基于双波长减影算法的X射线发光成像研究*

宁 骞 徐 桓 刘 洋 高 鹏 刘本源 刘锐岗 尤富生 濮黄生*

基于双波长减影算法的X射线发光成像研究*

宁 骞①徐 桓②刘 洋①高 鹏①刘本源①刘锐岗①尤富生①濮黄生①*

目的：探讨双波长减影算法对X射线发光成像(XLI)中存在的环境噪声、X射线噪声以及非目标荧光信号等背景噪声的去除效果。方法：开发基于双波长减影算法的XLI图像处理方法，并通过数值仿真以及仿体实验来对所提方法进行验证。使用硬阈值算法和改进型中值滤波算法对原始图像进行预处理，然后使用双波长减影算法处理，并对处理结果进行评估。结果：在数值仿真中XLI图像的目标背景比(TBR)提高约38倍，在仿体实验中TBR提高约4倍。数值仿真以及仿体实验表明，所提方法处理图像之后可以提升XLI图像的TBR，改善图像质量。结论：基于双波长减影算法的图像处理方法可以有效去除XLI图像中的背景噪声干扰，提取目标荧光信号。

X射线发光成像；光学分子成像；背景噪声；双波长减影；目标背景比

X射线发光成像(X-ray luminescence imaging，XLI)是一种新兴的应用X射线激发稀土纳米探针发光的光学分子成像技术，而稀土纳米探针是一种掺杂稀土元素的磷纳米颗粒[1-3]。当使用X射线照射时，磷纳米颗粒会发出可以穿透生物组织并被光电探测设备探测到的光信号，从而可对成像目标进行成像。XLI相较于现有的分子影像技术具有拓展荧光分子探针的合成种类和应用范围、结构与功能的双模态成像以及自体荧光对成像质量的影响小的优势[4-7]。但是，XLI在成像过程中通常会受到背景噪声影响，其背景噪声包括环境噪声、X射线噪声以及非目标荧光信号等。环境噪声主要为电荷耦合器件(charged coupled device，CCD)相机的本底噪声和环境光造成的噪声等；X射线噪声指使用X射线激发稀土纳米探针时泄露的X射线造成的高强度噪声；非目标荧光信号包括其他探针荧光、二次自体荧光等荧光信号。背景噪声会降低图像的对比度，使目标荧光信号不易区分，甚至完全掩盖目标信号，从而降低成像结果的可识别度和可信度。

图像减影算法是一种利用不同图像之间差异来进行感兴趣目标提取的算法，可以简单、有效地从背景噪声信号中提取出目标成像信号[8-9]。稀土纳米探针的发光谱主要由掺杂的稀土元素决定，不同的稀土元素具有不同的发光特性，如掺杂铕(Eu)的磷纳米颗粒发射波峰主要在红光波段，而掺杂铽(Tb)的磷纳米颗粒发射波峰主要在绿光波段[10-11]。本研究基于不同磷纳米颗粒的发射光谱差异，提出了一种双波长图像减影算法来进行背景噪声滤除，进而提取出目标荧光信号。

1 双波长图像减影算法

该部分为图像处理所涉及的算法及其原理介绍，主要包括硬阈值算法、改进型中值滤波算法以及双波长减影算法3个部分。算法的开发及编程均在Matlab2011语言环境下进行。

1.1 硬阈值算法

针对环境噪声强度较低的特点，本研究拟采取硬阈值算法去除环境噪声。首先确定背景区域，然后求取背景区域内所有像素点数值的平均值m作为当前实验条件下环境噪声阈值；最后对整幅图像进行处理，假设图像中像素点数值为k，如果k≤m，则赋值k=0；否则，k=k-m。

1.2 改进型中值滤波算法

针对X射线噪声高强度及稀疏特性，本研究采用中值滤波算法去除X射线噪声，但是如果对整幅图像进行滤波处理，容易将图像中的边缘细节误认为噪声点，可能会造成图像中非噪声区域失真。为了实现尽可能保持图像中细节信息的同时去除高强度噪声，本研究提出一种基于阈值筛选的改进型中值滤波算法。首先采用阈值法对X射线噪声点进行筛选，然后用中值滤波算法对筛选出的噪声点进行赋值。

(1)X射线噪声点筛选(阈值法)。X射线噪声点筛选主要难点在于阈值的选择，依据先验知识可知，X射线噪声点个数不超过整幅图像像素点个数的10%，且X射线噪声点强度M(noi)为感兴趣区(region of interest，ROI)内非噪声信号强度平均值M(sig)的k(k∈[5，10])倍，其计算为公式1：

可求得X射线噪声点强度M(noi)与ROI内信号强度平均值M(ROI)之比k(nr)为公式2：

因此，本次实验中将ROI内信号强度平均值M(ROI)的3倍作为筛选X射线噪声点的阈值，以便能有效的筛选出X射线噪声点。

(2)对噪声点进行赋值(中值滤波算法)。由于X射线噪声点多为孤立噪声，筛选出噪声点后，可以3×3为模板，使用中值滤波算法为X射线噪声点赋值。

1.3 双波长减影算法

非目标荧光信号属于确定性信号而非随机噪声，在不同荧光滤光片作用下产生的荧光信号其性质相同，只是在强度上存在一个比例关系。因此，可以通过双波长减影算法来消除非目标荧光团信号，其双波长图像减影算法为公式3：

式中SX为待求解的目标荧光信号，k为减影系数，Sλ1和Sλ2为分别在λ1和λ2波长采集的图像，包含目标荧光信号和非目标荧光信号。

减影系数k是一个与实验设置(如滤光片的中心波长、带宽、透过率以及CCD相机的光谱灵敏度等)有关的常数，减影系数k可以根据不同波段采集的荧光图中相同区域X内的信号的相对强度求解，其最小二乘问题的求解为公式4：

2 仿真实验

使用仿真实验来对算法的可行性进行验证。

2.1 仿真图像构建

构建像素500×500大小的仿真图像，区域1像素150×150模拟目标荧光团，区域2像素150×150模拟非目标荧光团，在不同荧光波长λ1，λ2下，区域1分别赋值14000和12000，区域2分别赋值3000和24000。区域1及2为ROI，ROI以外区域为背景区域。整幅图的环境噪声强度赋值200，随机选取25个像素点赋值为63000，模拟高强度X射线噪声。为了更接近真实，整幅图像加入20 db高斯白噪声，如图1所示。

图1 构建的λ1和λ2仿真图像

2.2 仿真图像预处理

求取背景区域的像素点均值，作为环境噪声阈值m。在本次仿真实验中，得到m=205，然后采用硬阈值算法进行环境噪声去除。

改进型中值滤波算法去除X射线噪声的流程为：①使用阈值法对X射线强噪声点进行筛选，根据2.2部分的理论推导，采用ROI内数值平均值的3倍作为阈值P，大于P的元素都认为是强噪声点。本例中可以求得P=31733，共筛选出25个强噪声点。应用中值滤波算法，对筛选出的噪声点进行3×3模板的算法处理。

经过图像预处理之后，背景区域的环境噪声和随机分布的X射线高强度噪声点被有效滤除，且很好地保留图像的边缘特性。预处理前后的2D及3D对比如图2所示。

图2 λ1仿真图像预处理前后对比图

2.3 仿真图像减影处理

荧光波长λ1、λ2图像分别经过预处理之后，本研究进一步开始减影处理。在两幅图的非目标荧光区域2内选取5个像素10×10的模板求取减影系数k。5个模板的k值分别为0.508、0.504、0.498、0.496及0.504，取平均值0.5020为本次实验的减影系数，如图3所示。

图3 计算减影系数的模板分布图

由公式(3)用λ1图像减去k倍的λ2图像，得到减影后结果。λ1图像减影前后的2D及3D对比如图4所示。从图中可以直观地看出，去除了非目标荧光信号的干扰，同时有效地保留了目标荧光信号。

2.4 效果评估

本研究使用目标与背景信号强度之比(target-tobackground ratio，TBR)来定量评估所提图像处理方法的性能[12-13]。目标信号是指目标区域内的信号，背景信号是指目标区域外的信号，因此TBR即目标区域内的信号强度与目标区域外的信号强度之比，其TBR的计算为公式5：

图4 λ1仿真图像减影前后对比图

式中T表示目标区域内各像素信号强度总和，B表示目标区域外各像素信号强度总和。

本次仿真实验中XLI图像处理前后的TBR对照见表1。

表1 XLI图像处理前后TBR对照

结果表明，应用所提方法进行图像处理之后，图像TBR较处理前提高约38倍，表明了本次仿真实验中，经过硬阈值算法、中值滤波算法和双波长减影算法处理后，图像质量得到了很好的提升。

3 仿体实验

为了进一步评估算法的性能，本研究开展仿体实验研究，其处理方法与仿真实验部分类似。仿体实验所使用的图像采集系统为XLI系统[14-15]。

3.1 仿体设置

成像物体采用的是高40 mm，直径为30 mm的圆柱体，如图5(a)所示。在1号试管内加入Y2O3：Eu作为目标荧光团，在2号试管内加入Gd2O2S：Tb作为非目标荧光团。试管直径约4 mm，2个试管边边距约为7 mm。感兴趣区域为成像物体中空部分(用红色虚线框标示)，整幅图的ROI以外部分为背景区域。

使用50 kv，1 mA的X射线激发探针，目标荧光团发红光(中心波长约为600 nm)，非目标荧光团发绿光(中心波长约为540 nm)，以(600±37)nm和(520±44) nm的带通滤光片进行滤光，通过XLI系统可以分别获得2个波段的XLI图像。图5(b)为以600 nm为中心波长的XLI图像，从图中可以看出存在高强度的X射线噪声和非目标荧光信号(Gd2O2S：Tb)的干扰，降低了目标荧光信号(Y2O3：Eu)的可信度和可辨识度。

图5 仿体设置及中心波长600 nm的XLI图像

3.2 仿体图像预处理

为了更直观的观察图像及处理结果，对图像采用伪彩显示。以波长600 nm下XLI图像为例来阐述仿体图像的预处理过程。

(1)以背景区域环境噪声强度平均值(m=363)为阈值进行硬阈值算法处理，去除环境噪声。

(2)去除X射线噪声，求得感兴趣区域内信号强度平均值的3倍(P=25843)为筛选X射线噪声点的阈值，共筛选出36个高强度噪声点。对筛选出的噪声点进行3×3模板的中值滤波处理。预处理前后的2D及3D对比如图6所示，可以直观地看出，预处理去除了环境噪声及高强度X射线噪声点。

图6 600 nm波段的XLI图像的预处理前后对比图

3.3 仿体图像减影处理

本次实验的非目标荧光主要是指2号试管的荧光信号。考虑到非目标荧光团区域内不同位置荧光信号的相对强度可能会略有不同，本研究在非目标区域内随机选择5个像素10×10区域作为模板进行减影系数求解，模板具体位置用黑色实线方框标示，如图7所示。

图7 计算减影系数的模板分布图

由公式(4)求得的5个模板的k值分别为0.56、0.59、0.57、0.59以及0.59，取其平均值0.58为本次实验的减影系数进行减影处理。

以600 nm下XLI图像为例，减影前后的2D及3D对比如图8所示。从图中可以看出非目标荧光被滤除，而目标荧光得以保留。

图8 600 nm采集图像的减影前后对比图

3.4 效果评估

波长600 nm下的XLI图像处理前后的对比如图9所示。从图中可以直观地看出，经过预处理以及双波长减影算法处理后，环境噪声、X射线噪声以及非目标荧光信号均被有效滤除。

图9 600 nm下XLI图像处理前后对比图

进一步计算TBR来定量考察所提方法的性能，图像处理之后的TBR比处理前提高约4倍，见表2。

表2 图像处理前后TBR对比

4 结论

XLI图像容易受到环境噪声、泄露的X射线以及非目标荧光等背景噪声干扰，造成图像信噪比较低，从而导致成像目标的可辨识度和可信度不高。在本研究中实现了一种基于双波长图像减影的目标荧光信号提取方法，首先根据不同噪声的特点采用硬阈值算法及改进型中值滤波算法对图像进行预处理，去除环境噪声和X射线强噪声干扰，然后基于目标荧光探针和非目标荧光探针发光光谱的不同，结合最小二乘法确定减影系数，并进行双波长图像减影处理，去除非目标荧光信号，提取目标荧光信号。本研究通过仿真实验和仿体实验对所提方法进行了有效性验证，效果评估结果表明，所提方法可以有效滤除图像中的背景噪声，提高图像的TBR，从而提高了成像质量，有利于成像目标的识别。

[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

宁骞,男,(1995- ),本科学历。第四军医大学生物医学工程学院，研究方向：医学成像与图像处理。

2017-06-22

陕西省社会发展科技攻关项目(2016SF-044)“多能级X射线激发的多光谱荧光断层成像技术研究”

①第四军医大学生物医学工程学院 陕西 西安 710032

②中央军委后勤保障部卫生局药品仪器检验所 北京 100071

*通讯作者：que_sera@yeah.net