CN113450342B - 一种基于光学相干断层扫描的生物组织轮廓成像方法 - Google Patents
一种基于光学相干断层扫描的生物组织轮廓成像方法 Download PDFInfo
- Publication number
- CN113450342B CN113450342B CN202110810785.9A CN202110810785A CN113450342B CN 113450342 B CN113450342 B CN 113450342B CN 202110810785 A CN202110810785 A CN 202110810785A CN 113450342 B CN113450342 B CN 113450342B
- Authority
- CN
- China
- Prior art keywords
- signal
- biological tissue
- wavelet packet
- optical
- imaging
- 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
- 238000012014 optical coherence tomography Methods 0.000 title claims abstract description 29
- 238000003384 imaging method Methods 0.000 title claims abstract description 25
- 230000003287 optical effect Effects 0.000 claims abstract description 29
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000001228 spectrum Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于光学相干断层扫描的生物组织轮廓成像方法,包括以下步骤:步骤S1:采用OCT设备对生物组织区域进行扫描成像,获取生物组织区域光学干涉信号;步骤S2:采用小波包分解对光学干涉信号进行分解,对分解后的信号求解其能量特征,然后选取能量特征大的分量进行信号重构;步骤S3:根据重构后的信号来构建生物组织轮廓,对生物组织区域进行成像。本发明通过小波包能量分解重构信号,可有效去除噪声,提高影像分辨率。
Description
技术领域
本发明涉及图像处理领域,特别是一种基于光学相干断层扫描的生物组织轮廓成像方法。
背景技术
光学相干断层扫描(Optical Coherence Tomography,OCT)技术也叫做光学相干层析技术,利用弱相干干涉原理,通过探测被测样品不同深度层的背向散射光,来获取被测样品背部微结构信息的一种高分辨率内部成像技术。通过对被测样品的扫描,可以实现被测样品的二维或者三维的结构的微米级分辨率的层析成像。由于普通OCT的光源通常为宽带光源,而在信号采集过程中,不可避免夹杂着大量的环境噪声和干扰等。小波包变换可以将频带部分多层次划分,对高频部分进一步分解,并能够根据信号特征,自适应地选择最佳小波基函数,选择相应的频带,使之与信号频谱相匹配,提高信号时频分辨率。之后对分解后的信号进行能量特征提取,选取能量特征高的分量进行重构,采用重构后的信号对生物组织内部轮廓进行二维成像,无需对其解剖观测即可实现对生物组织内部结构的成像。目前浅表面成像与表面成像无法直接观测到生物组织内部轮廓图,而超声回波扫描技术需要耦合剂才能进行工作,且成像分辨率低。
发明内容
有鉴于此,本发明的目的是提供一种基于光学相干断层扫描的生物组织轮廓成像方法,通过小波包能量分解重构信号,可有效去除噪声,提高影像分辨率。
本发明采用以下方案实现:一种基于光学相干断层扫描的生物组织轮廓成像方法,包括以下步骤:
步骤S1:采用OCT设备对生物组织区域进行扫描成像,获取生物组织区域光学干涉信号;
步骤S2:采用小波包分解对光学干涉信号进行分解,对分解后的信号求解其能量特征,然后选取能量特征大的分量进行信号重构;
步骤S3:根据重构后的信号来构建生物组织轮廓,对生物组织区域下层组织轮廓进行成像。
进一步地,所述步骤S1的具体内容为:
在OCT系统中,光源经参考光路后被光谱仪采集到的信号为:
IR(A)=SR(k)e2ikr (1)
式中,SR(k)为参考光的谱功率分布函数,e2ikr为相位,2r为参考比的光程长度,k为波数且k=2π/λ;而样品反射光表达为:
式中,SS(k,z)为样品反射光的谱功率分布函数,n为样品反射率;r+nz为样品在深度z上对应的光程;
当参考光和反射光发生干涉后,被系统接受并转换成干涉光谱信号为:
式(3)为真实的干涉光谱信号,而实际采集到的信号即生物组织区域光学干涉信号为:
进一步地,所述步骤S2的具体内容为:
将小波包分解后的分量分别记为xi(n),然后计算每个分量的能量特征
式中xi(n)为分解系数序列中第i个频带,j为小波包分解层数;
进一步地,所述步骤S3的具体内容为:
将重构后的信号即单列信号乘以OCT设备分辨率即为探测到的生物组织在深度上的信息,将单点的信号按照采集顺序一一排列构成二维矩阵,将其画为二维扫描图,即构成探测区域部分生物组织内部轮廓二维图。
与现有技术相比,本发明具有以下有益效果:
本发明通过小波包能量分解重构信号,可有效去除噪声,提升组织轮廓成像的分辨率,且无需解剖可直接观测到探测区域生物组织内部结构。
附图说明
图1为本发明实施例的OCT设备采集到的光学信号图。
图2为本发明实施例的信号的小波包能量特征图。
图3为本发明实施例的生物组织内部结构轮廓图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如入1、2、3所示,本实施例提供一种基于光学相干断层扫描的生物组织轮廓成像方法,包括以下步骤:
步骤S1:采用OCT设备对生物组织区域进行扫描成像,获取生物组织区域光学干涉信号;
步骤S2:采用小波包分解对光学干涉信号进行分解,对分解后的信号求解其能量特征,然后选取能量特征大的分量进行信号重构;
步骤S3:根据重构后的信号来构建生物组织轮廓,对生物组织区域下层组织轮廓进行成像。
在本实施例中,所述步骤S1的具体内容为:
在OCT系统中,光源经参考光路后被光谱仪采集到的信号为:
IR(A)=SR(k)e2ikr (1)
式中,SR(k)为参考光的谱功率分布函数,e2ikr为相位,2r为参考比的光程长度,k为波数且k=2π/λ;而样品反射光表达为:
式中,SS(k,z)为样品反射光的谱功率分布函数,n为样品反射率;r+nz为样品在深度z上对应的光程;
当参考光和反射光发生干涉后,被系统接受并转换成干涉光谱信号为:
式(3)为真实的干涉光谱信号,而实际采集到的信号即生物组织区域光学干涉信号为:
在本实施例中,所述步骤S2的具体内容为:
小波包分解能够根据信号本身特点,自适应选择频带,确定信号在不同频段的分辨率;
将小波包分解后的分量分别记为xi(n),然后计算每个分量的能量特征
式中xi(n)为分解系数序列中第i个频带,j为小波包分解层数;
在本实施例中,所述步骤S3的具体内容为:
将重构后的信号即单列信号乘以OCT设备分辨率即为探测到的生物组织在深度上的信息,将单点的信号按照采集顺序一一排列构成二维矩阵,将其画为二维扫描图,即构成探测区域部分生物组织内部轮廓二维图。
较佳的,本实施例首先采用OCT设备对生物组织进行扫描成像,获取生物组织光学干涉信号;然后采用小波包分解对实验信号进行分解,对分解后的信号求解其能量特征,然后选取能量特征大的分量进行信号重构;最后根据重构后的信号来构建生物组织轮廓。图1为OCT设备采集到的光学信号。然后采用小波包能量分解对信号进行分解,并求解其能量特征,图2为信号的小波包能量特征。选取能量特征大的分量进行信号重构,然后将扫描信号进行轮廓成像。图3为生物组织内部轮廓图。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (2)
1.一种基于光学相干断层扫描的生物组织轮廓成像方法,其特征在于:包括以下步骤:
步骤S1:采用OCT设备对生物组织区域进行扫描成像,获取生物组织区域光学干涉信号;
步骤S2:采用小波包分解对光学干涉信号进行分解,对分解后的信号求解其能量特征,然后选取能量特征大的分量进行信号重构;
步骤S3:根据重构后的信号来构建生物组织轮廓,对生物组织区域下层组织轮廓进行成像;
所述步骤S2的具体内容为:
将小波包分解后的分量分别记为xi(n),然后计算每个分量的能量特征
式中xi(n)为分解系数序列中第i个频带,j为小波包分解层数;
所述步骤S3的具体内容为:
将重构后的信号即单列信号乘以OCT设备分辨率即为探测到的生物组织在深度上的信息,将单点的信号按照采集顺序一一排列构成二维矩阵,将其画为二维扫描图,即构成探测区域部分生物组织内部轮廓二维图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110810785.9A CN113450342B (zh) | 2021-07-16 | 2021-07-16 | 一种基于光学相干断层扫描的生物组织轮廓成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110810785.9A CN113450342B (zh) | 2021-07-16 | 2021-07-16 | 一种基于光学相干断层扫描的生物组织轮廓成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113450342A CN113450342A (zh) | 2021-09-28 |
CN113450342B true CN113450342B (zh) | 2022-06-14 |
Family
ID=77816533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110810785.9A Active CN113450342B (zh) | 2021-07-16 | 2021-07-16 | 一种基于光学相干断层扫描的生物组织轮廓成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450342B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105769387A (zh) * | 2016-04-27 | 2016-07-20 | 张培东 | 一种带瓣膜定位功能的经皮主动脉瓣置换手术用输送装置 |
WO2017005838A1 (en) * | 2015-07-09 | 2017-01-12 | Agfa Healthcare | Non-invasive biological tissue examination based on full field high definition optical coherence tomography imaging |
CN109596529A (zh) * | 2018-12-28 | 2019-04-09 | 浙江大学 | 一种基于光纤阵列并行探测的光学相干层析系统及方法 |
CN111354055A (zh) * | 2020-03-13 | 2020-06-30 | 西南科技大学 | 基于深度学习的光学相干层析成像深度重建方法 |
CN112597947A (zh) * | 2020-12-29 | 2021-04-02 | 电子科技大学 | 一种基于傅里叶域光学相干层析成像技术的色散补偿方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9678007B2 (en) * | 2011-10-14 | 2017-06-13 | Northwestern University | Biological tissue analysis by inverse spectroscopic optical coherence tomography |
-
2021
- 2021-07-16 CN CN202110810785.9A patent/CN113450342B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017005838A1 (en) * | 2015-07-09 | 2017-01-12 | Agfa Healthcare | Non-invasive biological tissue examination based on full field high definition optical coherence tomography imaging |
CN105769387A (zh) * | 2016-04-27 | 2016-07-20 | 张培东 | 一种带瓣膜定位功能的经皮主动脉瓣置换手术用输送装置 |
CN109596529A (zh) * | 2018-12-28 | 2019-04-09 | 浙江大学 | 一种基于光纤阵列并行探测的光学相干层析系统及方法 |
CN111354055A (zh) * | 2020-03-13 | 2020-06-30 | 西南科技大学 | 基于深度学习的光学相干层析成像深度重建方法 |
CN112597947A (zh) * | 2020-12-29 | 2021-04-02 | 电子科技大学 | 一种基于傅里叶域光学相干层析成像技术的色散补偿方法 |
Non-Patent Citations (3)
Title |
---|
Speckle noise reduction of optical coherence tomography images with a wavelet transform;Tsuyoshi Murakami et al.;《2018 IEEE 14th International Colloquium on Signal Processing & Its Applications (CSPA)》;IEEE;20180531;全文 * |
一维小波变换在时域光学相干层析成像中的应用;张雨东等;《中国激光》;20080710(第07期);全文 * |
扫频OCT的快速图像处理技术研究;蔡旭皓;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20190515(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113450342A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chong et al. | Speckle reduction in optical coherence tomography images of human finger skin by wavelet modified BM3D filter | |
JP6320594B2 (ja) | 被検体情報取得装置及び被検体情報取得方法 | |
CN101822548A (zh) | 基于相关性分析与经验模态分解的超声信号去噪方法 | |
CN106127711A (zh) | shearlet变换和快速双边滤波器图像去噪方法 | |
EP2799006B1 (en) | Object information acquiring apparatus and control method of object information acquiring apparatus | |
CN107468250B (zh) | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 | |
CN109598680A (zh) | 基于快速非局部均值和tv-l1模型的剪切波变换医学ct图像去噪方法 | |
CN106157261A (zh) | 平移不变性的shearler变换医学图像去噪方法 | |
CN104299191A (zh) | 一种超声图像去噪方法及中值滤波方法 | |
Chen et al. | Time of arrival data fusion method for two-dimensional ultrawideband breast cancer detection | |
CN102682439B (zh) | 基于多向经验模式分解的医学图像融合方法 | |
CN113450342B (zh) | 一种基于光学相干断层扫描的生物组织轮廓成像方法 | |
Chahuara et al. | Regularized framework for simultaneous estimation of ultrasonic attenuation and backscatter coefficients | |
US20130315462A1 (en) | Use of a Two-Dimensional Analytical Signal in Sonography | |
US6066098A (en) | Method for enhancing the diagnostic power of ultrasonic scanning systems by using real-time spectral maps, and device operating by said method | |
Hernández et al. | Noise cancellation on ECG and heart rate signals using the undecimated wavelet transform | |
AU2020103375A4 (en) | Speckle Denoising System for Ultrasound Images with Framelet Transform and Gaussian Filter | |
CN108416737A (zh) | 基于dnst的医学ct图像去噪方法 | |
CN104318520A (zh) | 一种像素局部区域方向检测方法 | |
CN101639530B (zh) | 一种基于二维混合变换的sar回波信号去噪预处理方法 | |
Kongo et al. | Dual-tree complex wavelet in medical ultrasounds images restoration | |
De Marchi et al. | Prostate tissue characterization via ultrasound speckle statistics | |
Qu et al. | Real-time stripe noise removal method for endoscope image | |
Kim et al. | Multiband tissue differentiation in ultrasonic transmission tomography | |
Ermeydan et al. | Digital Pathology Image Reconstruction with Alternating Direction Method of Multipliers using Wavelet, Contourlet and Shearlet Transforms |
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 |