基于小支撑集的随机增强自适应算法的脑胶质瘤双模态

发布时间：2020-10-23 10:11

　　 CT模态和光学分子模态的融合,能在病情早期检测出生物体内部深层的脑胶质瘤,可对肿瘤进行精确的定位和定量分析。但脑胶质瘤的双模态三维断层重建是一个病态问题,且其有着严重的不适定性。本文使用基于小支撑集的随机增强自适应算法对脑胶质瘤进行了双模态影像重建,并将其应用到医学研究当中。本文的主要工作如下:提出了一种基于小支撑集的随机增强自适应算法来进行荧光光源重建。基于小支撑集的随机增强自适应算法是一种贪婪追踪算法,通过随机策略选择不相关的原子,并对属于上一次迭代过程支撑集中的新加入的元素进行事先舍弃,提升了算法的收敛性。一个非匀质仿体模型被用来验证所提算法在生物自发荧光断层重建上的可行性。所提出的算法能有效地区分来自背景的荧光信号,在重建效率方面比改进前的随机增强自适应算法提升了一倍;接着进行了活体荷瘤小鼠双模态数据的采集和预处理工作,然后运用了基于小支撑集的随机增强自适应算法来进行肿瘤重建。最后将光学分子影像三维断层重建运用到了实验研究中:基于多模态成像系统通过生物自发荧光断层成像(BLT)评估了替莫唑胺对原位脑肿瘤的化疗疗效;并且进行了基质金属蛋白酶激活的近红外荧光成像实验和图像引导的原位脑胶质瘤切除术。
【学位单位】：苏州大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R739.4;TP391.41
【部分图文】：

.01）、（0.006，0，-0.01）、（0.008，0，-0.01）、（0.004，0，-0.006，-0.01）、（0.006，-0.006，-0.01）、（-0.006，0，0.01）、（-、（-0.004，0，0.01）、（-0.006，0.006，0.01）、（-0.006，--0.006，0，-0.01）、（-0.008，0，-0.01）、（-0.004，0，-00.006，-0.01）、（-0.006，-0.006，-0.01）。1 展示的是直径为 20mm，高度为 20mm 的圆柱仿体绘制结果。荧光光2 毫米的球体来表示，且这三个球体的球心均位于 z=0 平面。第一个为（0.006,0.002,0），第二个球体的球心的坐标为（-0.006,0.002,0的球心的坐标为（0.006,-0.002,0.001），三个球的半径均为 0.0限元法进行求解，我们将整个仿体离散化为四面体网格，其前向模和最小元素尺寸的参数均设置为 0.0007mm，后向模型的最大元素尺寸的参数均设置为 0.0016mm。

仿体的透明度设置为 80%。际应用当中，在使用 CCD 相机采集生物自发荧光信号时不可避免地引。由于采集光子数量很大，该噪声服从高斯分布。在前向问题计算得光数据中加入了 5%的高斯噪声，来更好地模拟实际的情况。

由图中定性的分析可以得知，基于小支撑集的随机增强自适应算法和改进前的随增强自适应算法重建结果相差不大，但他们两种算法较 L1-IS 算法更能较好地重建荧光光源，有着较少的重建伪影。
【参考文献】

相关期刊论文 前1条

1 LENG ChengCai;TIAN Jie;;Mathematical method in optical molecular imaging[J];Science China(Information Sciences);2015年03期

相关硕士学位论文 前1条

1 胡熠昉;基于Lp范数的Split Bregman生物自发荧光迭代算法研究[D];北京交通大学;2016年

本文编号：2852895