锥束X射线发光断层(CB-XLCT)成像是一种可在生物体外对早期肿瘤进行有效检测的新型医学成像技术。稀疏角CB-XLCT成像加速了CB-XLCT技术的实时成像转化进程。然而,相对于传统多角度成像,稀疏角CB-XLCT成像的逆问题病态性明显加剧,这对传统成像方法的有效扩展提出了挑战。基于稀疏非凸L_p(0<p<1)模型,提出一种迭代重加权裂分增广拉格朗日收缩算法,进一步结合经典非凸算子提出一种鲁棒稳定的可行区域提取方法,进而作为优化的知识先验指导靶标的准确重建。设计了数字鼠和物理仿体实验,分别结合经典L₁范数和L₀范数的代表算法验证所提方法的有效性和稳健性。实验结果表明,所提方法不仅可有效求解稀疏角CB-XLCT成像逆问题,还具有良好的可扩展性。

在医学多图谱配准中, 为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题, 本文采用了先粗配准再精配准的处理策略, 在主成分分析法(PCA)实现粗配准的基础上, 提出了基于双向距离比例的迭代最近点(ICP)的精配准算法。精配准算法中, 首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度, 然后为每个点提出了双向匹配方法并计算其双向距离和比值, 为进一步提高配准精度, 引入了一个指数函数判断点对正确匹配概率, 最后运用奇异值分解法(SVD)计算最终变换矩阵。为了验证算法的可行性和有效性, 分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验, 结果表明本文方法较经典ICP算法的平均误差减少约21%, 较TrICP算法减少约13%, 在心脏点云数据配准实验中, 本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。

针对荧光分子断层成像数据采集方式存在的问题,提出了一种基于频率调制和空间编码的成像方法,旨在改进数据采集方案,缩短数据采集时间。在该方法中,激发光束被分成若干个子束,用作多点激发光源。这些子光束首先被调制成不同的频率,然后同时入射到目标表面的不同点上。在检测端,目标的出射光首先通过空间编码掩模,然后被引导至单光电倍增管。根据压缩感知理论,改变掩模的模式,进行稀疏重构恢复,最终得到目标表面荧光信号的分布。为了验证本文所提方法的可行性,设计了相应的仿真模拟实验,实验结果表明该方法可以较好地恢复原始图像,证明该方法的可行性。

多激发点荧光分子断层成像(FMT)重建过程中生成的系统矩阵规模较大,导致计算复杂度高,重建时间长。为了加快重建速度并保证其准确性,基于人工神经网络理论,通过降低系统矩阵规模,提出了一种快速FMT重建方法。具体来说,采用的降维方法是自编码器,即一种典型的人工神经网络,训练数据为由系统矩阵和表面荧光测量值组成的矩阵,然后使用自编码器网络的编码部分得到原始矩阵在低维空间上的表示。为了测试所提方法的性能,设计了一系列数值模拟实验,包括非匀质圆柱体实验和数字鼠实验。实验结果表明,该方法能有效缩短重建时间,得到较高的重建精度。

切伦科夫荧光成像因具有临床上广泛可用的放射性核素探针而成为近年来光学分子影像领域的研究热点,但放射性核素在衰变过程中产生的大量高能射线会造成采集到的切伦科夫荧光图像上存在大量脉冲噪声,严重影响基于切伦科夫荧光图像的定量分析和后续的三维重建等。为了尽可能降低上述噪声,提出了一种结合模糊局部信息C-均值聚类算法和整体变分模型的切伦科夫荧光图像去噪算法。数值仿真、物理仿体以及真实动物实验结果表明:与现阶段广泛使用的中值滤波算法相比,所提去噪算法能够在有效去除噪声的同时保留切伦科夫荧光光源部位的形状细节。

为改善荧光分子断层成像的重建结果，本文采用联合稀疏-流形正则模型进行光源重建, 该联合稀疏-流形正则模型能同时利用重建光源聚集性和稀疏性的先验信息。为有效求解该联合稀疏-流形正则模型，本文通过重新推导变量分离近似稀疏重构算法对其进行求解。为加快变量分离近似稀疏重构算法求解联合稀疏-流形正则模型的速度，本文在光源重建过程中采用了热启动策略。实验结果表明，相比变量分离近似稀疏重构算法求解范数模型，变量分离近似稀疏重构算法求解联合稀疏-流形正则模型将重建结果的对比噪声比从6.45 提升至9.18。另外,相比没有采用热启动策略，采用热启动策略的变量分离近似稀疏重构算法求解联合稀疏-流形正则模型的时间从101.84 s减至50.10 s。本文方法显著提高了光源目标重建的精度和速度，取得了更优的重建结果。

契伦科夫荧光的宽谱特性带来的组织光学特性差异导致传统的光传输模型的简化球谐函数近似和扩散方程无法兼顾准确度和效率, 为了解决该问题, 采用基于自适应混合简化球谐波近似-扩散方程的光传输模型作为多光谱契伦科夫荧光断层成像的前向模型.该模型利用组织光学特性参数自适应地选择合适的方程描述光在生物组织中的传输, 充分发挥传统光传输模型各自的优势, 以提供准确性和效率之间的平衡.通过简单规则几何实验和数字鼠实验验证所提出模型的准确性和效率.实验结果表明, 与简化球谐近似模型相比, 所提模型具有相同的准确度和更少的计算时间, 与扩散方程模型相比具有更高的准确度, 与简化球谐波近似-扩散方程的简单组合模型相比具有更好的自适应能力, 适合作为多光谱契伦科夫荧光断层成像的光传输模型.

为了实现快速、准确、鲁棒的荧光分子断层成像(FMT)重建, 有限投影FMT和可行域选取策略得到了越来越多的关注。为了解决现有的可行域选取方法中存在的参数设置困难以及多目标选取不准确的问题, 从而提高有限投影FMT的重建质量, 提出了应用迭代自组织数据分析技术算法(ISODATA)的FMT可行域选取方法。首先采用ISODATA对初级重建结果聚类分区, 然后在各分离的区域上分别选取可行域。为了验证提出的方法在应用中的可行性和有效性, 设计了三目标荧光团重建的对比实验。实验结果显示,使用2个投影数据时, 只有使用本文提出的方法可以准确地重建出三个荧光源的位置; 使用4个投影数据时, 重建的平均位置误差为0.18 mm, 荧光产额相对误差小于50%, 而此时使用阈值法不能重建, 使用区域收缩法的荧光产额相对误差为61.2%。即使在测量数据较少时, 提出的方法也可以准确高效地选取可行域, 提高有限投影FMT重建的精确度和鲁棒性。

有限投影荧光分子断层成像(FMT)可以以较短的数据采集时间在动物体内快速重建出荧光目标的三维分布。然而, 由于较少的投影数据使得有限投影FMT具有严重的病态性。为了降低FMT重建的病态性并提高重建速度, 考虑到FMT中光源稀疏分布的特性, 提出了一种结合平滑l0范数(SL0)和可行区域的有限投影FMT重建方法, 采用一种基于SL0的FMT重建方法, 利用一个连续函数来逼近l0范数, 以实现快速求解, 同时将可行区域作为有效的先验信息, 以提高重建精度。数字鼠模型的重建结果表明, 在3、6、9个激发点下, 重建图像的位置误差都小于1 mm, 重建时间缩短, 3个激发点下的重建时间为8 s。物理实验的重建结果进一步表明了该方法在实际FMT重建上的可行性。

在非匀质成像中,器官形状是影响建模光在生物体内传播过程的重要因素,它能直接影响荧光分子断层成像(FMT)的重建过程。器官图像的手动分割过程较为复杂,且对图像质量要求较高,而边缘检测、区域生长、主动轮廓模型等自动分割方法在处理复杂医学图像时存在很大的局限性。因此,使用基于主动形状模型(ASM)的自动分割方法,对小鼠器官图像进行准确分割,并使用基于L₁范数优化的重建算法实现光源重建。为分析基于ASM的器官图像分割精度与重建精度的关系,采集小鼠计算机断层扫描(CT)数据并进行真实实验,与流行的基于Snake模型的分割算法进行比较。实验结果表明,ASM算法可以替代手动分割,不影响光源的位置重建。