CN103082997B - 滚筒式多模融合三维断层成像***和方法 - Google Patents

滚筒式多模融合三维断层成像***和方法 Download PDF

Info

Publication number
CN103082997B
CN103082997B CN201310032059.4A CN201310032059A CN103082997B CN 103082997 B CN103082997 B CN 103082997B CN 201310032059 A CN201310032059 A CN 201310032059A CN 103082997 B CN103082997 B CN 103082997B
Authority
CN
China
Prior art keywords
imaged samples
data
light distribution
imaged
submodule
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310032059.4A
Other languages
English (en)
Other versions
CN103082997A (zh
Inventor
田捷
吴萍
李勇保
宁楠楠
杨鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN201310032059.4A priority Critical patent/CN103082997B/zh
Publication of CN103082997A publication Critical patent/CN103082997A/zh
Application granted granted Critical
Publication of CN103082997B publication Critical patent/CN103082997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

一种滚筒式多模融合三维断层成像***,包括数据采集模块,采集成像样品的激发荧光成像模态数据和X射线断层成像模态数据;中央控制与数据传输模块,控制所述数据采集模块的工作运行状态,并将采集到的各种模态信息传输给数据处理模块;数据处理模块,对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布。本发明能够同机实现激发荧光成像、生物自发光成像、切伦科夫荧光成像、X射线断层成像的多模态影像获取,能同时、快速地得到成像样品的生物信息,并能使成像样品的不同模态数据在物理位置上得以无缝融合。能反映样品接受药物治疗后病灶区的活细胞剩余量,能体现治疗过程中药物在样品全身的代谢情况,为评估药效提供更全面依据。

