基于乘子法的自发荧光断层成像重建方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号(10)授权公告号CN102988026B(45)授权公告日(45)授权公告日2015.03.04(21)申请号201210523586.0RegularizationinFluorescenceMolecularTomography.《IEEETRANSACTIONSONMEDICAL(22)申请日2012.12.07IMAGING》.2010,第29卷(第4期),1075-1087.(73)专利权人中国科学院自动化研究所朱新建等.荧光分子成像技术概述及研究进地址100190北京市海淀区中关村东路95展.《中国医疗器械杂志》.2008,第32卷(第1号期),1-5.(72)发明人田捷郭伟杨鑫DaifaWang等.ANovel(74)专利代理机构中科专利商标代理有限责任Finite-Element-BasedAlgorithmfor公司11021FluorescenceMolecularTomographyof代理人戎志敏HeterogeneousMedia.《IEEETRANSACTIONSONINFORMATIONTECHNOLOGYINBIOMEDICINE(51)Int.Cl.》.2009,第13卷(第5期),766-773.A61B5/00(2006.01)StamatiosLefkimmiatis等.Hessian-Based(56)对比文件NormRegularizationforImageRestorationUS2010208965A1,2010.08.19,全文.WithBiomedicalApplications.《IEEECN101539518A,2009.09.23,全文.TRANSACTIONSONIMAGEPROCESSING》.2012,第21CN102488493A,2012.06.13,全文.卷(第3期),983-995.EP1729261A1,2006.12.06,全文.审查员高瑞玲WO2007109678A2,2007.09.27,全文.Jean-CharlesBaritaux等.AnEfficientNumericalMethodforGeneralLp权利要求书2页说明书6页附图4页(54)发明名称基于乘子法的自发荧光断层成像重建方法(57)摘要一种基于乘子法的自发荧光断层成像重建方法，使用有限元分析方法扩散方程进行离散化，基于L1范数的惩罚项建立无约束条件最优化问题模型；得到所述无约束条件最优化问题模型的对偶模型；建立所述对偶模型的增广拉格朗日函数；简化增广拉格朗日函数的最大值函数；使用截断牛顿法求解增广拉格朗日函数的最大值；将增广拉格朗日函数的梯度作为目标向量的最快下降方向对目标向量进行更新；更新惩罚向量；计算目标函数值J(w)，如果||(J(w)k-J(w)k-1)||/||Φm||≥tol为真，计算k＝k+1并跳至步骤S4，否则，结束计算，其中，tol为目标函数的收敛效率阈值。本发明能够快速地在较大成像区域内得到准确可靠的光源CN102988026B分布信息，除正则化参数的以外其他参数都可以实现自适应调整，从而提高了成像的鲁棒性。CN102988026B权利要求书1/2页1.一种基于乘子法的自发荧光断层成像重建方法，包括步骤：S1使用有限元分析方法扩散方程进行离散化，基于L1范数的惩罚项建立无约束条件最优化问题模型；S2得到所述无约束条件最优化问题模型的对偶模型；S3建立所述对偶模型的增广拉格朗日函数；S4简化增广拉格朗日函数的最大值函数；S5使用截断牛顿法求解增广拉格朗日函数的最大值；S6将增广拉格朗日函数的梯度作为目标向量的最快下降方向对目标向量进行更新；S7更新惩罚向量；S8计算目标函数值J(w)，如果||(J(w)k-J(w)k-1)||/||Φm||≥tol为真，计算k＝k+1并跳至步骤S4，否则，结束计算，其中，tol为目标函数的收敛效率阈值，Φm为通过CCD相机所得到的被观测物体表面的光强值。2.根据权利要求1所述的方法，其特征在于所述无约束条件最优化问题模型由下式表达：其中，其中A是系统矩阵，λ是正则化参数，J(w)为最小二乘最优化问题的目标函数，w表示光源的分布信息，其初始值设定为零。3.根据权利要求2所述的方法，其特征在于所述对偶模型由下式表达：该对偶模型是一个约束条件最优化问题模型，E(α，v)是新的目标函数，为指示函数，目标解向量α的维数要远小于w的维数。4.根据权利要求3所述的方法，其特征在于所述增广拉格朗日函数由下式表达：其中μ为惩罚向量，w为拉格朗日乘子。5.根据权利要求4所述的方法，其特征在于：通过削顶函数技术将v表示成α的函数：其中削顶函数的表达式为：6.根据权利要求5所述