-
公开(公告)号：CN117830565B
公开(公告)日：2024-06-14
申请号：CN202410251826.9
申请日：2024-03-06
Applicant: 华中科技大学
Abstract: 本发明公开一种多算子自监督荧光分子断层成像方法及系统，涉及分子影像技术领域，该方法包括确定目标模型的若干个不相交的源探对集合，并获取每一源探对集合对应的表面荧光分布，将任一表面荧光分布及其对应的荧光灵敏度算子输入到荧光分子断层成像模型中，得到三维重建结果；荧光分子断层成像模型由荧光灵敏度算子损失函数训练得到；荧光灵敏度算子损失函数由所有表面荧光分布以及每一表面荧光分布对应的荧光灵敏度算子确定。本发明可直接利用实验数据进行训练，解决了荧光分子断层成像难以获取训练数据的问题。且本发明的重建结果重建伪影少，定位更精准，提高了荧光分子断层成像的重建质量。
-
公开(公告)号：CN109342367B
公开(公告)日：2020-04-10
申请号：CN201811154776.3
申请日：2018-09-30
Applicant: 华中科技大学
Abstract: 本发明公开一种基于控制蒙特卡罗方法的扩散光学成像方法及系统。本发明根据光源与探测区域的位置关系及外推边界确定吸引区域，根据当前光子的空间位置向量、吸引点位置向量和光学特性参数确定吸引向量，根据吸引向量、吸引因子及光子散射方向确定光子散射方向的选择概率。最后根据选择概率与随机数的大小关系确定光子是否进行下次散射及是否更新光子权重。本发明通过吸引区域选择进行下一次散射的光子，并实时更新被选择光子的权重。在发射相同光子数的前提下，能够有效提高探测区域的光子数量及光分布的准确性，保证成像质量和成像效率。同时，还能解决目标生物组织的散射系数不同或光源与探测区域的距离不同引起的光分布精度不稳定的问题。
-
公开(公告)号：CN108846790A
公开(公告)日：2018-11-20
申请号：CN201810616651.1
申请日：2018-06-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种加速图像重建的方法。所述方法根据用途对数据进行分类，不同用途的数据采取不同的存储方式进行存储，以提高图像重建中数据的读取和拷贝速度，在图像重建过程中,将雅可比矩阵进行分割，并把所有子雅克比矩阵分配到各个计算机节点，每个计算机节点根据接收到的子雅克比矩阵计算出最终结果的一个分量，然后各节点将计算得到的分量传递到主计算机节点合并。从而将大规模矩阵的传递转化成向量的传递，提高了数据的传递效率，进而提高了图像重建的速度。
-
公开(公告)号：CN104679946A
公开(公告)日：2015-06-03
申请号：CN201510051698.4
申请日：2015-01-30
Applicant: 华中科技大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于体素的微扰荧光蒙特卡罗模拟方法，将入射光源表征为设定数目光子的集合，确定光源的初始位置和方向及探测器的位置；投放激发光光子，追踪激发光光子在生物组织中传输，计算激发光光子转化为荧光光子比例，沿着激发光路径计算探测器上所接收到的荧光光子权重,保存光子的路径信息；当荧光团吸收系数微小变化时，利用保存的光子路径信息，来直接计算探测器上荧光光子权重，大大节约了模拟光子在生物组织中传输时间。本发明方法计算效率高，能够大大提高荧光断层成像重建的计算效率。
-
公开(公告)号：CN103230258B
公开(公告)日：2015-02-11
申请号：CN201310126048.2
申请日：2013-04-12
Applicant: 华中科技大学
IPC: A61B5/00
Abstract: 本发明涉及有限体积法用于处理扩散光学断层成像正向过程的算法，该方法将待求解生物组织区域的光学特征参数离散成多个相互联系的控制体单元，通过每一个控制体单元上物理量的守恒特性及相互关联特性，从而推广到整个组织体区域，然后结合特定的描述光在组织中传播的理论和有限体积法得到边界处光子密度值。本发明在实施过程中将求解域内的计算转化到求解域的边界，这不仅减少了计算量，同时也具有较高的精度，最终不仅使得处理扩散光学成像正向过程的效率得到很大的提升，同时为扩散光学图像重建的逆问题奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN103218813A
公开(公告)日：2013-07-24
申请号：CN201310116310.5
申请日：2013-04-07
Applicant: 华中科技大学
Abstract: 本发明涉及一种基于边界元的DOT/XCT双模式成像的图像重建算法，属于分子影像技术领域。所述的方法包括在XCT提供组织边界的基础上，利用边界元法求解DOT的正向问题，即在已知不同组织体光学参数分布的情况下求出光通量在边界处的分布。逆问题中采用Levenberg-Marquardt算法对不同组织体的吸收系数和散射系数进行了重建，即从探测到的光通量数据出发，通过对非线性最小二乘模型的优化过程求出不同组织体的吸收系数和散射系数。与传统的基于有限元的重建相比，本发明在DOT/XCT双模式中利用边界进行重建，实现了对组织体光学参数更加准确，稳定的重建。
-
公开(公告)号：CN101653355B
公开(公告)日：2012-01-11
申请号：CN200910306890.8
申请日：2009-09-11
Applicant: 华中科技大学
CPC classification number: A61B6/508
Abstract: 本发明公开了一种微型CT与荧光层析成像双模式小动物成像系统及成像方法，所述的微型CT与荧光层析双模式小动物成像系统由主控计算机，X射线源与X射线探测装置，激发光源与激发光/荧光探测装置，旋转扫描装置，所述X射线源与X射线探测装置，激发光源与激发光/荧光探测装置，旋转扫描装置均分别受主控计算机控制。本发明能够同时对小动物进行微型CT成像获得结构信息和荧光层析成像获得荧光标记的分子信息，使荧光层析成像获得的分子信息能够在小动物体内准确定位，有利于提高诊断的准确率。
-
公开(公告)号：CN115868923B
公开(公告)日：2024-08-02
申请号：CN202210422605.4
申请日：2022-04-21
Applicant: 华中科技大学
Abstract: 本发明涉及分子成像技术领域，公开了一种基于展开式循环神经网络的荧光分子断层成像方法及系统，具体通过获取荧光灵敏度矩阵，对荧光灵敏度矩阵进行归一化处理，基于归一化处理后的荧光灵敏度矩阵确定优化目标函数，计算与荧光灵敏度矩阵满足最小相干标准的权重矩阵，获取表面荧光分布图像，基于所述表面荧光分布图像和权重矩阵，构建循环神经网络，获取训练集，采用所述训练集对所述循环神经网络进行训练，采用所述训练后的循环神经网络，对所述优化目标函数进行求解得到重建后的在体荧光分布图像。本发明中的上述方法及系统引入相应的物理原理来提升神经网络的可解释性，训练所需的样本也较少，并且可以缩减网络的深度，提高图像重建质量。
-
公开(公告)号：CN115311380A
公开(公告)日：2022-11-08
申请号：CN202210972936.5
申请日：2022-08-15
Applicant: 华中科技大学
IPC: G06T11/00
Abstract: 本发明公开一种基于ADMM网络的反射式荧光分子断层成像方法及系统，涉及分子影像技术领域，方法包括：根据待重建反射荧光分布，利用解耦合荧光蒙特卡罗模型构建正向矩阵和训练数据集；利用正向矩阵构建待优化目标函数；对待优化目标函数进行L1正则化处理；利用交替方向乘子法将处理后的待优化目标函数分解成三个子问题；对三个子问题参数化得到参数化ADMM迭代网络；利用训练数据集和损失函数对参数化ADMM迭代网络进行训练和优化，得到ADMM网络；将待重建反射荧光分布输入ADMM网络中，得到重建的荧光团分布。本发明能提高反射式FMT图像重建质量。
-
公开(公告)号：CN113327305B
公开(公告)日：2022-06-24
申请号：CN202110598228.5
申请日：2021-05-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种模型驱动的深度学习荧光分子断层成像方法及系统。该方法包括：获取待测试的表面探测荧光分布；将待测试的表面探测荧光分布输入到荧光分子断层成像模型中，得到待检测的荧光团分布；荧光分子断层成像模型是利用测试集对分层网络模型训练而成的；分层网络模型是基于荧光分子断层成像图像重建的正则化优化目标函数的梯度、多层三维卷积神经网络的残差块结构和梯度下降算法构建而成的。本发明采用荧光分子断层成像模型建立了表面探测荧光分布和荧光团分布之间端到端的映射关系，避开了传统的基于模型的图像重建的劣势，提高了图像重建的质量。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.087 seconds)
