CN107452029A - 一种光学微血管血流成像方法 - Google Patents
一种光学微血管血流成像方法 Download PDFInfo
- Publication number
- CN107452029A CN107452029A CN201710640299.0A CN201710640299A CN107452029A CN 107452029 A CN107452029 A CN 107452029A CN 201710640299 A CN201710640299 A CN 201710640299A CN 107452029 A CN107452029 A CN 107452029A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- blood flow
- time
- 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.)
- Pending
Links
Classifications
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种光学微血管血流成像方法,包括:进行数据采集,OCT系统进行原始光谱信号采集、k空间变换、插值运算、傅立叶变换,生成B‑Scan图像;图像配准;图像灰度叠加平均;时间散斑衬比处理,将h幅配准后的图像空间上每一个像素都对应一个光强变化的时间序列,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;图像标记。本发明的一种光学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。
Description
技术领域
本发明涉及一种血流成像方法。特别是涉及一种光学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:
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:
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:
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:
这里MxN为窗大小,IA和IB为相邻子图,和为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:
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。
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,提高了信噪比的光学微血管血流成像方法
本发明所采用的技术方案是:一种光学微血管血流成像方法,包括如下步骤:
1)进行数据采集,包括:
OCT系统进行原始光谱信号采集、k空间变换、插值运算、傅立叶变换,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:
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,Ii(x,z)表示每个位置第i幅B-scan灰度图像,Is(x,y)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)时间散斑衬比处理
h幅配准后的图像空间上每一个像素都对应一个光强变化的时间序列,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:
式中It(x,y)表示时间衬比灰度图像,Ii(x,z)表示每个位置的第i幅B-Scan图像,表示每个位置h幅B-Scan图像的平均灰度图像;
5)图像标记
时间衬比图像It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,所以通过时间衬比图像It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,z)=Is(x,z)*It(x,z)
式中Iflow表示血流灰度图像,Is(x,z)表示叠加平均灰度图像,It(x,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。
本发明的一种光学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
图1是本发明一种光学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是本发明中相干光散斑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光学微血管血流成像方法做出详细说明。
如图1所示,本发明的一种光学微血管血流成像方法,包括如下步骤:
1)进行数据采集,包括:
OCT系统进行原始光谱信号采集、k空间变换、插值运算、傅立叶变换,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,静态组织在累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:
式中h表示同一位置重复B-scans的次数,x、z为B-scan空间像素坐标,表示扫描宽度和深度,Ii(x,z)表示每个位置第i幅B-scan灰度图像,Is(x,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灰度图像相减实现视网膜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,背景随机散射光噪声减小,信噪比提高。
4)时间散斑衬比处理
时间散斑衬比分析是利用多帧图像同一位置的相干光散斑光强值计算衬比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帧图像。对不同图像的同一位置的相干光散斑光强取平均值<It>和标准差δt如公式(11)所示:
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光强变化的时间序列,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:
式中It(x,z)表示时间衬比灰度图像,Ii(x,z)表示每个位置的第i幅B-Scan图像,表示每个位置h幅B-Scans图像的平均灰度图像;
5)图像标记
时间衬比图像It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,所以通过时间衬比图像It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,z)=Is(x,z)*It(x,z) (13)
式中Iflow表示血流灰度图像,Is(x,z)表示叠加平均灰度图像,It(x,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结构图像包括:(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进行时间相干光散斑衬比处理,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。
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,眼底血流en-face图如图6所示。
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 (3)
1.一种光学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:
OCT系统进行原始光谱信号采集、k空间变换、插值运算、傅立叶变换,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:
<mrow>
<msub>
<mi>I</mi>
<mi>s</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>h</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>h</mi>
</msubsup>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
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,Ii(x,z)表示每个位置第i幅B-scan灰度图像,Is(x,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)时间散斑衬比处理
h幅配准后的图像空间上每一个像素都对应一个光强变化的时间序列,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:
<mrow>
<msub>
<mi>I</mi>
<mi>t</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>h</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>h</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>I</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mrow>
<mover>
<mi>I</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
式中It(x,z)表示时间衬比灰度图像,Ii(x,z)表示每个位置的第i幅B-Scan图像,表示每个位置h幅B-Scan图像的平均灰度图像;
5)图像标记
时间衬比图像It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,所以通过时间衬比图像It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,z)=Is(x,z)*It(x,z)
式中Iflow表示血流灰度图像,Is(x,z)表示叠加平均灰度图像,It(x,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。
2.根据权利要求1所述的一种光学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所述的一种光学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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710640299.0A CN107452029A (zh) | 2017-07-31 | 2017-07-31 | 一种光学微血管血流成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710640299.0A CN107452029A (zh) | 2017-07-31 | 2017-07-31 | 一种光学微血管血流成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107452029A true CN107452029A (zh) | 2017-12-08 |
Family
ID=60490589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710640299.0A Pending CN107452029A (zh) | 2017-07-31 | 2017-07-31 | 一种光学微血管血流成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107452029A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109907731A (zh) * | 2019-01-31 | 2019-06-21 | 浙江大学 | 基于特征空间的光学相干层析的三维血流造影方法及系统 |
CN111436909A (zh) * | 2020-04-28 | 2020-07-24 | 北京信息科技大学 | 一种活体组织的光学相干层析成像系统及方法 |
CN111829985A (zh) * | 2020-07-08 | 2020-10-27 | 杭州今誉信息科技有限公司 | 一种双模态全场光学相干层析成像装置及成像方法 |
CN111951315A (zh) * | 2019-05-17 | 2020-11-17 | 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 |
CN111970971A (zh) * | 2018-05-30 | 2020-11-20 | 松下知识产权经营株式会社 | 识别装置及识别方法 |
CN114511524A (zh) * | 2022-01-21 | 2022-05-17 | 深圳市铱硙医疗科技有限公司 | 一种神经疾病的检测方法与系统 |
CN114569105A (zh) * | 2022-04-29 | 2022-06-03 | 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 |
CN114909987A (zh) * | 2022-05-09 | 2022-08-16 | 东南大学 | 一种b扫描分割法抑制样品整体抖动的方法 |
CN116548911A (zh) * | 2023-05-19 | 2023-08-08 | 北京至真互联网技术有限公司 | 一种基于oct技术的眼部血管成像方法及系统 |
CN117814731A (zh) * | 2024-01-11 | 2024-04-05 | 华中科技大学同济医学院附属同济医院 | 一种血流成像方法、系统、设备和存储介质 |
Citations (7)
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 |
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 |
CN102783938A (zh) * | 2012-09-04 | 2012-11-21 | 上海师范大学 | 一种基于散斑对比度的oct图像分析方法 |
CN103810709A (zh) * | 2014-02-25 | 2014-05-21 | 南京理工大学 | 基于血管的眼底图像与sd-oct投影图像配准方法 |
CN105374028A (zh) * | 2015-10-12 | 2016-03-02 | 中国科学院上海光学精密机械研究所 | 光学相干层析成像视网膜图像分层的方法 |
CN105433906A (zh) * | 2015-12-14 | 2016-03-30 | 华中科技大学 | 一种扫描暗场激光散斑血流成像方法及装置 |
-
2017
- 2017-07-31 CN CN201710640299.0A patent/CN107452029A/zh active Pending
Patent Citations (7)
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 |
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 |
CN102783938A (zh) * | 2012-09-04 | 2012-11-21 | 上海师范大学 | 一种基于散斑对比度的oct图像分析方法 |
CN103810709A (zh) * | 2014-02-25 | 2014-05-21 | 南京理工大学 | 基于血管的眼底图像与sd-oct投影图像配准方法 |
CN105374028A (zh) * | 2015-10-12 | 2016-03-02 | 中国科学院上海光学精密机械研究所 | 光学相干层析成像视网膜图像分层的方法 |
CN105433906A (zh) * | 2015-12-14 | 2016-03-30 | 华中科技大学 | 一种扫描暗场激光散斑血流成像方法及装置 |
Non-Patent Citations (3)
Title |
---|
李丽萍: "图像去噪方法研究", 《信息科技辑》 * |
章鲁等: "《分子成像及医学图像分析》", 31 August 2009 * |
高振玉等: "基于C扫描的视盘OCT图像运动伪差校正算法的研究", 《中国医疗器械杂志》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111970971A (zh) * | 2018-05-30 | 2020-11-20 | 松下知识产权经营株式会社 | 识别装置及识别方法 |
WO2020155415A1 (zh) * | 2019-01-31 | 2020-08-06 | 浙江大学 | 基于特征空间的光学相干层析的三维血流造影方法及系统 |
CN109907731A (zh) * | 2019-01-31 | 2019-06-21 | 浙江大学 | 基于特征空间的光学相干层析的三维血流造影方法及系统 |
US11510574B2 (en) | 2019-01-31 | 2022-11-29 | Zhejiang University | Three-dimensional (3D) optical coherence tomography angiography (OCTA) method and system based on feature space |
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 |
CN111951315A (zh) * | 2019-05-17 | 2020-11-17 | 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 |
CN111436909A (zh) * | 2020-04-28 | 2020-07-24 | 北京信息科技大学 | 一种活体组织的光学相干层析成像系统及方法 |
CN111829985A (zh) * | 2020-07-08 | 2020-10-27 | 杭州今誉信息科技有限公司 | 一种双模态全场光学相干层析成像装置及成像方法 |
CN114511524A (zh) * | 2022-01-21 | 2022-05-17 | 深圳市铱硙医疗科技有限公司 | 一种神经疾病的检测方法与系统 |
CN114569105A (zh) * | 2022-04-29 | 2022-06-03 | 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 |
CN114909987A (zh) * | 2022-05-09 | 2022-08-16 | 东南大学 | 一种b扫描分割法抑制样品整体抖动的方法 |
CN114909987B (zh) * | 2022-05-09 | 2024-02-02 | 东南大学 | 一种b扫描分割法抑制样品整体抖动的方法 |
CN116548911A (zh) * | 2023-05-19 | 2023-08-08 | 北京至真互联网技术有限公司 | 一种基于oct技术的眼部血管成像方法及系统 |
CN116548911B (zh) * | 2023-05-19 | 2023-12-08 | 北京至真互联网技术有限公司 | 一种基于oct技术的眼部血管成像方法及系统 |
CN117814731A (zh) * | 2024-01-11 | 2024-04-05 | 华中科技大学同济医学院附属同济医院 | 一种血流成像方法、系统、设备和存储介质 |
CN117814731B (zh) * | 2024-01-11 | 2024-06-04 | 华中科技大学同济医学院附属同济医院 | 一种血流成像方法、系统、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107452029A (zh) | 一种光学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 | |
Mahmud et al. | Review of speckle and phase variance optical coherence tomography to visualize microvascular networks | |
US10398302B2 (en) | Enhanced vessel characterization in optical coherence tomograogphy angiography | |
CN107862724B (zh) | 一种改进的微血管血流成像方法 | |
CN104271031B (zh) | Oct血管造影数据的分析和可视化 | |
An et al. | High-resolution wide-field imaging of retinal and choroidal blood perfusion with optical microangiography | |
Mujat et al. | Retinal nerve fiber layer thickness map determined from optical coherence tomography images | |
JP6200902B2 (ja) | 生体内の光学的流れイメージング | |
Choi et al. | Improved microcirculation imaging of human skin in vivo using optical microangiography with a correlation mapping mask | |
US9107609B2 (en) | Inter-frame complex OCT data analysis techniques | |
JP6278295B2 (ja) | 脈絡膜の血管網を選択的に可視化し解析する光干渉断層計装置及びその画像処理プログラム | |
CN106028912B (zh) | 具有改进的运动对比的光学相干断层扫描(oct)系统 | |
CN106943124A (zh) | 用光学相干断层扫描血管造影对局部循环进行量化 | |
US20160066798A1 (en) | Methods and Systems for Determining Hemodynamic Properties of a Tissue | |
Huang et al. | In vivo microvascular network imaging of the human retina combined with an automatic three-dimensional segmentation method | |
Hua et al. | Dark signals in the choroidal vasculature on optical coherence tomography angiography: an artefact or not? | |
Chu et al. | Complex signal-based optical coherence tomography angiography enables in vivo visualization of choriocapillaris in human choroid | |
Chen et al. | Time interval optimized optical coherence tomographic angiography for bulk motion suppression on human skin | |
Zhang et al. | Development of a multi-scene universal multiple wavelet-FFT algorithm (MW-FFTA) for denoising motion artifacts in OCT-angiography in vivo imaging | |
Zhang et al. | Depth compensation based fractal analysis of human microvasculature | |
JP2019025187A (ja) | 眼科情報処理装置及び眼科撮影装置 | |
Li | Computational Methods for Enhancements of Optical Coherence Tomography | |
Qin et al. | Noninvasive OCT imaging of the retinal morphology and microvasculature based on the combination of the phase and amplitude method | |
Lal et al. | University of Galway Research Repository |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171208 |
|
WD01 | Invention patent application deemed withdrawn after publication |