的具体步骤如下：
步骤1，采集数据；
利用分子影像系统，依次采集用于光学三维成像的多角度荧光数据、用于光学特性参数重建的多角度激光数据和用于获取动物体解剖结构的计算机断层成像投影数据。
多角度荧光数据的采集，控制成像体等间隔旋转一定角度，一般不大于90°(本例中选90°)，利用多模态分子影像系统中的CCD相机采集不少于四个角度的荧光数据(本例中为四个角度)。继续旋转，使成像体转回到荧光数据初始采集的位置。
多角度计算机断层成像投影数据的采集，控制成像体等间隔旋转一定小角度，一般不大于1°(本例中选1°)，采集不少于360个角度的投影数据(本例中为360个角度)。
步骤2，图像预处理和分割
采用3DMED软件对预处理后的计算机断层成像投影数据进行三维重建，获得动物体三维体数据；应用3DMED软件中的人机交互式分割方法对获得的动物体三维体数据进行器官分割，获取动物体解剖结构。
步骤3，光学数据三维表面映射
利用步骤2获取的动物体解剖结构和步骤1获取的荧光数据，应用非接触式光学断层成像方法利用现有技术中授权号ZL200910024292.1专利中描述的生物体表面三维能量重建技术获取动物体表面的三维荧光数据分布。
步骤4，自适应体素细分
对组织进行自适应体素划分，首先，对组织进行初级体素离散化，遍历每个体素，并对每个体素所在组织进行编号标记并标记出边界体素。将标记的边界体素利用八叉树的方法进行细分，判断细分后的次级体素是否是边界体素，如果是边界体素，则对次级体素继续进行细分；如果不是边界体素或者已经达到最小的分辨率，则停止细分。
参照图3体素细分及边界体素自适应细分示意图，图4的边界体素自适应细分流程图。
步骤五，建立系统方程
经过步骤四自适应体素细分，在第k个离散体素上，利用多级自适应有限元方法组装每个离散点上的子系统方程建立总的系统方程：
AkSk＝Φk；
其中，Ak是第k个离散体素上的系统矩阵，由离散化的体素结构和生物组织的光学特性参数决定；
Sk是第k个离散体素上的靶向目标能量密度分布；
Φk是第k个离散体素边界节点上的光通量密度；
步骤六，建立目标函数
根据第k个离散体素边界节点上的光通量密度计算值和测量值之间的误差，结合靶向目标的稀疏分布约束，建立下列目标函数：
其中，Θ(Sk)是第k个离散体素上的目标函数；
是第k个离散体素上的靶向目标能量密度的下限；
是第k个离散体素上的靶向目标能量密度的上限；
是第k个离散体素边界节点上的光通量密度的测量值；
||F||1定义为求解矩阵F的l1范数；
λk是第k个离散体素上的正则化因子；
步骤七，求解目标函数
7a)采用基于体素的方法求解建立的目标函数，根据第k个离散体素上形成的系统矩阵的大小选择合适的优化方法，获得第k个离散体素上的靶向目标能量密度分布；
7b)利用靶向目标能量密度分布计算第k个离散体素边界节点上的光通量密度；
7c)判断第k个离散体素边界节点上的光通量密度的测量值和计算值之差，如果小于给定阈值，则目标函数求解过程结束，获得光学三维成像的靶向目标重建结果；否则，转向步骤7a)。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于自适应体素细分的光学断层成像方法，其特征在于，所述基于自适应体素细分的光学断层成像方法通过多模态分子影像系统获取投影数据和3DMED软件分割器官获得的解剖结构得到生物体表面的三维荧光数据分布，利用获得的三维荧光数据分布的图像进行体素的自适应细分；基于自适应细分的离散体素结构和表面映射的荧光分布，建立系统方程，求解目标函数，实现对生物体内靶向目标的重建；
所述基于自适应体素细分的光学断层成像方法包括以下步骤：
步骤一，采集数据，利用分子影像系统，依次采集用于光学三维成像的多角度荧光数据、用于光学特性参数重建的多角度激光数据和用于获取生物体解剖结构的计算机断层成像投影数据；
步骤二，图像预处理和分割，采用3DMED软件对预处理后的计算机断层成像投影数据进行三维能量重建技术，获得生物体三维体数据；应用3DMED软件中的人机交互式分割方法对获得的生物体三维体数据进行器官分割，获取生物体解剖结构；
步骤三，光学数据三维表面映射，利用步骤二获取的生物体解剖结构和步骤一获取的荧光数据，应用非接触式光学断层成像方法利用生物体表面三维能量重建技术获取生物体表面的三维荧光数据分布；
步骤四，对组织进行自适应体素划分；
步骤五，建立系统方程，经过步骤四自适应体素细分，在第k个离散体素上，利用多级自适应有限元方法组装每个离散点上的子系统方程建立总的系统方程：
AkSk＝Φk；
其中，Ak是第k个离散体素上的系统矩阵，由离散化的体素结构和生物组织的光学特性参数决定；
Sk是第k个离散体素上的靶向目标能量密度分布；
Φk是第k个离散体素边界节点上的光通量密度；
步骤六，建立目标函数，根据第k个离散体素边界节点上的光通量密度计算值和测量值之间的误差，结合靶向目标的稀疏分布约束，建立下列目标函数：
其中，Θ(Sk)是第k个离散体素上的目标函数；
是第k个离散体素上的靶向目标能量密度的下限；
是第k个离散体素上的靶向目标能量密度的上限；
是第k个离散体素边界节点上的光通量密度的测量值；
||F||1定义为求解矩阵F的1范数；