Description

滚筒式多模融合三维断层成像***和方法
技术领域
本发明属于医学分子影像领域,涉及多模融合的成像***与方法。背景技术
医学分子影像技术可无创、连续、在体、早期地将影响肿瘤行为以及肿瘤对药物治疗反应的特定分子的表达和活动以及生理过程进行可视化,突破了传统影像技术只能显示病变所引起的解剖结构变化的局限。
光学分子影像***相比于其他小动物在体分子影像设备,具有灵敏度高、特异性好、结果直观、测量快速、费用低廉等诸多优势。这些优势使之发展成为一种理想的小动物在体成像技术,并逐渐成为医学基础研究和应用必不可少的工具。随着分子影像研究的不断深入,原被广泛使用的平面光学分子影像技术不能对所观察的目标进行定量的三维成像,越来越不能满足生物医学研究的需要。同时,单一的光学分子影像技术不能提供生物体全面的生理病理信息,难以实现对肿瘤等重大疾病的精确诊断以及对药物疗效的准确有效评价。
于是近年来,一些涉及多模态分子影像***和方法的挑战性问题逐渐显现出来:能否利用同一成像***对同一生物体进行在体细胞分子水平、功能代谢水平、解剖结构水平等多种生理病理信息的成像与融合?能否在肿瘤等重大疾病发生机理研究中充分利用多模态分子影像所提供的定位和定量的数据信息?因此,必须通过融合多种模态的成像技术,实现取长补短和优势互补,从而更全面、更完整地获取生物体解剖结构水平、功能代谢水平和细胞分子水平的生理病理信息;这也成为当前分子影像技术发展的新趋势,也是极具有挑战性的难题。
发明内容
本发明的目的是提供一种滚筒式多模融合三维断层成像***和方法。
为实现上述目的,一种滚筒式多模融合三维断层成像***,包括:
数据采集模块,采集成像样品的激发荧光成像模态数据和X射线断层成像模态数据;
中央控制与数据传输模块,控制所述数据采集模块的工作运行状态,并将采集到的各种模态信息传输给数据处理模块;
数据处理模块,对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布。
本发明能够同机实现激发荧光成像、生物自发光成像、切伦科夫荧光成像、X射线断层成像的多模态影像获取,能同时、快速地得到成像样品的生物信息,并能使成像样品的不同模态数据在物理位置上得以无缝融合。能反映样品接受药物治疗后病灶区的活细胞剩余量,能体现治疗过程中药物在样品全身的代谢情况,为评估药效提供更全面依据。
附图说明
图1为本发明的总体组成模块框图。
图2为本发明的数据处理方法流程图。
图3为本发明的使用步骤流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是,所描述的实例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本发明提供一种滚筒式多模融合三维断层成像***和方法,本***能够同机实现激发荧光成像、生物自发光成像、切伦科夫荧光成像、X射线断层成像的多模态影像获取,能同时、快速地得到成像样品的生物信息,并能使成像样品的不同模态数据在物理位置上得以无缝融合,为后续光子传输模型的建立和数据三维重建的求解提供更准确的先验知识,最终结合可视化技术对成像结果进行立体绘制,使用户能直观地看到三维断层成像结果并对其作定位与定量等分析,可用于分析成像样品体内的病灶区在药物治疗前后的连续生理活动过程。
下面结合附图,详细描述本发明的多模融合三维断层成像***和方法。本发明的总体组成模块框图请参阅图1,共包括三大模块,分别是:数据采集模块(1)、中央控制与数据传输模块(2)、数据处理模块(3)。
数据采集模块(1)用于对成像样品进行多种模态的扫描,得到成像样品的在体分子功能信息、生理代谢信息、解剖结构信息。该模块包含:
激发光源子模块(11),用于发出激发光照射成像样品;
光学信号接收子模块(12),用于接收成像样品的激发荧光成像模态数据;
X射线发射与探测子模块(13),用于采集成像样品的X射线断层成像模态数据;
成像样品承载子模块(14),用于放置成像样品;
旋转平台机身子模块(15),用于承载和按指定度数旋转激发光源子模块(11)、光学信号接收子模块(12),和X射线发射与探测子模块(13)。中央控制与数据传输模块(2)用于控制数据采集模块中各子模块的工作运行状态,并将接收到的各模态信息传输给数据处理模块。该模块主要包括控制总线和数据传输总线,并提供一个可视化的操作界面,供用户根据需求对设备进行便捷的交互操作。
数据处理模块(3)用于对接收到的数据进行降噪、分割、配准、离散化等处理,并建立光子传输模型,三维重建出样品体内光源分布,即病灶区分布,最终结合可视化技术对成像结果进行立体绘制,使用户能直观地看到三维断层成像结果并对病灶区作定位与定量等分析,该数据处理方法流程图请参阅图2。该模块包含:
数据预处理子模块(31),用于对接收到的数据进行降噪、分割、配准、离散化等预处理,得到成像样品的体表、骨骼、器官和组织等的三维解剖结构,及多角度二维光学模态数据在样品体表上的三维光强分布;
光子传输模型计算子模块(32),用于为预处理后的数据建立光子在成像样品体内的扩散方程传输模型;
