基于Lanczos双对角化的快速光声成像重建方法 下载: 907次
1 引言
光声成像是一种新的生物组织成像方法,具有高分辨率和高对比度[1-3],有着广阔的应用前景[4-6]。光声成像是一种基于生物组织内部光学吸收差异、以超声为媒质的无损生物光子成像方法,结合了纯光学成像对比度高和纯超声成像穿透深度大的优点,以超声探测器探测光声信号代替光学成像中的光子检测,从原理上避免了光学散射的影响,在保持生物样本自然状态的前提下能够得到高对比度和高分辨率的组织图像。由于不同生理状态的生物组织对光的吸收不同,光声图像同时反映了组织代谢的差异和病变特征。近年来,光声成像技术被广泛应用于肿瘤检测、血管成像、脑部结构和肾功能成像等领域[7-10]。Xiang等[7]利用光声成像技术开展了对乳腺癌和脑胶质瘤的研究,并进一步利用光声技术检测了肿瘤光动力治疗过程中血管的损伤情况。Yang等[8]将光声成像技术应用于脑出血、脑缺氧和脑血管扩张等脑部疾病和功能活动的研究中。Li等[9-10]采用基于纳米传感器的光声成像技术监控体内锂离子含量,实现了对针对性药物治疗作用的分析,并且将纳米传感器与治疗性药物结合使用,以实现对新生血管的成像和治疗。
光声成像重建技术就是利用采集的光声信号重建组织的光吸收分布图像。目前各国科研工作者已经发展了多种光声成像方法,如Kruger等[11]提出了基于逆三维拉东(Radon)变换的反投影重建法。但是,该算法只在探测组织比扫描半径小很多的情况下才能得到较好的重建效果。之后,Kruger等[12]提出了基于滤波反投影的算法,该算法利用圆周扫描的方式对组织进行信号采集,并对信号进行滤波处理,从而大大提高了成像质量。Xu等[13-14]从光声信号产生的基础理论出发,利用傅里叶变换得到了不同测量模式下精确的时域重建算法和频域重建算法,但该方法形式繁琐,在实际应用中只能通过近似简化的表达式进行重建,因此存在一定的模型误差。针对该问题,该课题组又提出了一种统一的时域反投影方法[15]。该方法形式简单,能够方便实现多种扫描形式下的精确成像。此外,科研工作者也提出了一些其他的光声成像重建方法,其中有代表性的方法包括基于傅里叶变换[16]、有限元法[17-18]和迭代法[19]的重建方法。Wang等[20]在傅里叶变换的基础上提出了一种不需要测量换能器脉冲响应的反卷积重建算法。为提高光声重建的精度,Tick等[21-22]提出了基于贝叶斯的重建方法。需要注意的是,上述算法对于有限视角的欠采样信号或者非均匀信号不能得到满意的重建质量。为了解决该问题,杨迪武等[23]在有限角度下采用代数重建算法提高了重建光声图像的分辨率和对比度。此外,Prakash等[24]提出了一种基于基追踪反卷积的方法,提高了有限数据下光声成像的精度,并采用Lanczos双对角化进行降维,提高了该方法的重建速度。Bhatt等[25]引入了指数滤波(EF)以重建光声图像,并在数据有限的情况下提高了图像质量,但是该方法需要对系统矩阵进行奇异值分解,系统矩阵较大时奇异值分解的计算时间长,计算过程非常耗时[25]。
针对光声成像重建时间比较耗时的问题,提出了一种基于Lanczos双对角化的指数滤波重建方法。该方法先对系统矩阵进行降维以降低计算量,并在此基础上利用指数滤波方法进行图像重建。仿真结果表明,所提方法在保证重建图像高质量的前提下,与指数滤波方法相比,可以极大地缩短计算时间,将重建时间缩短了95%~98%。
2 方法
2.1 光声成像的数学模型
当短脉冲激光照射到待测生物组织上时,组织吸收激光能量产生热,若忽略热传导,此时光声成像的近似热方程为[26]
式中
式中
(4)式是光声成像的基本方程,表示光声信号与组织的光吸收特性之间的关系,是描述光声成像的前向模型。
基于文献[ 25]所述的方法,对(1)~(3)式进行离散后得到的线性方程可表示为
式中
2.2 基于Lanczos双对角化的指数滤波方法(Lanczos-EF)
光声成像的图像重建是利用探测器接收到的声压信号作为已知量来重建成像区域的声场分布。由于在实际测量过程中边界数据有限以及测量的光声信号中不可避免地混有噪声,因此不能对(5)式进行直接求解。为重建初始声压分布,最常用的方法是基于Tikhonov的重建方法[27]。基于Tikhonov重建初始声压分布的方程可表示为
式中
对
式中
指数滤波因子与
图 1. 单源仿真中正则化参数变化时两种滤波因子的曲线
Fig. 1. Curves of two filter factors versus regularization parameters in single source simulation
