CN113837961B - 一种适用于活体长时间内源成像的方法和系统 - Google Patents
一种适用于活体长时间内源成像的方法和系统 Download PDFInfo
- Publication number
- CN113837961B CN113837961B CN202111109115.0A CN202111109115A CN113837961B CN 113837961 B CN113837961 B CN 113837961B CN 202111109115 A CN202111109115 A CN 202111109115A CN 113837961 B CN113837961 B CN 113837961B
- Authority
- CN
- China
- Prior art keywords
- image
- bit depth
- depth image
- endogenous
- bit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003384 imaging method Methods 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 31
- 230000033001 locomotion Effects 0.000 claims abstract description 27
- 230000007774 longterm Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000010171 animal model Methods 0.000 description 6
- 238000012634 optical imaging Methods 0.000 description 5
- 206010002091 Anaesthesia Diseases 0.000 description 4
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 230000037005 anaesthesia Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000003925 brain function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000001951 dura mater Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 229920002545 silicone oil Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种适用于活体长时间内源成像的方法和系统。该方法包括:采集原始内源信号图像并进行数字化,获得第一位深图像;将所述第一位深图像转换为第二位深的图像,其中该第二位深图像是无法观测到内源信号的强度图;针对所述第二位深图像,对灰度值范围的强度图进行运动校正,获得帧间亚像素偏移量;利用所述帧间亚像素偏移量对所述第一位深图像进行运动校正;从经校正的图像中提取内源信号。利用本发明能够实现对高灵敏的内源感测图像进行有效的长时间运动校正,并降低对实验环境的防震要求,有利于运用于术中观察。
Description
技术领域
本发明涉及图像处理技术领域,更具体地,涉及一种适用于活体长时间内源成像的方法和系统。
背景技术
内源信号的脑功能光学成像技术,其信号主要来自于皮层局部氧消耗所造成的血红蛋白氧化水平的变化,通过测量皮层反射和后向散射光光强,来反映皮层功能活动引起的局部氧合血红蛋白、还原血红蛋白浓度以及组织光散射特性的改变。利用局部血红蛋白氧化水平的变化能够准确地对神经元的局部活动作空间定位,因此基于内源信号的脑光学成像技术的空间分辨率能够达到100um,比fMRI(功能性磁共振成像)和PET(正电子发射型计算机断层显像)的空间分辨率(2000-4000um)都要高。由于不涉及到使用有毒性的物质,这种技术很适合于活体记录和长期发育研究,已在神经科学领域得到了广泛的应用。
现有内源成像采用将实验动物麻醉后,剥离硬脑膜,以一金属小室灌以硅油将所研究的皮层密封,用单色光源照射暴露皮层,在给动物适当的刺激的同时,用图像传感器同步记录它引起的皮层反射和后向散射光的变化,图像经采集卡转入计算机后,进行后续处理。虽然基于内源信号的脑功能光学成像的原理和系统构成相对比较简单,但在活体成像实验过程中存在诸如呼吸、心跳以及血管周期性搏动等生物噪声,这些生物噪声引起的皮层反射光强变化往往远高于刺激相关的皮层活动信号,从而降低了成像信噪比,需要经过一系列图像信号处理。
在现有技术中,内源成像图像处理通常采用第一帧分析(后续所有采集的帧都减去第一帧)去除低频噪声,采用叠加平均及滤波去除心跳、呼吸、CCD相机引起的噪声等。然而,使用这些手段的前提是实验动物需要处于一个稳定的实验环境,不能在采集图像时发生帧与帧之间的移动,而目前只能通过利用具备优良防震性能的实验平台、机械固定方式以及麻醉手段来防止实验动物在采集图像时产生轻微移动。因此,需要实验动物置于良好防震的平台上,严格控制麻醉剂量,并注意控制刺激力度,以防止由于环境震动和实验动物呼吸、心跳导致采集图像发生帧与帧之间像素级别的移动。对实验要求高,且不适合长时间观测。
此外,目前应对运动校正的方法有刚性运动校正和非刚性运动校正,通过设定一个初始模板,然后计算帧与帧之间的偏移量实现运动校正。但是由于内源信号是一种很微弱的信号,所以通常采用的是高动态范围,位深大于12bit的相机进行拍摄,因此拍摄到的图像,帧与帧之间通常存在较大差异,而现有的运动校正方法有校正失败的风险并且也不适合于长时间的观测。
发明内容
本发明的目的是克服上述现有技术的缺陷,提供一种适用于活体长时间内源成像的方法和系统。
根据本发明的第一方面,提供一种适用于活体长时间内源成像的方法。该方法包括以下步骤:
采集原始内源信号图像并进行数字化,获得第一位深图像;
将所述第一位深图像转换为第二位深的图像,其中该第二位深图像是无法观测到内源信号的强度图;
