CN105030193A - 一种背景多普勒消除系统及方法 - Google Patents

Abstract

一种背景多普勒消除方法，适用于光学相干层析成像仪中，该方法包括：对通过光学相干层析成像仪扫描得到的生物组织的原始数据(光学相干层析成像仪的CCD读取到的数据)进行处理，以得到复数矩阵；通过所述复数矩阵计算出多普勒图像，并根据多普勒图像确定用于计算背景多普勒的纵向范围；根据所述用于计算背景多普勒的纵向范围，计算出背景多普勒；在多普勒图像中消除所述计算得到的背景多普勒。本发明还提供一种背景多普勒消除系统。利用本发明可以消除多普勒图像中的背景多普勒，从而提高了多普勒图像的准确度，也提高了生物组织测量的准确度。

Description

一种背景多普勒消除系统及方法

技术领域

本发明涉及光电子技术领域，尤其涉及一种背景多普勒消除系统及方法。

背景技术

许多视网膜疾病与非正常的眼部血液流量有关，例如，糖尿病引起的视网膜病变、视网膜静脉阻塞以及与年纪有关的黄斑退化。而在青光眼病研究中，视网膜供血不足被认为是青光眼病发生和发展的一个可能原因。因此，对视网膜血液流量进行测量对于视网膜疾病的临床诊断、治疗和研究具有重要意义。

光学相干层析成像技术(OpticalCoherenceTomography，OCT)是一种非侵入的探测技术。OCT技术现已被广泛应用于生物组织的活体截面结构成像。通过测量与深度有关的散射光，OCT可以提供高分辨，高灵敏度的组织结构。同时，OCT技术也可以探测散射光的多普勒频移，以获得流体和样品的运动信息，因而适合用于测量视网膜内的血液流量。为获得视网膜内的血液流量，人们发展了一系列与OCT技术相关的方法来获得血管中的实际流速：

(1)通过OCT技术对视网膜进行三维扫描，获得视网膜中血管在空间中的走向，从而确定出探测光的多普勒角度，再利用多普勒角度，计算出实际的流速。

(2)利用OCT技术中多束、多角度探测光扫描样品中的同一点，以便获得血管中真实的流体速度。具体而言，OCT探测光被一个玻璃平板分成两束,这两束光会聚在流体中，形成双光束，双角度照明方式，通过分析两束光探测到的多普勒频移，可以得到血管中的真实流体速度。其中，方法(2)由于两路光有延迟，对于频域的OCT系统并不适用。

另外，还可利用由偏振光分束的双光束OCT系统，测量视网膜血管中的流速和流量，或利用一个DOVE棱镜与OCT扫描机构同步，实现了双光束在视网膜上的环形扫描。

不论采取什么样的机械装置或系统，都需要提取生物组织(如，血管)的频移信号，再通过相应的速度计算公式就可以计算出血流速度和血流量。

然而，无论采用哪一种方法，在测量过程中避免不了额外引入的背景多普勒。背景多普勒不仅包括由于轻微移动(例如，人眼的轻微晃动)而带来的低频背景多普勒，还包括由于探测光的主光轴没有入射到扫描单元的转动轴上带来的高频背景多普勒。若对背景多普勒数据不做处理，将会直接影响到最终的测量结果。目前，常用的消除由于轻微移动所带来的背景多普勒数据的方法有：对获得的多普勒图像中每列轴向扫描(A-SCAN)数据进行直方图统计，具体地说，将-π到π平均划分为多个(例如，90个)区域进行纵向直方图统计，并将统计个数最多的区域作为该列的背景多普勒数值，然后再用原始多普勒图减去统计出来的背景多普勒数值。图7即为通过上述方法去背景多普勒后的多普勒图像。该方法的好处为快速简洁，但这种方法统计出来的背景多普勒数据与真实的背景多普勒数据之间有一定的偏差，对于大血管存在的区域容易将血管信号当做背景多普勒数据减掉，对于统计结果中存在两个统计结果最大的情况，则更无法辨别哪一个才是真正的背景多普勒数据。此外，通过统计去背景多普勒的方法更无法正确去除由于探测光的主光轴没有入射到扫描单元的转动轴上带来的高频背景多普勒。进一步地，该方法没有考虑干涉信号的强度对位相信号的影响，对于多普勒图像中的某一点，其干涉信号强度越高，相对应的位相信号越可信，反之则越不可信。

