CN101697871B - 一种自动分割动静脉血管的激光成像方法和装置 - Google Patents
一种自动分割动静脉血管的激光成像方法和装置 Download PDFInfo
- Publication number
- CN101697871B CN101697871B CN2009103097879A CN200910309787A CN101697871B CN 101697871 B CN101697871 B CN 101697871B CN 2009103097879 A CN2009103097879 A CN 2009103097879A CN 200910309787 A CN200910309787 A CN 200910309787A CN 101697871 B CN101697871 B CN 101697871B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- blood vessel
- time
- pixels
- 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
Links
Images
Abstract
本发明公开了一种自动分割生物组织动静脉血管的激光成像方法和装置。本发明采用单波长激光照明,基于生物组织中动静脉区域激光散斑动态特性与光谱吸收特性的差异,通过激光散斑时间衬比分析,时间序列图像像素灰度最小值分析和背景不均匀性校正等操作实现了动静脉血管的自动分割。本发明适用于生理学、病理学、药理学和药效评价研究及临床医学诊断和治疗。
Description
技术领域
本发明属于生物医学成像技术方法,具体为一种采用单波长相干光照明,基于激光散斑图像时间序列分析的生物组织动静脉血管自动分割方法和装置,它尤其适合于以高空间分辨率研究生理和病理状态下的生物组织动静脉血管形态和血流分布等,为生命科学基础研究和临床医学诊断治疗提供重要的信息。
背景技术
生物组织中动静脉血管的自动分割对于生物医学研究和临床诊断治疗具有重要意义。目前,对动静脉血管进行完全自动分割的方法的报道非常有限。动脉血管和静脉血管由于含氧血红蛋白(HbO2)和脱氧血红蛋白(HbR)浓度不同而具有不同的光谱吸收特性。一种常用的方法是采用多个不同中心波长的准单色光轮流照明,通过探测血氧饱和度的值,或探测缺血状态下HbR浓度的变化实现动静脉血管的分离。而采用单波长照明实现动静脉血管自动分离的方法目前尚未见报道。已有文献证明,利用动态激光散斑特性,采用单波长相干光照明获取激光散斑图像序列,对所得图像序列作时间衬比分析得到激光散斑时间衬比图像,能够增强血管结构的对比度,从而有利于将血管结构从背景图像中提取出来。但由于血流速度区域性分布的复杂性造成了散斑衬比分布的复杂性,时间衬比分析方法难以将动脉血管和静脉血管自动分离。若能充分利用动态激光散斑特性与光谱吸收特性在动静脉血管中的差异,则有望实现以单波长照明的方式,通过特定的图像处理方法将动脉血管与静脉血管自动分割开来。
发明内容
本发明的目的在于提供一种有效的自动分割生物组织动静脉的激光成像方法,该方法采用单波长激光照明,在时间域对激光散斑图像序列进行分析,实现对生物组织动静脉血管的自动分割。
为解决上述技术问题,本发明提供的自动分割动静脉血管的激光成像方法,其步骤包括:
(1)将激光光束照射到被测对象上。用CCD或CMOS相机通过光学成像系统,以相同的曝光时间和帧间隔时间连续采集N帧被测对象反射的激光散斑图像;每帧图像采集的曝光时间为1ms~100ms,帧间隔时间20~1000ms,采集的帧数N为:N≥50;
(2)对采集所得N帧图像,取出各帧图像中相同位置处对应的像素,组成大小为N个像素的像素集,该像素集内各像素的灰度值设为Ip,利用公式(I)计算该像素集时间轴上的衬比Kt,
(3)按步骤(2)遍历图像中所有的像素,获得所有像素对应的衬比值Kt(i,j)。分别以每个像素对应的衬比值为灰度,构建二维的衬比分布图;
(4)使用阈值分割方法将衬比图像作二值化处理,得到二维血管结构图像Ives;
(5)将相同的N帧激光散斑图像序列均分为n组,则每组包含N/n帧散斑图像,N/n≥50。也可以有其他的均分方式,但为了保证动静脉分割效果,建议每组至少应该有50帧散斑图像。
(6)对第k组(1≤k≤n)散斑图像序列,对该组所包含的N/n帧图像,取出各帧图像中相同位置处对应的像素,组成大小为N/n个像素的像素集,寻找该像素集中灰度最小值;
(7)按步骤(6)遍历图像中所有的像素,获得所有像素对应的灰度最小值。分别以每个像素对应的时间序列最小植为灰度,构建二维的时间序列灰度最小值图像;
(8)按步骤(5)~(7),得到n帧时间序列灰度最小值图像;
(9)取出n帧时间序列灰度最小值图像中相同位置处对应的像素,组成大小为n个像素的像素集,计算该像素集的灰度平均值;
(10)按步骤(9)遍历图像中所有的像素,获得所有像素对应的灰度平均值。分别以每个像素对应的灰度平均值为灰度,构建二维的累积平均的时间序列灰度最小值图像Imin;
(11)为了消除图像Imin中背景不均匀性对动静脉分割结果的影响,对图像Imin作如下操作:
(a)选取25×25像素大小的空间滑动窗并拖动滑动窗,使其遍历图像Imin中所有像素,每拖动一次滑动窗,计算该滑动窗内像素灰度最小值,从而构建图像Imin在25×25像素空间滑动窗下的灰度最小值图像;
(b)选取25×25像素大小的空间滑动窗并拖动滑动窗,使其遍历步骤(a)所得图像中的所有像素,每拖动一次滑动窗,计算该滑动窗内像素灰度最大值,从而构建步骤(a)所得图像在25×25像素空间滑动窗下的灰度最大值图像;
(c)将图像Imin与步骤(b)所得图像灰度值按对应像素相减,得到消除了背景不均匀性之后的图像;
(12)使用阈值分割方法将步骤(11)所得图像作二值化处理,得到二维动脉血管结构图像Ia,其中动脉血管区域像素值为1,其他区域像素值为0;
(13)将二值图像Ives与二值图像Ia按对应像素相减,得到二维静脉血管结构图像Iv,其中动脉血管区域像素值为1,其他区域像素值为0;
(14)将图像Iv与图像Ia按如下方式进行组合,构建一个RGB图像,其R红色、G绿色、B蓝色三种颜色分量的构成比例由三维数组A表示,其中
A(:,:,1)=Ia;
A(:,:,2)=0;
A(:,:,3)=Iv;
A(:,:,1)构成颜色分量R,A(:,:,2)构成颜色分量G,A(:,:,3)构成颜色分量B。从而绘制一幅由不同颜色标记的动静脉血管的RGB图像,其中红色区域表示动脉,蓝色区域表示静脉,红色和蓝色之外的区域表示组织。
基于上述方法,本发明还提出一种自动分割动静脉血管的成像装置,其结构为:激光光束1、第一线偏振片2与工作台3依次位于照明光路上,且第一线偏振片2与入射激光光束1垂直;工作台3、第二偏振片4以及光电成像系统5依次位于成像光路上,第二线偏振片4与光电成像系统5光轴方向垂直,与光电成像系统5同心,且其偏振方向与第一线偏振片2的偏振方向垂直;计算机7通过图像采集卡6与光电成像系统5相连,计算机7控制光电成像系统5将激光照射到被测对象上,采集对象反射的激光散斑图像序列,并对采集的图像进行时间衬比分析,时间序列灰度最小值分析,消除背景不均匀性等操作,将时间衬比图像作二值化处理得到二维血管结构Ives,将消除了背景不均匀性后的时间序列灰度最小值图像作二值化处理得到二维动脉血管结构图像Ia,由Ives与Ia相减得到二维静脉血管结构图像Iv,以Iv与Ia构建一幅RGB伪彩色图像,其中动脉血管与静脉血管由不同颜色标记,从而实现动静脉血管的自动分离。
本发明提出的自动分割动静脉血管的激光成像方法和装置,以CCD或CMOS相机通过光电成像系统连续采集若干帧激光散斑图像,对激光散斑图像进行时间衬比分析,时间序列最小值分析和消除背景不均匀性等操作,实现生物组织中动静脉血管的自动分割。与其它现有的方法和装置相比,本发明所提出的自动分割动静脉血管的激光成像方法和装置的优点在于:采用单波长相干光照明,避免了使用多波长照明时成像装置设计的复杂性;将动态激光散斑特性和光谱吸收特性相结合,实现了动静脉血管的自动分割;同时本发明提出的方法可以与激光散斑血流成像分析方法相结合,有助于对生物组织二维血管形态和动静脉血管中的血流分布,及动静脉血管血流动力学变化进行实时、动态、高时间、空间分辨率的监测。其应用范围广泛,可用于研究生理和病理状态下的大鼠、小鼠、兔、猫、猴等实验动物,以及人体的皮肤、眼底、脑皮层动静脉血管区域各自的血流分布,以及神经活动、脑疾病引起的脑皮层区域动静脉血管各自的血流变化。本发明适用于生理学、病理学、药理学和药效评价研究及临床医学诊断和治疗。
附图说明
图1是本发明公开的自动分割动静脉血管成像装置。
图2是本发明公开的自动分割动静脉血管的激光成像方法,对激光散斑图像序列操作,实现动静脉血管自动分割的流程图。
图3是采用本发明公开的自动分割动静脉血管的激光成像方法和装置对去除颅骨的大鼠顶叶皮层血管激光散斑图像进行处理得到的结果。其中,图3-(a)是单帧激光散斑图像;图3-(b)是将500帧散斑图像序列均分为10组分别进行时间序列最小值计算后,对所得图像作累积平均并消除背景不均匀性后的结果。图3-(c)是对相同的500帧散斑图像序列作时间衬比分析后得到的激光散斑时间衬比图像。将图3-(c)与图3-(d)分别作二值化处理,前者得到二维动脉血管结构图像,两者相减得到二维静脉血管结构图像。图3-(d)是通过上述图像处理操作后得到的动静脉分离的血管结构图像。其中红色区域表示动脉,蓝色区域表示静脉,标尺长度为500μm。
具体实施方式
本发明提出的自动分割生物组织动静脉血管的激光成像方法和装置,采用如附图1所示的成像装置,其结构为:激光光束1、第一线偏振片2与工作台3依次位于照明光路上,且第一线偏振片2与入射激光光束1垂直;工作台3、第二偏振片4以及光电成像系统5依次位于成像光路上,第二线偏振片4与光电成像系统5光轴方向垂直,与光电成像系统5同心,且其偏振方向与第一线偏振片2的偏振方向垂直;计算机7通过图像采集卡6与光电成像系统5相连,计算机7控制光电成像系统5将激光照射到被测对象上,采集对象反射的激光散斑图像,并对采集的图像进行时间衬比分析,时间序列图像像素灰度最小值分析和背景不均匀性校正等操作,构建一幅由不同颜色标记的动静脉血管的RGB伪彩色图像。
对采集得到的激光散斑图像序列进行操作的流程图如附图2所示。本发明提出的自动分割动静脉血管的激光成像方法和装置利用动态激光散斑特性和光谱吸收特性在动脉血管和静脉血管中的差异,通过时间衬比分析,时间序列最小值分析,和一些特定的图像处理方法实现动静脉血管的自动分割。本发明提出的自动分割动静脉血管的激光成像方法和装置使用的成像装置较为简单廉价。同时,本发明提出的动静脉血管自动分割方法还可以与激光散斑衬比成像方法相结合,从而扩展激光散斑成像在临床医学诊断和治疗中的应用。
动物实验:
实验装置如附图1所示。实验对象为Wistar大鼠,固定于工作台3上,以632.8nm的He-Ne激光器1为光源,准直扩束后的激光光束经第一线偏振片2后斜入射到去除头骨后的大鼠顶叶皮层上。由大鼠顶叶皮层散射形成的激光散斑经第二线偏振片4后由带宏视镜头的电荷耦合器件相机构成的光电成像系统5成像。计算机7通过图像采集卡6与光电成像系统5相连,计算机7控制光电成像系统5将激光照射到被测对象上,采集对象反射的激光散斑图像序列。光学系统放大倍数设为2.5倍。曝光时间20ms,帧间隔时间25ms,连续采集500帧激光散斑图像。单帧激光散斑图像如附图3-(a)所示。利用所采集的500帧激光散斑图像,按公式(I)计算激光散斑时间衬比值,并构建二维激光散斑时间衬比图像,结果如附图3-(c)所示。对附图3-(c)所示的时间衬比图像通过自动阈值分割方法作二值化处理,得到二维血管结构图像。同时,将所采集的500帧激光散斑图像均分为10组,分别对各组激光散斑图像序列按发明内容所述步骤(6)~(10)进行时间序列上灰度最小值计算,并构建二维时间序列灰度最小值图像。将10组时间序列灰度最小值图像按步骤(9)~(10)对各图像中相同位置处的像素作累积平均,得到累计平均的时间序列灰度最小值图像。按发明内容所述步骤(11)消除背景不均匀性,所得结果如附图3-(b)所示。由图3-(b)可见,动脉区域的灰度值较静脉区域和背景区域的灰度值高,因而对附图3-(b)通过自动阈值分割方法作二值化处理,可以得到二维动脉血管结构图像。将二维血管结构图像与二维动脉血管结构图像相减,得到二维静脉血管结构图像。按发明内容`所述步骤(14),构建一个RGB伪彩色图像,使得图像中红色区域表示动脉,蓝色区域表示静脉,黑色区域表示组织,如附图3-(d)所示。由附图3-(d)可知,所示动脉血管和静脉血管的走向与其解剖学特征相吻合,说明动脉血管与静脉血管得到了很好的区分,证明了本发明提出的自动分割动静脉血管的激光成像方法和装置的有效性。
以上所述为本发明的较佳实施例而已,但本发明不应该局限于该实施例和附图所公开的内容。所以凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。
Claims (5)
1.一种动静脉血管自动分割激光成像方法,其步骤包括:
(1)将激光光束照射到被测对象上,用CCD或CMOS相机通过光学成像系统,以相同的曝光时间和帧间隔时间连续采集N帧被测对象反射的激光散斑图像;每帧图像采集的曝光时间为1ms~100ms,帧间隔时间为20~1000ms,帧数N≥50;
(2)对步骤(1)采集所得N帧图像,取出各帧图像中相同位置处对应的像素,组成大小为N个像素的像素集,利用公式(I)计算该像素集时间轴上的衬比Kt,
(3)按步骤(2)遍历图像中所有的像素,获得所有像素对应的衬比值Kt(i,j),其中i,j分别为该像素在图像中的空间坐标位置;分别以每个像素对应的衬比值为灰度,构建二维的衬比分布图;
(4)使用阈值分割方法将衬比图像作二值化处理,得到二维血管结构图像Ives;
(5)将相同的N帧激光散斑图像序列均分为n组,则每组包含N/n帧散斑图像,N/n≥50;
(6)对第k组,1≤k≤n,散斑图像序列,对该组所包含的N/n帧图像,取出各帧图像中相同位置处对应的像素,组成大小为N/n个像素的像素集,寻找该像素集中灰度最小值;
(7)按步骤(6)遍历图像中所有的像素,获得所有像素对应的灰度最小值;分别以每个像素对应的时间序列最小植为灰度,构建二维的时间序列灰度最小值图像;
(8)按步骤(5)~(7),得到n帧时间序列灰度最小值图像;
(9)取出n帧时间序列灰度最小值图像中相同位置处对应的像素,组成大小为n个像素的像素集,计算该像素集的灰度平均值;
(10)按步骤(9)遍历图像中所有的像素,获得所有像素对应的灰度平均值;分别以每个像素对应的灰度平均值为灰度,构建二维的累积平均的时间序列灰度最小值图像Imin;
(11)为了消除图像Imin中背景不均匀性对动静脉分割结果的影响,对图像Imin作如下操作:
(a)选取25×25像素大小的空间滑动窗并拖动滑动窗,使其遍历图像Imin中所有像素,每拖动一次滑动窗,计算该滑动窗内像素灰度最小值,从而构建图像Imin在25×25像素空间滑动窗下的灰度最小值图像;
(b)选取25×25像素大小的空间滑动窗并拖动滑动窗,使其遍历步骤(a)所得图像中的所有像素,每拖动一次滑动窗,计算该滑动窗内像素灰度最大值,从而构建步骤(a)所得图像在25×25像素空间滑动窗下的灰度最大值图像;
(c)将图像Imin与步骤(b)所得图像灰度值按对应像素相减,得到消除了背景不均匀性之后的图像;
(12)使用阈值分割方法将步骤(11)所得图像作二值化处理,得到二维动脉血管结构图像Ia,其中动脉血管区域像素值为1,其他区域像素值为0;
(13)将二维血管结构图像Ives与二维动脉血管结构图像Ia按对应像素相减,得到二维静脉血管结构图像Iv,其中动脉血管区域像素值为1,其他区域像素值为0;
(14)将图像Iv与图像Ia按如下方式进行组合,构建一个RGB图像,其R-红色、G-绿色、B-蓝色三种颜色分量的构成比例由三维数组A表示,其中
A(:,:,1)=Ia;
A(:,:,2)=0;
A(:,:,3)=Iv;
A(:,:,1)构成颜色分量R,A(:,:,2)构成颜色分量G,A(:,:,3)构成颜色分量B;从而绘制一幅由不同颜色标记的动静脉血管的RGB图像,其中红色区域表示动脉,蓝色区域表示静脉,红色和蓝色之外的区域表示组织。
2.根据权利要求1所述的方法,其特征在于:步骤(1)中所使用的激光波长的选择范围为600nm~800nm。
3.根据权利要求1所述的方法,其特征在于:步骤(11)中空间滑动窗的选取并不局限于25×25像素大小,视成像系统放大倍数和CCD或CMOS芯片像素大小的不同,可以对该空间滑动窗大小进行适当的调整;其调整的根据是,空间滑动窗至少应与图像中动脉血管的最大直径相当。
4.根据权利要求1所述的方法,其特征在于:步骤(14)中R、G、B三种颜色分量的构成比例是可以自由选择的,并不局限于权利要求1中所述的颜色构成比例;动脉血管与静脉血管的颜色可以通过调节R、G、B三种颜色分量的构成比例,由其他颜色标记。
5.一种自动分割动静脉血管的成像装置,包括激光光源(1)、第一线偏振片(2)、工作台(3)、第二偏振片(4)、光电成像系统(5)、图像采集卡(6)和计算机(7),其特征在于:激光光源(1)、第一线偏振片(2)与工作台(3)依次位于照明光路上,且第一线偏振片(2)与入射激光光源(1)垂直;工作台(3)、第二偏振片(4)以及光电成像系统(5)依次位于成像光路上,第二线偏振片(4)与光电成像系统(5)光轴方向垂直,与光电成像系统(5)同心,且其偏振方向与第一线偏振片(2)的偏振方向垂直;计算机(7)通过图像采集卡(6)与光电成像系统(5)相连,计算机(7)控制光电成像系统(5)将激光照射到被测对象上,采集对象反射的激光散斑图像序列,并对采集的图像进行时间衬比分析,时间序列灰度最小值分析,消除背景不均匀性操作,将时间衬比图像作二值化处理得到二维血管结构Ives,将消除了背景不均匀性后的时间序列灰度最小值图像作二值化处理得到二维动脉血管结构图像Ia,由Ives与Ia相减得到二维静脉血管结构图像Iv,以Iv与Ia构建一幅RGB伪彩色图像,其中动脉血管与静脉血管由不同颜色标记,从而实现动静脉血管的自动分离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009103097879A CN101697871B (zh) | 2009-11-16 | 2009-11-16 | 一种自动分割动静脉血管的激光成像方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009103097879A CN101697871B (zh) | 2009-11-16 | 2009-11-16 | 一种自动分割动静脉血管的激光成像方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101697871A CN101697871A (zh) | 2010-04-28 |
CN101697871B true CN101697871B (zh) | 2011-10-26 |
Family
ID=42146336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009103097879A Active CN101697871B (zh) | 2009-11-16 | 2009-11-16 | 一种自动分割动静脉血管的激光成像方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101697871B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102755202B (zh) * | 2012-08-02 | 2015-01-07 | 上海交通大学 | 动物手术试验台 |
CN103300841B (zh) * | 2013-06-13 | 2014-11-05 | 上海理工大学 | 一种快速激光散斑血流成像系统和方法 |
CN105342597B (zh) * | 2015-12-01 | 2018-05-08 | 华中科技大学 | 一种定量激光血流检测方法 |
CN105395184B (zh) * | 2015-12-04 | 2018-05-08 | 华中科技大学 | 生物组织血流、血氧和血容量的多参数检测方法及装置 |
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 |
CN107452029A (zh) * | 2017-07-31 | 2017-12-08 | 中国医学科学院生物医学工程研究所 | 一种光学微血管血流成像方法 |
CN109886973B (zh) * | 2019-01-25 | 2021-01-08 | 杭州晟视科技有限公司 | 一种血管提取方法、装置及计算机可读存储介质 |
CN109949322B (zh) * | 2019-03-27 | 2023-06-23 | 中山大学 | 一种基于磁共振t1增强图像的脑血管图像分割方法 |
CN110507305B (zh) * | 2019-08-27 | 2024-04-16 | 北京大学 | 基于激光散斑衬比波形传导时间差的血液流速测量方法 |
CN111870224B (zh) * | 2020-07-16 | 2022-05-20 | 武汉大学 | 一种肿瘤血管正常化检测系统和检测方法 |
CN111899244B (zh) * | 2020-07-30 | 2021-02-12 | 推想医疗科技股份有限公司 | 图像分割、网络模型的训练方法及装置,及电子设备 |
CN113040770A (zh) * | 2021-03-11 | 2021-06-29 | 中南大学湘雅医院 | 一种多功能手指动静脉穿刺探头 |
-
2009
- 2009-11-16 CN CN2009103097879A patent/CN101697871B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101697871A (zh) | 2010-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101697871B (zh) | 一种自动分割动静脉血管的激光成像方法和装置 | |
CN101485565B (zh) | 一种激光散斑血流成像分析方法 | |
CN105395184B (zh) | 生物组织血流、血氧和血容量的多参数检测方法及装置 | |
US11330985B2 (en) | Near-infrared optical imaging system for hemodynamic imaging, pulse monitoring, and mapping spatio-temporal features | |
Bonin et al. | Local diversity and fine-scale organization of receptive fields in mouse visual cortex | |
CN114820494B (zh) | 用于可视化流动的使用机器学习的散斑对比度分析 | |
Zepeda et al. | Optical imaging of intrinsic signals: recent developments in the methodology and its applications | |
CN103857335B (zh) | 激光散斑图像的各向异性处理 | |
EP2473102B1 (en) | Multimodal laser speckle imaging | |
CN102429650B (zh) | 一种激光散斑血流成像衬比分析方法 | |
EP2840957B1 (en) | Optical coherent imaging medical device and method | |
CN100502771C (zh) | 一种经颅脑血流高分辨成像方法及其装置 | |
EP3768157A1 (de) | Vorrichtung und verfahren zur aufnahme und analyse von bildern der haut | |
CN107613847A (zh) | 双目测量装置、双目测量方法以及双目测量程序 | |
EP1958150B1 (en) | Surface analysis method and system | |
JP2009528148A (ja) | 出現前にきび明示方法 | |
CN109752377B (zh) | 一种分光式双模态投影层析组织血管成像装置及方法 | |
CN106456045A (zh) | 在同时磁共振成像期间的非接触式生理监测 | |
JP5405994B2 (ja) | 画像処理装置、画像処理方法、画像処理システム、肌評価方法 | |
EP1931262B1 (en) | Disposable calibration-fiducial mark for hyperspectral imaging | |
Li et al. | Automatic identification and quantitative morphometry of unstained spinal nerve using molecular hyperspectral imaging technology | |
Guevara et al. | Low-cost embedded system for optical imaging of intrinsic signals | |
Dylda et al. | Chronic Two-Photon Calcium Imaging in the Visual Cortex of Awake Behaving Mice | |
CN115474930A (zh) | 一种基于高光谱图像重建的无创血红蛋白检测方法 | |
Madan et al. | Learning-based detection of acne-like regions using time-lapse features |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037 Patentee after: Huazhong University of Science and Technology Address before: 430074 1037 Luo Yu Road, Hongshan District, Wuhan, Hubei. Patentee before: Huazhong University of Science and Technology |
|
CP02 | Change in the address of a patent holder |