λk是第k个离散体素上的正则化因子；
步骤七，求解目标函数。
2.如权利要求1所述的基于自适应体素细分的光学断层成像方法，其特征在于，所述步骤一中多角度荧光数据的采集，控制成像体等间隔旋转，不大于90°，利用多模态分子影像系统中的CCD相机采集不少于四个角度的荧光数据；继续旋转，使成像体转回到荧光数据初始采集的位置；多角度计算机断层成像投影数据的采集，控制成像体等间隔旋转不大于1°，采集不少于360个角度的投影数据。
3.如权利要求1所述的基于自适应体素细分的光学断层成像方法，其特征在于，所述步骤四具体包括：
首先，对组织进行初级体素离散化，遍历每个体素，并对每个体素所在组织进行编号标记并标记出边界体素；
将标记的边界体素利用八叉树的方法进行细分，判断细分后的次级体素是否是边界体素，如果是边界体素，则对次级体素继续进行细分；如果不是边界体素或者已经达到最小的分辨率，则停止细分。
4.如权利要求1所述的基于自适应体素细分的光学断层成像方法，其特征在于，所述步骤七具体包括：
第一步，采用基于体素的方法求解建立的目标函数，根据第k个离散体素上形成的系统矩阵的大小选择合适的优化方法，获得第k个离散体素上的靶向目标能量密度分布；
第二步，利用靶向目标能量密度分布计算第k个离散体素边界节点上的光通量密度；
第三步，判断第k个离散体素边界节点上的光通量密度的测量值和计算值之差，如果小于给定阈值，则目标函数求解过程结束，获得光学三维成像的靶向目标重建结果；否则，转向第一步。
5.一种基因表达获取靶向目标的位置和强度信息的方法，其特征在于，所述方法包含权利要求1-4任意一项所述基于自适应体素细分的光学断层成像方法。
6.一种肿瘤检测获取靶向目标的位置和强度信息的方法，其特征在于，所述方法包含权利要求1-4任意一项所述基于自适应体素细分的光学断层成像方法。
7.一种药物研发与疗效评价获取靶向目标的位置和强度信息的方法，其特征在于，所述方法包含权利要求1-4任意一项所述基于自适应体素细分的光学断层成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610153704.1A CN105629652B (zh) | 2016-03-17 | 2016-03-17 | 一种基于自适应体素细分的光学断层成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610153704.1A CN105629652B (zh) | 2016-03-17 | 2016-03-17 | 一种基于自适应体素细分的光学断层成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105629652A CN105629652A (zh) | 2016-06-01 |
| CN105629652B true CN105629652B (zh) | 2018-08-17 |
Family
ID=56044735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610153704.1A Expired - Fee Related CN105629652B (zh) | 2016-03-17 | 2016-03-17 | 一种基于自适应体素细分的光学断层成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105629652B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110269633B (zh) * | 2018-03-16 | 2024-11-26 | 通用电气公司 | 医学图像处理方法和计算机可读存储介质 |
| CN108673899A (zh) * | 2018-04-13 | 2018-10-19 | 重庆三峡学院 | 一种网络化3d打印机监控系统及监控方法 |
| CN112446227B (zh) * | 2019-08-12 | 2025-02-25 | 浙江菜鸟供应链管理有限公司 | 物体检测方法、装置及设备 |
| CN112089434B (zh) * | 2020-10-16 | 2024-05-03 | 陕西师范大学 | 一种多光谱生物发光断层成像方法和系统 |
| CN113362309B (zh) * | 2021-06-08 | 2024-04-02 | 澳门大学 | 一种吸收剂量获取方法、装置、存储介质及电子设备 |
| CN113425260B (zh) * | 2021-06-24 | 2023-01-03 | 浙江杜比医疗科技有限公司 | 一种近红外乳腺扫描成像方法及相关组件 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101268194A (zh) * | 2005-09-20 | 2008-09-17 | 巴斯福植物科学有限公司 | 使用ta-siRNA调控基因表达的方法 |
| CN102352404A (zh) * | 2011-08-31 | 2012-02-15 | 嘉和生物药业有限公司 | 一种评价her2靶位治疗药物及手段的体外检测方法 |