对系统矩阵
式中
设置初始值
for
end
经过
式中
只要求出
式中
所提算法流程图如
2.3 品质因数
2.3.1 皮尔逊相关系数
皮尔逊相关系数(PC)[24]可用于衡量重建图像与目标图像之间的相关程度,其表达式为
式中
2.3.2 对比噪声比
对比噪声比(CNR)[24]是基于对比度的图像质量的评价参数,其定义为
式中
3 仿真结果
为了验证方法的有效性,开展了多次数值仿真。在仿真中,假定介质具有均匀的超声特性,并且在传播过程中没有声音的吸收和散射,则将声速设为1500 m·s-1 (软组织的近似值)。仿真中共设置了40个超声波检测器,其中心频率为2.25 MHz。将这些检测器等距离放置在一个半径为22 mm的圆上,成像域的大小设置为101 pixel×101 pixel(每个像素大小为0.1 mm),光声数据采集示意图如
这里共开展了3次数值仿真。其中,第一次和第二次仿真分别是对单源和双源的重建,第三次仿真是对血管结构的重建。在仿真中,假设初始压力分布为1 kPa,同时在仿真的超声信号中加入了1%的高斯随机噪声,模拟信噪比为40 dB的信号中的噪声。
图 4. 真实单源分布和单源时不同算法的重建结果。(a)真实单源分布;基于(b) BP、(c) Tikhonov、(d) EF和(e) Lanczos-EF方法的重建结果
Fig. 4. Distribution of true single source and reconstruction results using different algorithms in case of signal source.(a) Distribution of true single source; reconstruction results obtained by (b) BP, (c) Tikhonov,(d) EF, and (e) Lanczos-EF methods
图 5. 单源时不同方法的量化结果比较。(a) PC;(b) CNR;(c)重建时间
Fig. 5. Comparison of quantitative results using different reconstruction methods in case of single source.(a) PC; (b) CNR; (c) reconstruction time
图 6. 真实双源分布和双源时不同算法的重建结果。(a)真实双源分布;基于(b) BP、(c) Tikhonov、(d) EF和(e) Lanczos-EF方法的重建结果
Fig. 6. Distribution of true two sources and reconstruction results using different algorithms in case of two sources.(a) Distribution of true two sources; reconstruction results obtained by (b) BP, (c) Tikhonov,(d) EF and (e) Lanczos-EF methods
图 7. 双源时不同方法的量化结果比较。(a) PC;(b) CNR;(c)重建时间
Fig. 7. Comparison of quantitative results using different reconstruction methods in case of two sources.(a) PC; (b) CNR; (c) reconstruction time
光声成像技术可被广泛应用于可视化内部血管结构,因此为进一步验证算法的有效性,开展了基于血管的重建仿真。
从以上结果中可以看出,基于BP和Tikhonov正则化方法重建的光声图像不仅图像质量低(PC值和CNR值较小),而且所需要的计算时间较长。基于指数滤波方法则可以获得较好的光声图像质量(PC值和CNR值较大),但基于指数滤波方法的缺点是重建速度慢(重建时间大于1100 s),限制了该
图 8. 真实血管图像分布和血管仿真结果。(a)真实血管图像分布;基于(b) BP、(c) Tikhonov、(d) EF和(e) Lanczos-EF方法的重建结果
Fig. 8. Distribution of true blood vessel image and simulation results of blood vessel. (a) Distribution of true blood vessel image; reconstruction results obtained by (b) BP, (c) Tikhonov, (d) EF and (e) Lanczos-EF methods
图 9. 不同方法重建的血管图像的量化结果比较。(a) PC;(b) CNR;(c)重建时间
Fig. 9. Comparison of quantitative results of blood vessel image obtained by different methods.(a) PC; (b) CNR; (c) reconstruction time
表 1. 4种重建方法的量化结果比较
Table 1. Comparison of quantitative results of four reconstruction methods
|
方法在实际中的应用。因此,在利用指数滤波方法的基础上基于Lanczos双对角化对系统矩阵进行降维,在保证高重建图像质量的同时降低了重建速度。仿真结果表明,所提方法不仅可以获得较好的重建图像质量,而且能够极大地提高计算效率。此外,结果表明基于指数滤波方法可以获得较好的重建图像质量。这是由于:随着奇异值数量的增加,指数滤波方法采用递减权重对奇异值进行过滤,因此可以将其看作一个低通滤波器,可有效去除重建光声图像中的高频噪声。但需要注意的是,Lanczos双对角化中的迭代次数
4 结论
光声成像的应用潜力依赖于重建算法研究的新进展。针对光声成像重建算法展开研究,提出了一种重建图像的高质量、快速的光声成像重建方法,并对该方法的有效性进行了验证。结果表明,基于Lanczos双对角化的指数滤波方法在保证重建图像质量较高的同时,可以大大缩短重建时间;所提方法的重建时间是指数滤波和BP方法的1/67~1/47。但基于Lanczos双对角化的指数滤波方法对于成像区域较简单情况的重建效果较好,但是对于目标区域复杂情况的重建效果较差。这是由于指数滤波方法相当于一个低通滤波器,它在有效去除高频噪声的同时也去除了重建图像中的部分细节(即图像中的高频分量),从而导致重建的图像边缘模糊。今后将研究并改进基于Lanczos双对角化的指数滤波,以提高复杂目标区域的成像效果。
[1] Xiang LZ, Gu HM. Photoacoustic imaging with focused ultrasonic probe beam[C]. SPIE, 2006, 6047: 60470H.
[2] Xiang LZ, XingD, Gu HM, et al. Pulse laser integrated photodynamic therapy and photoacoustic imaging[C]. SPIE, 2007, 6437: 64372B.
[3] 曾光, 石岩, 宋亮, 等. 新型声学分辨率光声显微镜系统照明设计[J]. 中国激光, 2016, 43(2): 0204002.
[4] Wang X D, Pang Y J, Ku G, et al. Noninvasive laser-induced photoacoustic tomography for structural and functional in vivo imaging of the brain[J]. Nature Biotechnology, 2003, 21(7): 803-806.
[6] 任重, 刘国栋, 黄振. 基于可调谐脉冲激发的血糖浓度光声无损检测研究[J]. 中国激光, 2016, 43(2): 0204001.
[23] 杨迪武, 邢达, 王毅, 等. 基于代数重建算法的有限角度扫描的光声成像[J]. 光学学报, 2005, 25(6): 772-776.
张娜, 冯金超, 李哲, 贾克斌. 基于Lanczos双对角化的快速光声成像重建方法[J]. 中国激光, 2018, 45(3): 0307018. Zhang Na, Feng Jinchao, Li Zhe, Jia Kebin. Fast Photoacoustic Imaging Reconstruction Method Based on Lanczos Double Diagonalization[J]. Chinese Journal of Lasers, 2018, 45(3): 0307018.