CN105342597B - 一种定量激光血流检测方法 - Google Patents
一种定量激光血流检测方法 Download PDFInfo
- Publication number
- CN105342597B CN105342597B CN201510869892.3A CN201510869892A CN105342597B CN 105342597 B CN105342597 B CN 105342597B CN 201510869892 A CN201510869892 A CN 201510869892A CN 105342597 B CN105342597 B CN 105342597B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- time
- speckle
- contrasts
- 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
Abstract
本发明公开了一种定量激光血流检测成像方法。本发明采用激光照明,基于动态激光散斑时域和空域统计特性差异,提出了一种在固定曝光时间下,消除静态成分干扰的,非侵入式的,高时空分辨率的定量激光血流检测方法。与其他现有的激光血流检测技术相比,本发明提供的定量激光血流检测方法优点在于:无需添加额外的装置改变曝光时间,仅需要在固定曝光时间下即可消除静态成分干扰,完成血流的定量测量。本发明适用于脑功能成像、神经生理学、脑疾病病理学和药效评价的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血流检测技术,具体为一种在固定曝光时间下采用激光照明,消除静态成分干扰的血流定量检测成像方法,它尤其适合于定量地研究生理和病理状态下有静态成分干扰的生物组织血流微循环变化,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
定量地获取血流分布及变化信息对研究生理和病理状态下神经-血管耦合与调节、药物对血管及微循环作用的效应评价,以及脑缺血、脑溢血等重大脑疾病的诊断与病理研究有重大意义。基于激光照明,动态散斑统计特性的激光散斑血流成像技术能无需扫描地、非接触地对血流进行二维的高时间和空间分辨率的成像测量;然而当血管及微循环上方有静态成分覆盖时,如皮肤、硬脑膜,颅骨等,传统的激光散斑血流成像技术会受到静态成分的干扰,不能准确地定量测量血流变化。而改进后的多曝光散斑成像技术虽然能够消除静态成分的干扰,准确量化血流变化,但是该技术需要添加一个声光调制器去改变曝光时间,同时还要控制激光功率,不仅增加了成像装置的复杂性,而且降低了血流成像的时间分辨率,不利于研究血流快速变化的生理过程。
发明内容
本发明的目的在于提供一种以简易的成像装置,在固定的曝光时间下,定量的激光血流检测计算方法。该方法解决了在有静态组织成分覆盖时,传统激光散斑成像技术测得的血流相对变化偏低的问题,实现了血流的定量检测及其二维分布的高分辨率成像。
本发明提供了一种抗静态成分干扰的定量激光血流检测计算方法,其步骤为:
(1)将激光光束照射在被测对象上,用CCD或CMOS相机通过光学成像系统,以一固定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;采集的帧数N为:N≥50;
(2)把被测对象换成成像系统的校正标准盘,重新对焦后以相同的曝光时间和帧间隔时间采集1帧标准盘反射的激光散斑图像;
(3)对采集到的被测对象反射产生的某一帧激光散斑图像,在该帧图像上选取一个尺寸为W×W的空间窗口,该空间窗口内的W×W个像素组成一个大小为W2的像素集,该像素集内各像素的灰度值设为Ii,利用公式(I)计算该空间窗口内的空间散斑衬比Ks,赋值给该空间窗口的中心位置的像素;
其中W为空间窗口的尺寸大小,Ii代表该W×W的空间窗口中第i个像素的灰度值,为这W2个像素灰度的平均值;
(4)按步骤(3)滑动空间窗口,遍历整个散斑图像,获得所有像素对应的衬比值Ks(i,j);分别以每个像素对应的衬比值为灰度,构建二维的空间散斑衬比图像;
(5)对所获得的N帧散斑图像重复步骤(3)和(4)操作,得到N帧二维的空间散斑衬比图像,然后把这N帧空间散斑衬比图像点对点的累加起来取平均完成多帧平均滤波运算,以获取一帧信噪比较高的空间散斑衬比图像;
(6)对采集到的被测对象反射产生的N帧激光散斑图像,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(II)计算该时间轴上的衬比Kt;
其中N为所采集的图像帧数,Ip代表N帧图像中同一位置处对应N个像素中第p个像素的灰度值,为这N个像素灰度的平均值;
(7)按步骤(6)遍历图像中所有的像素,获得所有像素对应的时间衬比值Kt(i,j)。分别以每个像素对应的衬比值为灰度,构建二维的时间散斑衬比图像;
