CN107862724B - 一种改进的微血管血流成像方法 - Google Patents

一种改进的微血管血流成像方法 Download PDF

Info

Publication number
CN107862724B
CN107862724B CN201711245581.5A CN201711245581A CN107862724B CN 107862724 B CN107862724 B CN 107862724B CN 201711245581 A CN201711245581 A CN 201711245581A CN 107862724 B CN107862724 B CN 107862724B
Authority
CN
China
Prior art keywords
image
blood flow
images
scan
time
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
CN201711245581.5A
Other languages
English (en)
Other versions
CN107862724A (zh
Inventor
李跃杰
王立伟
李易陆
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 Biomedical Engineering of CAMS and PUMC
Original Assignee
Institute of Biomedical Engineering of CAMS and PUMC
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 Biomedical Engineering of CAMS and PUMC filed Critical Institute of Biomedical Engineering of CAMS and PUMC
Priority to CN201711245581.5A priority Critical patent/CN107862724B/zh
Publication of CN107862724A publication Critical patent/CN107862724A/zh
Application granted granted Critical
Publication of CN107862724B publication Critical patent/CN107862724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开了一种用于血流成像方法，特别是涉及一种改进的光学或超声微血管血流成像方法。其中，用于微血管血流成像的方法包括：对目标进行数据采集；对同一位置重复扫描图像进行匹配；对匹配后图像进行叠加平均得到增强血流信号图像；对匹配后图像进行改进的时间衬比处理得到动态血流位置信息；利用血流位置信息在增强血流信号图像进行标记，得到血流图像。上述技术方案，通过改进的微血管血流成像算法可以提取组织血流信息，从而无损伤、非接触、无需造影剂即可对组织微血管内血流进行成像。

Description

一种改进的微血管血流成像方法
技术领域
本发明涉及一种血流成像方法。特别是涉及一种改进的光学或超声微血管血流成像方法。
背景技术
很多生物组织的病理及血管形态与组织微循环的改变密切相关。当前的成像方法存在一些局限性，包括有创(如放射线测量方法)、无法提供三维(3D)信息(如激光散斑衬比度成像)、空间和时间分辨率低(如核磁共振成像)或成像深度有限(如多光子显微镜，其成像深度<300μm)。
光学血流成像：
光相干层析成像(Optical Coherence Tomography，OCT)是上世纪90年代初发展起来的一种新型的无损光学成像技术。它利用弱相干光干涉仪的基本原理，检测被测组织不同深度层面对入射弱相干光的背向反射或散射信号，通过对干涉信号的分析，提取组织深度信息，给出组织的二维断层图像或三维图像信息。OCT优点主要包括分辨率高、高速、高灵敏度、活体、非侵入、横向分辨率与纵向分辨率相互独立等。因为OCT成像图像的轴向分辨率可达到微米级，易于小型化，所以其在皮肤、心血管疾病、胃肠道疾病、癌症早期诊断等方面的应用研究也日趋广泛。近年来，围绕着利用OCT高分辨力的特点，如何提取组织毛细血管中血流信息并对组织毛细血管微循环血流成像成为OCT研究领域的一个热点。光学微血流成像(Optical Micro Flow Imaging,OMFI)利用OCT在组织结构成像的基础上，通过算法提组织血流信息，从而无损伤、非接触、无需造影剂即可对组织毛细血管内血流进行成像。
血流成像技术的方法及原理
在过去几十年里，随着光源及检测技术的发展，已经开发了若干类型的OCT系统和方法，例如时域OCT(TD-OCT)和傅立叶域OCT(FD-OCT)。FD-OCT包括频域OCT(SD-OCT)和扫频源OCT(SS-OCT)，比时域OCT系统在灵敏度和成像速度等方面具有卓越的性能优势。高速的傅立叶域OCT系统不仅可以实现结构成像，而且还可以实现血流成像。OCT可以用来识别常见的视网膜血管疾病，诸如老年性黄斑变性(AMD)、糖尿病视网膜病变(DR)以及视网膜血管阻塞等。但在临床上医生经常安排患有视网膜血管疾病的患者进行OCT和荧光素血管造影术(FA)同时检查。因此使用FD-OCT成像期间产生的数据来产生眼底的血管造影图像已经越来越受到关注。
1、光学微血管造影
Wang等提出一种基于k空间原始光谱提取频率变化信号的光学微血管造影(Optical Microangiography，OMAG)方法[1-5]，是一种在体微循环毛细血管成像的方法。相对于静态组织，有很多因素可以影响OCT信号频谱变化，例如频移及粒子移动导致背反射变化引起的多普勒影响。通过对组织内静态散射信号和动态散射信号的有效分离，可获取毛细血管动态血液灌注的三维分布。
OMAG的工作原理是基于对光谱仪采集到的光谱干涉信号的分析，如公式(1)所示：
Figure BDA0001490673480000021
其中，k是波数，t是采集一条A线的时间，ER是从参考臂反射回来的光强，S(k)是所用光源的频谱密度，n是组织的折射率，z是深度坐标，a(z,t)是后向散射光的幅度，v为位于深度z1处的血管内血细胞的运动速度。考虑到来自于样品的后向散射光相对于来自于参考镜反射的光要微弱得多，我们可以忽略样品内从不同位置散射的光信号之间的自相关、互相关。同时，直流信号对OMAG信号没有贡献，因此，也不予考虑。接着，应用一个基于差分运算的高通滤波器，其运算公式如公式(2)：
Iflow(ti,k)＝I(ti,k)-I(ti-1,k) (2)
其中，i表示A线或B-扫描的索引。该滤波器能针对较快流速或较慢流速，分别用于B扫描或C扫描方向。同样，公式(2)也适用于时域信号(例如OCT信号)。
随着OMAG技术的发展，L.An等提出利用相邻B-Scan图像直接相减实现的血管造影方法称为超高灵敏度光学血管造影(Utrahigh-sensitive OMAG)方法[6-7]，直接对原始光谱k空间信号进行傅立叶变换后信号直接相减，替代OMAG中相位和灰度变化。OCT数据Ioct(x,z)在经过傅立叶变换前如下：
SOMAG(x,k)＝Si+1(x,k)-Si(x,k) (3)
Si(x,k)是在慢轴上第i个二维k-x空间原始数据，x是快轴方向上的横截面位置，k是k空间单元，由于傅立叶变换是线性变换，则表示为：
IOMAG(x,z)＝Ii+1(x,z)-Ii(x,z) (4)
OMAG算法灵敏度取决于入射角度，当大多数血管与OCT样品臂垂直时，例如视网膜微循环，依赖相位信息的算法具有很低的灵敏度。灰度信息是基于像素值的相关或不同，利用重复测量评估，对于慢速血流检测非常困难，尤其是在相位变化替代灰度变化的时候。
