技术领域
[0001] 本
发明涉及在体组织光学成像与检测领域，尤其涉及一种基于高光谱图像的在体组织光学参数测量装置及方法。
背景技术
[0002]
生物组织体大多是由
蛋白质、核酸、糖类、脂类、
水、维生素以及微量元素等构成。由于组织体内大分子物质对
光子具有强散射作用，当在体组织结构以及各种成分物质的含量发生变化时，会引起光在组织体内的传播路径发生相应的变化，从而导致组织体内光学特性发生变化。在生物医学
光子学中，光与生物组织体的相互作用主要表现为吸收、散射等形式，常用吸收系数、散射系数、折射率及
各向异性因子等参数定量描述组织的光学特性。
在紫外及可见-
近红外波段范围内，组织体的吸收物质主要有黑色素、含
氧/去氧血红蛋白、脂肪、血糖及水等物质。
[0003] 目前，获取在体组织光学参数大多是采用光纤
探头采集不同源探距离下的漫反射光谱
信号，由于光纤结构的限制，获取多位点组织结构信息时，采集时间较长且只能进行点测量，很难实现组织二维图像及光谱信息的同时获取。高光谱成像方法将在体组织的二维图像信息与谱域信息相结合，获取组织结构、成分信息等，具有
分辨率高、无损伤性以及信息量丰富的优点，逐渐成为“光学活检”技术的研究热点。Bjorgan等研究了
基础扩散理论正向模型和SCA(Sequential Coordinate-Wise)反构
算法，Zherebtsov等采用基于
人工神经网络的反构算法，提高了光学参数反构
精度和速度，以上方法在模型精度和计算速度存在一定的优势。在体组织组成成分复杂，其吸收光谱重叠也在一定程度上会影响光学参数反构精度，Huang等提出了基于宽谱二阶导数比值(SDR)的血氧
饱和度测量算法，利用非线性拟合提高测量精度。Mackinnon等提出两步非负最小二乘法，消除黑色素等对于含氧/脱氧血红蛋白测量的影响。Radrich等提出了基于等吸光点的
波长选择算法，并结合线性最小二乘法和多项式曲线拟合提高了在体组织血氧测量精度。根据测量目标优化测量光谱范围，也可以在一定程度上减少系统复杂度，并较好地获取目标成分的测量精度。
[0004] 利用高光谱成像装置对组织样本进行成像，然后通过模拟光在组织中传输及表面出射的正向模型及反构算法，提取吸收系数与散射系数等组织光学参数。但是目前针对基于高光谱测量的组织光学参数提取方法，在光谱成像速度等方面受到一定限制并且需要多次进行连续光谱测量，系统分光方式较为复杂，并且很难实现快速成像。
发明内容
[0005] 本发明提供了一种基于高光谱图像的在体组织光学参数测量装置及方法，能够实现快速、宽光谱、适用范围广的组织光学参数测量，详见下文描述：
[0006] 一种基于高光谱图像的在体组织光学参数测量装置，所述装置包括：
卤素灯、聚焦镜、滤光轮组、相机以及光谱仪，
[0007] 卤素灯作为
光源，具有连续宽
光谱特性，适用于可见光谱中的样本测量；滤光轮组作为分光装置括不同中心波长的滤光片；相机搭配聚焦镜实现高分辨率成像；
[0008] 捕捉仿体的二维图像信息和漫反射光谱，通过采集离散波长的图像，利用基于维纳拟合原理的光谱重构，缩短对组织成像的采集时间，实现不同波段多光谱图像的获取。
[0009] 其中，相机连接成功后，获取当前的通道
位置P，设置目标通道位置为T＝P+1；
[0010] 若T＜9，转动相机的内置滤光轮至目标位置T，判断当前位置P1是否与目标位置T相等；
[0011] 若T＝P1，获取预先设置的单通道下的相机参数，对样本进行采集得到样本的多光谱图像，并将其自动保存；
[0012] 若T≠P1，则停止采集，关闭相机并释放相机资源。
[0013] 一种基于高光谱图像的在体组织光学参数测量方法，所述方法包括以下步骤：
[0014] 通过在体组织光学参数测量装置获取样品的8通道图像；
[0015] 输入窄带滤光通道反射值和测量的漫反射光谱值，使用维纳矩阵重构得到光谱图；
[0016] 结合Monte Carlo查表法与正向模型进行建模和数据拟合，得到样品的模拟反射光谱；
[0017] 采用最优化反构算法得到组织光学参数及仿体浓度。
[0018] 进一步地，所述使用维纳矩阵重构得到光谱图具体步骤为：
[0019] 获得系统矩阵和修正的维纳矩阵，重构出新的窄带反射值；利用修正后的维纳矩阵和系统矩阵与新的反射值相结合，得到漫反射光谱；
[0020] 选择与实际测量的漫反射光谱相比，均方根误差值最小的光谱，作为最终重构的光谱。
[0021] 进一步地，所述结合Monte Carlo查表法与正向模型进行建模和数据拟合，得到样品的模拟反射光谱具体为：
[0022] 利用查找表算法实现正向模型的建立，确定不同波长下的组织吸收系数和散射系数，将其输入
单层组织的查找表模型中，插值得到一系列的反射值，实现基于正向模型的反射光谱获取。
[0023] 其中，所述采用最优化反构算法得到的组织光学参数及仿体浓度具体为：
[0024] 利用MATLAB中的fmincon函数求解多维无约束的非线性优化问题，给定系数初值矩阵，计算得到不同波长下仿体的光学参数，将其输入正向模型获取漫反射率；
[0025] 引入校正系数，使目标函数最小，求解得到样品的浓度、吸收系数及约化散射系数。
[0026] 本发明提供的技术方案的有益效果是：
[0027] 1、本发明搭建的多光谱成像装置，能够同时捕捉仿体的二维图像信息和漫反射光谱，通过采集离散波长的图像，利用基于维纳拟合原理的光谱重构算法，缩短对组织成像的采集时间，实现了不同波段多光谱图像的获取，降低了高维
数据处理的复杂性。
[0028] 2、本发明提高了在体组织光学参数测量精度，结合组织空间域及谱域信息，利用蒙特卡洛(Monte Carlo，MC)模拟建立的查找表正向模型及最优化反构算法提高了重构模型的
稳定性和精确度，能够实现实时、准确的在体组织光学参数反构，对研究在体组织光学特性的变化具有重要的研究意义和参考价值。
附图说明
[0031] 图3为光谱重构算法的框图；
[0032] 图4为光谱重构的结果图；
[0033] 图5为Monte Carlo查找表图；
[0034] 图6为正向模型；
[0035] 图7为反构算法流程图；
[0036] 图8为仿体的最优解结果图。
具体实施方式
[0037] 为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
[0038] 本发明中所涉及的装置在进行组织光学参数测量时，首先通过多光谱成像装置获取样品的8通道图像，然后使用维纳矩阵重构得到219个通道的光谱图，结合Monte Carlo查表法与反构算法进行建模和数据拟合，得到样品的光学参数。
[0039] 一、多光谱成像装置
[0040] 多光谱成像装置由卤素灯、聚焦镜、滤光轮组、相机以及光谱仪组成，结构如图1所示。
[0041] 图1中卤素灯作为光源，具有连续宽光谱特性，适用于可见光谱(360～720nm)中的样本测量应用；滤光轮组作为分光装置，主要包括8个不同中心波长的滤光片，分别是420nm，480nm，500nm，530nm，570nm，680nm，760nm和808nm；相机采用miniCAM5F制冷型相机(QHYCCD)，搭配聚焦镜，能够实现1280×960
像素的高分辨率成像；光谱仪采用紫外～可见光谱仪。
[0042] 多光谱成像装置搭建完成后，结合相机的USB
接口和软件开发包(SDK)对相机进行二次开发，能够实现快速成像和实时保存数据的功能。该自动控制软件是基于Windows平台下C#语言编译的应用界面进行多光谱
图像采集。成像装置软件的流程图如图2所示，具体实现过程如下。
[0043] 相机连接时，首先获取设备的序列号，基于序列号开启成像系统后，初始化相机资源，包括相机工作为单
帧模式采集、图像信息以及成像分辨率等。
[0044] 相机连接成功后，获取成像系统当前的通道位置P，设置目标通道位置为T＝P+1。若T＜9，转动相机的内置滤光轮至目标位置T，判断当前位置P1是否与目标位置T相等。若T＝P1，那么自动获取预先设置的单通道下的相机参数，主要包括：曝光时间、增益、偏置、图像位深以及图像大小等信息。获取相机参数后，对样本进行采集，得到样本的多光谱图像，并将其自动保存至
指定文件夹中，实现了多通道图像的自动匹配与存储。若T≠P1，则停止采集，关闭相机，并释放相机资源。
[0045] 最后，利用该装置及控制软件自动采集仿体的8个波段图像，其像素值对应组织仿体的空间漫反射率(即光强)。
[0046] 二、数据预处理
[0047] 利用成像装置采集样本数据后，为了减少不同通道下光源强度以及CCD探测器响应能
力对反射光强的影响，需要对采集的多维数据进行预处理，多光谱图像的处理流程如下。
[0048] 1、直方图均衡化
[0049] 对多光谱图像直方图均衡化，获得的单通道图像f(x,y)在区间[0，255]范围内有256个灰度级，将图像的直方图定义为离散函数：
[0050] h(rk)＝nk (1)
[0051] 公式(1)中，rk表示区间[0,255]内的第k级灰度，nk则表示图像中灰度级为rk的像素数。将h(rk)的所有元素除以图像中的总像素数n，即可得到灰度级rk的概率估计p(rk)，即[0052]
[0053] 令单通道图像的灰度级概率
密度函数为pr(r)，对输入灰度级进行下列变换，得到处理后的灰度级s，其中w为积分变量：
[0054]
[0055] 上述处理后，得到均衡化后的图像g(x,y)。
[0057] 小波具有低熵性、多分辨率性、去相关性以及选基灵活性，使得其广泛应用于图像去噪领域。本
实施例中，对单通道下均衡后的二维图像g(x,y)进行
离散小波变换去噪，去除组织样本图像的纹理以及噪声。
[0058] 定义离散小波：
[0059]
[0060] 式中，Ψj,k(t)表示基本的小波函数；a0,b0∈R，且a0＞0,b0＞0， 表示小波基函数的尺度因子； 表示平移分量，且k,v为整数。
[0061] 定义f(t)对应的离散小波变换：
[0062]
[0063] 基于离散小波变换对均衡后的二维图像g(x,y)进行
空域相关性去噪，采用小波变换相关性原理(Spartially Selective Noise Filtration，SSNF)进行去噪。根据公式(4)和(5)得到g(x,y)对应的小波变换Wsg(x,y)后，进一步基于SSNF算法求解得到相关系数Corj(x,y)以及归一化函数NCorj(x,y)。
[0064]
[0065]
[0066] 式中，PW(J),PCor(J)为变换尺度s的相关系数和小波系数的
能量，具体值可由公式(8)和公式(9)获得：
[0067]
[0068]
[0069] 比较|NCorj(x,y)-Wsg(x,y)|≥0，根据信号与噪声的相关性特征，利用邻域小波系数变化进行去噪，即可获得去噪后的图像Rini(x,y)。
[0070] 小波去噪后，进一步利用5×5模板对样本的反射光强值Rini(x,y)进行中值滤波，去除突变的灰度值。中值滤波中，利用单像素指定邻域内像素的中值作为该像素的新值，进行空间域滤波。
[0071] 3、光强归一化
[0072] 采用标准反射板与暗噪声反射值对滤波后的图像光强Rini(x,y)作归一化处理，校正光照不均的影响，公式如下：
[0073]
[0074] 式中，R表示样本的光强值；Rini为样品的反射信号；Rstd为测量标准反射板得到的反射信号；Rdark为关掉光源，在黑暗环境下测得的漫反射信号。
[0075] 三、光谱重构
[0076] 对采集的多光谱图像预处理完成后，选取500-700nm范围内的数据，进行光谱重构相关运算，得到重构后的光谱图像，算法框图如图3所示。
[0077] 该算法包括：校正、测试和光谱选择3个阶段。
[0078] 首先，输入窄带滤光通道反射值和测量的漫反射光谱值，获得系统矩阵和修正的维纳矩阵，重构出新的窄带反射值；其次，利用修正后的维纳矩阵和系统矩阵与新的反射值相结合，进一步估计得到漫反射光谱；最后，选择与实际测量的漫反射光谱相比，均方根误差值最小的光谱，即作为最终重构的光谱，其中应用的维纳估计相关运算过程如下：
[0079] 假设通过窄带滤光片的
透射光谱矩阵为F(m×n)，光纤测得的光谱矩阵为s(n×1)，噪声矩阵为e(m×1)，C为漫反射光谱(m×1)，其中m为窄带通道数，n为波长个数。窄带通道的反射光谱矩阵C可用下式计算得到：
[0080] C＝Fs+e (11)
[0081] 维纳矩阵W由下式计算：
[0082] W＝KsFT(FKsFT+Ke)-1 (12)
[0083] 式中，Ks和Ke分别为测量光谱s和系统噪声e的
自相关矩阵。
[0084] 本实施例中，根据维纳矩阵估计原理，基于光谱曲线形状相似度比较，确定原始光谱反射率与重建光谱反射率的均方根误差值最小时，得到最终的光谱Rm(λ)，如图4所示。
[0085] 四、正向模型及反构算法
[0086] 本实施例中，基于仿体的光学特性，确定训练集[μa,μ′s]的范围，即吸收系数μa：0.2-50cm-1，约化散射系数μ′s：1-50cm-1。在蒙特卡洛模拟中，假设模拟的光子数量为107，仿体和空气介质的折射率n分别设置为1.33和1，各向异性因子g为0.8，模拟得到的MR值被用于建立单层查找表，结果如图5所示。
[0087] 已知组织体中，吸收系数组织中生色团的种类及浓度，其中εi(λ)为吸收物质的摩尔吸收系数，如公式(13)所示。
[0088]
[0089] 根据Mie散射理论，约化散射系数取决于组织中散射粒子的尺寸和折射率等，与波长密切相关。
[0090] μ′s(λ)＝μ′s(λ0)·(λ/λ0)-b (14)
[0091] 式中，μ′s(λ0)表示在波长λ0＝630nm下的约化散射系数，b为散射功率。
[0092] 利用查找表算法实现正向模型的建立，具体的流程如图6所示。根据公式(13)以及(14)，可以确定不同波长下的组织吸收系数和散射系数，将其输入单层组织的查找表模型中，插值即可得到一系列μa(λ)和μ′s(λ)对应的反射值Rs(λ)，实现基于正向模型的反射光谱获取。
[0093] 反构算法中，利用MATLAB中的fmincon函数求解多维无约束的非线性优化问题，给定系数初值矩阵x0＝[μ′s(λ0),b,C,K]，由公式(13)和(14)计算得到不同波长下仿体的光学参数，将其输入正向模型获取漫反射率Rs(λ)后，引入校正系数K，使得目标函数∑(KRs(λ)-Rm(λ))2最小，即可求解得到样品的浓度、吸收系数及约化散射系数。反构算法流程如图7所示，仿体的最优解如图8所示，其中，仿体浓度和约化散射系数的平均相对误差分别为0.635％和0.716％，吸收系数的平均均方根误差为5.56％。
[0094] 本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
[0095] 本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0096] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何
修改、等同替换、改进等，均应包含在本发明的保护范围之内。
