论文部分内容阅读
荧光蛋白已经成为研究蛋白质之间相互作用的重要工具,对于研究生命科学中的一些关键问题具有重要贡献。然而现有用于观测荧光蛋白的成像技术,其成像深度为几百微米左右,即只能观测浅表组织或培养细胞的生物学过程。为了能够对深层组织,器官甚至整体小动物进行成像,稳态荧光分子层析成像技术(Fluorescence Molecular Tomography, FMT)被提了出来。由于荧光在组织内存在多次散射的现象,导致了表面测量的荧光信号与体内荧光参数之间的关系为非线性关系,重构问题则是一个病态问题;同时生物组织的多样性又决定了组织光学参数的复杂多变,因此稳态荧光分子层析成像重构理论是影响实现深层光学成像的关键问题。本文围绕如何实现快速准确的稳态荧光分子层析成像重构算法这一核心问题,从三个方面研究稳态荧光分子层析成像重构理论与实验。基于扩散理论,提出一种基于扩散近似并利用有限元方法进行重构的荧光分子层析成像算法,并提出了一种计算雅克比矩阵的直接(Direct)方法。利用仿体模型实验验证了该方法在正问题和逆问题中计算的准确性,并证实了Direct方法计算的雅克比矩阵能够更加准确的重构出深度方向上的荧光团的分布。根据随机理论提出了一种快速的基于蒙特卡洛方法(Monte Carlo, MC)的稳态荧光分子层析成像重构算法。该方法利用显卡处理核心(Graphic Processing Unit, GPU)集群加速MC计算速度,从而突破了将MC方法用于FMT重构中存在的最大技术瓶颈--巨大的时间消耗。仿体实验证明了该方法在正问题和逆问题中的准确性,并且该方法不仅适用于高散射介质,在低散射介质中同样具有很好的重构准确性。利用该方法,对40×20×20 mm3大小的样本进行重构,整个过程只需要不到10分钟,最后在体小动物成像结果证实了该方法在实际应用中的可行性。提出了一种适用于双模式FMT/微型计算机层析成像(Micro-Computer tomography, Micro-CT)系统的重构算法。该方法包含了一种Micro-CT引导的非等分体素的MC方法(Non-equal voxel Monte Carlo, NVMC)和一种修正的拉普拉斯正则化方法。仿真实验和仿体实验证明了NVMC方法能够在保证不规则边界处的计算准确性的同时,显著的减少计算时间。并验证了相对于传统的拉普拉斯正则化方法,修正的拉普拉斯正则化方法能够更加准确的将非等分体素的Micro-CT结构信息引入FMT重构中,从而减少重构问题的病态性。通过在体小动物实验证明了该方法对于包含不规则的边界和复杂的光学参数分布的小动物具有较好的成像效果。