Utrahigh-sensitive OMAG通过利用复数相减，克服了上诉问题，比单独依赖相位或者灰度方法更具有一定优势。
2、基于OCT信号灰度血管造影
基于OCT信号灰度血管造影的优势是对相位噪声有很低的敏感度，在光源相位稳定性差时尤其有优势。由组织反射的连续反射光的干涉图作为OCT信号灰度，干涉图与组织介质光粒子散射移动有关，由于这些移动会导致散射光的相位移动，最终导致随机干涉图变化，时间及空间散斑图包含了粒子散射的移动信息，如果OCT图像目标静止，则散斑图是时间静止的，相反，如果OCT图像目标是运动的粒子，例如脂肪乳剂，散斑图将随时间变化，通过对OCT图像时间或者空间的灰度或斑点分析，血管血流可以被识别。
Barton和Stromski[8]运用时域OCT系统提出斑点概念在血流检测方向，时变的光斑具有流速信息，作为OCT图像空间光谱频率的变化，随着FD-OCT技术的发展，运用光谱概念发展的方法叫做光谱变化OCT，通过评估同一位置一定数量的结构灰度B-scan图像的光谱变化，采用公式如下：
Figure BDA0001490673480000022
这里N是B-scans数量，i是B-Scans图像索引，Ii(x,z)是第i幅B-scan灰度图像，x、z为B-scan空间像素坐标，表示扫描宽度和深度。
与评估OCT图像斑点变化相似，Blatter[9]等提出了相邻B-scans计算灰度差异平方的方法实现微循环造影，公式如下：
IFlow＝[I(x,yi,z)-I(x,yi+1,z)]2 (6)
这里N是B-scans数量，x,y,z是快轴、慢轴、深度方向上的位置。
Huang[10]提出了一个更简单的方法，通过相邻OCT灰度图像相减实现视网膜微血管造影，公式如下：
Figure BDA0001490673480000031
这里N是同一位置重复B-scans次数，x、z为B-scan空间像素坐标，表示扫描宽度和深度，Ii(x,z)表示B-scan图像灰度值，相减运算后，静态组织部分信号减弱，动态血流信号相对加强。
Jonathan[11]等提出一种相关图(correlation mapping optical coherencetomography--cmOCT)方法，后来被Enfield等进一步研究，利用连续采集相邻图像做相关处理，静态组织具有较高的相关值，血流组织具有较低的相关值，公式如下：
Figure BDA0001490673480000032
这里MxN为窗大小，IA和IB为相邻子图，
Figure BDA0001490673480000033
和
Figure BDA0001490673480000034
为IA和IB的均值。
Jia[12,13]等提出了频谱分离幅度去相关(Split-spectrumamplitude-decorrelationangiography，SSADA)算法，首先对k空间数据进行分段高斯滤波，然后进行傅里叶变换，生成灰度图像，对同一位置连续采集图像做去相关处理。在视网膜血流成像上，SSADA算法比不采用分段光谱具有更高的灵敏度。公式如下：
Figure BDA0001490673480000035
M是分段光谱数，N是同一位置重复B-scans次数，An(x,z)为灰度图像，静态组织具有较低的去相关数值，血流组织具有较高的去相关数值。
超声血流成像：
在临床医学诊断中，超声血流成像技术以其无创、安全、实时成像的特点应用广泛，目前常用的有多普勒血流成像技术和灰阶血流成像技术，但是在高频条件下，多普勒技术受到限制。
发明内容
本发明所要解决的技术问题是，提供一种使组织结构及微血管血流反射和散射信号得到增强，提高了信噪比的微血管血流成像方法
本发明所采用的技术方案是：一种微血管血流成像方法，包括如下步骤：
1)进行数据采集，包括：
原始信号采集，生成B-Scan图像；
2)图像配准；
3)图像灰度叠加平均，是采用如下公式进行图像灰度叠加平均：
Figure BDA0001490673480000036
式中h表示同一位置重复B-scan的次数，x、z为B-scan空间像素坐标，表示扫描宽度和深度，I(x,yi,z)表示每个位置第i幅B-scan灰度图像，Is(x,y,z)表示叠加平均灰度图像，包含静态组织信息和动态血流信息。
4)改进的时间衬比处理
h幅配准后的图像空间上每一个像素都对应一个灰度变化的时间序列，对这一时间序列进行时间衬比统计，则获得该像素点时间衬比，对空间上每一像素点做相同处理，最后获得一组图像统计出的时间衬比图像It，时间衬比公式如下：