(8)对步骤(7)获得的时间散斑衬比图像,在该帧图像上选取一个和步骤(3)相同的尺寸为W×W的空间滑动窗口,依次计算该空间滑动窗口内的各像素的衬比均值,赋值给该空间滑动窗口的中心位置的像素,得到空间平均滤波后的时间散斑衬比图像;
(9)对采集到的标准盘反射回的激光散斑图像,把该图像被均匀照明区域的所有像素组成一个像素集Ns 2,以公式(III)计算时间衬比系统校正因子;
其中Kgrobal称为静态全局空间衬比,Ns 2为该图像被均匀照明区域的所有像素个数,Ii代表Ns 2个像素中第i个像素的灰度值,为这Ns 2个像素灰度的平均值;
(10)对采集到的标准盘反射回的激光散斑图像,把该图像被均匀照明区域的Ns×Ns个像素划分为Ns/W个W×W的小窗口,把对小窗口内的像素组成一个像素集,以公式(IV)计算小窗口内的局域空间衬比的平方
(11)重复步骤(10)计算出Ns/W个小窗口内的空间衬比的平方,空间衬比系统校正因子βs为所求的Ns/W个的均值;
(12)按照公式(V)计算来自于静态成分光子数的比例;
(13)把步骤(9)计算得到的βt和步骤(12)计算得到的ρ代入公式(VI),采用数值计算解得电场自相关时间τc;
其中x=T/τc;T为相机设定的曝光时间;
(14)利用所得电场自相关时间计算该象素处的脑血流速度V(i,j),公式如下:
其中c为校正系数
(15)按步骤(3)~(14)遍历图像中所有的象素,获得所有象素对应的电场自相关函数和血流速度值;
(16)分别以每个象素对应的血流速度值为灰度,构建二维的血流速度分布图。
优选的,每帧图像采集的曝光时间为1ms~20ms,帧间隔时间20~200ms。
实现上述方法的装置,其结构为:激光光源、第一线偏振片与被测对象依次位于照明光路上,且第一线偏振片与入射激光光束垂直;被测对象、第二偏振片以及光电成像系统依次位于成像光路上,第二线偏振片与光电成像系统光轴方向垂直,与光电成像系统同心,且其偏振方向与第一线偏振片的偏振方向相垂直;计算机通过图像采集卡与光电成像系统相连,用于数据采集和处理。
本发明基于动态激光散斑时域和空域统计特性分析,提出了一种在固定曝光时间下,消除静态成分干扰的定量激光血流检测方法。与其他现有的激光血流检测技术相比,本发明提供的定量激光血流检测方法优点在于:无需添加额外的装置改变曝光时间,仅需要在固定曝光时间下即可消除静态成分干扰,完成血流的定量测量。其应用范围在于可用以研究生理和病理状态下的大鼠、小鼠、兔、猫、猴等实验动物,以及人的脑皮层局部血流分布,以及神经活动、脑疾病引起的脑皮层血流变化。本发明适用于脑功能成像、神经生理学、脑疾病病理学和药效评价的研究。
附图说明
下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。
图1是将本发明公开的方法应用于生物组织仿体实验的成像装置图。
图2是本发明公开的定量激光血流检测方法的图像操作,流速计算的流程图。
图3a是采用其它已有方法(激光散斑成像空间衬比分析)所得的流速二维分布图。
图3b是与图3a同样的实验数据采用本发明公开的方法所得的流速二维分布图。
图3c是采用其它已有方法(激光散斑成像空间衬比分析)所得的不同静态成分覆盖的流速相对变化图。
图3d是与图3c同样的实验数据下采用本发明公开的方法所得的不同静态成分覆盖的流速相对变化图。
具体实施方式
本发明提出的定量激光血流检测方法采用的成像装置和传统激光散斑血流成像技术装置相同,如附图1所示,其结构为:激光光束、第一线偏振片与被测对象依次位于照明光路上,且第一线偏振片与入射激光光束垂直;被测对象、第二偏振片以及光电成像系统依次位于成像光路上,第二线偏振片与光电成像系统光轴方向垂直,与光电成像系统同心,且其偏振方向与第一线偏振片的偏振方向相垂直;计算机通过图像采集卡与光电成像系统相连,用于数据采集和处理。
对采集得到的激光散斑图像进行操作的流程图如附图2所示。结合图2所示,步骤为:
(1)将激光光束照射在被测对象上,用CCD或CMOS相机通过光学成像系统,以固定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~20ms,帧间隔时间20~200ms,采集的帧数N为:N≥50;
(2)把被测对象换成成像系统的校正标准盘,重新对焦后以相同的曝光时间和帧间隔时间采集1帧标准盘反射的激光散斑图像;
(3)对采集到的被测对象反射产生的某一帧激光散斑图像,在该帧图像上选取一个尺寸为W×W的空间窗口,该空间窗口内的W×W个像素组成一个大小为W2的像素集,该像素集内各像素的灰度值设为Ii,利用公式(I)计算该空间窗口内的空间散斑衬比Ks,赋值给该空间窗口的中心位置的像素;
其中W为空间窗口的尺寸大小,Ii代表该W×W的空间窗口中第i个像素的灰度值,为这W2个像素灰度的平均值;
(4)按步骤(3)滑动空间窗口,遍历整个散斑图像,获得所有像素对应的衬比值Ks(i,j);分别以每个像素对应的衬比值为灰度,构建二维的空间散斑衬比图像;
(5)对所获得的N帧散斑图像重复步骤(3)和(4)操作,得到N帧二维的空间散斑衬比图像,然后把这N帧空间散斑衬比图像点对点的累加起来取平均完成多帧平均滤波运算,以获取一帧信噪比较高的空间散斑衬比图像;
(6)对采集到的被测对象反射产生的N帧激光散斑图像,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(II)计算该时间轴上的衬比Kt;
其中N为所采集的图像帧数,Ip代表N帧图像中同一位置处对应N个像素中第p个像素的灰度值,为这N个像素灰度的平均值;
(7)按步骤(6)遍历图像中所有的像素,获得所有像素对应的时间衬比值Kt(i,j)。分别以每个像素对应的衬比值为灰度,构建二维的时间散斑衬比图像;
(8)对步骤(7)获得的时间散斑衬比图像,在该帧图像上选取一个和步骤(3)相同的尺寸为W×W的空间滑动窗口,依次计算该空间滑动窗口内的各像素的衬比均值,赋值给该空间滑动窗口的中心位置的像素,得到空间平均滤波后的时间散斑衬比图像;
(9)对采集到的标准盘反射回的激光散斑图像,把该图像被均匀照明区域的所有像素组成一个像素集Ns 2,以公式(III)计算时间衬比系统校正因子;
其中Kgrobal称为静态全局空间衬比,Ns 2为该图像被均匀照明区域的所有像素个数,Ii代表Ns 2个像素中第i个像素的灰度值,为这Ns 2个像素灰度的平均值;
(10)对采集到的标准盘反射回的激光散斑图像,把该图像被均匀照明区域的Ns×Ns个像素划分为Ns/W个W×W的小窗口,把对小窗口内的像素组成一个像素集,以公式(IV)计算小窗口内的局域空间衬比的平方
(11)重复步骤(10)计算出Ns/W个小窗口内的空间衬比的平方,空间衬比系统校正因子βs为所求的Ns/W个的均值;
(12)按照公式(V)计算来自于静态成分光子数的比例;
(13)把步骤(9)计算得到的βt和步骤(12)计算得到的ρ代入公式(VI),采用数值计算解得电场自相关时间τc;
其中x=T/τc;T为相机设定的曝光时间;
(14)利用所得电场自相关时间计算该象素处的脑血流速度V(i,j),公式如下:
其中c为校正系数
(15)按步骤(3)~(14)遍历图像中所有的象素,获得所有象素对应的电场自相关函数和血流速度值;
(16)分别以每个象素对应的血流速度值为灰度,构建二维的血流速度分布图。
本发明提出的定量激光血流检测方法是利用动态激光散斑在时间域和空间域的统计差异,提取出静态散射成分光子的贡献,并结合量化的激光散斑时间衬比模型定量的求解出电场自相关时间,重建二维血流速度分布图,该发明能在固定曝光时间下克服静态成分干扰,准确量化血流变化。
仿体实验
实验对象为生物组织仿体,一个充满脂肪乳溶液的玻璃导管以7.2°倾斜角斜埋入凝胶制成的固态散射介质,用步进电机以一定速度推动脂肪乳溶液在导管中做定向运动,用于模拟不同静态成分覆盖的定向运动的血流;采取如附图1的装置进行成像,以660nm的半导体激光器为光源,准直扩束后的激光光束均匀照射在生物仿体上。用光电成像系统对该生物仿体表面的散斑成像。曝光时间5ms,帧间隔时间30ms,连续采集50帧激光照明图像,按本发明所述方法计算滤波后的时间衬比图像和空间衬比图像。然后用表面研磨均匀的陶瓷标准盘替换掉生物仿体,重新对焦后,采集1帧激光照明图像,用于计算时间衬比系统校正因子和空间衬比校正因子。然后按本发明所述方法计算电场自相关函数,并进一步重建二维流速分布图像,所得结果如图3b所示,图3中间为一根斜埋入散射介质的充满流体的玻璃管流速分布图,颜色越白代表测得的流速越高,颜色越黑代表测得的流速越低。以相同的实验数据,采用其它已有方法(激光散斑成像空间衬比分析)所得的流速二维分布图如图3a所示。图3中字母A至D标出的区域代表流体上四个不同厚度的静态成分覆盖的区域,从字母A区域到D区域对应的静态成分厚度分别为30,120,180,260μm。从图3a和图3b的比较中,可以非常清楚的看出图3b中字母B至D区域的流速值比图3a中的相同位置的流速值高,而且图3b中字母B至D区域的流速值相比于图3a更接近于字母A区域的流速值。这表明本发明所提供的方法可以很好的抑制静态成分干扰,更为灵敏地探测静态成分较厚位置的流速信息。当改变步进电机推进速度时,按本发明所述方法计算的不同厚度的静态成分覆盖区域的流速相对变化曲线如图3d所示;以相同的实验数据,采用其它已有方法(激光散斑成像空间衬比分析)计算的不同厚度的静态成分覆盖区域的流速相对变化曲线如图3c所示。从图3c和图3d的比较中,可以明显看出本发明所提供的方法测得的流速相对变化与实际流速相对变化基本一致,而激光散斑成像空间分析方法明显受到静态成分干扰,不能准确反映真实流速相对变化。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种定量激光血流检测方法,其步骤为:
(1)将激光光束照射在被测对象上,用CCD或CMOS相机通过光学成像系统,以一固定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;采集的帧数N为:N≥50;
(2)把被测对象换成成像系统的校正标准盘,重新对焦后以相同的曝光时间和帧间隔时间内采集1帧标准盘反射的激光散斑图像;
(3)对采集到的被测对象反射产生的某一帧激光散斑图像,在该帧图像上选取一个尺寸为W×W的空间窗口,该空间窗口内的W×W个像素组成一个大小为W2的像素集,该像素集内各像素的灰度值设为Ii,i=1,2,...,W2,利用公式(I)计算该空间窗口内的空间散斑衬比Ks,赋值给该空间窗口的中心位置的像素;
其中W为空间窗口的尺寸大小,Ii代表该W×W的空间窗口中第i个像素的灰度值,为这W2个像素灰度的平均值;
(4)按步骤(3)滑动空间窗口,遍历整个散斑图像,获得所有像素对应的衬比值Ks(i,j);分别以每个像素对应的衬比值为灰度,构建二维的空间散斑衬比图像;
(5)对所获得的N帧散斑图像重复步骤(3)和(4)操作,得到N帧二维的空间散斑衬比图像,然后把这N帧空间散斑衬比图像点对点的累加起来取平均完成多帧平均滤波运算,以获取一帧信噪比较高的空间散斑衬比图像;
(6)对采集到的被测对象反射产生的N帧激光散斑图像,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,p=1,2,...,N,利用公式(II)计算该时间轴上的衬比Kt;
其中N为所采集的图像帧数,Ip代表N帧图像中同一位置处对应N个像素中第p个像素的灰度值,为这N个像素灰度的平均值;
(7)按步骤(6)遍历图像中所有的像素,获得所有像素对应的时间衬比值Kt(i,j);分别以每个像素对应的衬比值为灰度,构建二维的时间散斑衬比图像;
(8)对步骤(7)获得的时间散斑衬比图像,在该帧图像上选取一个和步骤(3)相同的尺寸为W×W的空间滑动窗口,依次计算该空间滑动窗口内的各像素的衬比均值,赋值给该空间滑动窗口的中心位置的像素,得到空间平均滤波后的时间散斑衬比图像;
(9)对采集到的标准盘反射回的激光散斑图像,把该图像被均匀照明区域的所有像素组成一个像素集Ns 2,以公式(III)计算时间衬比系统校正因子;
其中Kgrobal称为静态全局空间衬比,Ns 2为该图像被均匀照明区域的所有像素个数,Ii代表Ns 2个像素中第i个像素的灰度值,为这Ns 2个像素灰度的平均值;
(10)对采集到的标准盘反射回的激光散斑图像,把该图像被均匀照明区域的Ns×Ns个像素划分为Ns/W个W×W的小窗口,Ns为该被均匀照明区域的以像素数量计的边长,当Ns/W不为整数时,对Ns/W下取整,把对小窗口内的像素组成一个像素集,以公式(IV)计算小窗口内的局域空间衬比的平方
(11)重复步骤(10)计算出Ns/W个小窗口内的空间衬比的平方,空间衬比系统校正因子βs为所求的Ns/W个的均值;
(12)按照公式(V)计算来自于静态成分光子数的比例;
(13)把步骤(9)计算得到的βt和步骤(12)计算得到的ρ代入公式(VI),采用数值计算解得电场自相关时间τc;
其中x=T/τc;T为相机设定的曝光时间;
(14)利用所得电场自相关时间计算该像 素处的脑血流速度V(i,j),公式如下:
其中c为校正系数,τc(i,j)为图像阵列上第i行、第j列的像素点对应的电场自相关时间;
(15)按步骤(3)~(14)遍历图像中所有的像 素,获得所有像 素对应的电场自相关函数和血流速度值;
(16)分别以每个像 素对应的血流速度值为灰度,构建二维的血流速度分布图。
2.根据权利要求1所述的方法,其特征在于:所述每帧图像采集的曝光时间为1ms~20ms,帧间隔时间20~200ms。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510869892.3A CN105342597B (zh) | 2015-12-01 | 2015-12-01 | 一种定量激光血流检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510869892.3A CN105342597B (zh) | 2015-12-01 | 2015-12-01 | 一种定量激光血流检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105342597A CN105342597A (zh) | 2016-02-24 |
CN105342597B true CN105342597B (zh) | 2018-05-08 |
Family
ID=55318778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510869892.3A Active CN105342597B (zh) | 2015-12-01 | 2015-12-01 | 一种定量激光血流检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105342597B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108042126B (zh) * | 2017-12-08 | 2022-03-22 | 中国医学科学院生物医学工程研究所 | 一种改进的激光散斑衬比血流成像方法 |
CN108478207B (zh) * | 2018-01-09 | 2021-08-06 | 南京航空航天大学 | 一种多模态大脑生理监测系统 |
CN109615999A (zh) * | 2018-12-04 | 2019-04-12 | 紫罗兰家纺科技股份有限公司 | 一种能量产品的演示和检测方法 |
CN109717861A (zh) * | 2018-12-28 | 2019-05-07 | 华中科技大学鄂州工业技术研究院 | 一种血流速度的激光散斑检测方法及检测装置 |
CN114569105B (zh) * | 2022-04-29 | 2022-08-09 | 天津工业大学 | 一种基于扩散相干光谱图像的脑血流量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697871A (zh) * | 2009-11-16 | 2010-04-28 | 华中科技大学 | 一种自动分割动静脉血管的激光成像方法和装置 |
WO2010096453A1 (en) * | 2009-02-17 | 2010-08-26 | Board Of Regents, The University Of Texas System | Methods of producing laser speckle contrast images |
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 |
CN103330557A (zh) * | 2013-06-25 | 2013-10-02 | 上海理工大学 | 基于曝光时间测定的激光散斑血流成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7359062B2 (en) * | 2003-12-09 | 2008-04-15 | The Regents Of The University Of California | High speed spectral domain functional optical coherence tomography and optical doppler tomography for in vivo blood flow dynamics and tissue structure |
-
2015
- 2015-12-01 CN CN201510869892.3A patent/CN105342597B/zh active Active
Patent Citations (4)
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 |
CN101697871A (zh) * | 2009-11-16 | 2010-04-28 | 华中科技大学 | 一种自动分割动静脉血管的激光成像方法和装置 |
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 |
CN103330557A (zh) * | 2013-06-25 | 2013-10-02 | 上海理工大学 | 基于曝光时间测定的激光散斑血流成像方法 |
Non-Patent Citations (2)
Title |
---|
Fast blood flow visualization of high-resolution laser speckle imaging data using graphics processing unit;Shusen Liu et.al.;《Optics Express》;20080829;第16卷(第19期);14321-14329 * |
一种改善激光散斑流速成像精度的方法;邱建军 等;《中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)》;20071231;465-467 * |
Also Published As
Publication number | Publication date |
---|---|
CN105342597A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105342597B (zh) | 一种定量激光血流检测方法 | |
Liba et al. | Speckle-modulating optical coherence tomography in living mice and humans | |
CN101485565B (zh) | 一种激光散斑血流成像分析方法 | |
US11160470B2 (en) | Motion tracking apparatus and method | |
EP2888994A1 (en) | Speckle contrast optical tomography | |
CN100502771C (zh) | 一种经颅脑血流高分辨成像方法及其装置 | |
Huang et al. | Speckle contrast diffuse correlation tomography of complex turbid medium flow | |
CA2355892A1 (en) | Time-resolved optical backscattering tomographic image reconstruction in scattering turbid media | |
Tsugita et al. | Positional differences and aging changes in Japanese woman epidermal thickness and corneous thickness determined by OCT (optical coherence tomography) | |
Dragojević et al. | High-density speckle contrast optical tomography of cerebral blood flow response to functional stimuli in the rodent brain | |
Dragojević et al. | High-density speckle contrast optical tomography (SCOT) for three dimensional tomographic imaging of the small animal brain | |
He et al. | Noncontact diffuse correlation tomography of human breast tumor | |
Guggenheim et al. | Multi-modal molecular diffuse optical tomography system for small animal imaging | |
CN107485383A (zh) | 一种基于成分分析的散斑血流成像方法和装置 | |
CN109752377A (zh) | 一种分光式双模态投影层析组织血管成像装置及方法 | |
CN108805954B (zh) | 一种投影层析三维血流速度测量装置及方法 | |
CN105662354B (zh) | 一种广视角光学分子断层成像导航系统及方法 | |
Paul et al. | A simple algorithm for diffuse optical tomography without Jacobian inversion | |
Hao et al. | A quantitative laser speckle-based velocity prediction approach using machine learning | |
CN101966077A (zh) | 多角度成像装置 | |
CN110301908A (zh) | 一种基于微血流成像衬比算法的血流速度监测方法 | |
CN201641973U (zh) | 多角度成像装置 | |
US20120078114A1 (en) | System and method for real-time perfusion imaging | |
Buibas et al. | Mapping the spatiotemporal dynamics of calcium signaling in cellular neural networks using optical flow | |
CN116831528A (zh) | 一种基于高光谱重建的多尺度信息融合的糖尿病足预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |