CN108042126B - 一种改进的激光散斑衬比血流成像方法 - Google Patents

一种改进的激光散斑衬比血流成像方法 Download PDF

Info

Publication number
CN108042126B
CN108042126B CN201711290393.4A CN201711290393A CN108042126B CN 108042126 B CN108042126 B CN 108042126B CN 201711290393 A CN201711290393 A CN 201711290393A CN 108042126 B CN108042126 B CN 108042126B
Authority
CN
China
Prior art keywords
image
blood flow
laser speckle
imaging method
speckle
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
CN201711290393.4A
Other languages
English (en)
Other versions
CN108042126A (zh
Inventor
王立伟
李跃杰
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 CN201711290393.4A priority Critical patent/CN108042126B/zh
Publication of CN108042126A publication Critical patent/CN108042126A/zh
Application granted granted Critical
Publication of CN108042126B publication Critical patent/CN108042126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal

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激光散斑衬比血流成像方法。其中，用于血流成像的方法包括：对目标进行数据采集；对原始散斑图像插值，再对插值后的图像进行去相关与标准差处理，得到血流图像。上述技术方案，通过去相关算法来降低静态散斑对图像的影响，有效降低因动物呼吸心跳所引起抖动噪声，提升了图像分辨率，尤其是对小血管识别度，可以为将来研究新生血管或增生血管提供有效检测方式。

Description

一种改进的激光散斑衬比血流成像方法
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激光散斑衬比血流成像方法。
背景技术
激光散斑衬比成像技术于上世纪80年代被首次提出，其后逐渐应用于生物医学的血流监测中。激光散斑现象产生的本质是激光器照射粗糙物体表面反射或者透射所形成的干涉现象，其中的散斑颗粒含有被测物体的运动信息，并且散斑场会随着被测生物组织内的运动元素如血流或结构状态变化而产生相应的变化。Briers和Webster提出散斑图像的时间和空间变化的统计特性均包含了被测物质的运动信息，而且由于激光散斑的随机性，故需采用概率统计的方法来研究其运动特性。Bonner于1976年提出用激光散斑衬比度K来表征血流信息，该激光散斑衬比度等于光强标准偏差比光强平均值，Fercher提出LSSCA算法，该算法通过计算空间衬比度Ks来近似估计衬比度K,从而得到激光散斑血流图，LSSCA算法虽然成像速度快但牺牲了图像空间分辨率，为此Duun等提出sLSCA(spatial basedLaser Speckle Contrast Analysis)算法，该算法对Nt帧由Ns*Ns的空间窗计算所得到空间衬比图做时间平均，提高了血流图像空间分辨率，Li提出了LSTCA算法，该算法不需要像LSSCA算法使用滑动窗口，具有较高的空间分辨力，但在一定程度上增加了计算量。
尽管已经提出很多激光散斑衬比分析的方法，但是这些算法成像原理本质上还是相近的，均是利用概率统计方式获取衬比值。考虑到现有散斑成像技术存在着动态范围较小，并受心跳、呼吸等噪声影响使其信噪比降低等问题，本发明提出了一种改进的激光散斑衬比血流成像方法，该方法结合插值、去相关与标准差这三种算法，有效提升散斑血流图像的动态范围，并降低因心跳、呼吸等噪声对其影响。
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，提高了信噪比的激光散斑衬比血流成像方法；
本发明所采用的技术方案是：一种改进的激光散斑衬比血流成像方法，包括如下步骤：
1)进行数据采集，包括：
原始信号采集，生成N帧激光散斑图像；
2)图像插值；
3)相邻两帧散斑图像进行去相关运算得到去相关图像Ri(x,y)：
Figure BDA0001499271150000021
其中Ri(x,y)为去相关图像，Ii(x,y)第i帧插值后的散斑图像，Ii+1(x,y)第i+1帧插值后的散斑图像；
4)对N-1帧去相关图像Ri(x,y)进行标准差运算得到σ(x,y)
Figure BDA0001499271150000022
其中Ri(x,y)是第i帧去相关图像，
Figure BDA0001499271150000023
是N-1帧Ri(x,y)图像的平均值,σ(x,y)是生成血流图像。
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是本发明一种改进的激光散斑衬比血流成像方法的流程图；
图2是本发明中全频谱去相关算法计算原理图；
图3是本发明实施例中的雌性裸鼠耳部改进的激光散斑衬比血流图。
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，本发明的一种改进的激光散斑衬比血流成像方法，包括如下步骤：
1)进行数据采集，包括：
原始信号采集，生成激光散斑图像；
所述的生成激光散斑图像包括：目标位置重复采集N幅激光散斑图像。
2)图像插值；
插值算法包括：最邻近元法(nearest interpolation)、双线性插值法(bilinearinterpolation)、双三次插值等。最邻近元法处理速度快，但可能出现插值后图像灰度不连续，灰度变化大的地方会出现锯齿状。双线性插值法虽不具有像最近邻元法灰度不连续的缺点，但它本身具有低通滤波效果，使得图像整体轮廓出现较为模糊的情况。双三次插法能有效的降低因线性插值而引起的数据失真，且能得到比双线性插值更为平滑的图像边缘，能丰富图像的细节信息。
本发明中所述的图像插值，是采用双三次插值函数，数学表达式如公式1所示，|x|为到插值点的距离，利用公式1处理后获得插值后图像Ii(x,y)。
Figure BDA0001499271150000031
。
3)去相关处理
在获得插值后的图像Ii(x,y)之后，对该图像进行去相关运算。去相关算法能在相关运算的基础上，有效的去除静态组织信息，保留动态组织信息，去相关度较大的为动态组织，去相关度较小的为静态组织。本发明采用的去相关算法是针对多帧散斑图像对应像素点进行去相关分析，根据像素点间的去相关度大小区分静态组织和动态组织，进而获取组织内血流信息，能有效降低静态散斑对动态信息的影响。
经典的去相关算法如公式2所示，其中M*N为窗大小，IA和IB为相邻两帧图像，
Figure BDA0001499271150000032
和
Figure BDA0001499271150000033
分别对应IA、IB光强平均值。经典的去相关算法在处理大数据时，其运行时间较长。
Figure BDA0001499271150000034
Jia等人提出了一种运用于光相干断层扫描微血管成像技术的全频谱去相关算法(Full-spectrum de-correlation)。该算法首先对OCT原始谱域图像数据先进行滤波，再对滤波后的数据进行FFT变换以获得组织OCT灰度图像，再对灰度图像数据进行去相关运算，进而得到组织OCT微血流图像。全频谱去相关算法如公式3所示：
Figure BDA0001499271150000035
其中Ri(x,y)为去相关图像，Ii(x,y)第i帧插值后的散斑图像，Ii+1(x,y)第i+1帧插值后的散斑图像；
图2为N帧像素大小为R*C的图像进行去相关运算原理示意图。该算法针对同一时间序列点的多帧图像进行数据处理，其优点是能对同一位置不同图像进行数据处理，能较好的保持原始图像的空间分辨率，有效降低静态散斑影响，相较于经典去相关算法其能极大缩短运算时间。
综合考虑OCT成像与激光散斑成像特点的差异，本发明提出的算法去相关过程中略去OCT全频谱去相关算法中谱域滤波和FFT变换过程，直接将公式3算法概念引入到激光散斑血流成像分析中，最后得到去相关后的图像Ri(x,y)。
4)对N-1帧去相关图像Ri(x,y)进行标准差运算得到σ(x,y)
由于激光照射在被测物体表面时，被测物体的流动信息会引起散斑亮暗的变化，在一定条件下，散斑亮暗变化过程是一种各态遍历的随机过程。在同一曝光时间内，被测物运动速度越快，模糊程度越大，散斑的光强分布的标准差越小，流动信息图像显示更暗，因而需要对去相关后的图像Ri(x,y)做标准差运算，标准差计算过程如公式4所示：
Figure BDA0001499271150000041
其中Ri(x,y)是第i帧去相关图像，
Figure BDA0001499271150000042
是N-1帧Ri(x,y)图像的平均值,σ(x,y)是生成血流图像
实例：雌性裸鼠的耳部改进的激光散斑衬比血流成像
激光散斑成像系统对裸鼠耳朵中部和左下位置分别采集80帧图像。
选取裸鼠耳朵中部位置的80帧原始散斑图像，用改进的激光散斑衬比血流成像算法处理，受裸鼠自身呼吸心跳的影响，裸鼠耳朵会出现微弱的震动，导致生物组织产生一个低速移动，而血流相对于组织具有较高速度。速度低时，标准差较高，速度高时，标准差较低，故iLSCA算法得到的血流图像的整体背景偏亮，血流部分偏暗。如图3所示：
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。

Claims (3)

1.一种改进的激光散斑衬比血流成像方法，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，生成激光散斑图像N帧；
2)图像插值；
3)相邻两帧散斑图像进行去相关运算得到去相关图像Ri(x，y)：
Figure FDA0003474176160000011
其中Ri(x，y)为去相关图像，Ii(x，y)第i帧插值后的散斑图像，Ii+1(x，y)第i+1帧插值后的散斑图像；
4)对N-1帧去相关图像Ri(x，y)进行标准差运算得到σ(x，y)
Figure FDA0003474176160000012
其中Ri(x，y)是第i帧去相关图像，
Figure FDA0003474176160000013
是N-1帧Ri(x，y)图像的平均值，σ(x，y)是生成血流图像。
2.根据权利要求1所述的一种改进的激光散斑衬比血流成像方法，其特征在于，步骤1)所述的生成激光散斑图像包括：每个位置连续采集N帧激光散斑图像。
3.根据权利要求1所述的一种改进的激光散斑衬比血流成像方法，其特征在于，步骤2)所述的图像插值，是采用双三次插值算法，降低数据失真，平滑图像边缘，能丰富图像的细节信息。
CN201711290393.4A 2017-12-08 2017-12-08 一种改进的激光散斑衬比血流成像方法 Active CN108042126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711290393.4A CN108042126B (zh) 2017-12-08 2017-12-08 一种改进的激光散斑衬比血流成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711290393.4A CN108042126B (zh) 2017-12-08 2017-12-08 一种改进的激光散斑衬比血流成像方法

Publications (2)

Publication Number Publication Date
CN108042126A CN108042126A (zh) 2018-05-18
CN108042126B true CN108042126B (zh) 2022-03-22

Family

ID=62122890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711290393.4A Active CN108042126B (zh) 2017-12-08 2017-12-08 一种改进的激光散斑衬比血流成像方法

Country Status (1)

Country Link
CN (1) CN108042126B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109907731B (zh) * 2019-01-31 2021-06-01 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
CN112990029B (zh) * 2021-03-23 2022-08-19 桂林电子科技大学 一种评估静脉血管状态的装置
CN115581445A (zh) * 2022-09-09 2023-01-10 华侨大学 一种基于能量调制的激光散斑血流成像方法及装置
CN116309195B (zh) * 2023-05-26 2023-08-29 华侨大学 基于三维傅里叶变换的全场激光散斑血流成像方法及系统
CN116784817B (zh) * 2023-08-18 2023-11-21 华侨大学 基于散射偏差因子的激光散斑衬比血流成像方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101813770A (zh) * 2009-12-09 2010-08-25 北京航空航天大学 一种任意光谱响应特性下遥感数据的模拟方法
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
CN104411233A (zh) * 2012-02-03 2015-03-11 俄勒冈健康科学大学 体内光学流成像
CN104768446A (zh) * 2012-09-10 2015-07-08 俄勒冈健康科学大学 用光学相干断层扫描血管造影对局部循环进行量化

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10257743B4 (de) * 2002-12-10 2006-11-23 Irmgard Zerrle Vorrichtung zur Bestimmung der Perfusion in einem Gewebebereich und des Blutflusses durch einzelne Blutgefäße
EP1835845A4 (en) * 2004-12-28 2008-09-10 Hypermed Inc HYPERSPECTRAL / MULTISPECTRAL IMAGERY FOR THE DETERMINATION, EVALUATION AND MONITORING OF SYSTEMIC PHYSIOLOGY OR IMPACT CONDITIONS
US20070093702A1 (en) * 2005-10-26 2007-04-26 Skyline Biomedical, Inc. Apparatus and method for non-invasive and minimally-invasive sensing of parameters relating to blood
WO2008124845A2 (en) * 2007-04-10 2008-10-16 University Of Southern California Methods and systems for blood flow measurement using doppler optical coherence tomography
WO2010096453A1 (en) * 2009-02-17 2010-08-26 Board Of Regents, The University Of Texas System Methods of producing laser speckle contrast images
WO2010096447A2 (en) * 2009-02-17 2010-08-26 Board Of Regents, The University Of Texas System Quantitative imaging with multi-exposure speckle imaging (mesi)
ES2886583T3 (es) * 2011-05-26 2021-12-20 Massachusetts Gen Hospital Sistema de tromboelastografía óptica y método para la evaluación de las métricas de coagulación sanguínea
US9282905B2 (en) * 2013-05-29 2016-03-15 University Of Washington Through Its Center For Commercialization Methods for laser speckle contrast imaging of blood perfusion
CN103330557B (zh) * 2013-06-25 2014-11-26 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
CN104173038B (zh) * 2014-08-29 2016-04-20 上海交通大学 基于频域激光散斑成像的血流速度测量方法
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
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101813770A (zh) * 2009-12-09 2010-08-25 北京航空航天大学 一种任意光谱响应特性下遥感数据的模拟方法
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
CN104411233A (zh) * 2012-02-03 2015-03-11 俄勒冈健康科学大学 体内光学流成像
CN104768446A (zh) * 2012-09-10 2015-07-08 俄勒冈健康科学大学 用光学相干断层扫描血管造影对局部循环进行量化
CN106943124A (zh) * 2012-09-10 2017-07-14 俄勒冈健康科学大学 用光学相干断层扫描血管造影对局部循环进行量化

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
激光散斑时间衬比成像方法研究;张智涛;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;20090515;第7至32页 *

Also Published As

Publication number Publication date
CN108042126A (zh) 2018-05-18

Similar Documents

Publication Publication Date Title
CN108042126B (zh) 一种改进的激光散斑衬比血流成像方法
US9245323B2 (en) Medical diagnostic device and method of improving image quality of medical diagnostic device
Rajeshwari et al. Efficient quality analysis of MRI image using preprocessing techniques
CN110840445B (zh) 一种动态心电信号的自动降噪方法
Prakash et al. Biorthogonal wavelet transform based image fusion using absolute maximum fusion rule
JP2001057677A (ja) 画像処理方法および装置並びに記録媒体
Wang et al. Low-light image joint enhancement optimization algorithm based on frame accumulation and multi-scale Retinex
CN114092355A (zh) 自适应红外图像对比度增强方法及装置
CN109087266A (zh) 一种结合双边滤波的图像散斑迭代减少方法
Chithra et al. Hybrid denoising technique for suppressing Gaussian noise in medical images
Kumar et al. A new locally adaptive patch variation based CT image denoising
Shedbalkar et al. A comparative analysis of filters for noise reduction and smoothening of brain MRI images
Pham Supervised restoration of degraded medical images using multiple-point geostatistics
Xi et al. Weighted combination and singular spectrum analysis based remote photoplethysmography pulse extraction in low-light environments
CN113109340B (zh) 针对平面干涉仪的信号处理的成像系统及成像方法
CN114510976A (zh) 基于双变量阈值函数的呼吸信号去噪方法及装置
Abdulrahaman Two-stage motion artifact reduction algorithm for rPPG signals obtained from facial video recordings
Sivakumar et al. Computed radiography skull image enhancement using Wiener filter
KR20100097858A (ko) 예제 기반 신경회로망을 이용한 고해상도 영상 확대
Wang et al. Non-contact heart rate estimation based on singular spectrum component reconstruction using low-rank matrix and autocorrelation
Pang Improved image denoising based on Haar wavelet transform
CN114387173A (zh) 一种oct图像降噪方法、电子设备及存储介质
CN112446840A (zh) 一种基于深度学习的ct图像黑带伪影消除方法及系统
JP5022400B2 (ja) 動画像雑音除去装置、動領域画像雑音除去装置、動画像雑音除去プログラム、及び動領域画像雑音除去プログラム
Mahboob et al. A Novel Medical Image De-noising Algorithm for Efficient Diagnosis in Smart Health Environment

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