快速三维重建子模块(33),基于l2范数的优化策略求解光学传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;
可视化与定量分析子模块(34),对成像样品的解剖结构及其体内的光强分布进行三维绘制。作为一种具体的实现技术方案,本发明的使用流程图请参阅图3,详细步骤如下:
步骤1:放置成像样品。将成像样品放置在成像样品台上,在水平和竖直方向上调整样品台的位置,使成像样品位于光学平台的圆心处。由于成像样品承载子模块(14)与光学平台是分离的,故在后续步骤中当光学平台旋转时,成像样品始终保持水平静止。
步骤2:采集激发荧光成像数据。通过中央控制与数据传输模块(2)控制数据采集模块(1)的旋转平台机身子模块(15)带动光学平台按顺时针方向旋转,可以设置多种旋转角度时保持静止,本实施例设置其旋转至0度、90度、180度、270度时保持静止。在静止期间,由模块(2)启动激发光源子模块(11)发出激发光照射成像样品,同时由光学信号接收子模块(12)采集成像样品的激发荧光成像模态数据,并通过模块(2)将数据传输给数据处理模块(3)进行存储。采集完成后,模块(15)带动光学平台按逆时针旋转至初始0度位置。
步骤3:采集X射线断层成像数据。通过模块(2)控制模块(15)带动光学平台按顺时针方向旋转,并设置其每旋转1度后保持静止,直至完成360度的旋转。在静止期间,由模块(2)启动X射线发射与探测子模块(13),当X射线源发出椎束X射线穿透成像样品后,由对面的X射线探测器采集成像样品的X射线断层成像模态数据,并通过模块(2)将数据传输给模块(3)进行存储。采集完成后,模块(15)带动光学平台按逆时针旋转至初始0度位置。
步骤4:预处理采集数据。通过模块(3)的数据预处理子模块(31)对采集到的多角度二维光学数据和X射线断层成像数据进行分割、离散化、配准等预处理。利用图像分割技术处理X射线断层成像模态数据,提取成像样品的体表、骨骼、器官、组织等三维解剖结构;利用图像离散化技术将分割后的成像样品三维数据离散成固定个数的点集,以便后续配准,其中点集的疏密程度视实际计算需求而定;利用图像配准技术将离散化后的三维体表分别与多角度二维光学数据进行空间配准,匹配后将光学数据中的光强能量信息映射到成像样品的三维体表上。
步骤5:建立光子传输模型。通过光子传输模型计算子模块(32)建立光子在成像样品体内的扩散方程传输模型:
- ▿ · [ D ( r ) ▿ Φ ( r ) ] + μ a ( r ) Φ ( r ) = S ( r )
式中,r是位置向量,D是散射系数,μa是吸收系数,Φ是成像样品表面光强分布,S表示待求解的成像样品体内部光强分布。赋予样品离散化后的不同器官和组织相应的光学特性参数,并结合有限元方法得出成像样品体表光强分布与未知体内光强分布的线性关系方程:
f ( S ) = 1 2 | | MS - Φ * | | 2 2 + λ | | S | | 2 2
式中,Φ*为成像样品体表面光强分布的测量值,λ为正则化参数,表不l2范数。
步骤6:三维断层成像重建。通过快速三维重建子模块(33)提供的基于l2范数的优化策略,求解步骤5中所述的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到光源在样品体内的三维分布S,即三维成像重建结果;
步骤7:绘制与分析重建结果。通过可视化与定量分析子模块(34)提供的图像可视化功能,可对成像样品的解剖结构及其体内的光强分布进行三维绘制,以便用户通过计算机显示屏便能直观看到成像样品体内光源即病灶区的位置,并掌握病灶区在其体内与各器官和组织的三维分布关系。同时,模块(34)还支持用户通过选取感兴趣区域后自动计算该三维区域对应的光强值,以便对该区域的病变细胞数进行定量分析。
步骤8:采集切伦科夫荧光成像。采集时间点为,在成像样品进行药物治疗病灶区的期间,基于此数据,用户可了解到在治疗过程中药物在成像样品全身的代谢情况和三维分布位置。具体操作为:通过模块(2)控制子模块(15)带动光学平台按顺时针方向旋转,并设置其旋转至0度、90度、180度、270度时保持静止。在静止期间,由子模块(12)采集成像样品的切伦科夫荧光成像模态数据,并通过模块(2)将数据传输给模块(3)进行存储。采集完成后,模块(15)带动光学平台按逆时针旋转至初始0度位置。接着重复步骤3至7完成三维断层成像重建与绘制。
步骤9:采集生物自发光成像数据。采集时间点为,在成像样品完成全部药物治疗后,基于此数据,用户可进一步观测到样品完成药物治疗后病灶区的活细胞剩余量和三维分布位置,从而为评估药物的治疗效果提供更全面的实验依据。具体操作为:通过模块(2)控制子模块(15)带动光学平台按顺时针方向旋转,并设置其旋转至0度、90度、180度、270度时保持静止。在静止期间,由子模块(12)采集成像样品的生物自发光成像模态数据,并通过模块(2)将数据传输给模块(3)进行存储。采集完成后,模块(15)带动光学平台按逆时针旋转至初始0度位置。接着重复步骤3至7完成三维断层成像重建与绘制。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (15)

1.一种滚筒式多模融合三维断层成像***,包括:
数据采集模块(1),采集成像样品的激发荧光成像模态数据和X射线断层成像模态数据;
中央控制与数据传输模块(2),控制所述数据采集模块(1)的工作运行状态,并将采集到的各种模态信息传输给数据处理模块;
数据处理模块(3),对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布;
其中,所述数据处理模块(3)包括:
数据预处理子模块(31),用于对所述采集到的各种模态数据进行包括降噪、分割、配准、离散化的预处理,得到成像样品的三维解剖结构以及多角度二维光学模态数据在样品体表上的三维光强分布;
光子传输模型计算子模块(32),用于为经过预处理的数据建立光子在成像样品体内的扩散方程传输模型;
三维重建子模块(33),用于基于l2范数的优化策略求解由所述光子传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;
可视化与定量分析子模块(34),对成像样品的解剖结构及其体内的光强分布进行三维绘制。
2.根据权利要求1所述的***,其中,所述数据采集模块包括:
激发光源子模块(11),用于发出激发光照射成像样品;
光学信号接收子模块(12),用于接收成像样品的激发荧光成像模态数据;
X射线发射与探测子模块(13),用于采集成像样品的X射线断层成像模态数据;
成像样品承载子模块(14),用于放置成像样品;
旋转平台机身子模块(15),用于承载和旋转激发光源子模块(11)、光学信号接收子模块(12),和X射线发射与探测子模块(13)。
3.根据权利要求2所述的***,其中,所述旋转平台机身子模块在采集光学模态数据时,当旋转至0度、90度、180度、270度保持静止。
4.根据权利要求2所述的***,其中,所述旋转平台机身子模块在采集X射线断层成像时,每旋转一度保持静止。
5.一种滚筒式多模融合三维断层成像***,包括:
数据采集模块(1),采集成像样品的生物自发光成像模态数据和X射线断层成像模态数据;
中央控制与数据传输模块(2),控制所述数据采集模块(1)的工作运行状态,并将采集到的各种模态信息传输给数据处理模块(3);
数据处理模块(3),对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布;
其中,所述数据处理模块(3)包括:
数据预处理子模块(31),对采集到的多角度二维生物自发光成像模态数据和X射线断层成像模态数据进行处理,得到成像样品的三维解剖结构以及生物自发光成像模态数据在成像样品体表上的三维光强分布;
光子传输模型计算子模块(32),建立光子在成像样品体内的扩散方程传输模型;
三维重建子模块(33),基于l2范数的优化策略求解由光子传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;
可视化与定量分析子模块(34),对成像样品的解剖结构及其体内的光强分布进行三维绘制。
6.根据权利要求5所述的***,其中,所述数据采集模块包括:
光学信号接收子模块(12),用于接收成像样品的生物自发光成像模态数据;
X射线发射与探测子模块(13),用于采集X射线断层成像模态数据;
成像样品承载子模块(14),用于放置成像样品。
7.一种滚筒式多模融合三维断层成像***,包括:
数据采集模块(1),采集成像样品的切伦科夫荧光成像模态数据和X射线断层成像模态数据;
中央控制与数据传输模块(2),控制所述数据采集模块(1)的工作运行状态,并将采集到的各种模态信息传输给数据处理模块(3);
数据处理模块(3),对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布;
所述数据处理模块(3)包括:
数据预处理子模块(31),对采集到的多角度二维切伦科夫荧光成像模态数据和X射线断层成像模态数据进行处理,得到成像样品的器官和组织的三维解剖结构,以及生物自发光成像模态数据在成像样品体表上的三维光强分布;
光子传输模型计算子模块(32),建立光子在成像样品体内的扩散方程传输模型;
三维重建子模块(33),基于l2范数的优化策略求解光子传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;
可视化与定量分析子模块(34),对成像样品的解剖结构及其体内的光强分布进行三维绘制。
8.根据权利要求7所述的***,其中,所述数据采集模块包括:
光学信号接收子模块(12),用于接收成像样品的切伦科夫荧光成像模态数据;
X射线发射与探测子模块(13),用于采集X射线断层成像模态数据;
成像样品承载子模块(14),用于放置成像样品。
9.一种滚筒式多模融合三维断层成像方法,包括步骤:
采集成像样品的激发荧光成像模态数据和X射线断层成像模态数据;
控制数据采集模块的工作运行状态,并将采集到的各种模态信息传输给数据处理模块;
对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布;
其中,所述对采集到的各种模态数据进行处理步骤包括:
对采集到的多角度二维激发荧光成像模态数据和X射线断层成像模态数据进行处理,得到成像样品的三维解剖结构,以及激发荧光成像模态数据在样品体表上的三维光强分布;
建立光子在成像样品体内的扩散方程传输模型;
基于l2范数的优化策略求解光子传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;以及
对成像样品的解剖结构及其体内的光强分布进行三维绘制。
10.根据权利要求9所述的方法,其中,所述数据采集步骤包括:
发出激发光照射成像样品;
采集成像样品的激发荧光成像模态数据;
采集成像样品的X射线断层成像模态数据。
11.根据权利要求9所述的方法,其特征在于所述光子传输模型表示为:
- ▿ · [ D ( r ) ▿ Φ ( r ) ] + μ a ( r ) Φ ( r ) = S ( r )
其中,r是位置向量,D是散射系数,μa是吸收系数,Φ是成像样品表面光强分布,S表示待求解的成像样品体内部光强分布。
12.一种滚筒式多模融合三维断层成像方法,包括步骤:
采集成像样品的生物自发光成像模态数据和X射线断层成像模态数据;
控制数据采集模块的工作运行状态,并将采集到的各种模态信息传输给数据处理模块;
对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布;
对采集到的多角度二维生物自发光成像模态数据和X射线断层成像模态数据进行处理,得到成像样品的器官和组织的三维解剖结构,以及激发荧光成像模态数据在样品体表上的三维光强分布;
建立光子在成像样品体内的扩散方程传输模型;
基于l2范数的优化策略求解光子传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;
对成像样品的解剖结构及其体内的光强分布进行三维绘制。
13.根据权利要求12所述的方法,其中,所述光子传输模型表示为:
- ▿ · [ D ( r ) ▿ Φ ( r ) ] + μ a ( r ) Φ ( r ) = S ( r )
其中,r是位置向量,D是散射系数,μa是吸收系数,Φ是成像样品表面光强分布,S表示待求解的成像样品体内部光强分布。
14.一种滚筒式多模融合三维断层成像方法,包括步骤:
采集成像样品的切伦科夫荧光成像模态数据和X射线断层成像模态数据;
控制数据采集模块的工作运行状态,并将采集到的各种模态信息传输给数据处理模块;
对采集到的各种模态数据进行处理,重建三维成像样品内部的光源分布;
所述数据处理步骤包括:
对采集到的多角度二维切伦科夫荧光成像模态数据和X射线断层成像模态数据进行处理,得到成像样品的三维解剖结构,以及激发荧光成像模态数据在样品体表上的三维光强分布;
建立光子在成像样品体内的扩散方程传输模型;
基于l2范数的优化策略求解光子传输模型计算子模块(32)提供的成像样品体表光强分布与未知体内光强分布的线性关系方程,得到成像样品体内光强的分布情况;
对成像样品的解剖结构及其体内的光强分布进行三维绘制。
15.根据权利要求14所述的方法,其中,所述光子传输模型表示为:
- ▿ · [ D ( r ) ▿ Φ ( r ) ] + μ a ( r ) Φ ( r ) = S ( r )
其中,r是位置向量,D是散射系数,μa是吸收系数,Φ是成像样品表面光强分布,S表示待求解的成像样品体内部光强分布。
CN201310032059.4A 2013-01-28 2013-01-28 滚筒式多模融合三维断层成像***和方法 Active CN103082997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310032059.4A CN103082997B (zh) 2013-01-28 2013-01-28 滚筒式多模融合三维断层成像***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310032059.4A CN103082997B (zh) 2013-01-28 2013-01-28 滚筒式多模融合三维断层成像***和方法

