扩散拉曼层析成像方法的可行性模拟研究 下载: 811次
1 引言
将拉曼成像技术应用于生物组织的光学图像重建对早期病变组织的诊断监测具有很高的应用价值[1-2]。现有拉曼成像技术多为基于光束扫描的拓扑成像,虽可精确提供被测组织的分子特征信息,但成像深度分辨率较低,扫描时间长,不适用于三维功能在体提取[3]。Demers等[4]提出基于多通道扫描式的扩散拉曼层析成像(DRT)技术,将DRT原理和拉曼光谱的指纹特性相结合,实现了对仿体模型2种生化成分浓度的三维空间图像构造,该方法有效弥补了点阵扫描技术深度分辨率低的不足。该团队进一步发展了基于CT螺旋式扫描的DRT方法并应用于活体小动物实验,实现了小鼠腿部组织多成分的在体三维成像[5]。但该方法采用基于有限元求解的扩散近似光子输运模型,难以精确描述DRT成像中近源场拉曼光子的传输过程[6]。而蒙特卡罗(MC)方法作为辐射传输方程的随机统计解法,能精确地描述组织中任意区域和光学参数分布下的光子传输行为,适用于浅层组织成像的光子输运建模[7-8]。因此提出了一种基于高效MC光子输运建模的DRT方法,并进行了深入的可行性研究。
基于格林互易性质和图形处理器(GPU)并行化技术,本文建立了高效的拉曼MC(RMC)数据模拟器[9-10];继而以扩散荧光层析线性成像(DFT)理论为基础拓展至DRT范畴,实现多波段下薄层生物组织成分浓度的三维空间重建[11]。为验证技术可行性,通过建立含DNA、蛋白质、脂质、β-胡萝卜素和钙化物质的非均匀薄层皮肤组织模型,应用RMC模拟器获取了表面90个扫描点下178个波段的拉曼光谱数据,并客观还原了实验中低拉曼产率条件下探测信号的信噪比,并在不同测量时间下应用DRT算法分别对178个波段的拉曼散射系数进行图像重建,分析实验测量的合理积分时间。最终对重建图像中各节点所携带的光谱数据进行拟合分析,有效还原了该模型中5种物质浓度的三维空间图像。与原始模型对比分析,结果表明,所提方法可在大量模拟波段下进行稳定高效的重建图像工作,为DRT技术的深入开发提供了可行性研究数据。
2 DRT基本原理
2.1 RMC数据模拟器
DRT技术分为正问题和逆问题两部分。已知待测组织表面光源分布及体内的光学参数分布,建立拉曼光在组织内传输的数学模型,预测表面的被测光流量分布为正问题求解。将格林互易性质和GPU并行化技术用于传统MC方法,建立了快速有效的RMC数据模拟器,将模拟光谱段离散为
其模拟过程分为2个步骤:1)在表面给定激发点
式中
(1)式中发射光源
采用上述方法可有效简化RMC第2步模拟过程,仅在表面
2.2 DRT图像重建
DRT逆问题求解原理是DFT的拓展,将被测组织内异质体看作拉曼光源,在组织体内部发出区别于背景的拉曼光谱信号,对不同光谱段下的拉曼产率进行三维重建,继而提取各体元的重建光谱数据并进行拟合分析,最终获得组织中不同物质浓度的三维空间分布图像。考虑到DRT算法是基于拉曼光谱的多波段求解,被测组织的背景与异质体区域的拉曼产率在不同波段下的对比度差异较大,采用DFT传统一次测量方式难以有效对各光谱段进行重建,因此采用差分测量方式,先对背景组织进行测量,将背景光谱数据作为均匀组织的拉曼产率参考值,在相同实验条件下对含异质体的非均匀组织进行测量,将两次测量结果的差值作为已知测量数据带入矩阵方程进行DRT求逆运算。为减少系统误差的影响,引入波恩归一化形式,将组织体离散为
式中Δ
式中
式中Δ
3 模拟验证
3.1 仿体模型
根据解剖学可知,皮肤可以看作由表皮、真皮及皮下脂肪3层生物组织构成。将每层皮肤组织看作均匀的组织体,根据每层组织中的物质成分可对其所携带的光学参数进行区分。模拟实验建立如
拉曼光谱主要反映被测物所含的物质成分,与物质本征性质有关,其谱峰频移一般与激发波长无关[14]。在检测生物组织时,为避开荧光干扰,激发光波长一般选择785 nm。RMC中选择散射波段范围为827~914 nm,对应拉曼频移范围为600~1800 cm-1,将该波段离散为178个模拟波段进行模拟。考虑到此波段范围内吸收和散射光学参数的改变对模拟浅层拉曼散射结果的影响甚微,因此模拟拉曼散射时选择840 nm下的组织光学参数,根据已有文献研究列出了具有代表性的3层皮肤光学参数模型,如
图 2. 仿体结构。(a)三维结构;(b)光源-探测器分布
Fig. 2. Phantom model. (a) Three-dimensional geometry; (b) source-detector configuration
采用计算机仿真实验对所提方法进行验证。根据皮肤组织的拉曼光谱数据,选择其中具有代表性的I型蛋白质、甘油酸脂、DNA、β-胡萝卜素和钙化物进行浓度配比。异质体区域看作早期钙化肿瘤,通常情况下病灶区多为高密度纤维,DNA链发生大量断裂,蛋白质含量升高,脂质含量降低,因而异质
表 1. 背景及异质体光学参数
Table 1. Optical properties of the background and the target
|
体区域与背景拉曼产率存在差异。获取600~1800 cm-1波段范围内的各物质单位浓度下的归一化拉曼标准谱,此时给定模型的拉曼产率为
表 2. 背景和异质体中各生化成分的相对浓度
Table 2. RC of the background and target components
|
3.2 模拟数据的产生
使用MC方法产生模拟数据时,当模拟光子数量足够大时,可忽略噪声对信号的影响,将此时的模拟结果看作理想状态下一个趋于稳定的光子密度分布。将模拟光子数置为108,通过大量随机实验模拟光子在组织中的运输过程,从而获取稳定归一化处理的光子密度分布并据此计算雅可比矩阵。
采用RMC模拟器获取测量数据,考虑到拉曼散射光强仅为瑞利散射的10-6,计算机产生测量数据时应客观考虑低拉曼产率下噪声对测量信号的影响。已知RMC模拟信号符合泊松分布的噪声模型,
实验过程中限制激发光强在人体安全曝光度以内,为确保低拉曼产率下探测信号对图像重建工作的有效性,可通过延长测量积分时间来提高探测信号的信噪比。采用计算机模拟仿真,对上述薄层模型图像重建的有效测量积分时间进行探究,采用RMC模拟器根据上述噪声模型对强度为10 mW的激发光分别为10,100,1000 s测量积分时间下进行模拟。
图 3. RMC模拟器获取不同积分时间下非均匀仿体的模拟结果
Fig. 3. Simulated results of the heterogeneous model provided by the RMC simulator under different integration times
由
3.3 DRT重建结果
对已获取3种测量时间下的模拟信号采用ART算法进行图像重建,根据经验给定计算参数中松弛因子为0.2,共进行5次迭代,初值为已知各个波段下的背景拉曼产率。对178个波段进行DRT重建,
图 4. 3种测量时间下多波段DRT重建结果
Fig. 4. Multi-wavelength DRT reconstruction results under the three measuring time
图 5. 3种测量时间下多波段重建结果的SRM
Fig. 5. SRM of the multi-wavelength reconstruction results under the three measuring time
结合
4个波段下重建图像的分辨率随测量时间的延长均有明显改善。当积分时间为10 s时,重建异质体形状均发生改变,边界较为模糊,且成像区域内出现大量伪影;100 s时异质体边界已较为清晰,但成像区域内仍存在图像伪影,反应在SRM的数值有明显降低趋势;当延长测量时间至1000 s时,SRM依然有所降低,但未及10~100 s时降低程度明显,此时图像中异质体轮廓更为清晰,且图像伪影大大减少。
将多波段DRT重建结果看作携带三维空间信息及一维光谱信息的四维结构数据,提取各体元处重建光谱数据,采用最小二乘法进行拟合分析,
根据(8)式计算重建结果与原始模型的相对误差(RE),其中
图 6. 5种物质成分相对浓度的三维重建结果。(a)脂质;(b)蛋白质;(c) DNA;(d) β-胡萝卜素;(e)钙化物
Fig. 6. Reconstructed three-dimensional RC distributions of the five components. (a) Lipid; (b) protein; (c) DNA; (d) B-carotene;(e) calcification
表 3. 5种物质重建浓度结果的相对误差
Table 3. RE of the reconstructed RC distributions of the five components
|
4 结论
提出了一种适用于薄层皮肤组织的DRT方法,并针对4 mm的三层皮肤组织数值仿体模型,采用RMC数据模拟器考察了测量积分时间对DRT重建结果的影响。仿真结果表明,不同波段下重建图像的分辨率主要是由该波段下异质体与背景拉曼产率对比度的强弱所决定;当测量积分时间不低于100 s(总测量时间约为5 h)时,重建图像中异质体边界较为清晰但背景区域存在图像伪影,此时重建结果可在4 mm深度分辨率下还原多成分的三维浓度图像。通过与初始模型对比分析可知,重建结果符合预期模型且各成分间相对误差波动较小,表明该方法可对薄层组织中多成分的三维浓度空间分布进行有效图像重建,为DRT成像技术的深入开发提供了可行性研究数据。
[6] GaoF. Time-domain fluorescence molecular tomography: a FEM-diffusion-based forward model[C]//Proceedings of Biomedical Topical Meeting, 2006: TuI20.
[9] QiangB, NiJ, Fajardo LL. Parallel Monte Carlo algorithm for simulation of photon migration inside biological tissues[C]//Proceedings of Radiological Society of North America 2007 Scientific Assembly and Meeting, 2007.
[11] 张丽敏, 阮平巧, 高峰, 等. 时域荧光分子层析图像重建的线性特征数据法[J]. 光子学报, 2008, 37(2): 345-350.
[14] 李永增, 陈荣, 谢树森. 中国人活体皮肤近红外拉曼光谱[ C]//中国光学学会2006年学术大会论文摘要集, 2006.
Li YZ, ChenR, Xie SS, et al. Raman spectroscopy of Chinese human skin in vivo[ C]//Proceedings of the 2006 Academic Conference of the Chinese Optical Society, 2006.
[15] Wilson RH, Dooley KA, Morris MD,et al. Monte Carlo modeling of photon transport in buried bone tissue layer for quantitative Raman spectroscopy[C]. SPIE, 2009: 7166.
[18] GaoF, Zhang LM, He HY, et al. A self-normalized, full time-resolved scheme for fluorescence diffuse optical tomography[C].SPIE, 2008, 6850: 68500N.
吴雨桐, 贾梦宇, 王兵元, 赵会娟, 高峰. 扩散拉曼层析成像方法的可行性模拟研究[J]. 中国激光, 2018, 45(2): 0207025. Wu Yutong, Jia Mengyu, Wang Bingyuan, Zhao Huijuan, Gao Feng. Simulation Study on Methodological Feasibility of Diffuse Raman Tomography[J]. Chinese Journal of Lasers, 2018, 45(2): 0207025.