本文關(guān)鍵詞：面向近紅外腦功能成像的平板模型CW-DOT圖像重建技術(shù)研究

  更多相關(guān)文章： 擴(kuò)散層析成像 穩(wěn)態(tài) 平板模型 圖像重構(gòu)算法 近紅外腦功能成像

【摘要】：近紅外腦功能研究利用對(duì)組織具有幾個(gè)厘米穿透能力的650-900nm波長(zhǎng)范圍內(nèi)的近紅外光,對(duì)頭骨以下約10mm大腦皮層內(nèi)由腦活動(dòng)引起的主要近紅外吸收物質(zhì)的吸收系數(shù)變化進(jìn)行研究。目前多采用基于修正的朗伯-比爾定律(Modified Larmbert-Beer law,MLBL)的拓樸成像系統(tǒng)(optical topography,OT)。但由于MLBL-OT方式簡(jiǎn)單假設(shè)光源與探測(cè)點(diǎn)之間的頭部組織光學(xué)參數(shù)均勻分布,且并未有效反映組織體的散射效應(yīng),所獲取的重建圖像空間分辨率和量化度較低。因此基于擴(kuò)散光層析成像(diffuse optical tomography,DOT)理論的近紅外腦功能成像系統(tǒng)獲得越來越多的關(guān)注。針對(duì)近紅外腦功能常用的平板模型,本文通過對(duì)穩(wěn)態(tài)(continuous wave,CW)DOT圖像重建關(guān)鍵技術(shù)進(jìn)行研究,旨在為提高近紅外腦功能圖像重建質(zhì)量提供可能的途徑。首先,根據(jù)人體頭部的解剖結(jié)構(gòu)及近紅外光在人腦中的傳輸特性,本文提出了雙網(wǎng)格半三維圖像重建算法,在正問題中采用密集網(wǎng)格剖分下的全三維有限元計(jì)算以提高計(jì)算精度;在逆問題中采用稀疏網(wǎng)格剖分,且忽略灰質(zhì)內(nèi)光學(xué)參數(shù)沿深度的變化,在同一腦組織層進(jìn)行二維重建。結(jié)果表明,本方法能夠改善傳統(tǒng)CW-DOT逆問題欠定性,提高了重建速度并獲得了高量化度和分辨率的二維重建圖像。其次,在CW-DOT三維成像研究中,采用多模態(tài)技術(shù)獲取先驗(yàn)信息是改善DOT逆問題的有效途徑,但是采用多模態(tài)方式會(huì)增加測(cè)量系統(tǒng)的成本和算法融合以及配準(zhǔn)方面的開銷,本文提出了一種在單一光學(xué)模態(tài)下獲取 功能先驗(yàn)‖的方法(OT-DOT),實(shí)現(xiàn)了MLBL-OT的 功能先驗(yàn)‖圖像對(duì)DOT重建的自引導(dǎo)。即在傳統(tǒng)Jacobian矩陣中融合由MLBL-OT圖像生成的 功能先驗(yàn)‖模板矩陣,針對(duì) 功能先驗(yàn)‖區(qū)域進(jìn)行重建。結(jié)果表明,在不增加測(cè)量系統(tǒng)成本和實(shí)驗(yàn)代價(jià)的基礎(chǔ)上采用本方法可以有效獲得“功能先驗(yàn)”信息降低逆問題的欠定性,經(jīng)光學(xué)自導(dǎo)引后獲得的三維圖像在X-Y截面和X-Z截面重建質(zhì)量和量化度較傳統(tǒng)DOT方法所得圖像均有所提高。再次,目前DOT模型中普遍采用離體測(cè)量的一定范圍內(nèi)的經(jīng)驗(yàn)值作為背景光學(xué)參數(shù),該值往往與個(gè)體實(shí)際背景光學(xué)參數(shù)存在一定差異,從而影響感興趣區(qū)域(region-of-interest,ROI)圖像重建質(zhì)量。本文提出了一種多距離源-探組區(qū)域分步重建方法(RSRM)用于獲取近紅外腦功能成像中通用雙層平板模型背景光學(xué)參數(shù)。即根據(jù)不同源-探距離能夠探測(cè)最大深度不同的物理現(xiàn)象,對(duì)傳統(tǒng)DOT重建中Newton-Raphson迭代算法同時(shí)重建的數(shù)學(xué)模型,采取合理數(shù)學(xué)近似將重建過程分割為兩個(gè)數(shù)學(xué)模型,分別重建雙層平板模型背景光學(xué)參數(shù)。結(jié)果表明,本方法能夠分別對(duì)上下層進(jìn)行重建,并且減少了上下層重建的相互影響,使模型重建背景光學(xué)參數(shù)結(jié)果優(yōu)于同時(shí)重建方式結(jié)果。最后,針對(duì)近紅外腦功能成像研究,搭建了穩(wěn)態(tài)擴(kuò)散光層析成像實(shí)驗(yàn)系統(tǒng),完成了對(duì)兩層平板仿體的測(cè)量和成像實(shí)驗(yàn),進(jìn)而驗(yàn)證了我們所提出的雙網(wǎng)格半三維算法和OT-DOT算法的有效性。
【關(guān)鍵詞】：擴(kuò)散層析成像 穩(wěn)態(tài) 平板模型 圖像重構(gòu)算法 近紅外腦功能成像
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 中文摘要4-6
• abstract6-11
• 第一章 緒論11-23
• 1.1 引言11
• 1.2 腦功能成像技術(shù)11-15
• 1.2.1 功能磁共振成像12-13
• 1.2.2 正電子發(fā)射層析成像13
• 1.2.3 腦電圖13-14
• 1.2.4 腦磁圖14
• 1.2.5 光學(xué)成像14-15
• 1.3 近紅外腦功能成像研究進(jìn)展及現(xiàn)存問題15-20
• 1.3.1 近紅外腦功能成像研究進(jìn)展16-18
• 1.3.2 應(yīng)用于腦功能研究的擴(kuò)散光層析成像技術(shù)18
• 1.3.3 近紅外腦功能成像方法現(xiàn)存問題18-20
• 1.4 本文的主要研究?jī)?nèi)容和組織結(jié)構(gòu)20-23
• 第二章 光在生物組織體中的傳輸模型及近紅外腦功能成像算法23-35
• 2.1 生物組織光學(xué)參數(shù)23-25
• 2.1.1 吸收系數(shù)23-24
• 2.1.2 散射系數(shù)24
• 2.1.3 各向異性因子24-25
• 2.2 光學(xué)參數(shù)測(cè)量方式25-27
• 2.3 光在生物組織中傳輸模型27-30
• 2.3.1 蒙特卡羅模擬27-28
• 2.3.2 擴(kuò)散方程28-30
• 2.4 近紅外腦功能成像算法30-33
• 2.4.1 經(jīng)典方法——拓樸成像方法30-31
• 2.4.2 DOT圖像重建方法31-33
• 2.5 本章小結(jié)33-35
• 第三章 雙網(wǎng)格半三維DOT重建算法研究35-53
• 3.1 半三維DOT圖像重建方法35-40
• 3.2 算法實(shí)現(xiàn)40-41
• 3.3 基于模擬數(shù)據(jù)的重建結(jié)果與分析41-51
• 3.3.1 重建的尺寸精度、量化度和速度分析42-47
• 3.3.2 空間分辨率與抗噪性分析47-51
• 3.4 本章小結(jié)51-53
• 第四章 基于OT先驗(yàn)功能圖像的光學(xué)自導(dǎo)引DOT重建方法研究53-69
• 4.1 基本思想53-54
• 4.2 OT-DOT重建算法54-56
• 4.3 重建算法的模擬驗(yàn)證56-67
• 4.3.1 OT-DOT重建尺寸精度和量化度57-60
• 4.3.2 上層厚度偏差對(duì)OT-DOT重建結(jié)果的影響分析60-64
• 4.3.3 OT-DOT抗噪性分析64-67
• 4.4 本章小結(jié)67-69
• 第五章 用于重建兩層組織背景光學(xué)參數(shù)的多距離源-探組區(qū)域分步重建法研究69-81
• 5.1 多距離分步重建背景光學(xué)參數(shù)方法69-72
• 5.2 模擬計(jì)算結(jié)果與分析72-78
• 5.2.1 SSDg和LSDg的選擇及可行性驗(yàn)證72-74
• 5.2.2 上層厚度偏差對(duì)SSDg影響的驗(yàn)證74-75
• 5.2.3 RSRM方法與傳統(tǒng)方法的比較75-78
• 5.3 本章小結(jié)78-81
• 第六章 穩(wěn)態(tài)腦功能DOT系統(tǒng)及重建算法的實(shí)驗(yàn)驗(yàn)證81-95
• 6.1 穩(wěn)態(tài)近紅外光DOT系統(tǒng)81-86
• 6.1.1 擴(kuò)散光測(cè)量硬件部分82-83
• 6.1.2 成像板83-84
• 6.1.3 數(shù)據(jù)采集與控制軟件部分84-85
• 6.1.4 系統(tǒng)驗(yàn)證85-86
• 6.2 實(shí)驗(yàn)用仿體86-88
• 6.3 實(shí)驗(yàn)驗(yàn)證結(jié)果88-93
• 6.3.1 半三維雙網(wǎng)格重建算法的驗(yàn)證88-89
• 6.3.2 OT-DOT重建算法驗(yàn)證89-91
• 6.3.3 DOT、Semi-3D、MLBL-OT和OT-DOT重建算法結(jié)果比較91-93
• 6.4 本章小節(jié)93-95
• 第七章 總結(jié)與展望95-99
• 7.1 本文的主要內(nèi)容95-96
• 7.2 本文的主要?jiǎng)?chuàng)新點(diǎn)96-97
• 7.3 今后工作展望97-99
• 參考文獻(xiàn)99-109
• 發(fā)表論文和參加科研情況說明109-111
• 致謝111-113

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳曄;馬鐵華;;基于乘型ART算法的快速圖像重建技術(shù)研究[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2005年S1期

2 吳文凱;;三維采集模式下的PET圖像重建技術(shù)[J];中華核醫(yī)學(xué)雜志;2007年04期

3 劉強(qiáng);發(fā)射計(jì)算機(jī)斷層照相(ECT)的圖像重建技術(shù)[J];中國體視學(xué)與圖像分析;2003年01期

4 蘇邦良,張以恒,彭黎輝,姚丹亞,張寶芬;同步迭代圖像重建技術(shù)在電容層析成像系統(tǒng)中的應(yīng)用[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年09期

5 王激揚(yáng);楊潤(rùn)奎;董言治;周曉東;;基于變行頻采樣的紅外圖像重建技術(shù)研究[J];紅外與激光工程;2006年05期

6 成麗君;張宇波;徐從富;;基于混合圖像分割與梯度算法的發(fā)光物體圖像重建技術(shù)研究[J];計(jì)算機(jī)科學(xué);2014年04期

7 許盼兮;張東;孫盡堯;;基于GPU加速的地震圖像重建技術(shù)[J];半導(dǎo)體光電;2013年05期

8 張順利;張定華;王凱;黃魁東;李衛(wèi)斌;;一種基于ART算法的快速圖像重建技術(shù)[J];核電子學(xué)與探測(cè)技術(shù);2007年03期

9 肖滿生;呂勇;曾嶸;;一種特征加權(quán)FCM算法的圖像重建技術(shù)研究[J];控制與決策;2009年12期

10 鄒旭華,鄭瑩娜,李揚(yáng),葛李;基于正交激光器陣列的圖像重建技術(shù)研究[J];儀表技術(shù)與傳感器;2003年07期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 孔秋雁;;CT圖像重建技術(shù)的臨床應(yīng)用[A];中華醫(yī)學(xué)會(huì)醫(yī)學(xué)工程學(xué)分會(huì)第四次學(xué)術(shù)年會(huì)浙江醫(yī)學(xué)會(huì)醫(yī)學(xué)工程分會(huì)98年學(xué)術(shù)年會(huì)論文集[C];1998年

2 郭勇;;16層螺旋CT圖像重建技術(shù)的臨床應(yīng)用價(jià)值[A];中華醫(yī)學(xué)會(huì)第十三屆全國放射學(xué)大會(huì)論文匯編（下冊(cè)）[C];2006年

3 劉強(qiáng);;發(fā)射計(jì)算機(jī)斷層照相(ECT)的圖像重建技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 劉明;面向近紅外腦功能成像的平板模型CW-DOT圖像重建技術(shù)研究[D];天津大學(xué);2015年

2 趙凌云;三維正電子放射斷層成像理論及實(shí)現(xiàn)[D];浙江大學(xué);2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 王陳也;基于全變分(TV)的低劑量PET圖像重建技術(shù)[D];浙江大學(xué);2015年

2 寧秀坤;真三維ECT圖像重建技術(shù)研究[D];沈陽工業(yè)大學(xué);2011年

3 侯傳勇;基于投影域降噪的低劑量CT圖像重建技術(shù)研究[D];中北大學(xué);2013年

4 敖錦蓉;全焦距圖像重建技術(shù)研究[D];北京交通大學(xué);2007年

，

本文編號(hào)：1039149