[发明专利]稀疏度自适应组正交匹配追踪的激发荧光断层重建方法

权利要求书

1.一种稀疏度自适应组正交匹配追踪的激发荧光断层重建方法，其特征在于，该激发荧光断层重建方法包括：

步骤S10，获取生物CT三维组织结构数据及其体表激发荧光图像数据；

步骤S20，对所述生物CT三维组织结构数据进行器官分割并进行有限元离散化，获得生物三维结构信息、有限元离散化后的网格文件；

步骤S30，采用特征点配准的方法融合所述生物三维结构信息与体表激发荧光图像数据，获得生物体表激发荧光光强分布信息；

步骤S40，依据所述生物体表激发光光强分布信息，建立低阶近似后的描述光子在生物组织体内传输的线性数学模型；

步骤S50，根据所述有限元离散化后的网格文件，采用四面体空间结构作为算法的分组策略，将线性数学模型中待求解问题构成的空间划分为组子空间，构造局部空间连续性约束条件；所述局部空间连续性约束条件，其目标函数为：

其中，A_G表示按照四面体空间组成方式对A矩阵列向量进行分组并排序后的矩阵；β表示对应于A_G矩阵的FMT问题的非零解；H表示列向量的索引集合；该目标函数是原始目标函数的最小二成表示；A、X和Φ分别为建立的线性数学模型中的系统矩阵、生物组织内部光源的分部信息和生物体表激发荧光光强分布信息；

步骤S60，采用所述组子空间替换所述四面体空间的原子，基于所述局部空间连续性约束条件，构造局部空间结构化L1范数稀疏性约束条件；所述局部空间结构化L1范数稀疏性约束条件，其目标函数为：

其中，λ为正则化项参数；

步骤S70，基于所述局部空间结构化L1范数稀疏性约束条件，采用稀疏度自适应正交匹配追踪迭代方法计算稀疏解，获得探针在生物肿瘤区域的汇聚分布情况。

2.根据权利要求1所述的稀疏度自适应组正交匹配追踪的激发荧光断层重建方法，其特征在于，步骤S10包括：

步骤S11，利用生物肿瘤细胞系构建原位肿瘤模型；

步骤S12，采集荧光探针分子注射后的生物CT三维组织结构数据和生物体表激发荧光图像数据；所述体表激发荧光图像数据包括N个角度的N幅激发荧光图像数据，N为正整数。

3.根据权利要求1所述的稀疏度自适应组正交匹配追踪的激发荧光断层重建方法，其特征在于，步骤S40中“依据所述生物体表激发荧光光强分布信息，建立低阶近似后的描述光子在生物组织体内传输的线性数学模型”，其方法为：

AX＝Φ

其中，A为系统矩阵，X为生物组织中内部光源的分部信息，Φ为生物体表激发荧光光强分布信息。

4.根据权利要求1所述的稀疏度自适应组正交匹配追踪的激发荧光断层重建方法，其特征在于，步骤S70中“基于所述局部空间结构化L1范数稀疏性约束条件，采用稀疏度自适应正交匹配追踪迭代方法计算稀疏解，获得探针在生物肿瘤区域的汇聚分布情况”，其方法为：

步骤S71，初始化残差为r⁰＝Φ,支撑集I⁰、稀疏度更新S步长为4，稀疏度K＝S，迭代次数k＝0；

步骤S72，令k＝k+1，计算组误差相关度，并选择L1范数最大的组作为当前迭代次数的最优解；

步骤S73，将所述当前迭代次数的最优解中的元素添加到支撑集I^k中；

步骤S74，基于当前支撑集I^k，计算临时解β_temp，并通过Top函数选择临时解中最大的前K个元素的索引作为当前迭代的最优支撑集合J；

步骤S75，计算所述最优支撑集合J的残差r，并根据当前残差r和前一次迭代中的残差r^k-1自适应地更新稀疏度、残差和支撑集，获得探针在生物肿瘤区域的汇聚分布情况。

5.根据权利要求4所述的稀疏度自适应组正交匹配追踪的激发荧光断层重建方法，其特征在于，步骤S72中“当前迭代次数的最优解”为：

其中，k为当前迭代次数，T代表矩阵转置操作。