-
2016
- 2016-03-17 CN CN201610153704.1A patent/CN105629652B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101268194A (zh) * | 2005-09-20 | 2008-09-17 | 巴斯福植物科学有限公司 | 使用ta-siRNA调控基因表达的方法 |
| CN102352404A (zh) * | 2011-08-31 | 2012-02-15 | 嘉和生物药业有限公司 | 一种评价her2靶位治疗药物及手段的体外检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于自适应细分方法的医学图像三维重建及可视化技术研究;王媛媛;《信息科学辑》;20120331;I138-1883-正文第1-70页 * |
| 荧光分子断层图像的重建技术研究;邹玮;《信息科学辑》;20120131;I138-50-正文第1-101页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105629652A (zh) | 2016-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105629652B (zh) | 一种基于自适应体素细分的光学断层成像方法 | |
| Wang et al. | Tubular structure segmentation using spatial fully connected network with radial distance loss for 3D medical images | |
| CN105825547B (zh) | 一种基于体素和自适应光传输模型的光学三维成像方法 | |
| CN103271723B (zh) | 一种生物发光断层成像重建方法 | |
| CN104933707B (zh) | 一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法 | |
| CN107507195B (zh) | 基于超图模型的pet-ct多模态鼻咽癌图像分割方法 | |
| CN102496156B (zh) | 基于协同量子粒子群算法的医学图像分割方法 | |
| CN107077736A (zh) | 依据基于解剖学界标的特征分割医学图像的系统和方法 | |
| CN103300829B (zh) | 一种基于迭代重加权的生物自发荧光断层成像方法 | |
| Zhang et al. | Robust reconstruction of fluorescence molecular tomography based on sparsity adaptive correntropy matching pursuit method for stem cell distribution | |
| Mayerich et al. | NetMets: software for quantifying and visualizing errors in biological network segmentation | |
| WO2017114479A1 (zh) | 图像处理的方法及系统 | |
| CN108451508A (zh) | 基于多层感知机的生物自发荧光三维成像方法 | |
| CN101692971A (zh) | 非接触式光学断层成像方法 | |
| CN103745470A (zh) | 基于小波的多边形轮廓演化医学ct图像交互式分割方法 | |
| CN102334979A (zh) | 一种基于迭代收缩的双模态融合断层成像方法 | |
| CN104933759B (zh) | 一种人脑组织高维可视化方法 | |
| Rehman et al. | Liver lesion segmentation using deep learning models | |
| CN110151133A (zh) | 基于图像分割与时频信息融合的乳腺光学成像装置及方法 | |
| CN107424162A (zh) | 一种图像分割方法及系统 | |
| Wu et al. | LTSP: long-term slice propagation for accurate airway segmentation | |
| CN107204045A (zh) | 基于ct图像的虚拟内窥镜系统 | |
| CN114581553B (zh) | 基于磁粒子成像先验引导的荧光分子断层成像重建方法 | |
| CN108846896A (zh) | 一种自动分子蛋白质分子体学诊断系统 | |
| CN109872353B (zh) | 基于改进迭代最近点算法的白光数据与ct数据配准方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180817 |