一种计算皮肤组织光学参数分布的算法的制作方法

1.本发明涉及医疗技术领域，具体为一种计算皮肤组织光学参数分布的算法。


背景技术：

2.目前扩散光学层析成像该方法目前存在的核心问题是直接按照扩散光学成像方法进行计算的方法存在或分辨率不高或计算时间过长的问题。
3.因此，有必要提供一种新的基于人工神经网络的计算方法，利用蒙特卡洛仿真运算结果的经验学习漫反射分布与皮肤组织内部光学参数，如吸收系数、反射系数分布的关系，完成其三维分布的快速运算成像。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种计算皮肤组织光学参数分布的算法，解决了提供一种能够无创的对皮肤组织下一定深度内组织光学参数分布的快速三维成像算法，利用特定光源设置对应的漫反射光强分布，计算组织内部异质体位置及其光学性质，以辅助判别异质体性质的方法的问题。
6.(二)技术方案
7.为实现上述目的，本发明提供如下技术方案：一种计算皮肤组织光学参数分布的算法，包括以下步骤：
8.s1、利用生物光子学蒙特卡洛仿真计算单一性质的光学组织表面漫反射强度分布，使用此结果训练对应的卷积核用于成像计算；
9.s2、利用在不同位置包含光学参数不同组织的数字仿体仿真计算或真实仿体及测量系统获得的漫反射二维光强分布以及此前获得的单一性质组织光传播计算卷积核，构建并训练用于成像计算的深度卷积网络；
10.s3、采集患者皮肤表面漫反射光强分布并做预处理；使用此前训练的深度卷积网络以及患者漫反射光强进行成像计算。
11.优选的，所述步骤s1通过检测系统获取已知光学参数的均匀组织体在特定光强输入条件下的漫反射强度分布，或利用检测系统等效的设置，进行生物光子学蒙特卡洛仿真，获取漫反射强度分布，建立卷积网络，使用获得的漫反射光强分布，根据卷积网络误差反向传播规则训练反映光在对应光学参数组织内传播规律的卷积核。
12.优选的，所述步骤s2使用卷积计算漫反射光强的原理以及公式一，建立深度卷积网络：
[0013][0014]
其中k为可以描述介质光学性质对应的传输特性的卷积核，假设各向同性的扩散，
即向浅层传播和向深层传播的扩散函数相同，在介质表面边界的测量算子为m，根据光在各层间传播路径分析，计算测量表面的漫反射光强分布表示为：
[0015]
根据深度网络计算得到像素网络输出。
[0016]
优选的，所述步骤s3根据获取均匀组织卷积核参数计算的网络及公式三，建立深度卷积网络，其中按照标注表示的光传输卷积核部分为步骤s2中获得的不同组织光传输卷积核的集合，其余部分的卷积网络为可修正部分，随机产生初始值，公式中mki,n(x,y)表示在第i层对应第n种组织特性的掩膜，其值为0或1，表示在坐标为(x,y)位置存在的是否为第n种组织；
[0017]
公式三
[0018]
获取患者皮肤表面漫反射光强分布，对所述步骤s2的网络输出的结果进行误差检测。
[0019]
(三)有益效果
[0020]
本发明提供了一种计算皮肤组织光学参数分布的算法，具备以下有益效果：
[0021]
本发明通过检测系统获取已知光学参数的均匀组织体在特定光强输入条件下的漫反射强度分布，或利用检测系统等效的设置，进行生物光子学蒙特卡洛仿真，获取漫反射强度分布，建立卷积网络，使用获得的漫反射光强分布，根据卷积网络误差反向传播规则训练反映光在对应光学参数组织内传播规律的卷积核，使用卷积计算漫反射光强的原理以及公式一，建立深度卷积网络，接着根据深度网络计算得到网络输出，根据获得的二维漫反射强度分布作为目标强度，以所有像素网络输出与监督图像强度差的方均根作为误差，再根据获取均匀组织卷积核参数计算的网络及公式三，建立深度卷积网络计算获取患者皮肤表面漫反射光强分布，对误差进行检测，如果条件不符合返回深度卷积网络重新计算，通过最终修正后的三维组织光学参数分布成像，可以判断组织内是否有异质体的存在或通过异质体光学性质推断其潜在的危害可能性或程度。
附图说明
[0022]
图1为本发明用于获取漫反射光强分布的检测系统示意图；
[0023]
图2为本发明使用卷积计算漫反射光强的原理解释图；
[0024]
图3为本发明用于获取均匀组织卷积核参数计算的网络结构图；
[0025]
图4为本发明用于进行光学层析计算的网络结构图；
[0026]
图5为本发明完整算法流程图；
[0027]
图6为本发明组织漫反射强度分布伪彩示意图；
[0028]
图7为本发明被测试组织和成像结果示意图。
具体实施方式
[0029]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0030]
如图1-7所示，本发明提供一种技术方案：一种计算皮肤组织光学参数分布的算法，包括以下步骤：
[0031]
s1、利用生物光子学蒙特卡洛仿真计算单一性质的光学组织表面漫反射强度分布，使用此结果训练对应的卷积核用于成像计算，步骤s1通过检测系统获取已知光学参数的均匀组织体在特定光强输入条件下的漫反射强度分布，或利用检测系统等效的设置，进行生物光子学蒙特卡洛仿真，获取漫反射强度分布，建立卷积网络，使用获得的漫反射光强分布，根据卷积网络误差反向传播规则训练反映光在对应光学参数组织内传播规律的卷积核，如图1所示；
[0032]
s2、利用在不同位置包含光学参数不同组织的数字仿体仿真计算或真实仿体及测量系统获得的漫反射二维光强分布以及此前获得的单一性质组织光传播计算卷积核，构建并训练用于成像计算的深度卷积网络，步骤s2使用卷积计算漫反射光强的原理以及公式一，建立深度卷积网络：
[0033][0034]
其中k为可以描述介质光学性质对应的传输特性的卷积核，假设各向同性的扩散，即向浅层传播和向深层传播的扩散函数相同，在介质表面边界的测量算子为m，根据光在各层间传播路径分析，计算测量表面的漫反射光强分布表示为：
[0035]
根据深度网络计算得到像素网络输出，如图2所示；
[0036]
s3、采集患者皮肤表面漫反射光强分布并做预处理；使用此前训练的深度卷积网络以及患者漫反射光强进行成像计算，步骤s3根据获取均匀组织卷积核参数计算的网络及公式三，建立深度卷积网络，其中按照标注表示的光传输卷积核部分为步骤s2中获得的不同组织光传输卷积核的集合，其余部分的卷积网络为可修正部分，随机产生初始值，公式中mki,n(x,y)表示在第i层对应第n种组织特性的掩膜，其值为0或1，表示在坐标为(x,y)位置存在的是否为第n种组织；
[0037]
公式三
[0038]
获取患者皮肤表面漫反射光强分布，对步骤s2的网络输出的结果进行误差检测，如图3所示。
[0039]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备
所固有的要素。
[0040]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。