基于压缩感知的超宽带和多分辨光声成像方法研究

The project focuses on the ultra-wideband and multi-resolution photoacoustic tomography(PAT) based on compressed sensing, which includes the compressed acquisition of multi-band spectra, the reconstruction of ultra-wideband and multi-resolution images, and the classification of photoacoustic targets based on the multi-resolution description.Since the photoacoustic targets are sparse and the generation process of photoacoustic signals is controlled, an imaging system based on the optical mask and multiple groups of single element transducers can be set up to collect the multi-angle, multi-band and arc-compressed photoacoustic infor -mation. By using the multi-angle and multi-band photoacoustic information, an image fusion method based on wavelet analysis can be constructed, in order to reject the image artifacts effectively and realize the reconstruction of the multi-angle and multi-band PAT. By using the multi-resolution PAT, a feature extraction method of demension reduction based on non-negative matrix decomposition and a target classificaiton method based on support vector machine can be constructed, in order to realize the accurate identification of tissue lesion. It is the research goal to break through the bandwidth limitation of PAT, mine the photoacoustic information deeply, provide the more effective approach of analyzing the photoacoustic information, and promote the PAT application to the tumor early diagnosis.

研究基于压缩感知的超宽带和多分辨光声成像方法，包括多谱带光声信号的压缩采集、超宽带和多分辨光声图像的重建、多分辨描述下光声目标的分类三方面的内容。利用光声目标的稀疏性和光声信号产生过程的可控性，构建基于光学掩膜和多组单阵元超声换能器的光声成像系统，以采集多角度、多谱带、弧向压缩的光声信息。利用多角度和多谱带的光声信息，建立基于小波分析的光声图像融合方法，以有效消除图像伪迹并实现超宽带和多分辨光声图像的重建。利用多分辨描述下的光声图像，建立基于非负矩阵分解的降维特征提取方法和基于支持向量机的分类方法，以实现组织病变的高精度分类识别。该项研究旨在突破光声成像领域的带宽瓶颈，深度挖掘光声成像技术所能提供的信息量，提供更为有效的光声信息分析手段，促进光声成像技术在组织病变的早期诊断方面发挥更大的作用。

本项研究旨在基于压缩感知理论实现对生物组织的超宽带成像和多分辨分析，提供含有更多信息量的光声图像和更为有效的分析组织变异的手段，包括如何构建压缩采样的光声成像系统，在减少采样次数提高采样效率的同时保证预定要求的信噪比；如何根据压缩采样的方式确定重建方法，实现高质量的光声图像重建；如何通过光声成像提取组织的特征信息，并对特征信息进行量化识别。研究要点包括：搭建新型光声成像系统、提出压缩采样方案、实现针对光声压缩信号的重建算法、以及对光声图像进行量化、分类和识别。具体的首先将压缩感知理论应用到传统的光声成像系统上，搭建了两套不同分辨率的光声成像系统；提出基于膨胀图理论的压缩采样方案及多角度观测方法，缩短信号采集时间，提高了采样效率，有效消除图像伪影；实现了针对光声压缩信号的重建算法， 更好地保持了光声图像的边缘信息，提高图像恢复质量，实现了组织内具有不同光吸收系数的组分的超宽带和多分辨成像；提出了基于多尺度Hessian滤波器的血管分割方法，实现了血管量化参数的获取，包含描述血管基本强度信息的血管直径、血管密度和血管长度分数，也包含描述血管形态的分形维数，并利用ELM完成了对血管的分类和识别，对疾病的早期及精确诊断具有重要的应用价值。提供了更为有效的光声信息分析手段，促进光声成像技术在组织病变的早期诊断方面发挥更大的作用。