Optical imaging using spatially resolved reconstruction of steady-state luminescence

ObjectiveA cancer diagnostics method is proposed using the 3D reconstruction of luminescence-based optical imaging data.Material and methodsThe diffusion equation solution for a cube was used to tackle the forward problem. The forward solution for two-layered media is also applied in the reconstruction method. The inverse problem was solved using a linear reconstruction technique based on the approximation that the light source needing reconstruction can be decomposed into a weighted sum of unit light sources positioned at each node in the search volume. The calculation for the light propagation in the forward problem was done using values cited in literature for the optical properties of the involved tissue.ResultsThe system was tested with numerical simulations that assumed correct as well as erroneous values of the optical coefficients for canine prostate at 810 nm. The quantitative accuracy of reconstructed sources diminished from 100% to approximately 50% with an increase from 0 to 50% in the error for the values of the absorption coefficient, and from 0 to 20% in the error for the values of the reduced scattering coefficient, respectively.ConclusionThe absolute determination of the tumor locations is dependent on the information gathered by the recorded data by the detectors monitoring the light propagation through the tissue under investigation. For a determined or an over-determined system, the locations have been extracted accurately, and partially determined for an under-determined system.

ZusammenfassungZielEine Methode zur Tumordiagnostik basierend auf der 3D-Rekonstruktion lumineszenz-basierter optischer Bilddaten wird vorgestellt.Material und MethodeAusgehend von einer willkürlichen Anordnung von Lumineszenzquellen im Modellvolumen wurde das Vorwärtsproblem mit Hilfe der Lösung der Diffusionsgleichung für einen Würfel gelöst. Zusätzlich wird die Lösung des Vorwärtsproblems für ein Zwei-Schichten-Modell bei der Rekonstruktion verwendet. Das inverse Problem wurde mit Hilfe einer linearen Rekonstruktionsmethode gelöst, bei der angenommen wird, dass sich die Verteilung der Lumineszenzquellen durch eine gewichtete Summe von Einheitslumineszenzquellen in jedem Knoten des Modellvolumens darstellen lässt.Die Berechnung der Lichtausbreitung für das Vorwärtsproblem wurde mit aus der Literatur entnommenen optischen Eigenschaften von Prostatagewebe von Hund bei einer Wellenlänge von 810 nm durchgeführt.ErgebnisseDas Modellsystem wurde durch numerische Simulationen unter der Annahme sowohl genauer als auch fehlerbehafteter optischer Koeffizienten getestet. Der Anteil korrekt rekonstruierter Lichtquellen ging dabei jeweils von 100% auf 50% zurück, wenn der Absorptionskoeffizient mit einem Fehler von bis zu 50% oder der Streukoeffizient mit einem Fehler von bis zu 20% angesetzt wurde.ZusammenfassungDie Güte der Bestimmung der Tumorlokalisation ist von der Anzahl und der Verteilung virtueller Detektoren abhängig, mit denen die Lichtverteilung an der Gewebeoberfläche numerisch aufgenommen wird. Für ein bestimmtes oder überbestimmtes Modellsystem konnte die Lokalisierung der Lumineszenzquellen exakt berechnet werden, für ein unterbestimmtes System nur teilweise.