由于探测光的主光轴没有入射到扫描单元的转动轴上而带来的高频背景多普勒的原理如下。如图8-A，当扫描单元为X-Y振镜时，若探测光的主光轴落入振镜的转动轴上，随着振镜的摆动，探测光的入射方向e与探测光在透镜LL像面d上的扫描方向相互垂直，在此情况下不会引入额外的背景多普勒。如图8-B，若探测光的主光轴未落入振镜的转动轴上，随着振镜的摆动，探测光的入射方向e与探测光在透镜LL像面d上的扫描方向不再垂直。假若入射光偏离振镜轴的距离为L，振镜扫描角速度为w，透镜LL焦距为f，则由此带来频移为(λ₀为探测光的中心波长)。该高频背景多普勒在去除时需要在纵向一条线一条线的去除，且极易找错相应的背景。而背景找错将直接影响测量的准确性；

发明内容

有鉴于此，有必要提供一种背景多普勒消除系统，其可以通过权重去背景多普勒的方法，将干涉信号的强度值作为权重因子来参与背景多普勒的消除方法，该方法不仅能够消除轻微移动(例如，人眼的轻微晃动)而带来的低频背景多普勒，还能消除由于探测光的主光轴没有入射到扫描单元的转动轴上带来的高频背景多普勒，如此一来，提高了多普勒图像的准确度，也提高了生物组织测量的准确度。

此外，还有必要提供一种背景多普勒消除方法，其可以通过权重去背景多普勒的方法，将干涉信号的强度值作为权重因子来参与背景多普勒的消除方法，该方法不仅能够消除轻微移动(例如，人眼的轻微晃动)而带来的低频背景多普勒，还能消除由于探测光的主光轴没有入射到扫描单元的转动轴上带来的高频背景多普勒，提高了多普勒图像的准确度，也提高了生物组织测量的准确度。

一种背景多普勒消除系统，应用于光学相干层析成像仪中，其特征在于，该系统包括：处理模块，用于对通过光学相干层析成像仪扫描得到的生物组织的原始数据(光学相干层析成像仪的CCD读取到的数据)进行处理，以得到复数矩阵；范围确定模块，用于通过所述复数矩阵计算出多普勒图像，并根据多普勒图像确定用于计算背景多普勒的纵向范围；计算模块，用于根据所述背景多普勒的纵向范围，计算出背景多普勒；消除模块，用于在多普勒图像中消除所述计算得到的背景多普勒。

一种背景多普勒消除方法，适用于光学相干层析成像仪中，该方法包括：对通过光学相干层析成像仪扫描得到的生物组织的原始数据(光学相干层析成像仪的CCD读取到的数据)进行处理，以得到复数矩阵；通过所述复数矩阵计算出多普勒图像，并根据多普勒图像确定用于计算背景多普勒的纵向范围；根据所述用于计算背景多普勒的纵向范围，计算出背景多普勒；在多普勒图像中消除所述计算得到的背景多普勒。

本发明有益效果是，利用多普勒图像中血管上方组织的信号计算背景多普勒，避免了将血流信号作为背景多普勒被减掉，并运用了权重的方法，使得计算出的背景多普勒更准确，并且能够去除由于探测光的主光轴没有入射到扫描单元的转动轴上而带来的高频背景多普勒，此外还运用横向多线权重平均的方法，将图像中的明显噪点被滤掉，使得最终计算结果更准确。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是本发明较佳实施例中背景多普勒消除系统的架构图。

图2是本发明图1中背景多普勒消除系统的功能模块图。

图3是本发明较佳实施例中背景多普勒消除方法的流程图。

图4是本发明较佳实施例中多普勒图像。

图5是本发明较佳实施例中背景多普勒数据。

图6是本发明较佳实施例中消除背景多普勒后的多普勒图像。

图7是本发明较佳实施例中采用统计的方法消除背景多普勒后的多普勒图像。

图8是本发明较佳实施例中由于探测光的主光轴没有入射到扫描单元的转动轴上带来的高频背景多普勒的示意图。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如下。

