论文部分内容阅读
光学成像通过体外非入侵的方式对荧光标记物进行检测,可以依据组织体表获取到的光学信息来重建出生物体内的荧光物质分布,从而显示生物功能信息,具有灵敏度高、成本较低、操作简单的优点。计算机断层成像(Computed tomography,CT)可以提供生物体的结构信息,为了同时从功能和结构两个方面观测生物组织,为光学断层成像逆向重建提供精确的体表荧光信息分布,需要光学和CT双模态数据融合。目前的方法为基于标记点的2D-3D的配准方法,该方法不便操作,而且过于依赖人为对于标记点的选定。针对这些问题,本文提出了一种基于改进迭代最近点算法(Iterative Closet Point,ICP)的光学-CT双模态数据融合方法,并应用于生物自发荧光断层成像(Bioluminescent tomography imaging,BLT)中,具体研究工作如下:(1)采用改进的基于体素的方法对多角度二维白光数据进行三维表面重建。针对目前常用的基于体素的多角度光学投影表面重建方法中,体素的细分级别、重建精度和内存占用之间存在的矛盾,本文在兼顾重建精度和效率的基础上,提出了基于自适应最优细分级别阈值的三维表面重建方法进行小动物表面重建,得到3D白光表面数据。为了验证本文算法对小鼠表面重建的可行性,设计了真实圆柱仿体实验以及真实小鼠实验,实验结果表明本文算法在保证重建效率的情况下精度高于传统方法,可应用于小鼠三维表面的重建中。(2)基于改进的迭代最近点算法对3D白光表面和3D CT表面数据进行配准。针对传统ICP算法对于初始值的敏感性比较高,计算时间长,并且对于不同模态以及大幅残缺差异数据的配准精度和速度较差的问题,采用基于双向距离比例改进的ICP算法进行三维配准。该方法首先使用主成分分析法对点云进行粗配准,然后采用KD-tree进行最近邻搜索以提高对应点对的查找速度,对每个点建立双向匹配,通过计算双向距离和比值,引入一个指数函数计算概率值来判断点对属于正确匹配的概率,最后通过加权最小二乘法计算最优变换,运用奇异值分解法得到最终的变换矩阵。为了验证改进ICP算法的配准速度和精度,设计了斯坦福点云数据的配准实验和白光与CT数据的配准实验。实验结果表明本文改进ICP算法的配准精度和速度明显优于传统ICP算法和TrICP算法,可以得到良好的3D白光表面和3D CT表面数据配准结果,为最终的荧光映射提供基础。(3)以重建的3D白光表面数据作为中介,进行多幅荧光信息融合及量化校正,以实现最终的光学-CT双模态数据融合。二维白光数据和荧光数据均在相同的光学框架中采集,因此它们的投影矩阵相同。通过白光数据计算投影矩阵,利用得到的投影矩阵将荧光信息进行投影及量化校正。为了验证本文方法在数据融合中的效果,将其应用于BLT数据和micro-CT数据融合中。设置了真实小鼠实验,实验结果表明,本文方法可以有效的完成双模态数据融合,有利于BLT的精确重建。