基于平板檢測模式的時(shí)域乳腺擴(kuò)散光學(xué)層析先進(jìn)方法研究.pdf

1、如何提高乳腺癌的早期診斷準(zhǔn)確率是當(dāng)今研究的熱點(diǎn)問題。臨床常用的乳腺早期檢測方法-乳腺X射線攝影術(shù)和超聲影像等方法在靈敏性、特異性、安全性、舒適性等方面存在缺陷。乳腺擴(kuò)散光學(xué)層析成像技術(shù)(DOT)作為一種新興的無創(chuàng)光學(xué)檢測技術(shù)，因其可提供更豐富的功能性信息而越來越引起人們的關(guān)注。當(dāng)前光學(xué)乳房成像技術(shù)的一個(gè)主要缺點(diǎn)是其內(nèi)在的低空間分辨率和低量化性能。而一個(gè)可行的腫瘤成像方法則要求能夠檢測小于1厘米的腫瘤病變，而超過這一尺寸，死亡率將會(huì)成倍增

2、加。同時(shí)，精確地對(duì)腫瘤組織光學(xué)參數(shù)量化重建，是判斷良性腫瘤和惡性腫瘤的前提條件。鑒于此，提高空間分辨率和量化度是光學(xué)乳房成像術(shù)研究的一個(gè)中心課題。本文的主要研究目標(biāo)是在業(yè)已發(fā)展成熟的擴(kuò)散方程數(shù)值模型，及基于此模型的的乳腺擴(kuò)散光學(xué)層析成像技術(shù)之上，提出一系列改進(jìn)算法以提高光學(xué)乳腺成像技術(shù)的重建圖像質(zhì)量。
　　 為解決光學(xué)乳腺成像正向問題模型規(guī)模龐大而耗時(shí)冗長甚至不能計(jì)算的問題，提出了基于Schwarz-type區(qū)域分解(Domai

3、n decomposition)算法的正向模型并行求解方法，將全域模型分解成多個(gè)交疊子域，然后將不同子域上的計(jì)算任務(wù)分配給多個(gè)處理器并行計(jì)算，因此大大提高了計(jì)算速度。
　　 提出了基于小波有限元擴(kuò)散方程的DOT重建方法，采用小波尺度函數(shù)代替?zhèn)鹘y(tǒng)的多項(xiàng)式作為插值函數(shù)，使得數(shù)值求解擴(kuò)散方程可以更為靈活地提升尺度，同時(shí)在保證求解精度的前提下，僅用少數(shù)的離散網(wǎng)格以降低計(jì)算負(fù)擔(dān)。
　　 提出了一種基于多級(jí)小波域分解的時(shí)域擴(kuò)散光學(xué)層

4、析成像方法的研究。與基于全空間域離散像點(diǎn)的傳統(tǒng)重建算法不同，本方法采用小波函數(shù)對(duì)吸收系數(shù)和散射系數(shù)在空間域進(jìn)行多尺度分解，在減少低分辨率重建中光學(xué)參數(shù)的個(gè)數(shù)、有效改善重建過程病態(tài)性的同時(shí)，通過逐級(jí)細(xì)化分解尺度，最終可相當(dāng)程度地提高圖像的量化度和空間分辨率。
　　 由于基于光纖的單光子檢測系統(tǒng)，通?？臻g采樣率相對(duì)過低，硬件對(duì)其提高成本昂貴，針對(duì)此提出了一種基于測量空間樣條插值擴(kuò)展的擴(kuò)散光學(xué)層析圖像改善方法。針對(duì)擴(kuò)散光學(xué)成像逆問題存

5、在不適定性的特點(diǎn)，在不增加源和探測器數(shù)量的基礎(chǔ)上，通過樣條插值的方法有效地?cái)U(kuò)展測量空間，由此改善了逆問題中未知量遠(yuǎn)遠(yuǎn)多于已知量(測量量)的問題，在一定程度上減輕了反演問題的不適定性，使得重建圖像在空間分辨率和量化度上都有相應(yīng)的提高。
　　 擴(kuò)散光學(xué)層析中的圖像重建是一個(gè)面向大參數(shù)集的非線性最優(yōu)化問題，其標(biāo)準(zhǔn)求解方法為牛頓類迭代法，需要對(duì)整個(gè)Jacobian矩陣進(jìn)行構(gòu)建、求逆和存貯，這對(duì)大規(guī)模的三維問題是不可行的，為此常采用基于逐

6、行線性逆策略的ART技術(shù)，圖像質(zhì)量受到嚴(yán)重制約。采用共軛梯度算法，直接求解非線性目標(biāo)函數(shù)梯度，可避免對(duì)Jacobian矩陣的操作，為有效降低步長因子求解引起的附加計(jì)算量，采用一維不精確搜索算法。此算法在重建圖像質(zhì)量、收斂速度和收斂性上都較代數(shù)重建算法(ART)有所提高。
　　 由于基于“行操作”的算術(shù)迭代算法(ART)忽略了行之間的聯(lián)系，使得解往往收斂于某個(gè)局部最小點(diǎn)，通常重建結(jié)果并不理想。為解決此問題，提出了Jacobian矩