如图1所示，是本发明实施例中背景多普勒消除系统的架构图。所述背景多普勒消除系统600运行在光学相干层析成像技术(OpticalCoherenceTomography，OCT)成像仪1的计算机60中。在通过OCT成像仪1对血液流量进行测量的过程中，该背景多普勒消除系统600用于消除背景多普勒。

该OCT成像仪1包括，光源10、探测器20、连接器30、XY扫描仪40、光学延迟器50及计算机60。

其中，光源10、探测器20、XY扫描仪40、光学延迟器50分别与连接器30连接。所述光源10为连接器30提供光，该连接器30通过取样臂将光导向XY扫描仪，并通过连接器30的参照臂将光导向光学延迟器50。XY扫描仪40扫描横越生物组织70(如，人的眼睛等器官)的光，并且收集来自生物组织70的反射光。从生物组织70反射的光捕获在XY扫描仪40中，并与光学延迟器50反射的光在连接器30中结合，从而以产生干涉信号。将所述干涉信号耦联到探测器20中，之后由计算机60获取所述干涉信号，并对干涉信号进行处理。

所述探测器20可以是，但不限于，捕获作为波长的函数的所述干涉信号的分光仪。

所述OCT成像仪1可以是，但不限于，频域的OCT成像仪或时域的OCT成像仪。需要说明的是，当OCT成像仪为时域的OCT成像仪时，深度是通过扫描光学延迟器50获得，或者是通过傅里叶域的成像仪获得。

此外，OCT成像仪1对生物组织70进行的轴向扫描(A-SCAN)所获得的图像由计算机60捕获。通过测量与深度有关的散射光，OCT成像仪可以提供高分辨，高灵敏度的组织结构的图像。同时，OCT成像仪1也可以探测散射光的多普勒频移，以获得流体和样品的运动信息，因而用于测量生物组织70内(例如，眼睛视网膜内)的血液流量。

图2是本发明图1中背景多普勒消除系统的功能模块图。所述背景多普勒消除系统600安装于计算机60中，所述计算机60可以是手机、计算机、平板电脑、个人数字助理(PersonalDigitalAssistant，PDA)或者是其他任意适用的电子设备。所述计算机60包括背景多普勒消除系统600，输入/输出单元610，处理单元620及存储单元630。

该输入/输出单元610，用于提供人机交互界面，以供用户输入相关指令(例如，启动OCT成像仪1的指令，显示多普勒图像的指令等)，且输出显示计算机60对相关指令的响应数据。

该处理单元620，用于调用并执行该背景多普勒消除系统600，以对消除多普勒图像中的背景多普勒。

该存储单元630，用于存储该背景多普勒消除系统600，及该背景多普勒消除系统600的运行数据。

该背景多普勒消除系统600包括处理模块601，范围确定模块602、计算模块603及消除模块604。

所述处理模块601用于对通过OCT成像仪1(具体的说，通过OCT成像仪1的电子耦合装置，Charge-coupledDevice，CCD)扫描得到的生物组织70的原始数据data(m，n)进行处理，以得到复数矩阵dataFFT(m，n)。需要说明的是，在所述原始数据data(m，n)中，n代表列，表示OCT成像仪1对生物组织70进行了n次轴向扫描(A-SCAN)，而m代表行，表示OCT成像仪1每一次对生物组织70进行轴向扫描(A-SCAN)会有m个像素值。需要说明的是，m及n的数值可以根据用户的需求进行设定，在实施例中，m＝1024，n＝2000，在其它实施例中，m及n的值可以为其它值，例如，m＝2048，n＝4000。

所述处理模块601对所述原始数据data(m，n)进行处理的方式如下：对原始数据data(m，n)先后做减平均背景光谱、插值、乘色散补偿因子和纵向傅里叶变换处理，从而得到复数矩阵dataFFT(m，n)，其中，dataFFT(m，n)为m行及n列的复数矩阵。

所述范围确定模块602用于通过所述复数矩阵dataFFT(m，n)计算出多普勒图像dataDop(m，n)，并根据多普勒图像dataDop(m，n)确定用于计算背景多普勒的纵向范围。

