[发明专利]基于改进遗传算法对光声图像的重建参数优化方法

说明书

本发明涉及生物医学中光声成像应用的研究领域，具体涉及利用改进遗传算法对光声成像技术中的图像重建参数的优化方法，光声成像技术利用光声效应的原理，融合了组织体对纯光的高选择性和纯超声在组织中的深穿透性的特点，使得重建出来的图像具备良好的清晰度和对比度。但传统算法重建出的光声图像会存在较多的伪影，严重影响图像的质量。本文所提出的基于改进遗传算法对光声成像技术中的图像重建参数的优化方法，根据初始化的图像利用改进的遗传算法对图像参数反演迭代寻找当前最优的稀疏矩阵，再将该优化矩阵参数利用压缩感知算法迭代重建出符合预定值的图像，从而重建出无伪影的高质量光声图像。

技术领域

本发明涉及生物医学中光声成像应用的研究领域，具体涉及利用改进遗传算法对光声成像技术中的图像重建参数的优化方法。

背景技术

图像作为最简单直接的信息传递方式，被研究人员用作疾病诊断的工具，让人们对疾病的深入研究具有十分重要的意义。现如今，生物医学领域的成像技术手段非常丰富，这些医学成像技术在医学临床研究领域的应用也变得更加广泛，目前主要被应用的医学成像方式包括：核磁共振成像、超声波成像、X射线成像、放射性核素成像和光声成像技术等。

光声成像技术主要涉及有医学、光学、声学和图像处理等多个领域，其理论基础是利用光声效应，是近年来新兴的一种非侵入性和非电离辐射的生物医学成像技术。目前已经成为生物医学影像中比较热门的一项研究技术。光声成像技术融合了组织体对纯光的高选择性和纯超声在组织中的深穿透性的特点，同时具备光学成像的高对比度和超声成像的高分辨率等优点，因此该技术重建出来的图像具备良好的清晰度和对比度。光声成像的工作原理是：激光脉冲照射下生物组织受热膨胀，组织中周期性的振动产生超声波，分布在组织表面的超声探测器探测到产生的超声波信号后，利用重建算法完成生物组织体内的光吸收图像重建。研究人员通过观察重建算法获得的光声图像对生物体内部的生理组织特征进行研究诊断。此时，性能优良的图像重建算法对光声成像工作至关重要，这也是光声成像技术的关键所在。目前在有限角度扫描情况下，传统的重建算法生成的光声图像中存在较多的重建伪影。本文针对上述问题，提出基于改进遗传算法对光声成像技术中的图像重建参数的优化方法，对重建图像进行伪影消除，以期获得更少伪影的高质量光声图像。

发明内容

本发明的目的是，提供给一种在有限角度扫描情况下，能够比较好的消除光声成像过程中产生的图像伪影的方法，通过改进遗传算法迭代演化寻找压缩感知算法所需的最优采样矩阵参数，从而达到重建出高质量的光声图像目的。

为解决上述发明目的，本发明所采用的技术方案包括：首先使用稀疏采样得到采样矩阵X_a×c，利用压缩感知算法得到初始重建图像C_i，通过改进的遗传算法对图像C_i参数反推迭代寻找当前最优稀疏矩阵，再根据该优化矩阵参数利用压缩感知算法重建出新的图像C_i+1。若C_i+1的伪影消除度达到预定值，则图像重建成功，否则重复上述步骤。

构造初始采样矩阵。根据稀疏扫描数据可以构造出测量矩阵M_a×b，其中各个扫描点为a，成像区域中的像素点为b。再由测量矩阵和测量值可R_b×c计算得到采样矩阵信号X_a×c，其一般公式为：

F＝arg min{||RX-M||^Z+λ||LX||^Z}

其中，λ是矩阵正则化系数，L是拉普拉斯变换，Z为误差开方值。

基于遗传算法的最优采样矩阵迭代。通过上述计算得到初始采样矩阵，利用遗传算法具有良好的求全局最优解的特点，通过设计多因素适应度函数计算种群适应度值，反推迭代寻找最优矩阵值，以获得消除伪影的高质量重建图像。改进后的遗传算法具体过程如下：