基于雙波長減影算法的X射線發(fā)光成像研究*

寧 騫 徐 桓 劉 洋 高 鵬 劉本源 劉銳崗 尤富生 濮黃生*

基于雙波長減影算法的X射線發(fā)光成像研究*

寧 騫①徐 桓②劉 洋①高 鵬①劉本源①劉銳崗①尤富生①濮黃生①*

目的：探討雙波長減影算法對X射線發(fā)光成像(XLI)中存在的環(huán)境噪聲、X射線噪聲以及非目標熒光信號等背景噪聲的去除效果。方法：開發(fā)基于雙波長減影算法的XLI圖像處理方法，并通過數值仿真以及仿體實驗來對所提方法進行驗證。使用硬閾值算法和改進型中值濾波算法對原始圖像進行預處理，然后使用雙波長減影算法處理，并對處理結果進行評估。結果：在數值仿真中XLI圖像的目標背景比(TBR)提高約38倍，在仿體實驗中TBR提高約4倍。數值仿真以及仿體實驗表明，所提方法處理圖像之后可以提升XLI圖像的TBR，改善圖像質量。結論：基于雙波長減影算法的圖像處理方法可以有效去除XLI圖像中的背景噪聲干擾，提取目標熒光信號。

X射線發(fā)光成像；光學分子成像；背景噪聲；雙波長減影；目標背景比

X射線發(fā)光成像(X-ray luminescence imaging，XLI)是一種新興的應用X射線激發(fā)稀土納米探針發(fā)光的光學分子成像技術，而稀土納米探針是一種摻雜稀土元素的磷納米顆粒[1-3]。當使用X射線照射時，磷納米顆粒會發(fā)出可以穿透生物組織并被光電探測設備探測到的光信號，從而可對成像目標進行成像。XLI相較于現有的分子影像技術具有拓展熒光分子探針的合成種類和應用范圍、結構與功能的雙模態(tài)成像以及自體熒光對成像質量的影響小的優(yōu)勢[4-7]。但是，XLI在成像過程中通常會受到背景噪聲影響，其背景噪聲包括環(huán)境噪聲、X射線噪聲以及非目標熒光信號等。環(huán)境噪聲主要為電荷耦合器件(charged coupled device，CCD)相機的本底噪聲和環(huán)境光造成的噪聲等；X射線噪聲指使用X射線激發(fā)稀土納米探針時泄露的X射線造成的高強度噪聲；非目標熒光信號包括其他探針熒光、二次自體熒光等熒光信號。背景噪聲會降低圖像的對比度，使目標熒光信號不易區(qū)分，甚至完全掩蓋目標信號，從而降低成像結果的可識別度和可信度。

圖像減影算法是一種利用不同圖像之間差異來進行感興趣目標提取的算法，可以簡單、有效地從背景噪聲信號中提取出目標成像信號[8-9]。稀土納米探針的發(fā)光譜主要由摻雜的稀土元素決定，不同的稀土元素具有不同的發(fā)光特性，如摻雜銪(Eu)的磷納米顆粒發(fā)射波峰主要在紅光波段，而摻雜鋱(Tb)的磷納米顆粒發(fā)射波峰主要在綠光波段[10-11]。本研究基于不同磷納米顆粒的發(fā)射光譜差異，提出了一種雙波長圖像減影算法來進行背景噪聲濾除，進而提取出目標熒光信號。

1 雙波長圖像減影算法

該部分為圖像處理所涉及的算法及其原理介紹，主要包括硬閾值算法、改進型中值濾波算法以及雙波長減影算法3個部分。算法的開發(fā)及編程均在Matlab2011語言環(huán)境下進行。

1.1 硬閾值算法

針對環(huán)境噪聲強度較低的特點，本研究擬采取硬閾值算法去除環(huán)境噪聲。首先確定背景區(qū)域，然后求取背景區(qū)域內所有像素點數值的平均值m作為當前實驗條件下環(huán)境噪聲閾值；最后對整幅圖像進行處理，假設圖像中像素點數值為k，如果k≤m，則賦值k=0；否則，k=k-m。

1.2 改進型中值濾波算法

針對X射線噪聲高強度及稀疏特性，本研究采用中值濾波算法去除X射線噪聲，但是如果對整幅圖像進行濾波處理，容易將圖像中的邊緣細節(jié)誤認為噪聲點，可能會造成圖像中非噪聲區(qū)域失真。為了實現盡可能保持圖像中細節(jié)信息的同時去除高強度噪聲，本研究提出一種基于閾值篩選的改進型中值濾波算法。首先采用閾值法對X射線噪聲點進行篩選，然后用中值濾波算法對篩選出的噪聲點進行賦值。

(1)X射線噪聲點篩選(閾值法)。X射線噪聲點篩選主要難點在于閾值的選擇，依據先驗知識可知，X射線噪聲點個數不超過整幅圖像像素點個數的10%，且X射線噪聲點強度M(noi)為感興趣區(qū)(region of interest，ROI)內非噪聲信號強度平均值M(sig)的k(k∈[5，10])倍，其計算為公式1：

可求得X射線噪聲點強度M(noi)與ROI內信號強度平均值M(ROI)之比k(nr)為公式2：

因此，本次實驗中將ROI內信號強度平均值M(ROI)的3倍作為篩選X射線噪聲點的閾值，以便能有效的篩選出X射線噪聲點。

(2)對噪聲點進行賦值(中值濾波算法)。由于X射線噪聲點多為孤立噪聲，篩選出噪聲點后，可以3×3為模板，使用中值濾波算法為X射線噪聲點賦值。

1.3 雙波長減影算法

非目標熒光信號屬于確定性信號而非隨機噪聲，在不同熒光濾光片作用下產生的熒光信號其性質相同，只是在強度上存在一個比例關系。因此，可以通過雙波長減影算法來消除非目標熒光團信號，其雙波長圖像減影算法為公式3：

式中SX為待求解的目標熒光信號，k為減影系數，Sλ1和Sλ2為分別在λ1和λ2波長采集的圖像，包含目標熒光信號和非目標熒光信號。

減影系數k是一個與實驗設置(如濾光片的中心波長、帶寬、透過率以及CCD相機的光譜靈敏度等)有關的常數，減影系數k可以根據不同波段采集的熒光圖中相同區(qū)域X內的信號的相對強度求解，其最小二乘問題的求解為公式4：

2 仿真實驗

使用仿真實驗來對算法的可行性進行驗證。

2.1 仿真圖像構建

構建像素500×500大小的仿真圖像，區(qū)域1像素150×150模擬目標熒光團，區(qū)域2像素150×150模擬非目標熒光團，在不同熒光波長λ1，λ2下，區(qū)域1分別賦值14000和12000，區(qū)域2分別賦值3000和24000。區(qū)域1及2為ROI，ROI以外區(qū)域為背景區(qū)域。整幅圖的環(huán)境噪聲強度賦值200，隨機選取25個像素點賦值為63000，模擬高強度X射線噪聲。為了更接近真實，整幅圖像加入20 db高斯白噪聲，如圖1所示。

圖1 構建的λ1和λ2仿真圖像

2.2 仿真圖像預處理

求取背景區(qū)域的像素點均值，作為環(huán)境噪聲閾值m。在本次仿真實驗中，得到m=205，然后采用硬閾值算法進行環(huán)境噪聲去除。

改進型中值濾波算法去除X射線噪聲的流程為：①使用閾值法對X射線強噪聲點進行篩選，根據2.2部分的理論推導，采用ROI內數值平均值的3倍作為閾值P，大于P的元素都認為是強噪聲點。本例中可以求得P=31733，共篩選出25個強噪聲點。應用中值濾波算法，對篩選出的噪聲點進行3×3模板的算法處理。

經過圖像預處理之后，背景區(qū)域的環(huán)境噪聲和隨機分布的X射線高強度噪聲點被有效濾除，且很好地保留圖像的邊緣特性。預處理前后的2D及3D對比如圖2所示。

圖2 λ1仿真圖像預處理前后對比圖

2.3 仿真圖像減影處理

熒光波長λ1、λ2圖像分別經過預處理之后，本研究進一步開始減影處理。在兩幅圖的非目標熒光區(qū)域2內選取5個像素10×10的模板求取減影系數k。5個模板的k值分別為0.508、0.504、0.498、0.496及0.504，取平均值0.5020為本次實驗的減影系數，如圖3所示。

圖3 計算減影系數的模板分布圖

由公式(3)用λ1圖像減去k倍的λ2圖像，得到減影后結果。λ1圖像減影前后的2D及3D對比如圖4所示。從圖中可以直觀地看出，去除了非目標熒光信號的干擾，同時有效地保留了目標熒光信號。

2.4 效果評估

本研究使用目標與背景信號強度之比(target-tobackground ratio，TBR)來定量評估所提圖像處理方法的性能[12-13]。目標信號是指目標區(qū)域內的信號，背景信號是指目標區(qū)域外的信號，因此TBR即目標區(qū)域內的信號強度與目標區(qū)域外的信號強度之比，其TBR的計算為公式5：

圖4 λ1仿真圖像減影前后對比圖

式中T表示目標區(qū)域內各像素信號強度總和，B表示目標區(qū)域外各像素信號強度總和。

本次仿真實驗中XLI圖像處理前后的TBR對照見表1。

表1 XLI圖像處理前后TBR對照

結果表明，應用所提方法進行圖像處理之后，圖像TBR較處理前提高約38倍，表明了本次仿真實驗中，經過硬閾值算法、中值濾波算法和雙波長減影算法處理后，圖像質量得到了很好的提升。

3 仿體實驗

為了進一步評估算法的性能，本研究開展仿體實驗研究，其處理方法與仿真實驗部分類似。仿體實驗所使用的圖像采集系統(tǒng)為XLI系統(tǒng)[14-15]。

3.1 仿體設置

成像物體采用的是高40 mm，直徑為30 mm的圓柱體，如圖5(a)所示。在1號試管內加入Y2O3：Eu作為目標熒光團，在2號試管內加入Gd2O2S：Tb作為非目標熒光團。試管直徑約4 mm，2個試管邊邊距約為7 mm。感興趣區(qū)域為成像物體中空部分(用紅色虛線框標示)，整幅圖的ROI以外部分為背景區(qū)域。

使用50 kv，1 mA的X射線激發(fā)探針，目標熒光團發(fā)紅光(中心波長約為600 nm)，非目標熒光團發(fā)綠光(中心波長約為540 nm)，以(600±37)nm和(520±44) nm的帶通濾光片進行濾光，通過XLI系統(tǒng)可以分別獲得2個波段的XLI圖像。圖5(b)為以600 nm為中心波長的XLI圖像，從圖中可以看出存在高強度的X射線噪聲和非目標熒光信號(Gd2O2S：Tb)的干擾，降低了目標熒光信號(Y2O3：Eu)的可信度和可辨識度。

圖5 仿體設置及中心波長600 nm的XLI圖像

3.2 仿體圖像預處理

為了更直觀的觀察圖像及處理結果，對圖像采用偽彩顯示。以波長600 nm下XLI圖像為例來闡述仿體圖像的預處理過程。

(1)以背景區(qū)域環(huán)境噪聲強度平均值(m=363)為閾值進行硬閾值算法處理，去除環(huán)境噪聲。

(2)去除X射線噪聲，求得感興趣區(qū)域內信號強度平均值的3倍(P=25843)為篩選X射線噪聲點的閾值，共篩選出36個高強度噪聲點。對篩選出的噪聲點進行3×3模板的中值濾波處理。預處理前后的2D及3D對比如圖6所示，可以直觀地看出，預處理去除了環(huán)境噪聲及高強度X射線噪聲點。

圖6 600 nm波段的XLI圖像的預處理前后對比圖

3.3 仿體圖像減影處理

本次實驗的非目標熒光主要是指2號試管的熒光信號。考慮到非目標熒光團區(qū)域內不同位置熒光信號的相對強度可能會略有不同，本研究在非目標區(qū)域內隨機選擇5個像素10×10區(qū)域作為模板進行減影系數求解，模板具體位置用黑色實線方框標示，如圖7所示。

圖7 計算減影系數的模板分布圖

由公式(4)求得的5個模板的k值分別為0.56、0.59、0.57、0.59以及0.59，取其平均值0.58為本次實驗的減影系數進行減影處理。

以600 nm下XLI圖像為例，減影前后的2D及3D對比如圖8所示。從圖中可以看出非目標熒光被濾除，而目標熒光得以保留。

圖8 600 nm采集圖像的減影前后對比圖

3.4 效果評估

波長600 nm下的XLI圖像處理前后的對比如圖9所示。從圖中可以直觀地看出，經過預處理以及雙波長減影算法處理后，環(huán)境噪聲、X射線噪聲以及非目標熒光信號均被有效濾除。

圖9 600 nm下XLI圖像處理前后對比圖

進一步計算TBR來定量考察所提方法的性能，圖像處理之后的TBR比處理前提高約4倍，見表2。

表2 圖像處理前后TBR對比

4 結論

XLI圖像容易受到環(huán)境噪聲、泄露的X射線以及非目標熒光等背景噪聲干擾，造成圖像信噪比較低，從而導致成像目標的可辨識度和可信度不高。在本研究中實現了一種基于雙波長圖像減影的目標熒光信號提取方法，首先根據不同噪聲的特點采用硬閾值算法及改進型中值濾波算法對圖像進行預處理，去除環(huán)境噪聲和X射線強噪聲干擾，然后基于目標熒光探針和非目標熒光探針發(fā)光光譜的不同，結合最小二乘法確定減影系數，并進行雙波長圖像減影處理，去除非目標熒光信號，提取目標熒光信號。本研究通過仿真實驗和仿體實驗對所提方法進行了有效性驗證，效果評估結果表明，所提方法可以有效濾除圖像中的背景噪聲，提高圖像的TBR，從而提高了成像質量，有利于成像目標的識別。

[1]Pratx G，Carpenter CM，Sun C，et al.X-ray luminescence computed tomography via selective excitation：A feasibility study[J].IEEE Transactions on Medical Imaging，2010，29(12)：1992-1999.

[2]Pratx G，Carpenter CM，Sun C，et al.Tomographic molecular imaging of X-ray-excitable nanoparticles[J].Optics Letter，2010，35(20)：3345-3347.

[3]Pratx G，Carpenter CM，Sun C，et al.Hybrid X-ray/optical luminescence imaging：characterization of experimental conditions[J].Medical Physics，2010，37(8)：4011-4018.

[4]Weissleder R，Pittet MJ.Imaging in the era of molecular oncology[J].Nature，2008，452(7187)：580-589.

[5]Willmann JK，Bruggen NV，Dinkelborg LM，et al. Molecular imaging in drug development[J]. Nature Reviews Drug Discovery，2008，7(7)：591-607.

[6]Lv Y，Tian J，Cong W，et al.A multilevel adaptive finite element algorithm for bioluminescence tomography[J].Optics Express，2006，14(18)：8211-8223.

[7]Naczynski DJ，Sun C，Türkcan S，et al.X-ray-induced shortwave infrared biomedical imaging using rare-earth nanoprobes[J].Nano Letters，2015，15(1)：96-102.

[8]Liu F，Liu X，Zhang B，et al.Extraction of target fluorescence signal from in vivo background signal using image subtraction algorithm[J]. International Journal of Automation and computing，2012，9(3)：232-236.

[9]Deliolanis NC，Wurdinger T，Pike L，et al.In vivo tomographic imaging of red-shifted fluorescent proteins[J].Biomedical Optics Express，2011，2(4)：887-900.

[10]Chen H，Moore T，Qi B，et al.Monitoring pH-triggered drug release from radioluminescent nanocapsules with X-ray excited optical luminescence[J].ACS nano，2013，7(2)：1178-1187.

[11]Silva AAD，Cebim MA and Davolos MR. Excitation mechanisms and effects of dopant concentration in Gd2O2S：Tb3+phosphor[J]. Journal of Luminescence，2008，128(7)：1165-1168.

[12]Wang P，Meng Z，Tan J，et al.An improved method for measurement of target-to-background ratio in assessing mediastinal lesions on18F-FDG coincidence SPECT/CT imaging[J]. Nuclear Medicine Communications，2010，31(5)：398-404.

[13]Yang C，Hou VW，Girard EJ，et al.Targetto-background enhancement in multispectral endoscopy with background autofluorescence mitigation for quantitative molecular imaging[J]. Journal of Biomedical Optics，2014，19(7)：76014.

[14]Liu X，Liao QM，Wang HK.Fast X-Ray Luminescence Computed Tomography Imaging[J]. IEEE Transactions on Biomedical Engineering，2014，61(6)：1621-1627.

[15]Liu X，Liao QM，Wang HK，et al.Excitationresolved cone-beam x-ray luminescence tomography[J].Journal of Biomedical Optics，2015，20(7)：070501.

Research of X-ray luminescence imaging based on dual wavelength subtraction algorithm/

NING Qian, XU Huan, LIU Yang, et al//
China Medical Equipment,2017,14(9):6-10.

Objective: To discuss the removal effectiveness of dual wavelength subtraction algorithm for background noises, including environmental noises, X-ray noises and nontarget luminescence signals and so on, which existed in X-ray luminescence imaging(XLI). Methods: The XLI processing method based on dual-wavelength subtraction algorithm was developed, and it was verified through numerical simulation and phantom experiment. The original image was preprocessed through using a hard threshold algorithm and improved median filter algorithm, and then the dual-wavelength subtraction algorithm was further used to conduct image. Finally, the performance of the proposed results were verified and assessed. Results: The target-to-background ratio(TBR) of XLI was enhanced to approximately 38 times in numerical simulation and it was enhanced to approximately 4 times in phantom experiment. The experiments showed that this method could increased TBR of XLT imaging and the imaging quality were improved. Conclusion: The proposed image processing method which based on dual wavelength subtraction algorithm can efficiently remove the interference of background noises and effectively extract the luminescence signals of target.

X-ray luminescence imaging; Optical molecular imaging; Background noise; Dual-wavelength subtraction; Target-to-background ratio

School of Biomedical Engineering, Fourth Military Medical University, Xi’an 710032, China.

1672-8270(2017)09-0006-05

R812

A

10.3969/J.ISSN.1672-8270.2017.09.002

寧騫,男,(1995- ),本科學歷。第四軍醫(yī)大學生物醫(yī)學工程學院，研究方向：醫(yī)學成像與圖像處理。

2017-06-22

陜西省社會發(fā)展科技攻關項目(2016SF-044)“多能級X射線激發(fā)的多光譜熒光斷層成像技術研究”

①第四軍醫(yī)大學生物醫(yī)學工程學院 陜西 西安 710032

②中央軍委后勤保障部衛(wèi)生局藥品儀器檢驗所 北京 100071

*通訊作者：que_sera@yeah.net