在本实施例中，所述多普勒图像dataDop(m，n)通过如下第一公式计算得到：

$dataDop(m,n)={\tan }^{-1}\left(\frac{\mathrm{Im}\[dataFFT(m,n)\·dataFFT{(m,n-1)}^{*}\]}{\mathrm{Re}\[dataFFT(m,n)\·dataFFT{(m,n-1)}^{*}\]}\right),$ 其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，dataFFT(m，n)为dataFFT中第m行及n列的复数，dataFFT(m，n-1)为dataFFT中第m行及n-1列的复数。

具体而言，图4即为通过所述复数矩阵dataFFT(m，n)计算出多普勒图像dataDop(m，n)，从图4中观察到的明暗相间的竖条状区域就是所要消除的低频背景多普勒，杂乱分布的竖线就是所要消除的高频背景多普勒，而椭圆内为生物组织70的血流信号。通过得到的多普勒图像dataDop(m，n)，可以确定用于计算背景多普勒的纵向范围。具体地说，所述用于计算背景多普勒的纵向范围为生物组织70的血管上方组织信号的纵向范围(m₁，m₂)。m₁及m₂的数值可以根据用户的需求进行设定，在实施例中，m₁＝120，m₂＝180，即选择血管上方120到180范围内的组织信号计算背景多普勒。在其它实施例中，m₁及m₂的值可以为其它值，例如，m₁＝35，m₂＝90，即选择血管上方35到90范围内的组织信号计算背景多普勒。

所述计算模块603用于根据所述背景多普勒的纵向范围，计算出背景多普勒DopBZ(n)。

在本实施例中，所述背景多普勒DopBZ(n)的计算方式通过如下第二公式计算得到： $DopBZ\left(n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}{\mathrm{Re}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}\right),$ 其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，m₁及m₂为背景多普勒的纵向范围，dataFFT(j，n)为dataFFT中第j行及n列的复数，dataFFT(j，n-1)为dataFFT中第j行及n-1列的复数，j为m₁与m₂之间的任意整数值。通过第二公式计算得出的背景多普勒如图5所示。

所述消除模块604用于在多普勒图像中消除所述计算得到的背景多普勒DopBZ(n)。

在本实施例中，所述在多普勒图像中消除背景多普勒DopBZ(n)的计算方式通过如下第三公式计算得到：

$Dop\left(m,n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\left(\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}{\mathrm{Re}\[\left(\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}\right),$

其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，DopBZ(n)为背景多普勒，dataFFT(m，n+j)为dataFFT中第m行及n+j列的复数，dataFFT(m，n+j-1)为dataFFT中第m行及n+j-1列的复数,j为m₁到m₂之间的任意整数值。需要说明的是，通过该第三公式不仅在多普勒图像中消除了背景多普勒，还对消除背景多普勒之后的多普勒图像做了横向的多线权重平均，也就是说，在消除背景多普勒时，还对于干涉信号强度不同的点匹配相应的权重因子，确保了多普勒图像在消除背景多普勒之后的准确度。通过第三公式消除背景多普勒DopBZ(n)之后的多普勒图像如图6所示，从图6可以观察到，不管是椭圆内(即血管内部信号)还是椭圆外(即外部组织信号)，都变的非常平滑，没有了图4中明暗相间的竖条状区域和高频的竖线，也就是说，图4中原有的背景多普勒被消除。相较地，图7为采用传统的统计方式消除背景多普勒之后的多普勒图像，从图7可以看出，还留有明暗相间的竖条状区域和部分高频竖线，即还留有部分背景多普勒。

图3是本发明实施例中背景多普勒消除方法的流程图。需要强调的是：图3所示流程图仅为一个较佳实施例，本领域的技术人员当知，任何围绕本发明思想构建的实施例都不应脱离于如下技术方案涵盖的范围。

步骤S101，所述处理模块601对通过OCT成像仪1(即通过OCT成像仪1的电子耦合装置，Charge-coupledDevice，CCD)扫描得到的生物组织70的原始数据data(m，n)进行处理，以得到复数矩阵dataFFT(m，n)。需要说明的是，在所述原始数据data(m，n)中，n代表列，表示OCT成像仪1对生物组织70进行了n次轴向扫描(A-SCAN)，而m代表行，表示OCT成像仪1每一次对生物组织70进行轴向扫描(A-SCAN)会有m个像素值。需要说明的是，m及n的数值可以根据用户的需求进行设定，在实施例中，m＝1024，n＝2000，在其它实施例中，m及n的值可以为其它值，例如，m＝2048，n＝4000。

步骤S102，所述范围确定模块602通过所述复数矩阵dataFFT(m，n)计算出多普勒图像dataDop(m，n)，并根据多普勒图像dataDop(m，n)确定用于计算背景多普勒的纵向范围。

在本实施例中，所述多普勒图像dataDop(m，n)通过如下第一公式计算得到：

$dataDop(m,n)={\tan }^{-1}\left(\frac{\mathrm{Im}\[dataFFT(m,n)\·dataFFT{(m,n-1)}^{*}\]}{\mathrm{Re}\[dataFFT(m,n)\·dataFFT{(m,n-1)}^{*}\]}\right),$ 其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，dataFFT(m，n)为dataFFT中第m行及n列的复数，dataFFT(m，n-1)为dataFFT中第m行及n-1列的复数。

具体而言，图4即为通过所述复数矩阵dataFFT(m，n)计算出多普勒图像dataDop(m，n)，从图4中观察到的明暗相间的竖条状区域就是所要消除的低频背景多普勒，杂乱分布的竖线就是所要消除的高频背景多普勒，而椭圆内为生物组织70的血流信号。通过得到的多普勒图像dataDop(m，n)，可以确定用于计算背景多普勒的纵向范围。具体地说，所述背景多普勒的纵向范围为生物组织70的血管上方组织信号的纵向范围(m₁，m₂)。m₁及m₂的数值可以根据用户的需求进行设定，在实施例中，m₁＝120，m₂＝180，即选择血管上方120到180范围内的组织信号计算背景多普勒。在其它实施例中，m及n的值可以为其它值，例如，m₁＝35，m₂＝90，即选择血管上方35到90范围内的组织信号计算背景多普勒。

步骤S103，所述计算模块603根据所述背景多普勒的纵向范围，计算出背景多普勒DopBZ(n)。

在本实施例中，所述背景多普勒DopBZ(n)的计算方式通过如下第二公式计算得到： $DopBZ\left(n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}{\mathrm{Re}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}\right),$ 其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，m₁及m₂为用于计算背景多普勒的纵向范围，dataFFT(j，n)为dataFFT中第j行及n列的复数，dataFFT(j，n-1)为dataFFT中第j行及n-1列的复数，j为m₁与m₂之间的任意整数值。通过第二公式计算得出的背景多普勒如图5所示。

步骤S104，所述消除模块604在多普勒图像中消除所述计算得到的背景多普勒DopBZ(n)。

在本实施例中，所述在多普勒图像中消除背景多普勒DopBZ(n)的计算方式通过如下第三公式计算得到：

$Dop\left(m,n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\left(\underset{j=m1}{\overset{m2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}{\mathrm{Re}\[\left(\underset{j=m1}{\overset{m2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}\right),$

其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，DopBZ(n)为背景多普勒，dataFFT(m，n+j)为dataFFT中第m行及n+j列的复数，dataFFT(m，n+j-1)为dataFFT中第m行及n+j-1列的复数，j为数值m₁到m₂之间的任意整数值。需要说明的是，通过该第三公式不仅在多普勒图像中消除了背景多普勒，还对消除背景多普勒之后的多普勒图像做了横向的多线权重平均，也就是说，在消除背景多普勒时，还对于干涉信号强度不同的点匹配相应的权重因子，确保了多普勒图像在消除背景多普勒之后的准确度。通过第三公式消除背景多普勒DopBZ(n)的多普勒图像如图6所示，从图6可以观察到，不管是椭圆内(即血管内部信号)还是椭圆外(即外部组织信号)，都变的非常平滑，没有了图4中明暗相间的竖条状区域和高频的竖线，也就是说，图4中原有的背景多普勒被消除。相较地，图7为采用传统的统计方式消除背景多普勒之后的多普勒图像，从图7可以看出，还留有明暗相间的竖条状区域和部分高频信号，即还留有部分背景多普勒。作为一个具体的实施例，本发明申请文件中的多线权重平均优先选择为八线权重平均。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种背景多普勒消除系统，应用于光学相干层析成像仪中，其特征在于，该系统包括：

处理模块，用于对通过光学相干层析成像仪扫描得到的生物组织的原始数据进行处理，以得到复数矩阵；

范围确定模块，用于通过所述复数矩阵计算出多普勒图像，并根据多普勒图像确定用于计算背景多普勒的纵向范围；

计算模块，用于根据所述用于计算背景多普勒的纵向范围，计算出背景多普勒；

消除模块，用于在多普勒图像中消除所述计算得到的背景多普勒。

2.如权利要求1所述的背景多普勒消除系统，其特征在于：所述用于计算背景多普勒的纵向范围为多普勒图像中生物组织的血管上方组织信号的纵向范围(m₁，m₂)。

3.如权利要求1至2中任意一项所述的背景多普勒消除系统，其特征在于：所述背景多普勒的计算方式通过如下公式计算得到： $DopBZ\left(n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}{\mathrm{Re}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}\right),$ 其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，m₁及m₂为用于计算背景多普勒的纵向范围，dataFFT(j，n)为dataFFT中第j行及n列的复数，dataFFT(j，n-1)为dataFFT中第j行及n-1列的复数，j为m₁与m₂之间的任意整数值。

4.如权利要求3中所述的背景多普勒消除系统，其特征在于：所述在多普勒图像中消除背景多普勒的计算方式通过如下公式计算得到：

$Dop\left(m,n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\left(\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}{\mathrm{Re}\[\left(\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}\right),$

其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，DopBZ(n)为背景多普勒，dataFFT(m，n+j)为dataFFT中第m行及n+j列的复数，dataFFT(m，n+j-1)为dataFFT中第m行及n+j-1列的复数。

5.如权利要求4中所述的背景多普勒消除系统，其特征在于：对消除背景多普勒之后的多普勒图像做了横向的多线权重平均。

6.一种背景多普勒消除方法，适用于光学相干层析成像仪中，其特征在于，该方法包括：

对通过光学相干层析成像仪扫描得到的生物组织的原始数据进行处理，以得到复数矩阵；

通过所述复数矩阵计算出多普勒图像，并根据多普勒图像确定用于计算背景多普勒的纵向范围；

根据所述用于计算背景多普勒的纵向范围，计算出背景多普勒；及在多普勒图像中消除所述计算得到的背景多普勒。

7.如权利要求6所述的背景多普勒消除方法，其特征在于：所述用于计算背景多普勒的纵向范围为多普勒图像中生物组织的血管上方组织信号的纵向范围(m₁，m₂)。

8.如权利要求6至7中任意一项所述的背景多普勒消除方法，其特征在于：所述背景多普勒的计算方式通过如下公式计算得到： $DopBZ\left(n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}{\mathrm{Re}\[\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(j,n\right)\·dataFFT{\left(j,n-1\right)}^{*}\]}\right),$ 其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，m₁及m₂为用于计算背景多普勒数据的纵向范围，dataFFT(j，n)为dataFFT中第j行及n列的复数，dataFFT(j，n-1)为dataFFT中第j行及n-1列的复数，j为m₁与m₂之间的任意整数值。

9.如权利要求8所述的背景多普勒消除方法，其特征在于：所述在多普勒图像中消除背景多普勒的计算方式通过如下公式计算得到：

$Dop\left(m,n\right)={\tan }^{-1}\left(\frac{\mathrm{Im}\[\left(\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}{\mathrm{Re}\[\left(\underset{j=m_1}{\overset{m_2}{\Σ}}dataFFT\left(m,n+j\right)\·dataFFT{\left(m,n+j-1\right)}^{*}\right)\·\left(\cos DopBZ\left(n\right)-i\·\sin DopBZ\left(n\right)\right)\]}\right),$

其中，Im[]表示取虚部，Re[]表示取实部，“*”表示复数的共轭，DopBZ(n)为背景多普勒数据，dataFFT(m，n+j)为dataFFT中第m行及n+j列的复数，dataFFT(m，n+j-1)为dataFFT中第m行及n+j-1列的复数。

10.如权利要求9所述的背景多普勒消除方法，其特征在于：对消除背景多普勒之后的多普勒图像做了横向的多线权重平均。