针对所述第二位深图像,对灰度值范围的强度图进行运动校正,获得帧间亚像素偏移量;
利用所述帧间亚像素偏移量对所述第一位深图像进行运动校正;
从经校正的图像中提取内源信号。
根据本发明的第二方面,提供一种适用于活体长时间内源成像的系统。该系统包括:
图像采集单元,用于采集原始内源信号图像并进行数字化,获得第一位深图像;
图像转换单元,用于将所述第一位深图像转换为第二位深的图像,其中该第二位深图像是无法观测到内源信号的强度图;
第一校正单元,用于针对所述第二位深图像,对灰度值范围的强度图进行运动校正,获得帧间亚像素偏移量;
第二校正单元,用于利用所述帧间亚像素偏移量对所述第一位深图像进行运动校正;
信号提取单元,用于从经校正的图像中提取内源信号。
与现有技术相比,本发明的优点在于,解决了活体长时间内源成像需要严格防震、严格固定和严格麻醉的问题,并避免了高灵敏的内源成像运动校正失败的风险。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是根据本发明一个实施例的适用于活体长时间内源成像方法的流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
参见图1所示,所提供的适用于活体长时间内源成像方法包括以下步骤。
步骤S110,采集原始内源信号图像。
例如,利用高灵敏度的电荷耦合器件(CCD)摄像机记录下整片脑区中的兴奋区域和抑制区域,然后将光学信号转换为数字信号。这种方式获得的图像位深通常大于12bit。图像位深(深度)用于描述图像中每个像素的数据所占的位数。图像的每一个像素对应的数据通常可以是1位(bit)或多位字节,用于存放该像素的颜色、亮度等信息,数据位数越多,对应的图像颜色种类越多。
步骤S120,降低图像位深,获得低灰度值范围的图像,以去除内源信号。
由于通过光学成像测量到的内源信号十分微弱,从原始数据不能直接获得大脑皮层的功能构筑信息,为了将内源信号从皮层图像中提取出来,需要恰当的数据分析方法。
在一个实施例中,对采集的原始内源信号图像通过降低图像位深实现图像格式转换。例如,将大于12bit的图像转换成8bit甚至灰度范围更小的图像。灰度值指图像中点的颜色深度,范围一般从0到255。通过降低图像位深,使得内源信号无法在图像灰度值上显现,图像只显示出无法观测到内源信号的强度图。
步骤S130,对低位深图像进行运动校正,获得帧间亚像素级偏移量。
接下来,对低灰度值范围的强度图进行运动校正,获得像素帧与帧之间亚像素级别的偏移量。亚像素精度是指相邻两像素之间细分情况,例如二分之一、三分之一或四分之一像素。
在一个实施例中,亚像素级偏移量可对已获取的整像素匹配点及周围各点的相关系数矩阵进行二次曲面、三次曲面拟合或插值法等,然后通过求出函数极值,获得亚像素位移。
步骤S140,将亚像素级偏移量运用到原始内源信号图像,实现亚像素级别的运动校正。
将所获得亚像素级运用到原始灰度值图像,进行原始图像的运动校正。这种方式有利于校正原始图像序列中的呼吸、心跳以及血管周期性搏动等生物噪声,并且适用于帧与帧之间发生移动的情况。
步骤S150,从经运动校正的图像中提取内源信号。
最后,从实现去除内源信号干扰运动校正后的高位深图像中提取内源信号。例如,可采用传统的图像处理方式提取内源信号。
相应地,本发明还提供一种适用于活体长时间内源成像的系统,用于实现上述方法的一个方面或多个方面。例如,该系统包括:图像采集单元,其用于采集原始内源信号图像并进行数字化,获得第一位深图像;图像转换单元,其用于将所述第一位深图像转换为第二位深的图像,其中该第二位深图像是无法观测到内源信号的强度图;第一校正单元,其用于针对所述第二位深图像,对灰度值范围的强度图进行运动校正,获得帧间亚像素偏移量;第二校正单元,其用于利用所述帧间亚像素偏移量对所述第一位深图像进行运动校正;信号提取单元,其用于从经校正的图像中提取内源信号。所述系统中包含的各单元可采用软件、通用处理器、专用处理器或FPGA等实现。
综上所述,相对传统的基于内源信号光学成像的图像处理方法(包括叠加平均、滤波、第一帧分析、差分和单条件图等),本发明第一次提出通过降低图像的位深去除内源信号干扰,进而对低位深的图像进行运动校正,获得帧间亚像素偏移量,并利用该亚像素偏移量校正高位深图像来提取内源信号。利用本发明能够实现对高灵敏的内源感测图像进行有效的长时间运动校正,并降低对实验环境的防震要求,有利于最终运用于术中观察。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++、Python等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种适用于活体长时间内源成像的方法,包括以下步骤:
采集原始内源信号图像并进行数字化,获得第一位深图像;
将所述第一位深图像转换为第二位深的图像,其中该第二位深图像是无法观测到内源信号的强度图;
针对所述第二位深图像,对灰度值范围的强度图进行运动校正,获得帧间亚像素偏移量;
利用所述帧间亚像素偏移量对所述第一位深图像进行运动校正;
从经校正的图像中提取内源信号。
2.根据权利要求1所述的方法,其特征在于,所述第一位深图像的深度大于等于12bit,所述第二位深图像的深度等于或小于8bit。
3.根据权利要求1所述的方法,其特征在于,利用电荷耦合器件摄像机采集原始内源信号图像。
4.根据权利要求1所述的方法,其特征在于,所述第二位深图像的深度根据内源信号的强度进行设定。
5.根据权利要求1所述的方法,其特征在于,所述亚像素偏移量表征的亚像素精度包括二分之一、三分之一或四分之一像素。
6.一种适用于活体长时间内源成像的系统,包括:
图像采集单元,用于采集原始内源信号图像并进行数字化,获得第一位深图像;
图像转换单元,用于将所述第一位深图像转换为第二位深的图像,其中该第二位深图像是无法观测到内源信号的强度图;
第一校正单元,用于针对所述第二位深图像,对灰度值范围的强度图进行运动校正,获得帧间亚像素偏移量;
第二校正单元,用于利用所述帧间亚像素偏移量对所述第一位深图像进行运动校正;
信号提取单元,用于从经校正的图像中提取内源信号。
7.根据权利要求6所述的系统,其特征在于,所述第一位深图像的深度大于等于12bit,所述第二位深图像的深度等于或小于8bit。
8.根据权利要求6所述的系统,其特征在于,所述第二位深图像的深度根据内源信号的强度进行设定。
9.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现根据权利要求1至5中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,在所述存储器上存储有能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109115.0A CN113837961B (zh) | 2021-09-22 | 2021-09-22 | 一种适用于活体长时间内源成像的方法和系统 |
PCT/CN2021/137311 WO2023045106A1 (zh) | 2021-09-22 | 2021-12-12 | 一种适用于活体长时间内源成像的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109115.0A CN113837961B (zh) | 2021-09-22 | 2021-09-22 | 一种适用于活体长时间内源成像的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837961A CN113837961A (zh) | 2021-12-24 |
CN113837961B true CN113837961B (zh) | 2023-10-20 |
Family
ID=78960408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109115.0A Active CN113837961B (zh) | 2021-09-22 | 2021-09-22 | 一种适用于活体长时间内源成像的方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113837961B (zh) |
WO (1) | WO2023045106A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0823691A1 (en) * | 1996-08-08 | 1998-02-11 | Agfa-Gevaert N.V. | Method of correcting a radiation image for defects in the recording member |
US5845639A (en) * | 1990-08-10 | 1998-12-08 | Board Of Regents Of The University Of Washington | Optical imaging methods |
CN111709897A (zh) * | 2020-06-18 | 2020-09-25 | 深圳先进技术研究院 | 一种基于域变换的正电子发射断层图像的重建方法 |
CN111784591A (zh) * | 2019-12-31 | 2020-10-16 | 西安九天孵化器科技有限公司 | 一种确定内源光信号去噪算法的方法 |
CN112291479A (zh) * | 2020-11-23 | 2021-01-29 | Oppo(重庆)智能科技有限公司 | 图像处理模组、图像处理方法、摄像头组件及移动终端 |
CN112419173A (zh) * | 2020-11-04 | 2021-02-26 | 深圳先进技术研究院 | 一种由pet图像生成ct图像的深度学习框架和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI0921770A2 (pt) * | 2008-11-04 | 2016-01-05 | Univ Rice William M | espectrômetros de mapeamento de imagem |
US9286653B2 (en) * | 2014-08-06 | 2016-03-15 | Google Inc. | System and method for increasing the bit depth of images |
CN110337807A (zh) * | 2017-04-07 | 2019-10-15 | 英特尔公司 | 针对深度通道和卷积神经网络图像和格式使用相机设备的方法和系统 |
-
2021
- 2021-09-22 CN CN202111109115.0A patent/CN113837961B/zh active Active
- 2021-12-12 WO PCT/CN2021/137311 patent/WO2023045106A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5845639A (en) * | 1990-08-10 | 1998-12-08 | Board Of Regents Of The University Of Washington | Optical imaging methods |
EP0823691A1 (en) * | 1996-08-08 | 1998-02-11 | Agfa-Gevaert N.V. | Method of correcting a radiation image for defects in the recording member |
CN111784591A (zh) * | 2019-12-31 | 2020-10-16 | 西安九天孵化器科技有限公司 | 一种确定内源光信号去噪算法的方法 |
CN111709897A (zh) * | 2020-06-18 | 2020-09-25 | 深圳先进技术研究院 | 一种基于域变换的正电子发射断层图像的重建方法 |
CN112419173A (zh) * | 2020-11-04 | 2021-02-26 | 深圳先进技术研究院 | 一种由pet图像生成ct图像的深度学习框架和方法 |
CN112291479A (zh) * | 2020-11-23 | 2021-01-29 | Oppo(重庆)智能科技有限公司 | 图像处理模组、图像处理方法、摄像头组件及移动终端 |
Non-Patent Citations (3)
Title |
---|
人眼视网膜内源光信号的探测;彭玮婷;邵双运;林子钰;单宏儒;张洁瑞;;光电子・激光;27(第12期);1320-1327 * |
摄像机畸变矫正研究的综述;张静;秦文健;贾亮;;科技创新导报(第07期);5-6 * |
灰度图像校正在视网膜内源光信号探测中的应用;张洁瑞;郭学谦;马丽萍;侯钧杰;邵双运;;中国医疗设备;32(第07期);51-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837961A (zh) | 2021-12-24 |
WO2023045106A1 (zh) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112770838B (zh) | 使用自关注深度学习进行图像增强的系统和方法 | |
US11540725B2 (en) | Systems and methods for generating 3D images based on fluorescent illumination | |
KR20130038794A (ko) | 디지털 엑스레이 프레임들 시리즈에서의 잡음 감소의 방법 | |
Reynaud et al. | Linear model decomposition for voltage-sensitive dye imaging signals: application in awake behaving monkey | |
Laghrib et al. | A combined total variation and bilateral filter approach for image robust super resolution | |
JP2013048782A (ja) | 画像処理装置、画像処理方法、プログラムおよびコンピュータ記録媒体 | |
Banchhor et al. | Five multiresolution-based calcium volume measurement techniques from coronary IVUS videos: A comparative approach | |
CN104504657B (zh) | 磁共振弥散张量去噪方法和装置 | |
CN112790756A (zh) | 任务态功能磁共振扫描数据去噪方法、装置、设备及介质 | |
CN113837961B (zh) | 一种适用于活体长时间内源成像的方法和系统 | |
US20040086194A1 (en) | Method for space-time filtering of noise in radiography | |
EP3314572B1 (en) | Edge detection on images with correlated noise | |
Guizard et al. | Spatio-Temporal regularization for longitudinal registration to subject-specific 3D template | |
Vashistha et al. | ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages | |
van de Giessen et al. | Fully automated attenuation measurement and motion correction in FLIP image sequences | |
Iakovlev et al. | Frame registration for motion compensation in imaging photoplethysmography | |
KR101687813B1 (ko) | 화상 증폭 방법 | |
De Pasquale et al. | Bayesian analysis of dynamic magnetic resonance breast images | |
Flotho et al. | Semi–synthetic dataset for the evaluation of motion compensation approaches for voltage sensitive dye imaging | |
JP6552520B2 (ja) | デジタル撮像装置を較正するための較正方法および該デジタル撮像装置 | |
de Negreiros et al. | Self-Supervised Image Denoising Methods: an Application in Fetal MRI | |
Gentillon | Artificial systems can complement human vision in medical imaging | |
Uruñuela et al. | Whole-brain multivariate hemodynamic deconvolution for multi-echo fMRI with stability selection | |
CN113724158B (zh) | 一种动态对比增强磁共振成像的降噪方法 | |
Vashistha et al. | ParaPET: non-invasive deep learning method for direct parametric PET reconstruction using histoimages |
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 |