CN111007062A - 组织工程皮肤构建过程中oct实时无损监测方法 - Google Patents
组织工程皮肤构建过程中oct实时无损监测方法 Download PDFInfo
- Publication number
- CN111007062A CN111007062A CN201911018356.7A CN201911018356A CN111007062A CN 111007062 A CN111007062 A CN 111007062A CN 201911018356 A CN201911018356 A CN 201911018356A CN 111007062 A CN111007062 A CN 111007062A
- Authority
- CN
- China
- Prior art keywords
- tissue engineering
- engineering skin
- oct
- skin
- peak
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开组织工程皮肤构建过程中OCT实时无损监测方法。本发明通过OCT实时获取各培养状态下人工皮肤模型的二维、三维数据;提取A‑Scan轴向扫描信号强度曲线数据,并找到前k+1个最大峰。根据相邻峰间的距离即为对于组织工程皮肤生物结构厚度的像素数量,进而获得组织工程皮肤厚度和组织工程皮肤粗糙度。本发明利用基于OCT强度信号的自适应峰值检测方法能够准确反映组织工程皮肤的厚度信息,空间分辨厚度分布和表面粗糙度的变化,能客观有效的反映组织工程皮肤的生长状况。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种组织工程皮肤构建过程中OCT实时无损监测方法。
背景技术
组织工程皮肤是指利用工程学和细胞生物学的原理和方法,在体外人工研制的皮肤代用品,用来修复、替代缺损的皮肤组织。目前,组织工程皮肤已广泛用于皮肤病学、药理学和化妆品检测研究以及伤口愈合中的自体移植。然而,在组织工程皮肤生产制备过程中,由于供体年龄、细胞密度和细胞活力等差异,使其在厚度和形态上表现出不同的性质,因此评估组织工程皮肤的结构形态对于组织工程皮肤质量监控至关重要。
常规评价组织工程皮肤的方法主要为H&E染色切片法,但此方法是有损检测,只能做到局部位置的检测分析,无法量化整体的结构参数。中国农业大学动物科技学院王敏在《德州驴皮肤厚度测定方法的研究》中提到测定驴皮肤厚度的方法为游标卡尺、超声仪和组织切片三种测量方法,测量结果表明:游标卡尺法测量颈部、腹部皮肤时有较高的准确性,但是不适用于背部和臀部皮肤厚度的测定;超声仪用于测量驴皮肤厚度效果不理想;组织切片法在观察超微结构上有优势,但测定出的驴皮肤厚度并不准确。该三种方法应用与组织工程皮肤厚度的测量存在一定的局限性,游标卡尺法由于直接接触皮肤测量,这样会导致皮肤在测量过程中染菌,无法实现组织工程皮肤构建过程中的连续监测;超声仪测量带有培养液的组织工程皮肤厚度同样不理想;组织切片法为有损检测,破坏了组织皮肤,同时无法实现组织工程皮肤构建过程中的连续监测。甘肃农业大学于川在《不同年龄牦牛皮肤厚度变化的研究》中采用了H&E染色切片法实现了牦牛皮肤厚度在不同躯体部分及不同年龄的测量,重庆医科大学古星在《外阴非上皮内瘤变患者外阴皮肤组织厚度测量与分析》中采用H&E染色切片法测量不同病理类型的外阴非上皮内瘤变患者外阴皮肤各层组织厚度,文章中采用的H&E染色切片法只能进行局部的皮肤厚度分析,无法实现同一皮肤在构建过程中的连续监测。
发明内容
本发明针对所要解决的技术问题是现有针对组织工程皮肤的监测手段无法实现实时监测、无法进行无损检测,提出了一种组织工程皮肤构建过程中OCT实时无损监测方法,实现精准量化组织工程皮肤三维结构的参数变化,实现对组织工程皮肤的非浸入、非接触、无损、无菌的实时监测,该方法可以在皮肤培养状态下实时监测。
本发明方法包括以下步骤:
步骤(1)、OCT实时对各培养状态下组织工程皮肤进行二维数据和三维数据的采集,将OCT系统的扫描探头对准组织工程皮肤的培养板;其中组织工程皮肤为单层或多层结构,即从外到内层轴向依次所包含的生物结构如下:表皮层、真皮层、皮下组织中单层或多层;
上述OCT系统轴向分辨率为1~6μm,扫描探头工作距离>25mm,对人工皮肤组织的成像深度>500μm,中心波长可选择800nm、900nn或1300nm,并且能够穿透高度为25mm的密闭培养板进行测量。
二维数据采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,以采样间隔为u像素大小取同心圆,在组织工程皮肤圆形区域内等间隔采集不少于6个B-Scan横向扫描数据;平均B-scan数据得到距离组织工程皮肤中心位置处的平均厚度分布。
三维数据的采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,设置OCT扫描范围使其大于等于2R×2R矩形面积,扫描组织工程皮肤。
步骤(2)、利用基于OCT强度信号的自适应峰值检测算法量化组织工程皮肤的三维结构参数,通过对培养周期内的组织工程皮肤实时检测,标定OCT强度信号曲线特征峰之间的距离,精准分析组织工程皮肤的层厚,以此量化分析组织工程皮肤的厚度、表面粗糙度的变化和表征组织工程皮肤的生长状态;具体是:
2.1根据步骤(1)获得的OCT二维数据和三维数据提取A-Scan轴向扫描信号强度曲线数据D={D1,D2,…,Dn};Dn表示第n时刻得到的A-Scan信号强度曲线。
2.2A-Scan信号强度曲线Dm(1≤m≤n)中总计包含若干个峰,按照峰值从大到小排序寻找前k+1个最大峰,按照当前OCT强度信号深度域轴向顺序依次相邻两个峰之间的距离分别表示为上述组织工程皮肤中各生物结构的像素数量,并求取相应的OCT基底信号(Dbackground)k(1≤k≤3,k表示组织工程皮肤的生物结构层数)。具体是:
2.2.1首先根据OCT三维数据确定组织工程皮肤测量的Z轴向信号深度域区间为z1-z2,在深度区间上找到A-Scan信号强度曲线最大峰DIndex2,即为前1个最大峰。Index2表示最大峰所在的像素点。
2.2.2根据当前峰确定不含有组织工程皮肤的深度区间z3-z4和z5-z6,当前峰为第l个最大峰,然后初始化l=1,即为最大峰DIndex2,根据公式(1)计算当前峰OCT基底信号(Dbackground)l:
(Dbackground)l=min(Dbackgroundleft,Dbackgroundright) 公式(1)
其中z3-z4位于当前峰值所在像素点的左侧,z5-z6位于当前峰值所在像素点的右侧,Dq表示Dm中像素q处的A-Scan信号强度。
2.2.3第l+1个最大峰迭代寻找过程如下:
1)初始化,设定边长中心为DIndex2且边长长度为h的选中框,其中h为人为设定的自然数;
2)判断选中框所有OCT A-Scan轴向扫描信号是否均大于OCT基底信号(Dbackground)1,若是则重新赋予h=h+2,重复步骤2);若否则停止迭代;
3)从选中框中外侧筛选出最大峰作为A-Scan轴向扫描信号强度曲线的第l+1个最大峰,即可获得该峰值对应所在的像素点。
2.2.4判断是否满足l=k,若是则结束,若否则重置l=l+1,返回步骤2.2.2寻找下一个最大峰所在的像素点位置。
2.3根据当前OCT强度信号深度域轴向顺序依次计算相邻两个峰值的像素点位置差值,根据公式(4)获取组织工程皮肤相对应的生物结构厚度depth:
depth=相邻两个峰值像素点位置差值×resolution/n公式(4)
其中resulution为OCT系统在空气中轴向分辨率;n为组织工程皮肤相对应的生物结构的折射率。
上述OCT强度信号深度域轴向顺序与组织工程皮肤生物结构从外至内的顺序相对应。
2.4根据OCT二维数据,获取组织工程皮肤粗糙度Ra,如下:
其中PN为组织工程皮肤x-y面的采样点数;(x0,y0)是组织工程皮肤的中心位置;R为待测量组织工程皮肤的半径;Z(i,j)表示待测量组织工程皮肤表面像素点位置(i,j)与组织工程皮肤中心位置(x0,y0)的像素距离。
步骤(3)、利用OCT系统实时监测组织工程皮肤构建过程,结合步骤(2)实时得到组织工程皮肤的厚度和粗糙度分析结果,根据产品的设计需求,实时反馈组织工程皮肤构建过程中出现的问题,改进组织工程皮肤培养的参数控制,以期达到同一批次内组织工程皮肤参数的一致性和不同批次组织工程皮肤参数的一致性。
作为优选,组织工程皮肤为表皮层单层结构,或真皮层单层结构,或表皮层、真皮层两层结构,或表皮层、真皮层、皮下组织三层结构。
作为优选,步骤(2)中OCT成像中组织工程皮肤若为单层结构,则具体是:
2.1根据步骤1获得的OCT二维数据和三维数据提取A-Scan轴向扫描信号强度曲线数据D={D1,D2,…,Dn};Dn表示第n时刻得到的A-Scan信号强度曲线。
2.2A-Scan信号强度曲线Dm(1≤m≤n)中最大峰与次大峰之间距离即为当前OCT强度信号深度域组织工程皮肤厚度的像素数量,并求取此时的OCT基底信号Dbackground。
具体是:
2.2.1首先根据OCT三维数据确定组织工程皮肤测量的Z轴向深度区间为z1-z2,在深度区间上找到A-Scan信号强度曲线最大峰DIndex2。Index2表示最大峰所在的像素点。
2.2.2根据最大峰DIndex2确定不含有组织工程皮肤的深度区间z3-z4,根据公式(6)计算当前峰OCT基底信号Dbackground:
其中Dq表示Dm中像素q处的A-Scan信号强度。
2.2.3次大峰迭代寻找过程如下:
1)初始化,设定边长中心为DIndex2且边长为h的选中框,其中h为人为设定的自然数;
2)判断选中框所有OCT A-Scan轴向扫描信号是否均大于OCT基底信号Dbackground,若是则重新赋予h=h+2,重复步骤2);若否则停止迭代;
3)从选中框中外侧筛选出最大峰作为A-Scan轴向扫描信号强度曲线的次大峰DIndex1;Index1表示次大峰所在的像素点。
2.3根据A-Scan信号强度曲线最大峰与次大峰,获取组织工程皮肤厚度depth,如下:
depth=(Index2-Index1)×resolution/n 公式(7)
其中resulution为OCT系统在空气中轴向分辨率;n为组织工程皮肤的折射率;(Index2-Index1)表示最大峰与次大峰间的像素数量。
2.4根据OCT二维数据,结合公式(5)获取组织工程皮肤粗糙度Ra,如下:
其中PN为组织工程皮肤x-y面的采样点数;(x0,y0)是组织工程皮肤的中心位置;R为待测量组织工程皮肤的半径;Z(i,j)表示待测量组织工程皮肤表面像素点位置(i,j)与组织工程皮肤中心位置(x0,y0)的像素距离。
有益效果:本发明利用基于OCT强度信号的自适应峰值检测算法能够准确反映组织工程皮肤的厚度信息,空间分辨厚度分布和表面粗糙度的变化,能客观有效的反映组织工程皮肤的生长状况。本发明专利基于OCT系统精准监测组织工程皮肤三维厚度分布和粗糙度的变化,为组织工程皮肤制备过程中的实时量化评估提供了一种可靠的量化依据。
附图说明
图1本发明单层组织工程皮肤实时监测方法流程图;
图2单层组织工程皮肤A-Scan强度信号图;
图3组织工程皮肤厚度的检测(a)6个B-Scan数据采集示意图;(b)B-Scan扫描示意图;
图4验证OCT检测组织工程皮肤的可行性(a)OCT横断面;(b)H&E染色切片;
图5组织工程皮肤厚度分析;
图6三维组织工程皮肤第13天的厚度分布;
图7组织工程皮肤第13天的等高线图;
图8本发明多层组织工程皮肤实时监测方法流程图;
图9多层组织工程皮肤A-Scan强度信号图。
具体实施方式
下面结合具体实施例对本发明做进一步的分析。
实施例1:针对单层组织工程皮肤,即表皮层(由外至内层包括角质层、颗粒层、有棘层和基底层)
如图1所示,组织工程皮肤构建过程中OCT实时无损监测培养方法包括以下步骤:
步骤(1)、OCT实时对各培养状态下组织工程皮肤进行二维数据和三维数据的采集,将OCT系统的扫描探头对准组织工程皮肤的培养板。
上述OCT系统轴向分辨率为1~6μm,扫描探头工作距离>25mm,对组织工程皮肤组织的成像深度>500μm,中心波长可选择800nm、900nn或1300nm,并且能够穿透高度为25mm的密闭培养板进行测量。
二维数据采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,以采样间隔为u像素大小取同心圆,在组织工程皮肤圆形区域内等间隔采集不少于6个B-Scan横向扫描数据;平均B-scan数据得到距离组织工程皮肤中心位置处的平均厚度分布。
三维数据的采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,设置OCT扫描范围使其大于等于2R×2R矩形面积,扫描组织工程皮肤。
步骤(2)、利用基于OCT强度信号的自适应峰值检测算法量化组织工程皮肤的三维结构参数,通过对培养周期内的组织工程皮肤持续检测,标定OCT强度信号曲线特征峰之间的距离,精准分析组织工程皮肤的层厚,以此量化分析组织工程皮肤的厚度、表面粗糙度的变化和表征组织工程皮肤的生长状态;具体是:
2.1根据步骤(1)获得的OCT二维数据和三维数据提取A-Scan轴向扫描信号强度曲线数据D={D1,D2,…,Dn};Dn表示第n时刻得到的A-Scan信号强度曲线。
2.2A-Scan信号强度曲线Dm(1≤m≤n)中最大峰与次大峰之间距离即为当前OCT强度信号深度域组织工程皮肤厚度的像素数量,并求取此时的OCT基底信号Dbackground即为图2中标号2。具体是:
2.2.1首先根据OCT三维数据确定组织工程皮肤测量的Z轴向深度区间为z1-z2,在深度区间上找到A-Scan信号强度曲线最大峰DIndex2,即为图2中的标号3。Index2表示最大峰所在的像素点。
2.2.3次大峰迭代寻找过程如下:
1)初始化,设定边长中心为DIndex2且边长为h的选中框;
2)判断选中框所有OCT A-Scan轴向扫描信号是否均大于OCT基底信号Dbackground,若是则重新赋予h=h+2,重复步骤2);若否则停止迭代;
3)从选中框中外侧筛选出最大峰作为A-Scan轴向扫描信号强度曲线的次大峰DIndex1,即为图2中的标号4;Index1表示次大峰所在的像素点。
2.3根据A-Scan信号强度曲线最大峰与次大峰,获取组织工程皮肤厚度depth,如下:
depth=(Index2-Index1)×resolution/n
其中resulution为OCT系统在空气中轴向分辨率;n为组织工程皮肤的折射率;(Index2-Index1)表示最大峰与次大峰间的像素数量。
2.4根据OCT二维数据,获取组织工程皮肤粗糙度Ra,如下:
其中PN为组织工程皮肤x-y面的采样点数;(x0,y0)是组织工程皮肤的中心位置;R为待测量组织工程皮肤的半径;Z(i,j)表示待测量组织工程皮肤表面像素点位置(i,j)与组织工程皮肤中心位置(x0,y0)的像素距离。
步骤(3)、利用OCT系统实时监测组织工程皮肤构建过程,结合步骤(2)实时得到组织工程皮肤的厚度和粗糙度分析结果,根据产品的设计需求,实时反馈组织工程皮肤构建过程中出现的问题,改进组织工程皮肤培养的参数控制,以期达到同一批次内组织工程皮肤参数的一致性和不同批次组织工程皮肤参数的一致性。
本实施例采用中心波长为1300nm,光源半高全宽为248nm,系统轴向分辨率为5.5μm,横向分辨率为13μm,空气中的成像深度为3.5mm的谱域OCT系统,组织工程皮肤选用杭州捷诺飞生物科技股份有限公司生产的单层人工皮肤模型,进行连续性检测,并根据单层人工皮肤模型的生长曲线,选择组织工程皮肤培养至第1、5、9和13天时的数据进行厚度和粗糙度的量化分析。
具体实施方案为:将12个单层人工皮肤模型分成3组,每组4个,进行培养,在单层人工皮肤模型培养至第1天时,用OCT对所有单层人工皮肤模型进行数据的采集,然后,随机取出每组的1个单层人工皮肤模型进行组织切片,并用倒置显微镜进行观测。每个单层人工皮肤模型采集的数据为6个二维数据和1个三维数据,其中二维数据采集方式如图3(a)所示,单层人工皮肤模型半径为3.5mm,以单层人工皮肤模型的中心为圆心,以采样间隔为9μm像素大小取同心圆,在单层人工皮肤模型圆形区域内等间隔采集6个B-Scan数据;图3(b)为扫描示意图,平均6个B-scan数据得到距离单层人工皮肤模型中心位置处的平均厚度分布。在单层人工皮肤模型培养至第5天时,重复上述操作步骤,依次类推,进行单层人工皮肤模型培养至第9天和第13天的数据采集。
经过上述的方案操作,得到如下实验结果:
(1)OCT检测组织工程皮肤的可行性验证
单层人工皮肤模型包含角质层、颗粒层、有棘层和基底层,由于角质层的角质细胞含水量低,密度大,连接紧密,后向散射光较强,在OCT的横断面中表现为高亮区域;角质层以下的颗粒层、有棘层与基底层中细胞的OCT信号较弱,呈现在图像中为暗带区域。用于单层人工皮肤模型培养的基底膜,在OCT横断面成像结果如图4(a)所示,在H&E染色切片结果如图4(b)所示,其中表层5为初步形成的角质层结构,角质层以下的为发生层6,点状区域是吸收染料后的细胞核7,底层的半透明亮带为基底膜8。通过对比OCT横断面和H&E染色切片的结果验证了OCT检测单层人工皮肤模型的可行性。
(2)组织工程皮肤厚度的检测
采用如图3(a)所示的数据采集方式,以单层人工皮肤模型中心为圆点,利用基于OCT强度信号的自适应峰值检测算法计算皮肤厚度,距离圆心不同位置处的平均厚度分布如图5所示。第1天单层人工皮肤模型中心位置厚度较大,边缘处厚度较小,中心厚度为55μm,边缘处厚度为35μm;培养至第5天时单层人工皮肤模型相对平整,平均厚度为46μm;第9天时单层人工皮肤模型半圆区域中心位置厚度为60μm,局部边缘厚度为90μm;第13天相对于第9天厚度增加了10μm且厚度分布趋势一致,呈现中心位置厚度小,边缘区域厚度大的现象,此时说明单层人工皮肤模型生长趋于稳定,逐渐成型。单层人工皮肤模型在第1、5、9和13天OCT检测的平均厚度与H&E染色切片的实验表明基于OCT强度信号量化皮肤厚度变化的结果与H&E染色切片结果一致,从而验证了基于OCT强度信号量化皮肤厚度变化的准确性。
随着培养时间的延长,单层人工皮肤模型的三维厚度分布也相应的发生变化,如图6所示,培养至第13天时单层人工皮肤模型中间位置处出现不规则局部突起,整体厚度有所增加,厚度分布在70μm至130μm之间,与图5统计的结果相符。
(3)组织工程皮肤粗糙度的检测
利用自适应峰值检测算法标定A-scan信号第一强度特征峰位置,分析单层人工皮肤模型表面的波动程度,其在第1、5、9和13天时表面波动范围整体小于32.4μm,第1天时皮肤表面波动最大,主要集中在10μm至15μm,第5天时组织工程皮肤表面较为平整,从第5天至第13天组织工程皮肤表面波动范围逐渐增大且增幅减缓,如图7所示,单层人工皮肤模型培养至第13天时的等高线图显示其表面形态零散、点状突起的区域逐渐表现为局部块状紧密连接的特点。
本实施例对单层人工皮肤模型厚度的量化结果真实反映了细胞自下而上生长,逐渐形成基底层、有棘层和颗粒层过程中组织工程皮肤厚度变化的信息,组织工程皮肤表面形态图谱能直观展现细胞角质化程度,对于不符合预期的组织工程皮肤可以起到及时有效的反馈作用,为组织工程皮肤的生产制备提供了一种可靠的检测手段。
实施例2:针对完整组织工程皮肤,其包括表皮层、真皮层、皮下组织。
如图8所示,组织工程皮肤构建过程中OCT实时无损监测培养方法包括以下步骤:
步骤(1)、OCT实时对各培养状态下组织工程皮肤进行二维数据和三维数据的采集将OCT系统的扫描探头对准组织工程皮肤的培养板。
上述OCT系统轴向分辨率为1~6μm,扫描探头工作距离>25mm,对组织工程皮肤组织的成像深度>500μm,中心波长可选择800nm、900nn或1300nm,并且能够穿透高度为25mm的密闭培养板进行测量。
二维数据采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,以采样间隔为u像素大小取同心圆,在组织工程皮肤圆形区域内等间隔采集不少于6个B-Scan横向扫描数据;平均B-scan数据得到距离组织工程皮肤中心位置处的平均厚度分布。
三维数据的采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,设置OCT扫描范围使其大于等于2R×2R矩形面积,扫描组织工程皮肤。
步骤(2)、利用基于OCT强度信号的自适应峰值检测算法量化组织工程皮肤的三维结构参数,通过对培养周期内的组织工程皮肤持续检测,标定OCT强度信号曲线特征峰之间的距离,精准分析组织工程皮肤的层厚,以此量化分析组织工程皮肤的厚度、表面粗糙度的变化和表征组织工程皮肤的生长状态;具体如下:
2.1根据步骤(1)获得的OCT二维数据和三维数据提取A-Scan轴向扫描信号强度曲线数据D={D1,D2,…,Dn};Dn表示第n时刻得到的A-Scan信号强度曲线。
2.2A-Scan信号强度曲线Dm(1≤m≤n)中总计包含若干个峰,按照峰值从大到小排序寻找前k+1个最大峰,按照当前OCT强度信号深度域轴向顺序依次相邻两个峰之间的距离分别表示为上述组织工程皮肤中各生物结构的像素数量,并求取相应的OCT基底信号(Dbackground)k(k=3,k表示组织工程皮肤的生物结构层数)。具体是:
2.2.1首先根据OCT三维数据确定组织工程皮肤测量的Z轴向信号深度域区间为z1-z2,在深度区间上找到A-Scan信号强度曲线最大峰DIndex2即第一个最大峰,即为图9中的9;Index2表示最大峰所在的像素点。
2.2.2根据当前峰DIndex2确定不含有组织工程皮肤的深度区间z3-z4和z5-z6,根据公式(1)计算当前峰OCT基底信号(Dbackground)l:
(Dbackground)l=min(Dbackgroundleft,Dbackgroundright)
其中z3-z4位于当前峰值所在像素点的左侧,z5-z6位于当前峰值所在像素点的右侧,Dq表示Dm中像素q处的A-Scan信号强度。
2.2.3次大峰即第二个最大峰迭代寻找过程如下:
1)初始化,设定边长中心为DIndex2且边长长度为h的选中框,其中h为人为设定的自然数;
2)判断选中框所有OCT A-Scan轴向扫描信号是否均大于(Dbackground)l,若是则重新赋予h=h+2,重复步骤2);若否则停止迭代;
3)从选中框中外侧筛选出最大峰作为A-Scan轴向扫描信号强度曲线的次大峰,,即为图9中的12;即可获得该峰值对应所在的像素点。
2.2.4重复步骤2.2.2-2.2.3直至满足l=k,最终找到前4个最大峰峰值所在的像素点位置。其中第三、四大峰分别为图9中的13、14。
2.3根据当前OCT强度信号深度域轴向顺序,将上述前4个最大峰峰值所在的像素点进行排序,从左至右分别记为zf1、zf2、zf3、zf4。
depth表皮层=(zf2-zf1)×resolutio/n表皮层
depth真皮层=(zf3-zf2)×resolutio/n真皮层
depth皮下组织=(zf4-zf3)×resolutio/n皮下组织
其中resulution为OCT系统在空气中轴向分辨率;n表皮层为组织工程皮肤相对应的表皮层的折射率,n真皮层为组织工程皮肤相对应的真皮层的折射率,n皮下组织为组织工程皮肤相对应的皮下组织层的折射率。
上述OCT强度信号深度域轴向顺序与组织工程皮肤生物结构轴向顺序相对应。
2.4根据OCT二维数据,获取组织工程皮肤粗糙度Ra,如下:
其中PN为组织工程皮肤x-y面的采样点数;(x0,y0)是组织工程皮肤的中心位置;R为待测量组织工程皮肤的半径;Z(i,j)表示待测量组织工程皮肤表面像素点位置(i,j)与组织工程皮肤中心位置(x0,y0)的像素距离。
步骤(3)、利用OCT系统实时监测组织工程皮肤构建过程,结合步骤(2)实时得到组织工程皮肤的厚度和粗糙度分析结果,根据产品的设计需求,实时反馈组织工程皮肤构建过程中出现的问题,改进组织工程皮肤培养的参数控制,以期达到同一批次内组织工程皮肤参数的一致性和不同批次组织工程皮肤参数的一致性。
上述实施例并非是对于本发明的限制,本发明并非仅限于上述实施例,只要符合本发明要求,均属于本发明的保护范围。
Claims (7)
1.组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于该方法包括以下步骤:
步骤(1)、OCT实时对各培养状态下的组织工程皮肤模型进行二维数据和三维数据的采集,其中组织工程皮肤为单层或多层结构,即从外到内层依次所包含的生物结构如下:表皮层、真皮层、皮下组织中单层或多层;
步骤(2)、利用基于OCT强度信号的自适应峰值检测算法量化组织工程皮肤的三维结构参数,通过对培养周期内的组织工程皮肤持续检测,标定OCT强度信号曲线特征峰之间的距离,精准分析组织工程皮肤的层厚,以此量化分析组织工程皮肤的厚度、表面粗糙度的变化和表征组织工程皮肤的生长状态;具体是:
2.1根据步骤(1)获得的OCT二维数据和三维数据提取A-Scan轴向扫描信号强度曲线数据D={D1,D2,…,Dn};Dn表示第n时刻得到的A-Scan信号强度曲线;
2.2A-Scan信号强度曲线Dm(1≤m≤n)中总计包含若干个峰,按照峰值从大到小排序寻找前k+1个最大峰,按照当前OCT强度信号深度域轴向顺序依次相邻两个峰之间的距离分别表示为上述组织工程皮肤中各生物结构的像素数量,并求取相应的OCT基底信号(Dbackground)k(1≤k≤3,k表示组织工程皮肤的生物结构层数);具体是:
2.2.1首先根据OCT三维数据确定组织工程皮肤测量的Z轴向信号深度域区间为z1-z2,在深度区间上找到A-Scan信号强度曲线最大峰DIndex2,即为前1个最大峰;Index2表示最大峰所在的像素点;
2.2.2初始化l=1,根据第l个最大峰确定不含有组织工程皮肤的深度区间z3-z4和z5-z6,然后根据公式(1)计算当前峰OCT基底信号(Dbackground)l:
(Dbackground)l=min(Dbackgroundleft,Dbackgroundright) 公式(1)
其中z3-z4位于当前峰值所在像素点的左侧,z5-z6位于当前峰值所在像素点的右侧,Dq表示Dm中像素q处的A-Scan信号强度;
2.2.3第l+1个最大峰迭代寻找过程如下:
1)初始化,设定边长中心为DIndex2且边长长度为h的选中框,其中h为人为设定的自然数;
2)判断选中框所有OCT A-Scan轴向扫描信号是否均大于OCT基底信号(Dbackground)1,若是则重新赋予h=h+2,重复步骤2);若否则停止迭代;
3)从选中框中外侧筛选出最大峰作为A-Scan轴向扫描信号强度曲线的第l+1个最大峰,即可获得该峰值对应所在的像素点;
2.2.4判断是否满足l=k,若是则结束,若否则重置l=l+1,返回步骤2.2.2寻找下一个最大峰所在的像素点位置;
2.3根据当前OCT强度信号深度域轴向顺序依次计算相邻两个峰值的像素点位置差值,根据公式(4)获取组织工程皮肤相对应的生物结构厚度depth:
depth=相邻两个峰值像素点位置差值×resolution/n公式(4)
其中resulution为OCT系统在空气中轴向分辨率;n为组织工程皮肤相对应的生物结构的折射率;
上述OCT强度信号深度域轴向顺序与组织工程皮肤生物结构从外至内的顺序相对应;
2.4根据OCT二维数据,获取组织工程皮肤粗糙度Ra,如下:
其中PN为组织工程皮肤x-y面的采样点数;(x0,y0)是组织工程皮肤的中心位置;R为待测量组织工程皮肤的半径;Z(i,j)表示待测量组织工程皮肤表面像素点位置(i,j)与组织工程皮肤中心位置(x0,y0)的像素距离;
步骤(3)、利用OCT系统实时监测组织工程皮肤构建过程,结合步骤(2)实时得到组织工程皮肤的厚度和粗糙度分析结果,根据产品的设计需求,实时反馈组织工程皮肤构建过程中出现的问题,改进组织工程皮肤培养的参数控制,以期达到同一批次内组织工程皮肤参数的一致性和不同批次组织工程皮肤参数的一致性。
2.组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于该方法包括以下步骤:
步骤(1)、OCT实时对各培养状态下单层组织工程皮肤模型进行二维数据和三维数据的采集;
步骤(2)、利用基于OCT强度信号的自适应峰值检测算法量化组织工程皮肤的三维结构参数,通过对培养周期内的组织工程皮肤持续检测,标定OCT强度信号曲线特征峰之间的距离,精准分析组织工程皮肤的层厚,以此量化分析组织工程皮肤的厚度、表面粗糙度的变化和表征组织工程皮肤的生长状态;具体是:
2.1根据步骤(1)获得的OCT二维数据和三维数据提取A-Scan轴向扫描信号强度曲线数据D={D1,D2,…,Dn};Dn表示第n时刻得到的A-Scan信号强度曲线;
2.2A-Scan信号强度曲线Dm(1≤m≤n)中最大峰与次大峰之间距离即为当前OCT强度信号深度域组织工程皮肤厚度的像素数量,并求取此时的OCT基底信号Dbackground;具体是:
2.2.1首先根据OCT三维数据确定组织工程皮肤测量的Z轴向深度区间为z1-z2,在深度区间上找到A-Scan信号强度曲线最大峰DIndex2;Index2表示最大峰所在的像素点;
2.2.2根据最大峰DIndex2确定不含有组织工程皮肤的深度区间z3-z4,根据公式(6)计算当前峰OCT基底信号Dbackground:
其中Dq表示Dm中像素q处的A-Scan信号强度;
2.2.3次大峰迭代寻找过程如下:
1)初始化,设定边长中心为DIndex2且边长为h的选中框,其中h为人为设定的自然数;
2)判断选中框所有OCT A-Scan轴向扫描信号是否均大于OCT基底信号Dbackground,若是则重新赋予h=h+2,重复步骤2);若否则停止迭代;
3)从选中框中外侧筛选出最大峰作为A-Scan轴向扫描信号强度曲线的次大峰DIndex1;Index1表示次大峰所在的像素点;
2.3根据A-Scan信号强度曲线最大峰与次大峰,获取组织工程皮肤厚度depth,如下:
depth=(Index2-Index1)×resolution/n 公式(7)
其中resulution为OCT系统在空气中轴向分辨率;n为组织工程皮肤的折射率;(Index2-Index1)表示最大峰与次大峰间的像素数量;
2.4根据OCT二维数据,结合公式(5)获取组织工程皮肤粗糙度Ra,如下:
其中PN为组织工程皮肤x-y面的采样点数;(x0,y0)是组织工程皮肤的中心位置;R为待测量组织工程皮肤的半径;Z(i,j)表示待测量组织工程皮肤表面像素点位置(i,j)与组织工程皮肤中心位置(x0,y0)的像素距离;
步骤(3)、利用OCT系统实时监测组织工程皮肤构建过程,结合步骤(2)实时得到组织工程皮肤的厚度和粗糙度分析结果,根据产品的设计需求,实时反馈组织工程皮肤构建过程中出现的问题,改进组织工程皮肤培养的参数控制,以期达到同一批次内组织工程皮肤参数的一致性和不同批次组织工程皮肤参数的一致性。
3.如权利要求1或2所述的组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于将OCT系统的扫描探头对准组织工程皮肤的培养板;OCT系统轴向分辨率为1~6μm,扫描探头工作距离>25mm,对组织工程皮肤组织的成像深度>500μm,中心波长可选择800nm、900nn或1300nm,并且能够穿透培养板进行测量。
4.如权利要求1或2所述的组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于二维数据采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,以采样间隔为u像素大小取同心圆,在组织工程皮肤圆形区域内等间隔采集不少于6个B-Scan横向扫描数据;平均B-scan数据得到距离组织工程皮肤中心位置处的平均厚度分布。
5.如权利要求1或2所述的组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于三维数据的采集方式如下:组织工程皮肤半径为R,以组织工程皮肤的中心为圆心,设置OCT扫描范围使其大于等于2R×2R矩形面积,扫描组织工程皮肤。
6.如权利要求1所述的组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于组织工程皮肤为表皮层单层结构,或真皮层单层结构,或表皮层、真皮层两层结构,或表皮层、真皮层、皮下组织三层结构。
7.如权利要求2所述的组织工程皮肤构建过程中OCT实时无损监测方法,其特征在于组织工程皮肤为表皮层单层结构,或真皮层单层结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018356.7A CN111007062B (zh) | 2019-10-24 | 2019-10-24 | 组织工程皮肤构建过程中oct实时无损监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018356.7A CN111007062B (zh) | 2019-10-24 | 2019-10-24 | 组织工程皮肤构建过程中oct实时无损监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111007062A true CN111007062A (zh) | 2020-04-14 |
CN111007062B CN111007062B (zh) | 2022-03-15 |
Family
ID=70111553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911018356.7A Active CN111007062B (zh) | 2019-10-24 | 2019-10-24 | 组织工程皮肤构建过程中oct实时无损监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007062B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822852A (zh) * | 2020-06-19 | 2021-12-21 | 株式会社斯库林集团 | 图像处理方法、程序以及记录介质 |
CN114322797A (zh) * | 2021-12-31 | 2022-04-12 | 浙江大学嘉兴研究院 | 基于弱相干干涉的生物膜组织光学检测切割方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006000385A (ja) * | 2004-06-17 | 2006-01-05 | Kao Corp | 表皮の解析方法 |
CN106073788A (zh) * | 2016-07-19 | 2016-11-09 | 杭州捷诺飞生物科技有限公司 | 基于oct的原位三维打印皮肤修复设备及其实现方法 |
CN107498874A (zh) * | 2017-09-21 | 2017-12-22 | 杭州捷诺飞生物科技股份有限公司 | 三维打印同步微层析成像在线监控方法及系统 |
CN108481749A (zh) * | 2017-11-16 | 2018-09-04 | 杭州捷诺飞生物科技股份有限公司 | 实时监测的三维打印方法及装置 |
CN109389568A (zh) * | 2018-10-25 | 2019-02-26 | 中国科学院上海光学精密机械研究所 | 自动测量皮肤光学相干层析图像中表皮厚度的方法 |
-
2019
- 2019-10-24 CN CN201911018356.7A patent/CN111007062B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006000385A (ja) * | 2004-06-17 | 2006-01-05 | Kao Corp | 表皮の解析方法 |
CN106073788A (zh) * | 2016-07-19 | 2016-11-09 | 杭州捷诺飞生物科技有限公司 | 基于oct的原位三维打印皮肤修复设备及其实现方法 |
CN107498874A (zh) * | 2017-09-21 | 2017-12-22 | 杭州捷诺飞生物科技股份有限公司 | 三维打印同步微层析成像在线监控方法及系统 |
CN108481749A (zh) * | 2017-11-16 | 2018-09-04 | 杭州捷诺飞生物科技股份有限公司 | 实时监测的三维打印方法及装置 |
CN109389568A (zh) * | 2018-10-25 | 2019-02-26 | 中国科学院上海光学精密机械研究所 | 自动测量皮肤光学相干层析图像中表皮厚度的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822852A (zh) * | 2020-06-19 | 2021-12-21 | 株式会社斯库林集团 | 图像处理方法、程序以及记录介质 |
CN114322797A (zh) * | 2021-12-31 | 2022-04-12 | 浙江大学嘉兴研究院 | 基于弱相干干涉的生物膜组织光学检测切割方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111007062B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | Photoacoustic microscopy in tissue engineering | |
CN107368670A (zh) | 基于大数据深度学习的胃癌病理诊断支持系统和方法 | |
US20130194410A1 (en) | Cell occupancy measurement | |
CN111007062B (zh) | 组织工程皮肤构建过程中oct实时无损监测方法 | |
CN105479751A (zh) | 一种三维生物打印水凝胶支架的优化控制系统与方法 | |
US10846849B2 (en) | Method for analyzing state of cells in spheroid | |
Kiesewetter et al. | Reepithelialization in focus: Non-invasive monitoring of epidermal wound healing in vitro | |
Roberge et al. | Non-destructive tumor aggregate morphology and viability quantification at cellular resolution, during development and in response to drug | |
Ruland et al. | Quantitative ultrasound imaging of cell-laden hydrogels and printed constructs | |
CN105738254B (zh) | 一种力学生物学耦合测试系统及方法 | |
CN104568880B (zh) | 一种对软骨组织进行分析的方法 | |
Gubarkova et al. | Nonlinear elasticity assessment with optical coherence elastography for high-selectivity differentiation of breast cancer tissues | |
Rateria et al. | Investigation of Puccinia triticina contagion on wheat leaves using swept source optical coherence tomography | |
CN114494217A (zh) | 一种人工组织和类器官的检测方法及其装置 | |
Zhang et al. | Seeing through the surface: non-invasive characterization of biomaterial–tissue interactions using photoacoustic microscopy | |
Zhao et al. | Automatic quantitative analysis of structure parameters in the growth cycle of artificial skin using optical coherence tomography | |
Mercado | Developing high-frequency quantitative ultrasound techniques to characterize three-dimensional engineered tissues | |
WO2020261455A1 (ja) | 細胞機能の評価方法及び細胞解析装置 | |
Zhang et al. | Quantification of algal cell concentration based on optical coherence tomography | |
WO2017092136A1 (zh) | 一种基于光干涉技术的叶片表面微结构快速测量方法 | |
CN118226089A (zh) | 一种抗癌物质的功效检测方法 | |
Lin et al. | Three-dimensional characterizations of two-photon excitation fluorescence images of elastic fibers affected by cutaneous scar duration | |
Ruland Palaia et al. | Quantitative ultrasound imaging of cell-laden hydrogels and printed constructs | |
CN116183507A (zh) | 一种基于基底光声的组织硬度研究方法及应用 | |
Li et al. | Parameters Optimization of Dynamic CT Pulmonary Perfusion Imaging Analysis Technology Based on Artificial Intelligence |
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 |