用于從擴(kuò)散反射數(shù)據(jù)估計生物物理學(xué)模型的生物學(xué)參數(shù)向量的基于對照的反演的制作方法
【專利摘要】公開用于利用獲自基于反射的光譜測量系統(tǒng)的反射測量結(jié)果估計生物物理學(xué)模型生物學(xué)參數(shù)向量的系統(tǒng)和方法。本方法利用半經(jīng)驗生物物理學(xué)模型來描述皮膚性質(zhì)和估計反射光譜，和利用計算效率的基礎(chǔ)向量來減少估計的和測量的反射光譜的維數(shù)。算法的混合用于產(chǎn)生初始參數(shù)組，其進(jìn)而利用迭代的基于對照的技術(shù)被進(jìn)一步細(xì)化，其中將得自測量光譜的參數(shù)之間的差錯與從估計光譜計算的參數(shù)進(jìn)行比較。然后處理這些差錯以對初始參數(shù)組產(chǎn)生小δ。重復(fù)該過程直到估計的虛擬生物學(xué)參數(shù)和測量的虛擬生物學(xué)參數(shù)之間的差錯降到零或另外在預(yù)先限定的閾水平之下。
【專利說明】用于從擴(kuò)散反射數(shù)據(jù)估計生物物理學(xué)模型的生物學(xué)參數(shù)向量的基于對照的反演
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及從利用基于反射的光譜測量系統(tǒng)由暴露的皮膚區(qū)域表面離體獲得的光譜測量結(jié)果來估計生物物理學(xué)模型生物學(xué)參數(shù)向量的系統(tǒng)和方法。
[0002]公開從獲自基于反射的光譜測量系統(tǒng)的測量光譜來估計生物物理學(xué)模型生物學(xué)參數(shù)向量(生物學(xué)參數(shù)向量)的系統(tǒng)和方法。
[0003]圖1顯示人皮膚的基本結(jié)構(gòu)。
[0004]圖2顯示一雙人手，左手上有單個損害(在201)，右手皮膚上有兩個損害(在202和 203)。
[0005]圖3顯示獲自MEC的高光譜照相機(jī)，其是完全集成的CMOS兼容的高光譜傳感器一由一組濾光片組成，該濾光片在商業(yè)上可獲得的CM0SISCMV4000圖像傳感器的頂部以晶片水平被直接后處理。
[0006]圖4顯示用于從人手表面捕獲反射測量結(jié)果用于根據(jù)此估計生物學(xué)參數(shù)向量的示例基于反射的光譜測量系統(tǒng)的一個實施方式。
[0007]圖5顯示K-M模型與蒙特卡羅模型對于來自具有n=l的屈光指數(shù)的半無限介質(zhì)擴(kuò)散反射數(shù)據(jù)的比較。
[0008]圖6顯示半經(jīng)驗K-M模型與蒙特卡羅的比較。
[0009]圖7顯示對由薄的(有限的)頂層和半無限底層組成的兩層幾何圖形導(dǎo)出的半經(jīng)驗K-M模型。
[0010]圖8顯示半經(jīng)驗K-M與蒙特卡羅的圖7兩層結(jié)構(gòu)的比較。
[0011]圖9顯示兩層皮膚模型的基于對照的反演的系統(tǒng)框圖的一個實施方式。
[0012]圖10是顯示估計生物物理學(xué)模型生物學(xué)參數(shù)向量的本方法的一個實施方式的流程圖；
[0013]圖11是圖10流程圖的繼續(xù)，繼續(xù)關(guān)于結(jié)點(diǎn)A或結(jié)點(diǎn)B的流程處理；
[0014]圖12顯示實現(xiàn)本方法多個方面的一個示例的圖像處理系統(tǒng)的框圖。