Publications (2)

Publication Number Publication Date
CN103082997A CN103082997A (zh) 2013-05-08
CN103082997B true CN103082997B (zh) 2015-10-28

Family

ID=48196513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310032059.4A Active CN103082997B (zh) 2013-01-28 2013-01-28 滚筒式多模融合三维断层成像***和方法

Country Status (1)

Country Link
CN (1) CN103082997B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017184940A1 (en) * 2016-04-21 2017-10-26 Li-Cor, Inc. Multimodality multi-axis 3-d imaging
US10254227B2 (en) 2015-02-23 2019-04-09 Li-Cor, Inc. Fluorescence biopsy specimen imager and methods
US10278586B2 (en) 2016-06-23 2019-05-07 Li-Cor, Inc. Complementary color flashing for multichannel image presentation

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103300828B (zh) * 2013-06-14 2015-10-28 中国科学院自动化研究所 一种分离式多模态融合的三维成像***
CN103431912B (zh) * 2013-07-30 2016-04-13 中国科学院自动化研究所 一种分离式多模融合三维断层成像***及其方法
CN103735252B (zh) * 2014-01-14 2016-01-20 中国科学院自动化研究所 一种光学多模态成像***与方法
CN103800076B (zh) * 2014-01-14 2016-02-03 中国科学院自动化研究所 一种结构-光学-核素多模态成像***与方法
EP3028259B1 (en) * 2014-08-15 2016-12-14 Koninklijke Philips N.V. Device and method for iterative reconstruction of images recorded by at least two imaging methods
CN107709968A (zh) 2015-06-26 2018-02-16 利康公司 荧光活检样本成像仪及方法
WO2018098162A1 (en) 2016-11-23 2018-05-31 Li-Cor, Inc. Motion-adaptive interactive imaging method
US10386301B2 (en) 2017-04-25 2019-08-20 Li-Cor, Inc. Top-down and rotational side view biopsy specimen imager and methods
CN107569210A (zh) * 2017-07-25 2018-01-12 西北大学 一种基于放射荧光引导的内窥式切伦科夫荧光成像***
CN107576676B (zh) * 2017-09-27 2023-11-28 北京数字精准医疗科技有限公司 一种基于ct和光学融合的三维分子成像***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101301192A (zh) * 2007-05-10 2008-11-12 中国科学院自动化研究所 一种多模态自发荧光断层分子影像仪器及重建方法
CN101653355A (zh) * 2009-09-11 2010-02-24 华中科技大学 一种活体小动物成像***及成像方法
CN100593389C (zh) * 2007-07-10 2010-03-10 清华大学 一种连续动态采集式小动物诱发荧光分子成像***
CN102488493A (zh) * 2011-11-15 2012-06-13 西安电子科技大学 小动物活体多模态分子成像***和成像方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1731087A3 (en) * 2000-07-14 2008-08-06 Novadaq Technologies Inc. Compact fluorescent endoscopy video system
US8041409B2 (en) * 2005-09-08 2011-10-18 Carestream Health, Inc. Method and apparatus for multi-modal imaging
WO2012071682A1 (zh) * 2010-11-30 2012-06-07 中国科学院自动化研究所 基于特异性的多模态三维光学断层成像***和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101301192A (zh) * 2007-05-10 2008-11-12 中国科学院自动化研究所 一种多模态自发荧光断层分子影像仪器及重建方法
CN100593389C (zh) * 2007-07-10 2010-03-10 清华大学 一种连续动态采集式小动物诱发荧光分子成像***
CN101653355A (zh) * 2009-09-11 2010-02-24 华中科技大学 一种活体小动物成像***及成像方法
CN102488493A (zh) * 2011-11-15 2012-06-13 西安电子科技大学 小动物活体多模态分子成像***和成像方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10254227B2 (en) 2015-02-23 2019-04-09 Li-Cor, Inc. Fluorescence biopsy specimen imager and methods
WO2017184940A1 (en) * 2016-04-21 2017-10-26 Li-Cor, Inc. Multimodality multi-axis 3-d imaging
US10278586B2 (en) 2016-06-23 2019-05-07 Li-Cor, Inc. Complementary color flashing for multichannel image presentation

Also Published As

Publication number Publication date
CN103082997A (zh) 2013-05-08

Similar Documents

Publication Publication Date Title
CN103082997B (zh) 滚筒式多模融合三维断层成像***和方法
Neuschler et al. A pivotal study of optoacoustic imaging to diagnose benign and malignant breast masses: a new evaluation tool for radiologists
Fang et al. Combined optical and X-ray tomosynthesis breast imaging
US20160282432A1 (en) Omni-Tomographic Imaging for Interior Reconstruction using Simultaneous Data Acquisition from Multiple Imaging Modalities
CN103239255B (zh) 一种锥束x射线发光断层成像方法
CN103271723B (zh) 一种生物发光断层成像重建方法
CN102488493A (zh) 小动物活体多模态分子成像***和成像方法
CN105455780A (zh) 基于双网格的有限投影的荧光分子断层成像重建方法
CN103300829A (zh) 一种基于迭代重加权的生物自发荧光断层成像方法
Suzuki et al. Machine learning in medical imaging
CN103300828B (zh) 一种分离式多模态融合的三维成像***
Di Micco et al. PET/MRI for staging the axilla in breast cancer: current evidence and the rationale for SNB vs. PET/MRI trials
CN103690244B (zh) 一种光声与x射线断层成像融合的成像***
Di Sciacca et al. Evaluation of a pipeline for simulation, reconstruction, and classification in ultrasound-aided diffuse optical tomography of breast tumors
EP4166085A1 (en) Image scanning method and system for medical device
CN105662354A (zh) 一种广视角光学分子断层成像导航***及方法
Cherry et al. Essentials of in vivo biomedical imaging
CN103431912B (zh) 一种分离式多模融合三维断层成像***及其方法
Iida et al. Monte Carlo modeling of shortwave-infrared fluorescence photon migration in voxelized media for the detection of breast cancer
Xing et al. Optical breast atlas as a testbed for image reconstruction in optical mammography
CN205795645U (zh) 一种广视角光学分子断层成像导航***
Willyard Imaging: Seeing is believing
Köhler et al. Generating extended images of the corneal nerve plexus by guided eye movements
Saini et al. Bioinformatics for Image Processing
Fu et al. One-stop multimodal medical imaging intelligent checkup system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant