项目名称: 弱散射在体光学投影断层成像重建方法研究

项目编号: No.61471279

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 朱守平

作者单位: 西安电子科技大学

项目金额: 80万元

中文摘要: 光学投影断层成像(Optical projection tomography,OPT)是一种新型的高分辨三维成像技术。传统OPT技术只考虑生物组织对光子的吸收未考虑散射影响,也只能重建吸收系数不能重建散射系数。本项目针对在体OPT成像中面临的弱散射问题,结合OPT成像特点和光子弱散射传输特性,构建在体OPT成像模型;以该模型为基础,研究透射式OPT成像中同时重建吸收和散射系数的有效方案,提高透射式OPT的成像质量,丰富成像信息;采用基于归一化Born比的方法进行荧光衰减校正,利用Monte Carlo仿真技术对散射分量进行估计并去除,从而实现发射式OPT成像中荧光染料浓度的精确定量重建;采用基于图形处理器(GPU)加速技术并结合算法优化方法提高重建速度;通过仿真实验、仿体实验和在体生物实验验证算法有效性。本研究工作将有助扩展OPT技术的应用范围和成像质量的提高,促进其在生命科学领域的应用。

中文关键词: 成像方法;光学投影断层成像;在体;定量成像;弱散射

英文摘要: Optical projection tomography (OPT) is a new high-resolution three-dimensional imaging technology. Traditional OPT techniques only consider the absorption effects of biological tissue to photons without considering the effect of scattering,therefore it can only reconstruct the absorption coefficients but not scattering coefficients. In order to solve the weakly scattering problem in in-vivo OPT imaging, this project will construct OPT imaging model combined with OPT imaging characteristics and transmission characteristics of weakly scattering of photons. Based on this model, we will research on the reconstitution methods both for absorption and scattering coefficients in the transmission OPT imaging. We will achieve quantitative reconstruction of the fluorescent dye concentration by using the normalized Born ratio method for attenuation correction and using the Monte Carlo simulation technique to estimate the scattering component. The graphics processor unit (GPU) based on acceleration technology will be used to improve the speed of reconstruction. The validate of the algorithm effectiveness will be tested through simulation, phantom experiments and biological experiments. This work will help to expand the application scope of OPT technology, to improve its image quality and to promote its application in the field of life sciences.

英文关键词: Imaging method;optical projection tomography;in vivo;quantitative imaging;weakly scattering

成为VIP会员查看完整内容
0

相关内容

因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
专知会员服务
19+阅读 · 2021年9月12日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
42+阅读 · 2021年2月8日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Transparent Shape from Single Polarization Images
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
64+阅读 · 2021年6月18日
Arxiv
18+阅读 · 2021年3月16日
小贴士
相关VIP内容
因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
专知会员服务
19+阅读 · 2021年9月12日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
42+阅读 · 2021年2月8日
相关资讯
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员