[0015]“生物學(xué)實體”指具有暴露皮膚區(qū)域的任何感興趣對象，測量的光譜可從其獲得并根據(jù)本文公開的教導(dǎo)來處理。雖然術(shù)語“人(human)”、“人(person) ”或“患者”可遍及本公開的各點(diǎn)使用，但是應(yīng)當(dāng)理解本發(fā)明涉及的生物學(xué)實體可以是除人外的某事物。因此，“人”、“患者”或“人”的使用不被視為將所附權(quán)利要求的范圍嚴(yán)格限制到人。
[0016]“皮膚”保護(hù)下面的組織、內(nèi)臟和其它解剖結(jié)構(gòu)抵抗撞擊、磨損、紫外線輻射、化學(xué)暴露，僅舉幾個例子。圖1顯示人皮膚一顯示其基本結(jié)構(gòu)一的橫斷面。皮膚占總體重的大約16%。皮膚富含神經(jīng)，神經(jīng)提供給腦關(guān)于與外部世界物理接觸的感覺數(shù)據(jù)。如圖1所示，皮膚包括三層，即，表皮、真皮和皮下組織層。表皮無血，上皮細(xì)胞占優(yōu)勢，和依賴營養(yǎng)物和氧從真皮層內(nèi)毛細(xì)血管的擴(kuò)散。皮膚呈色中涉及的原始色素是胡蘿卜素和黑色素。這兩種色素均存在于表皮中。表皮層中的黑素細(xì)胞產(chǎn)生多種稱作黑色素的色素陰暗部分，其保護(hù)下面的組織抵抗紫外線輻射。真皮層位于表皮和皮下組織層之間并由具有血管網(wǎng)絡(luò)、淋巴結(jié)構(gòu)、神經(jīng)纖維和附屬器官如毛囊和汗腺的多層組成。皮下組織層中脂肪組織占優(yōu)勢。皮下組織層充當(dāng)皮膚結(jié)構(gòu)和身體其余部分之間的界限。
[0017]“皮膚癌”指呈癌性的皮膚上的生長或損害。雖然一些癌癥出現(xiàn)在更深的結(jié)構(gòu)中，大多數(shù)皮膚癌發(fā)生在外(表皮)層。存在三種常見的皮膚癌，即，基底細(xì)胞癌、鱗狀細(xì)胞癌和黑素瘤。通常，皮膚上隨著時間增加的任何生長(腫瘤)或異常脫色(損害)都懷疑是皮膚癌。本文中的實施方式特別涉及促進(jìn)皮膚癌的檢測和診斷。
[0018]“目標(biāo)區(qū)域(感興趣的區(qū)域)”是暴露的皮膚區(qū)域。圖2顯示一雙用作說明的的手，左手具有單個標(biāo)記201，右手具有兩個標(biāo)記202和203。在那些實行中——其中本文中的教導(dǎo)用于皮膚癌診斷，標(biāo)記自身是感興趣的。目標(biāo)區(qū)域可以是感興趣的標(biāo)記周圍的區(qū)域。一個這樣的區(qū)域顯示在標(biāo)記203周圍的204。皮膚上的損害可被分段以確定將損害與周圍正常的皮膚分開的邊界，因此將本文中的計算復(fù)雜性只限制在取自利用光譜反射傳感裝置在不同的波長捕獲的連續(xù)圖像的區(qū)域內(nèi)的那些像素。
[0019]“光譜反射傳感裝置”是具有光譜圖像捕獲能力的成像系統(tǒng)。這樣的成像系統(tǒng)產(chǎn)生針對圖像中每個像素獲得的光譜測量結(jié)果。光譜反射傳感裝置可以是分光計、分光光度計、多光譜照相機(jī)和高光譜照相機(jī)，其在本領(lǐng)域已知。在另一個實施方式中，光譜反射傳感裝置是能夠捕獲顏色和光譜數(shù)據(jù)的混合成像系統(tǒng)。分光光度計是可測量作為光源波長函數(shù)的強(qiáng)度的光度計。分光光度計的重要特征是光譜帶寬和吸收或反射測量結(jié)果的線性范圍。分光光度計只提供點(diǎn)測量結(jié)果。分光計是根據(jù)光學(xué)信號的波長分離光學(xué)信號的光學(xué)儀器。這些專門的儀器配有不同的光譜響應(yīng)和獲自多種商業(yè)流的賣主。分光計可定制有探針和不同光源(例如，鎢鹵素光)以測量來自表面的反射光。
[0020]“多光譜照相機(jī)”可以是多光譜或高光譜成像系統(tǒng)。兩個實施方式均通常包括光譜傳感器陣列，其測量從目標(biāo)反射的光。多光譜照相機(jī)可在可見波長帶或在IR波長帶或在這兩種帶中運(yùn)行。多光譜照相機(jī)通常具有至少一個用于照亮物體的光源和檢測器陣列，每個檢測器具有各自窄的帶通濾波器。在不同的實施方式中，多光譜照相機(jī)包括多個用于在每個波道基礎(chǔ)上輸出反射值的輸出，和可進(jìn)一步包括用于處理和儲存反射值的處理器和儲存裝置。這樣的照相機(jī)系統(tǒng)還可集成存儲裝置、存儲器和能夠執(zhí)行機(jī)器可讀程序指令的處理器。
[0021]“高光譜照相機(jī)”結(jié)合光譜學(xué)和成像，因此可在利用傳統(tǒng)RGB成像方法不能準(zhǔn)確區(qū)別的不同物體之間辨別。大多數(shù)高光譜照相機(jī)把它們的分光鏡能力歸于衍射光柵，其將傳播來自傳感器上窄裂隙狀孔的光。如果將狹縫定向在X方向，那么然后通過可移動鏡掃過景物上的孔而建立y方向上的圖像。窄狹縫和長焦距產(chǎn)生細(xì)化光譜和空間分辨率，但是以處理量(因為孔小)、照相機(jī)大小(由于多個光學(xué)元件)和機(jī)械復(fù)雜性(因為光學(xué)儀器是可動的)為代價。在這樣的高光譜照相機(jī)上，如圖3所示，是完全集成的CMOS兼容性高光譜傳感器。
[0022]“測量的光譜”——被表示SRmU)—指利用光譜反射傳感裝置在λ波長獲得的反射測量結(jié)果。
[0023]“接收測量的光譜”意欲被廣泛解釋和指取回、接收、捕獲、下載或另外獲得用于根據(jù)本文公開的方法處理的光譜測量結(jié)果。測量的光譜的值可作為單個值被接收，或作為實時光譜數(shù)據(jù)的連續(xù)流接收。測量的光譜可以在連續(xù)的基上從光譜反射傳感裝置接收或經(jīng)有線或無線網(wǎng)絡(luò)由遠(yuǎn)距離裝置接收。
[0024]“生物學(xué)參數(shù)向量”~通常表示為史——指生物學(xué)參數(shù)的向量。生物學(xué)參數(shù)可以
是以下中任何一個:表皮厚度、黑色素濃度、皮膚血量分?jǐn)?shù)、皮膚氧飽和和光散射參數(shù)。
[0025]“初始生物學(xué)參數(shù)向量”——被表示為:5)——是這樣的生物學(xué)參數(shù)向量，其在第一重復(fù)中提供給生物物理學(xué)模型以獲得估計光譜。初始生物學(xué)參數(shù)向量利用，例如，同步擾動隨機(jī)逼近(SPSA)、萊文貝格-馬夸特算法(Levenberg-Marquard Algorithm) (LMA)或遺傳算法產(chǎn)生，其被廣泛了解。簡言之，SPSA是發(fā)現(xiàn)全局極小值的下降法。它的主要特點(diǎn)是只需要目標(biāo)函數(shù)的兩個測量結(jié)果的梯度逼近，而不管潛在的優(yōu)化問題的尺度。作為優(yōu)化技術(shù)，它非常適合自適應(yīng)模型和模擬并廣泛用于優(yōu)化具有多個未知參數(shù)的系統(tǒng)。實例提供在SPSA網(wǎng)站。萊文貝格-馬夸特算法(LMA)在函數(shù)的參數(shù)空間里提供最小化函數(shù)，通常非線性的問題的數(shù)值解。這些最小化問題特別出現(xiàn)在最小二乘法曲線擬合和非線性規(guī)劃中。必要地，LMA插入在高斯-牛頓算法(GNA)和梯度下降方法之間。LMA通常較GNA更強(qiáng)大，這意味這，在許多情況中，甚至當(dāng)它遠(yuǎn)離最后的極小值開始時，它可發(fā)現(xiàn)解。LMA是用于許多軟件應(yīng)用以用于解決一般的曲線擬合問題的流行算法。然而，LMA只發(fā)現(xiàn)局部極小值，不是全局極小值。遺傳算法(GA)是搜索啟發(fā)式研究，其模擬自然進(jìn)化的過程。GA屬于用于產(chǎn)生優(yōu)化和搜索問題的解答的更大種類的進(jìn)化算法(EA)。
[0026]“半經(jīng)驗生物物理學(xué)模型”或簡單地“生物物理學(xué)模型”是這樣的模型，其作為輸入接收生物學(xué)參數(shù)向量和作為輸出產(chǎn)生估計光譜。
[0027]“估計光譜”——被指示為&W——指這樣的光譜，其是估計的(與測量的光譜相對)和通過生物物理學(xué)模型產(chǎn)生。在一個實施方式中，估計光譜通過以下關(guān)系定義:
【權(quán)利要求】
1.從獲自基于反射的光譜測量系統(tǒng)的反射測量結(jié)果估計生物物理學(xué)模型生物學(xué)參數(shù)向量的方法，所述方法包括: 將初始生物學(xué)參數(shù)向量fo作為輸入提供給所述生物物理學(xué)模型，所述生物物理學(xué)模型產(chǎn)生作為輸出的估計光譜也W 將所述估計光譜轉(zhuǎn)換成估計的虛擬生物學(xué)參數(shù)向量芯;表示的低維虛擬參數(shù)空間；和 將所述估計虛擬生物學(xué)參數(shù)向量傳達(dá)給儲存裝置。
2.權(quán)利要求1所述的方法，進(jìn)一步包括: 接收測量的光譜盡--，所述測量的光譜包括以波長λ由光譜反射傳感裝置從生物學(xué)實體表面獲得的離體光譜反射測量結(jié)果，所述表面部分由生物物理學(xué)模型代表，將對生物物理學(xué)模型估計生物學(xué)參數(shù)向量亡 將所述測量的光譜轉(zhuǎn)換成測量的虛擬生物學(xué)參數(shù)向量Sn表示的低維虛擬參數(shù)空間； (A)比較所述測量的虛擬生物學(xué)參數(shù)向量Sn-與所述估計的虛擬生物學(xué)參數(shù)向量巴，以確定其間的差錯^ (B)響應(yīng)小于預(yù)先限定的閾值的所述差錯，確定最后估計的虛擬生物學(xué)參數(shù)向量是最后估計的虛擬生物學(xué)參數(shù)向I巴另外包括: (i)基于所述確定的差錯量產(chǎn)生下一個生物學(xué)參數(shù)向量； (ii)將所述下一個生物學(xué)參數(shù)向量提供給所述生物物理學(xué)模型以獲得下一個估計光譜； (ii)將所述下一個估計光譜轉(zhuǎn)換成下一個估計的虛擬生物學(xué)參數(shù)向量表示的低維虛擬參數(shù)空間，所述下一個估計的虛擬生物學(xué)參數(shù)向量用在下一個迭代上；和重復(fù)(A)-(B);和 將所述最后估計的虛擬生物學(xué)參數(shù)向量傳達(dá)給所述儲存裝置。
3.權(quán)利要求1所述的方法，其中所述估計光譜包括:
4.權(quán)利要求1所述的方法，其中所述估計的虛擬生物學(xué)參數(shù)向量&包括: 其中史U)是具有列式基礎(chǔ)向量的矩陣，每個元素代表波長λ的基礎(chǔ)值，τ是轉(zhuǎn)置操作。
5.權(quán)利要求1所述的方法，其中所述測量的虛擬生物學(xué)參數(shù)向量Bn包括:
其中生(λ)是具有列式基礎(chǔ)向量的矩陣，每個元素代表波長λ的基礎(chǔ)值，T是轉(zhuǎn)置操作。
6.用于從獲自基于反射的光譜測量裝置的反射測量結(jié)果估計生物物理學(xué)模型生物學(xué)參數(shù)向量的系統(tǒng)，所述系統(tǒng)包括: 光譜反射傳感裝置，用于在波長λ從生物學(xué)實體表面獲得離體光譜反射測量結(jié)果，所述表面部分地由生物物理學(xué)模型表示，將對所述生物物理學(xué)模型估計生物學(xué)參數(shù)向量亡處理器，其與儲存裝置和所述光譜反射傳感裝置相通，所述過程執(zhí)行機(jī)器可讀的程序指令，用于進(jìn)行: 將初始生物學(xué)參數(shù)向量Eb接收到所述生物物理學(xué)模型中以產(chǎn)生估計光譜 將所述估計光譜轉(zhuǎn)換成估計的虛擬生物學(xué)參數(shù)向量&表示的低維虛擬參數(shù)空間；和 將所述估計的虛擬生物學(xué)參數(shù)向量傳達(dá)給所述儲存裝置。
7.權(quán)利要求6所述的系統(tǒng)，進(jìn)一步包括: 接收測量的光譜&?，所述測量的光譜包括以波長λ由光譜反射傳感裝置從生物學(xué)實體表面獲得的離體光譜反射測量結(jié)果，所述表面部分地由生物物理學(xué)模型代表，將對生物物理學(xué)模型估計生物學(xué)參數(shù)向量己 將所述測量的光譜轉(zhuǎn)換成測量的虛擬生物學(xué)參數(shù)向量匕表示的低維虛擬參數(shù)空間； (A)比較所述測量的虛擬生物學(xué)參數(shù)向量匕與所述估計的虛擬生物學(xué)參數(shù)向量公以確定其間的差錯互； (B)響應(yīng)小于預(yù)先限定的閾值的所述差錯，確定最后估計的虛擬生物學(xué)參數(shù)向量是最后估計的虛擬生物學(xué)參數(shù)向量&，另外包括: (i)基于所述確定的差錯量產(chǎn)生下一個生物學(xué)參數(shù)向量； (ii)將所述下一個生物學(xué)參數(shù)向量提供給所述生物物理學(xué)模型以獲得下一個估計光譜； (ii)將所述下一個估計光譜轉(zhuǎn)換成下一個估計的虛擬生物學(xué)參數(shù)向量表示的低維虛擬參數(shù)空間，所述下一個估計虛擬生物學(xué)參數(shù)向量用在下一個迭代上；和重復(fù)(A)-(B);和 將所述最后估計的虛擬生物學(xué)參數(shù)向量傳達(dá)給所述儲存裝置。
8.權(quán)利要求6所述的系統(tǒng)，其中所述估計光譜&(I)包括:
N
ReiX) = YjPi^i(A)

1 = 1 其中Pi是所述生物學(xué)參數(shù)向量中的第i個參數(shù)，⑷士⑷必V⑶分別代表列式基礎(chǔ)向量1，2，3，...N，沿著行的每個元素代表波長λ的基礎(chǔ)值，N是參數(shù)的數(shù)目。
9.權(quán)利要求6所述的系統(tǒng)，其中所述估計的虛擬生物學(xué)參數(shù)向量^包括:
Pe = \^(λ)χρ(λ)\-ψ(λ)Κβ) 其中史(2)是具有列式基礎(chǔ)向量的矩陣，每個元素代表波長λ的基礎(chǔ)值，T是轉(zhuǎn)置操作。
10.權(quán)利要求6所述的系統(tǒng)，其中所述測量的虛擬生物學(xué)參數(shù)向量:&包括: Em =(A)L ⑶ 其中史U)是具有列式基礎(chǔ)向量的矩陣，每個元素代表波長λ的基礎(chǔ)值，τ是轉(zhuǎn)置操作。
【文檔編號】G06F19/00GK103970982SQ201410031324
【公開日】2014年8月6日 申請日期:2014年1月23日 優(yōu)先權(quán)日:2013年1月31日
【發(fā)明者】L·K·梅斯泰, P·S·拉梅什, A·E·吉爾 申請人:施樂公司