Figure BDA0001490673480000041
式中It(x,y,z)表示时间衬比灰度图像，I(x,yi,z)表示每个位置的第i幅B-Scan灰度图像，
Figure BDA0001490673480000044
表示每个位置h幅B-Scan图像的平均灰度图像，连续的h副图像采用时间衬比处理后得到的血流图像有纹路，匹配后相邻图像间存在微小的位移，平均后的
Figure BDA0001490673480000043
信号强度范围增大，与I(x,yi,z)相减时噪声得到增强，因此利用相邻图像做散斑衬比处理，再叠加平均，相邻图像采集时间间隔短，位移量小，计算过程中没有连续的h副图像
Figure BDA0001490673480000045
处理，纹路噪声得到抑制，改进的时间衬比公式采用相邻图像处理再叠加平均，公式如下：
Figure BDA0001490673480000042
5)图像标记
时间衬比图像Itc中包含静态组织和动态组织信息，静态组信号强度变化小，时间衬比值小，动态组织信号强度变化大，时间衬比值大，所以通过改进的时间衬比图像Itc利用下面的公式，对叠加平灰度图像Is进行处理，降低静态组织信息，增强血流信号，得到一幅二维血流灰度图像Iflow：
Iflow(x,y,z)＝Is(x,y,z)*Itc(x,y,z)
式中Iflow(x,y,z)表示血流灰度图像，Is(x,y,z)表示叠加平均灰度图像，Itc(x,y,z)表示时间衬比灰度图像。
对n个位置的h幅B-Scan图像采取相同的处理，得到三维血流图像。
步骤1)所述的生成B-Scan包括：每个B-Scan位置重复采集h幅B-Scan图像，连续采集n个位置，共采集h×n幅B-Scan图像。
步骤2)所述的图像配准，是采用基于灰度的配准算法或是基于特征的配准算法，确定每相邻两张图像的伪差，并消除伪差。
本发明的一种微血管血流成像方法，使背景随机散射光噪声减小，同时使组织结构及微血管血流反射和散射信号得到增强，提高了信噪比；得到组织结构静态位置和动态血流位置信息；得到血流图像。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1是本发明一种微血管血流成像方法的流程图；
图2是本发明中数据采集示意图；
图3是本发明中图像配准示意图；
图4是本发明中时间衬比度计算原理图；
图5是本发明实施例中的光学眼底血流成像示意图；
图6是本发明实施例中的光学眼底血流en-face图。
具体实施方式
下面结合实施例和附图对本发明的一种微血管血流成像方法做出详细说明。
如图1所示，本发明的一种微血管血流成像方法，包括如下步骤：
1)进行数据采集，包括：
原始信号采集，生成B-Scan图像；
所述的生成B-Scan图像包括：每个B-Scan位置重复采集h幅B-Scan图像，连续采集n个位置，共采集h×n幅B-Scan图像。如图2所示。
2)图像配准；
图像配准的方法很多，根据所使用的配准特征大致可以分为两类：
基于图像灰度信息的配准方法：例如归一化互相关配准、模板配准、快速傅立叶算法、投影配准、序贯相似性检测配准、平均绝对差配准、图像不变矩配准等。
基于图像特征的配准方法：基于图像特征的配准方法是指在原图像和变换后的图像中提取对缩放、旋转、灰度变换具有不变性的特征进行配准的方法。在原图中，常使用的特征包括边缘、区域、线的端点、线交叉点、区域中心、曲率不连续点等，其中边缘和区域边界最常用，它们可以由边缘检测方法和区域分割方法得到。在变换域里，可以采用傅立叶变换、离散余弦变换、沃尔什变换等变换把图像分解为一组系数，得到特征点。一般说来，基于特征的方法因它们不直接依赖于像素值，经常需要较复杂的图像处理以抽取特征，因此不利于硬件实现。
本发明中所述的图像配准，是采用基于灰度的配准算法或是基于特征的配准算法，确定每相邻两张图像的伪差，并消除伪差；
图像采集过程中目标组织由于呼吸、心跳等自主的运动极易引起运动伪差。尤其是血流信息检测，由于运动伪差会使同一位置图像发生畸变，图像的畸变会使数据丧失连续性，后期处理时难以区分静态组织和动态组织，所以首先对每个位置重复采集h幅图像进行配准，如图3所示。
本发明实施例是采用基于灰度的配准算法中的模板配准算法，是用一个较小的图像作为模板，将所述模板与该较小的图像前一张的图像进行比较，以确定在前一张图像中是否存在与该模板相同或相似的区域，若该区域存在，可确定其位置并进行配准。
3)图像灰度叠加平均
图像采集方式是对同一位置重复采集h次，静态组织在叠加平均过程中保持不变，血流信息得到加强。本发明是采用如下公式进行图像灰度叠加平均：
Figure BDA0001490673480000061
式中h表示同一位置重复B-scans的次数，x、y、z为B-scan空间像素坐标，表示扫描长度、宽度和深度，I(x,yi,z)表示每个位置第i幅B-scan灰度图像，Is(x,y,z)表示叠加平均灰度图像，包含静态组织信息和动态血流信息。
与通过相邻OCT灰度图像相减实现微血管造影方法相比较，图像灰度信息进行相减运算时，静态组织信号减弱，动态血流信息得以保留，但在动态血流重叠区域的信号也相对减弱，动态血流信息有损失。而采用先进行灰度叠加平均，执行加法运算，静态组织信号强度保持不变，动态血流信号无损且得到增强，背景随机散射噪声减小，信噪比提高。
4)改进的时间衬比处理
时间衬比分析是利用多幅图像同一位置的灰度值计算衬比Kt并将其赋值于相同位置像素，即可得到对应的时间衬比图，如图4所示，其中h为所计算的h幅图像。对不同图像的同一位置的灰度取平均值<It>和标准差δt如公式(11)所示：
Figure BDA0001490673480000064
利用公式(11)求得其对应像素点的Kt值。进而得到一幅关于Kt的时间衬比图像。
h幅配准后的图像空间上每一个像素都对应一个灰度变化的时间序列，对这一时间序列进行时间衬比统计，则获得该像素点时间衬比，对空间上每一像素点做相同处理，最后获得一组图像统计出的时间衬比图像It，时间衬比如公式(12)所示：
Figure BDA0001490673480000062
式中It(x,y,z)表示时间衬比灰度图像，I(x,yi,z)表示每个位置的第i幅B-Scan灰度图像，
Figure BDA0001490673480000068
表示每个位置h幅B-Scan图像的平均灰度图像，连续的h副图像采用时间衬比处理后得到的血流图像有纹路，匹配后相邻图像间存在微小的位移，平均后的
Figure BDA0001490673480000065
信号强度范围增大，与I(x,yi,z)相减时噪声得到增强，因此利用相邻图像做散斑衬比处理，再叠加平均，相邻图像采集时间间隔短，位移量小，计算过程中没有连续的h副图像
Figure BDA0001490673480000066
处理，纹路噪声得到抑制，改进的时间衬比公式采用相邻图像处理再叠加平均，如公式(13)所示：
Figure BDA0001490673480000063
5)图像标记
时间衬比图像Itc中包含静态组织和动态组织信息，静态组信号强度变化小，时间衬比值小，动态组织信号强度变化大，时间衬比值大，所以通过改进的时间衬比图像Itc利用下面的公式，对叠加平均后的B-scan灰度图像Is进行处理，降低静态组织信息，增强血流信号，得到一幅二维血流灰度图像Iflow：
Iflow(x,y,z)＝Is(x,y,z)*Itc(x,y,z) (14)
式中Iflow(x,y,z)表示血流灰度图像，Is(x,y,z)表示叠加平均灰度图像，Itc(x,y,z)表示时间衬比灰度图像。
对n个位置的h幅B-Scans图像采取相同处理，得到三维血流图像。
实例：光学眼底血流图像
利用OCT系统的高速频谱采集系统对组织及血管内血流反射回来的带有静态组织和动态血流信息的散射光进行高速3D采集，通过优化设计成像光束的扫描速度和扫描模式，X方向获取m条A-lines形成一个B-Scan，Y方向采集n个相连位置，每个位置重复采集h次，连续采集h×n幅B-Scans形成3D体数据。光学眼底血流成像处理过程如图5所示。
图5中a眼底光学OCT结构图像，(1)首先对图像a进行配准，生成图像b；(2)对图像b进行灰度图像叠加平均生成图像d；(3)对图像b进行改进的时间衬比处理，生成图像c；(4)通过图像c对图像d进行标记，得到二维血流灰度图像e。
光学眼底血流en-face图：
对n个位置做上述处理，得到n个位置的血流图，进行3维重建后，光学眼底血流en-face图如图6所示。
该方法也适用于超声微血管血流成像。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
参考文献：
[1]Wang RK,Jacques SL,Ma Z,et al.Three dimensional opticalangiography[J].Opt Express,2007,15(7):4083-4097.
[2]Wang RK,Hurst S.Mapping of cerebrovascular blood perfusion in micewith skin and cranium intact by optical micro-angiography at 1300nmwavelength[J].Optics Expre ss,2007,15(18):11402-11412.
[3]Wang RK.Directional blood flow imaging in volumetric opticalmicro-angiography achieved by digital frequency modulation[J].Optics Letters,2008,33(16):1878-1880.
[4]An L,Wang RK.In vivo volumetric imaging of vascular perfusionwithin human retina and choroids with optical micro-angiography[J].OpticsExpress,2008,16(15):11438-11452.
[5]Wang RK.Optical microangiography:a label free 3D imagingtechnology to visualize and quantify blood circulations within tissue beds invivo[J].IEEE Journal of Selected Topics in Quantum Electronics,2010,16(3):545-554.
[6]L.An,J.Qin,and R.K.Wang,“Ultrahigh sensitive opticalmicroangiography for in vivo imaging of microcirculations within human skintissue beds,”Opt.Express 18(8),8220–8228(2010).
[7]R.K.Wang et al.,“Depth-resolved imaging of capillary networks inretina and choroid using ultrahigh sensitive optical microangiography,”Opt.Lett.35(9),1467–1469(2010).
[8]J.K.Barton and S.Stromski,“Flow measurement without phaseinformation in optical coherence tomography images,”Opt.Express 13(14),5234–5239(2005).
[9]C.Blatter et al.,“Ultrahigh-speed non-invasive widefieldangiography,”J.Biomed.Opt.17(7),070505(2012).
[10]Y.Huang et al.,“Swept-source OCT angiography of the retinalvasculature using intensity differentiation-based optical microangiographyalgorithms,”Ophthalmic Surg.Lasers Imaging Retina 45(5),382–389(2014).
[11]E.Jonathan,J.Enfield,and M.J.Leahy,“Correlation mapping methodfor generating microcirculation morphology from optical coherence tomography(OCT)intensity images,”J.Biophotonics 4(9),583–587(2011).
[12]Y.Jia et al.,“Split-spectrum amplitude-decorrelation angiographywith optical coherence tomography,”Opt.Express 20(4),4710–4725(2012).
[13]Y.Jia et al.,“Quantitative optical coherence tomographyangiography of vascular abnormalities in the living human eye,”Proc.Natl.Acad.Sci.U.S.A.112(18),E2395–E2402(2015).

Claims (4)

1.一种改进的微血管血流成像方法，其特征在于，包括如下步骤：
1)进行数据采集，包括：
原始信号采集，生成B-Scan图像；
2)图像配准；
3)图像灰度叠加平均，是采用如下公式进行图像灰度叠加平均：
Figure FDA0003214591100000011
式中h表示同一位置重复B-scan的次数，x、y、z为B-scan空间像素坐标，表示扫描宽度、长度和深度，I(x,yi,z)表示每个位置第i幅B-scan灰度图像，Is(x,y,z)表示叠加平均灰度图像，包含静态组织信息和动态血流信息；
4)改进的时间衬比处理
h幅配准后的图像空间上每一个像素都对应一个灰度变化的时间序列，对这一时间序列进行时间衬比统计，则获得该像素点时间衬比，对空间上每一像素点做相同处理，最后获得一组图像统计出的时间衬比图像It，时间衬比公式如下：
Figure FDA0003214591100000012
式中It(x,y,z)表示时间衬比灰度图像，I(x,yi,z)表示每个位置的第i幅B-Scan灰度图像，I(x,y,z)表示每个位置h幅B-Scan图像的平均灰度图像，连续的h副图像采用时间衬比处理后得到的血流图像有纹路，匹配后相邻图像间存在微小的位移，平均后的I(x,y,z)信号强度范围增大，与I(x,yi,z)相减时噪声得到增强，因此利用相邻图像做散斑衬比处理，再叠加平均，相邻图像采集时间间隔短，位移量小，计算过程中没有连续的h副图像(x,y,z)处理，纹路噪声得到抑制，改进的时间衬比公式采用相邻图像处理再叠加平均，公式如下：
Figure FDA0003214591100000021
5)图像标记
时间衬比图像Itc中包含静态组织和动态组织信息，静态组信号强度变化小，时间衬比值小，动态组织信号强度变化大，时间衬比值大，所以通过改进的时间衬比图像Itc利用下面的公式，对叠加平灰度图像Is进行处理，降低静态组织信息，增强血流信号，得到一幅二维血流灰度图像Iflow：
Iflow(x，y，z)＝Is(x，y，z)*Itc(x，y，z)
式中IfSow(x,y,z)表示血流灰度图像，Is(x,y,z)表示叠加平均灰度图像，Itc(x,y,z)表示改进的时间衬比灰度图像，对n个位置的h幅B-Scan图像采取相同的处理，得到三维血流图像。
2.根据权利要求1所述的一种改进的微血管血流成像方法，其特征在于，步骤1)所述的生成B-Scan包括：每个B-Scan位置重复采集h幅B-Scan图像，连续采集n个位置，共采集h×n幅B-Scan图像。
3.根据权利要求1所述的一种改进的微血管血流成像方法，其特征在于，步骤2)所述的图像配准，是采用基于灰度的配准算法或是基于特征的配准算法，确定每相邻两张图像的伪差，并消除伪差。
4.如权利要求1-3之所述的一种改进的微血管血流成像方法，其特征在于，该方法可应用于光学或超声微血管血流成像。
CN201711245581.5A 2017-12-01 2017-12-01 一种改进的微血管血流成像方法 Active CN107862724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711245581.5A CN107862724B (zh) 2017-12-01 2017-12-01 一种改进的微血管血流成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711245581.5A CN107862724B (zh) 2017-12-01 2017-12-01 一种改进的微血管血流成像方法

Publications (2)

Publication Number Publication Date
CN107862724A CN107862724A (zh) 2018-03-30
CN107862724B true CN107862724B (zh) 2021-10-01

Family

ID=61704426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711245581.5A Active CN107862724B (zh) 2017-12-01 2017-12-01 一种改进的微血管血流成像方法

Country Status (1)

Country Link
CN (1) CN107862724B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023177281A1 (en) * 2022-03-17 2023-09-21 Limis Development B.V. Motion-compensated laser speckle contrast imaging

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7256258B2 (ja) * 2018-07-24 2023-04-11 コーニンクレッカ フィリップス エヌ ヴェ 改善されるダイナミックレンジ制御部を備える超音波映像システム
CN111354039B (zh) * 2018-12-20 2023-07-14 核动力运行研究所 一种基于b扫图像识别的焊缝区域提取快速算法
CN111951315B (zh) * 2019-05-17 2023-08-11 中国科学院上海光学精密机械研究所 皮肤光学相干层析图像配准的方法
CN110448267B (zh) * 2019-09-06 2021-05-25 重庆贝奥新视野医疗设备有限公司 一种多模眼底动态成像分析系统及其方法
CN111436905B (zh) * 2020-04-03 2024-03-19 图湃(北京)医疗科技有限公司 一种光学相干层析血管造影方法及装置
CN111493854B (zh) * 2020-04-24 2022-11-11 天津恒宇医疗科技有限公司 一种用于皮肤结构与血流三维成像的显示方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101485565A (zh) * 2009-02-13 2009-07-22 华中科技大学 一种激光散斑血流成像分析方法
CN102429650A (zh) * 2011-11-10 2012-05-02 华中科技大学 一种激光散斑血流成像衬比分析方法
CN106384337A (zh) * 2016-09-07 2017-02-08 上海理工大学 一种激光散斑血流成像的增强方法
CN107274405A (zh) * 2017-07-31 2017-10-20 中国医学科学院生物医学工程研究所 一种超声微血管血流成像方法
CN107367462A (zh) * 2017-06-29 2017-11-21 华中科技大学鄂州工业技术研究院 一种生物组织粘弹性的定量检测系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010096453A1 (en) * 2009-02-17 2010-08-26 Board Of Regents, The University Of Texas System Methods of producing laser speckle contrast images
CN103002794B (zh) * 2010-02-08 2016-08-17 奥勒冈保健科学大学 用于超高灵敏光学微血管显影术之设备及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101485565A (zh) * 2009-02-13 2009-07-22 华中科技大学 一种激光散斑血流成像分析方法
CN102429650A (zh) * 2011-11-10 2012-05-02 华中科技大学 一种激光散斑血流成像衬比分析方法
CN106384337A (zh) * 2016-09-07 2017-02-08 上海理工大学 一种激光散斑血流成像的增强方法
CN107367462A (zh) * 2017-06-29 2017-11-21 华中科技大学鄂州工业技术研究院 一种生物组织粘弹性的定量检测系统
CN107274405A (zh) * 2017-07-31 2017-10-20 中国医学科学院生物医学工程研究所 一种超声微血管血流成像方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Microvascular blood flow monitoring with laser speckle contrast imaging using the generalized differences algorithm;AnneHumeau-Heurtier等;《Microvascular Research》;20151231;第98卷;全文 *
生物散斑测量技术综述;段怡婷 等;《激光与光电子学进展》;20131231;第4.3节 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023177281A1 (en) * 2022-03-17 2023-09-21 Limis Development B.V. Motion-compensated laser speckle contrast imaging

Also Published As

Publication number Publication date
CN107862724A (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
CN107862724B (zh) 一种改进的微血管血流成像方法
Zhang et al. Methods and algorithms for optical coherence tomography-based angiography: a review and comparison
JP5166889B2 (ja) 眼底血流量の定量測定装置
US9107609B2 (en) Inter-frame complex OCT data analysis techniques
US10398302B2 (en) Enhanced vessel characterization in optical coherence tomograogphy angiography
JP6371762B2 (ja) Ｏｃｔ血管造影データの解析および可視化
CN107595250B (zh) 基于运动与图形混合对比度的血流成像方法与系统
JP6200902B2 (ja) 生体内の光学的流れイメージング
Yousefi et al. Eigendecomposition-based clutter filtering technique for optical microangiography
CN106943124B (zh) 用光学相干断层扫描血管造影对局部循环进行量化
US10354385B2 (en) Optical coherence tomography (OCT) data processing method, storage medium storing program for executing the OCT data processing method, and processing device
JP6584126B2 (ja) 画像生成装置、画像生成方法およびプログラム
Yousefi et al. Segmentation and quantification of blood vessels for OCT-based micro-angiograms using hybrid shape/intensity compounding
CN107452029A (zh) 一种光学微血管血流成像方法
US20160066798A1 (en) Methods and Systems for Determining Hemodynamic Properties of a Tissue
JP2021503092A (ja) ガボール光干渉断層血管撮影法を実行するためのシステムおよび方法
CN111568373A (zh) 一种重复扫描的octa毛细血管网成像方法
CN114209278A (zh) 一种基于光学相干层析成像的深度学习皮肤病诊断系统
RU2692220C1 (ru) Способ цветового доплеровского картирования в эндоскопической оптической когерентной томографии
CN113706567A (zh) 一种结合血管形态特征的血流成像量化处理方法与装置
Zhang et al. Depth compensation based fractal analysis of human microvasculature
Li Computational Methods for Enhancements of Optical Coherence Tomography
Szkulmowski et al. Real-time bulk motion insensitive flow segmentation algorithm for Doppler spectral optical coherence tomography
Wojtkowski et al. High-speed optical coherence imaging: towards the structure and the physiology of living tissue
Homann et al. Optical Angiography from Optical Coherence Tomograhy using a computational phase-shift

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant