CN115581445A - 一种基于能量调制的激光散斑血流成像方法及装置 - Google Patents
一种基于能量调制的激光散斑血流成像方法及装置 Download PDFInfo
- Publication number
- CN115581445A CN115581445A CN202211105024.4A CN202211105024A CN115581445A CN 115581445 A CN115581445 A CN 115581445A CN 202211105024 A CN202211105024 A CN 202211105024A CN 115581445 A CN115581445 A CN 115581445A
- Authority
- CN
- China
- Prior art keywords
- blood flow
- energy
- image
- speckle
- signal
- 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
- 230000017531 blood circulation Effects 0.000 title claims abstract description 183
- 238000003384 imaging method Methods 0.000 title claims abstract description 61
- 238000001228 spectrum Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012935 Averaging Methods 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 230000003595 spectral effect Effects 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 43
- 238000001914 filtration Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000002123 temporal effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 230000005684 electric field Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005311 autocorrelation function Methods 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 210000003743 erythrocyte Anatomy 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000009131 signaling function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Hematology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明一种基于能量调制的激光散斑血流成像方法和装置，采集多帧连续的原始散斑图像；对预处理后的散斑图像进行二维快速傅里叶变换得到频谱图像，计算二维血流信号的频谱能量和二维背景信号的频谱能量，以及计算散斑图像瞬时能量调制参量，用该参量构建单张激光散斑血流的瞬时图像，使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值来获得平均能量调制散斑图像。本发明将每张二维散斑图像作为一个处理单元，使用二维快速傅里叶变换进行信号的频域变换处理，由于每张图片只需进行一次变换，具有较高的计算效能，在处理大量级的数据时具有显著优势。
Description
技术领域
本发明属于生物组织医学成像领域，具体涉及一种基于能量调制的激光散斑血流成像方法和装置。
背景技术
激光散斑血流成像(LSCI)是一种利用低能相干光对血流进行监测的光学成像技术。LSCI利用散斑的光强统计量来提取二维血流速度分布图。散斑强度的统计特性分析包括一阶统计和二阶统计，其中一阶统计主要是描述了单个像素点所对应的散斑强度的涨落,包括散斑强度的标准偏差和均值，以及标准偏差和均值的比值，即“衬比值”如下式所示：
其中，K表示衬比值，用来描述由强度变化所引起的散斑模糊程度，δI表示整张散斑图像所有像素点光强的标准差，
表示整张散斑图像所有像素点光强的均值，Ii为散斑图像上单个像素点的光强。
使用衬比值进行散斑图像的恢复主要是运用了散斑强度的二阶统计特性，在时间和空间上计算散斑图像的强度，然后将单位时间和空间内的衬比值重新构成新的图像。散斑散射粒子的运动所引起的光强抖动引起相机电流的变化，从而导致电场强度的改变，电场的自相关函数如下式所示：
其中，τc为电场去相关时间，反映了电场强度波动的快慢，电场去相关时间与散射粒子的速度ν呈反比，散射颗粒运动的速度越快，τc越小，电场波动越快。因此通过分析电场的自相关函数，可以根据去相关时间的大小来分析血管的血流速度分布情况。然而电场自相关函数难以直接获得，可以通过相机的电流和光强之间的映射关系，把光强的自相关函数根据Siegert关系式和电场自相关函数联系起来，如下式所示：
g2(τ)＝＜I(t)I(t+τ)＞/＜I＞2
其中，g2(τ)为光强自相关函数，
为Siegert关系式，β为与散斑大小、偏振、光源相干性等系统参数有关的系统因子。因此，光强和散射粒子的运动速度之间存在着映射关系，粒子的运动速度越大，图像采集设备在有限的积分时间内对光强进行积分平均的作用就越显著，那么光强分布的标准差就会减小，衬比值减小，图像对比度下降，图像模糊程度增大，因此衬比值K和速度ν呈反比。LSCI技术通过对散斑光强进行衬比值运算，将散斑图像转换为衬比图像，根据衬比值和粒子速度的映射关系，获得二维血流速度分布图。
文献(Briers,J.D.and S.Webster,Laser speckle contrast analysis(LASCA):anonscanning,full-field technique for monitoring capillary blood flow.Journalof biomedical optics,1996.1(2):p.174-9.)提出了经典的空间衬比分析方法(LASCA)，使用一个Ns×Ns的移动窗口依次从左到右、从上到下沿着R×C的原始图像移动，每滑动一次，根据衬比值计算公式计算出相应窗口内的衬比值，并将得出的衬比值依次赋予R×C图像中的每一个像素点，从而获得激光散斑空间衬比图像。LASCA是真正意义上的全场激光散斑技术，不需要扫描，价格较低，但是这种方法以牺牲空间分辨率为代价获得了高的时间分辨率，不利于微小血管的血流检测。
文献(Cheng,H.Y.,et al.,Modified laser speckle imaging method withimproved spatial resolution.Journal ofBiomedical Optics,2003.8(3):p.559-564)提出了一种时间衬比分析方法(LSTCA)，该方法以N帧图片中同一位置的像素点为一个单元，通过灰度值计算每个单元模块的一阶散斑统计量，得到时间衬比值。LSTCA使用散斑图像的时间统计特性得到二维血流分布，以牺牲时间分辨率为代价获得了较高的空间分辨率。
文献(Duncan Donald D.,Kirkpatrick Sean J.Spatio-temporal algorithmsfor processing laser speckle imaging data[J].Oregon Health&Science Univ.(United States),2008,6858.)提出了时空联合衬比分析方法(stLASCA)，将时间维度和空间维度的像素点构成为三维集合看成一个计算单元，直接进行衬比值的计算，可以获得较高的信噪比。
文献(Zeng,Y.,et al.,Laser speckle imaging based on intensityfluctuation modulation.Optics Letters,2013.38(8):p.1313-1315.)提出了一种基于强度涨落调制(IFM)的激光散斑血流成像方法,该方法对散斑图像的每一个像素点进行一维快速傅里叶变换，通过频域滤波的方式从原始散斑信号中分离出静态散射光信号和动态散射光信号。定义参量M为每个像素点的动态散射光和静态散射光的光强之比，并使用该参量来重构散斑图。使用IFM方法获得的散斑图具有更高的空间分辨率和信噪比，并且对血流速度并不敏感，在微循环血管成像领域具有很大的优势，但是这个过程需要对所有图像的每一个像素点进行傅里叶变换，效率较低。
文献(Wang Mingyi,Zeng Yaguang,Liang Xianjun,Lu Xuanlong,FengGuanping,Han Dingan,Yang Guojian.Full-field optical micro-angiography[J].Applied Physics etters,2014,104(5).)提出使用深度调制参量MD作为成像衬比度，处理过程和IFM方法类似，不同的是，该方法将N帧图片中同一位置的像素点(x,y)作为一个处理单元，遍历所有位置，对每个位置的一维信号I(x,y,N)进行快速傅里叶变换处理，然后再通过频域滤波的方式分离静态散射光信号和动态散射光信号。定义参量MD为每个位置的一维信号中，动态散射信号和静态散射信号的比值。相对于IFM方法的单点处理，该方法将多个点信号组成线单元进行处理，节省了大约一半的计算时间。
文献(Wang Mingyi,Mao Wenjian,Guan Caizhong,Feng Guanping,Tan Haishu,Han Dingan,Zeng Yaguang.Full-field functional optical angiography.[J].Opticsletters,2017,42(3).)利用红细胞和背景组织之间的吸收差异所导致的强度波动，提出采用瞬时调制深度IMD作为成像参数，IMD定义为红细胞的瞬时信号强度与背景的瞬时信号强度的比值。处理过程和深度调制(MD)法类似，不同点在于，该方法分别使用了高通和低通两个滤波器，并根据先验知识设置红细胞信号和背景信号的截止频率，获得红细胞信号和背景组织信号。该方法考虑了吸收系数对信号分离的影响，能够实现更加精确地血流速度测量，其次，通过对血红细胞经过的两个相关位置进行协方差分析，能够对血流速度和血流方向等进行定性和定量分析，实现功能性成像。
由于激光散斑血流成像的采集的样本是生物组织，不同于一般的材料，生物组织是一种高散射、非均匀性介质，光在生物组织中传输时会产生复杂的物理过程，如反射、透射、折射、散射、吸收等，光与组织的相互作用不仅与光的波长有关，还与组织的光学统计特性如吸收系数、散射系数、折射率、散射相位函数等密切相关。在生物组织散斑成像过程中，由于散射介质的复杂性，导致光子运动路径、能量等发生复杂的变化。这些变化的信息能够反映生物活体的生命体征、生化成分，在以往的激光散斑血流成像算法中，大都是通过衬比值对血流的相对速度进行量化，存在评估维度单一，量化精度低等问题。而基于强度涨落(IFM)、深度调制(MD)和瞬时深度调制(IMD)的激光散斑血流成像，从数字信号处理的角度，对散斑信号进行一维的频域变换滤波，存在计算效能低的问题。
发明内容
为了解决上述问题，本发明提出了一种基于能量调制的激光散斑血流成像方法和装置，通过二维快速傅里叶变换，在频域获得不同能量模态的散斑信号，通过不同模态信号的能量比来重构血流图像，能揭示能量和血流携带的生物信息之间的关系。
本发明一种基于能量调制的激光散斑血流成像方法，包括以下步骤：
步骤S1、使用激光散斑血流成像系统采集多帧连续的时间序列原始散斑图像；
步骤S2、对原始散斑图像进行预处理；
步骤S3、将预处理后的散斑图像I(x,y)进行二维快速傅里叶变换得到频谱图像I(u,v)；
步骤S4、对频谱图像I(u,v)进行滤波处理，分别获得高频血流频谱信号<I(u,v)>Rc和低频背景频谱信号<I(u,v)>Bg；
步骤S5、分别将高频血流频谱信号<I(u,v)>Rc和低频背景频谱信号<I(u,v)>Bg通过二维快速傅里叶逆变换获得时域高频血流信号<I(t)>Rc和时域低频背景信号<I(t)>Bg；
步骤S6、计算散斑图像I(x，y)的二维血流信号的频谱能量<E(x，y)>Rc和二维背景信号的频谱能量<E(x，y)>Bg：
步骤S7、定义瞬时能量调制参量EF(t)为血流区域光能和背景区域光能的比值，计算散斑图像I(x，y)瞬时能量调制参量EF(t)，用该参量EF(t)构建出单张激光散斑血流的瞬时图像，从而获得瞬时能量调制的散斑血流图像：
步骤S8、使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值
来获得平均能量调制散斑图像。
步骤S4所使用的频域滤波器为高斯滤波器；
散斑图像的频谱信号为血流频谱分量和背景频谱分量之和：
I(u，v)＝<I(u，v)>Rc+<I(u，v)>Bg
其中，I(u，v)表示散斑图像的频谱图像，<I(u，v)>Rc表示高频血流频谱信号，<I(u，v)>Bg表示低频背景频谱信号；
通过计算滤波器函数H(u，v)和I(u，v)的乘积，得到滤波后的频谱信号，其中低频背景频谱信号<I(u，v)>Bg的计算公式如下：
<I(u，v)>Bg＝HL(u，v)*I(u，v)
其中，HL(u，v)表示高斯低通滤波函数hL(x，y)经过傅里叶变换的表达式，I(u，v)表示散斑图像I(x，y)经过傅里叶变换得到的频谱图像；
高频血流频谱信号<I(u，v)>Rc的计算公式如下：
<I(u，v)>Rc＝HH(u，v)*I(u，v)
其中，HH(u，v)表示高斯高通滤波函数hH(x，y)经过傅里叶变换的表达式，I(u，v)表示散斑图像I(x，y)经过傅里叶变换得到的频谱图像。
所述步骤S5具体为：
分别将步骤S4得到的高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg进行二维快速傅里叶逆变换，得到空域高频血流信号<I(x，y)>Rc和空域低频背景信号<I(x，y)>Bg：
其中，<I(x，y)>Rc表示空域高频血流信号，<I(x，y)>Bg表示空域低频背景信号；
当在时间维度上计算多帧连续的散斑图像时，将单张二维空间的散斑图像看作一个单元，对应到时域的某个瞬时时刻t，将空域信号以时域的方式表示如下：
其中，I(x，y)表示二维空间的单帧散斑图像，I(t)表示与之对应的时域散斑图像；<I(x，y))Rc表示空域高频血流信号，<I(t)>Rc表示与之相对应的时域高频血流信号；<I(x，y)>Bg表示空域低频背景信号，<I(t)>Bg表示与之对应的时域低频背景信号。
所述步骤S6具体为：
散斑图像的二维血流能量计算公式如下：
散斑图像的二维背景能量计算公式如下：
其中，<I(x，y)>Rc表示空域血流信号，<I(x，y)>Bg表示空域背景信号；对应到频域，<I(u，v)>Rc表示高频血流频谱分量，<I(u，v)>Bg表示低频背景频谱分量；E(x，y)Rc表示二维血流信号的频谱能量，E(x，y)Bg表示二维背景信号的频谱能量。
所述步骤S7和步骤S8具体为：
对应到时域，每张二维散斑图像的瞬时血流信号的能量分布EF(t)Rc和背景信号的能量分布EF(t)Bg计算公式如下：
其中，E(x，y)Rc表示空域二维血流信号的频谱能量，E(x，y)Bg表示空域二维背景信号的频谱能量；E(t)Rc表示时域瞬时血流信号的二维能量分布，E(t)Bg表示时域瞬时背景信号的二维能量分布；<I(x，y)>Rc表示空域高频血流信号，<I(t)>Rc表示与之相对应的时域高频血流信号；<I(x，y)>Bg表示空域低频背景信号，<I(t)>Bg表示与之对应的时域低频背景信号，所述<I(t)>Rc和<I(t)>Bg的计算公式如下：
其中，I(t，ω)表示使用滤波器以一定的截止频率ω0对时域散斑图像I(t)进行频域滤波处理，f/2表示周期对称的信号频率f以0为轴取一半；
定义参量EF(t)为血流区域光能和背景区域光能的比值：
其中，E(t)Rc表示时域瞬时血流信号的二维能量分布，E(t)Bg表示时域瞬时背景信号的二维能量分布；根据血流区域光能和背景区域光能的比值EF(t)来获得瞬时能量调制的散斑血流图像；
使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，定义参量
为：
其中，
E(t)Rc表示对t帧连续的散斑图像进行二维快速傅里叶变换处理，从每张二维散斑图像中提取出血流信号，计算其能量，然后将t帧图像中的血流信号进行求和平均；
E(t)Bg表示对t帧连续的散斑图像进行二维快速傅里叶变换处理，从每张二维散斑图像中提取出背景信号，计算其能量，然后将t张图像中的背景信号进行求和平均；根据求和平均后的两种能量的比值
来获得平均能量调制的散斑图像。
进一步的，一种基于能量调制的激光散斑血流成像装置，包括依次连接的图像采集单元、图像预处理单元、频谱图像获取单元、频谱图像滤波单元、时域图像获取单元、频谱能量计算单元、瞬时图像构建单元和成像单元，其中
激光散斑血流成像系统的图像采集单元：用于采集多帧连续的时间序列原始散斑图像；
图像预处理单元：对原始散斑图像进行预处理，得到预处理后的散斑图像I(x，y)；
频谱图像获取单元：用于将预处理后的散斑图像I(x，y)进行二维快速傅里叶变换得到频谱图像I(u，v)；
频谱图像滤波单元：用于对频谱图像I(u，v)进行滤波处理，分别获得高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg；
时域图像获取单元：分别将高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg通过二维快速傅里叶逆变换获得时域高频血流信号<I(t)>Rc和时域低频背景信号<I(t)>Bg；
频谱能量计算单元：计算散斑图像I(x，y)的二维血流信号的频谱能量<E(x，y)>Rc和二维背景信号的频谱能量<E(x，y)>Bg：
瞬时图像构建单元：定义瞬时能量调制参量EF(t)为血流区域光能和背景区域光能的比值，计算散斑图像I(x，y)瞬时能量调制参量EF(t)，用该参量EF(t)构建出单张激光散斑血流的瞬时图像，从而获得瞬时能量调制的散斑血流图像：
成像单元：使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值
来获得平均能量调制散斑图像。
一种激光散斑血流成像系统，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一种基于能量调制的激光散斑血流成像方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种基于能量调制的激光散斑血流成像方法。
与现有发明相比，本发明具有如下优点：
(1)本发明将每张二维散斑图像作为一个处理单元，使用二维快速傅里叶变换进行信号的频域变换处理，由于每张图片只需进行一次变换，具有较高的计算效能，在处理大量级的数据时具有显著优势。
(2)由于本发明通过能量来量化血流的生化信息，维度更广，临床诊断意义更强，有望推动进一步的绝对量化，实现血流信息的精确测量。
(3)本发明中所定义的对比成像参量，对光强进行平方后积分，可获得更灵敏的成像参数，实现在较小的参数范围内获得高对比度的图像。
附图说明
图1为本发明基于能量调制的激光散斑血流成像方法的流程图；
图2为本发明处理后的二维血流分布伪彩图；
图3为本发明随机提取y方向的一维血流信号Iy示意图；
图4为一维血流信号Iy的曲线图；
图5为基于强度涨落(IFM)方法的傅里叶变换计算过程示意图；
图6为基于深度度调制(MD)法和瞬时深度调制(IMD)法的傅里叶变换计算过程示意图；
图7为基于能量调制(EF)法的傅里叶变换计算过程示意图；
图8为本发明基于能量调制的激光散斑血流成像方法计算过程示意图。
下面结合附图和具体实施例对本发明作进一步的详述。
具体实施方式
如图1所示，本发明公开了一种基于能量调制的激光散斑血流成像方法，具体包括以下步骤：
步骤S1、使用激光散斑血流成像系统采集多帧连续的时间序列原始散斑图像；
具体实施例中，将浓度为20％的脂肪液添加蒸馏水，稀释为1％的液体，用于模拟血液，使用内径为0.8mm，外径为1.9mm的透明硅胶软管模拟血管，使用注射器将模拟血液注入软管中，同时使用CCD相机捕获多帧连续的原始散斑图像；
步骤S2、对原始散斑图像进行预处理；
所述预处理包括原始散斑图像批量灰度化、感兴趣区域选取等；
步骤S3、将预处理后的散斑图像I(x，y)进行二维快速傅里叶变换得到频谱图像I(u，v)，从而将每张散斑图像由时域转换到频域；所述散斑图像(x，y)进行二维快速傅里叶变换得到频谱图像I(u，v)，计算公式如下：
步骤S4、对频谱图像I(u，v)进行滤波处理，分别获得高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg；所使用的频域滤波器为高斯滤波器；
散斑图像的频谱信号为血流频谱分量和背景频谱分量之和：
I(u，v)＝<I(u，v)>Rc+<I(u，v)>Bg
其中，I(u，v)表示散斑图像的频谱图像，<I(u，v)>Rc表示高频血流频谱信号，<I(u，v)>Bg表示低频背景频谱信号；
通过计算滤波器函数H(u，v)和I(u，v)的乘积，得到滤波后的频谱信号，其中低频背景频谱信号<I(u，v)>Bg的计算公式如下：
<I(u，v)>Bg＝HL(u，v)*I(u，v)
其中，HL(u，v)表示高斯低通滤波函数hL(x，y)经过傅里叶变换的表达式，I(u，v)表示散斑图像I(x，y)经过傅里叶变换得到的频谱图像；
高频血流频谱信号<I(u，v)>Rc的计算公式如下：
<I(u，v)>Rc＝HH(u，v)*I(u，v)
其中，HH(u，v)表示高斯高通滤波函数hH(x，y)经过傅里叶变换的表达式，I(u，v)表示散斑图像I(x，y)经过傅里叶变换得到的频谱图像；
步骤S5、通过二维快速傅里叶逆变换获得两种不同散斑模式的空域能量分布图，即分别将步骤S4得到的高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg进行二维快速傅里叶逆变换，得到时域高频血流信号<I(t)>Rc和时域低频背景信号<I(t)>Bg：
其中，<I(x，y)>Rc表示空域高频血流信号，<I(x，y)>Bg表示空域低频背景信号；
当在时间维度上计算多帧连续的散斑图像时，将单张二维空间的散斑图像看作一个单元，对应到时域的某个瞬时时刻t，将空域信号以时域的方式表示如下：
其中，I(x，y)表示二维空间的单帧散斑图像，I(t)表示与之对应的时域散斑图像；<I(x，y))Rc表示空域高频血流信号，<I(t)>Rc表示与之相对应的时域高频血流信号；<I(x，y)>Bg表示空域低频背景信号，<I(t)>Bg表示与之对应的时域低频背景信号；
步骤S6、计算散斑图像I(x，y)的二维血流信号的频谱能量<E(x，y)>Rc和二维背景信号的频谱能量<E(x，y)>Bg：
根据帕塞瓦尔定理，若一维信号x[n]的傅里叶变换为X(ejω)，即：
对于一维离散信号，其能量E的计算公式满足：
类似的，对于一维连续信号，其能量E的计算公式满足：
其中，x[n]为一维信号函数，X(ejω)为x[n]的傅里叶变换，E为该一维信号的能量；
因此，散斑图像的一维信号的总能量E(n)计算公式为：
其中，I(n)为散斑图像的一维信号函数表达式，I(ω)为I(n)经过傅里叶变换后的表达式，E(n)为该一维信号的总能量；
类似的，对散斑图像的二维信号函数x(x，y)，其傅里叶变换为X(μ，v)，即：
在二维空间应用帕塞瓦尔定理，对于二维离散信号，其能量E(x，y)的计算公式满足：
对于二维连续信号，其能量E(x，y)的计算公式满足：
其中，x(x，y)为散斑图像的二维信号函数，X(μ，v)为x(x，y)的傅里叶变换，E为该散斑图像二维信号的能量。因此，散斑图像二维信号的总能量计算公式为：
其中，I(x，y)为散斑图像的二维函数表达式，I(μ，v)为I(x，y)经过傅里叶变换后的表达式，E(x，y)为该散斑图像二维信号的总能量。
由于激光散斑血流成像系统的探测器捕获到的光子能量为血流信号和背景信号的能量和：
E(x，y)＝E(x，y)Rc+E(x，y)Bg
则散斑图像的二维血流能量计算公式如下：
散斑图像的二维背景能量计算公式如下：
其中，<I(x，y)>Rc表示空域血流信号，<I(x，y)>Bg表示空域背景信号；对应到频域，<I(u，v)>Rc表示高频血流频谱分量，<I(u，v)>Bg表示低频背景频谱分量；E(x，y)Rc表示二维血流信号的频谱能量，E(x，y)Bg表示二维背景信号的频谱能量；
步骤S7、定义瞬时能量调制参量EF(t)为血流区域光能和背景区域光能的比值，计算散斑图像I(x，y)的瞬时能量调制参量EF(t)，用该参量EF(t)构建出单张激光散斑血流的瞬时图像，从而获得瞬时能量调制的散斑血流图像：
对应到时域，每张二维散斑图像的瞬时血流信号的能量分布EF(t)Rc和背景信号的能量分布EF(t)Bg计算公式如下：
其中，E(x，y)Rc表示空域二维血流信号的频谱能量，E(x，y)Bg表示空域二维背景信号的频谱能量；E(t)Rc表示时域瞬时血流信号的二维能量分布，E(t)Bg表示时域瞬时背景信号的二维能量分布；<I(x，y)>Rc表示空域高频血流信号，<I(t)>Rc表示与之相对应的时域高频血流信号；<I(x，y)>Bg表示空域低频背景信号，<I(t)>Bg表示与之对应的时域低频背景信号，所述<I(t)>Rc和<I(t)>Bg的计算公式如下：
其中，I(t，ω)表示使用滤波器以一定的截止频率ω0对时域散斑图像I(t)进行频域滤波处理，f/2表示周期对称的信号频率f以0为轴取一半；
定义参量EF(t)为血流区域光能和背景区域光能的比值：
其中，E(t)Rc表示时域瞬时血流信号的二维能量分布，E(t)Bg表示时域瞬时背景信号的二维能量分布；根据血流区域光能和背景区域光能的比值EF(t)来获得瞬时能量调制的散斑血流图像；
步骤S8、使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值
来获得平均能量调制散斑图像，具体为：
在时间维度上对两种能量模态分别求和平均，定义参量
为：
其中，
E(t)Rc表示对t帧连续的散斑图像进行二维快速傅里叶变换处理，从每张二维散斑图像中提取出血流信号，计算其能量，然后将t帧图像中的血流信号进行求和平均；
E(t)Bg表示对t帧连续的散斑图像进行二维快速傅里叶变换处理，从每张二维散斑图像中提取出背景信号，计算其能量，然后将t张图像中的背景信号进行求和平均；根据求和平均后的两种能量的比值
来获得平均能量调制的散斑图像。
本发明一种基于能量调制的激光散斑血流成像装置，包括依次连接的图像采集单元、图像预处理单元、频谱图像获取单元、频谱图像滤波单元、时域图像获取单元、频谱能量计算单元、瞬时图像构建单元和成像单元，其中：
激光散斑血流成像系统的图像采集单元：用于采集多帧连续的时间序列原始散斑图像；
图像预处理单元：对原始散斑图像进行预处理，得到预处理后的散斑图像I(x，y)；
频谱图像获取单元：用于将预处理后的散斑图像I(x，y)进行二维快速傅里叶变换得到频谱图像I(u，v)；
频谱图像滤波单元：用于对频谱图像I(u，v)进行滤波处理，分别获得高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg；
时域图像获取单元：分别将高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg通过二维快速傅里叶逆变换获得时域高频血流信号<I(t)>Rc和时域低频背景信号<I(t)>Bg；
频谱能量计算单元：计算散斑图像I(x，y)的二维血流信号的频谱能量<E(x，y)>Rc和二维背景信号的频谱能量<E(x，y)>Bg：
瞬时图像构建单元：定义瞬时能量调制参量EF(t)为血流区域光能和背景区域光能的比值，计算散斑图像I(x，y)瞬时能量调制参量EF(t)，用该参量EF(t)构建出单张激光散斑血流的瞬时图像，从而获得瞬时能量调制的散斑血流图像：
成像单元：使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值
来获得平均能量调制散斑图像。
上述一种基于能量调制的激光散斑血流成像装置可用于执行上述任意实施例提供的一种基于能量调制的激光散斑血流成像方法，具备相应的功能和有益效果。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意实施例提供的一种基于能量调制的激光散斑血流成像方法，具备相应的功能和有益效果。
在一个实施例中，提供了一种激光散斑血流成像系统，该系统包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。该激光散斑血流成像系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种基于能量调制的激光散斑血流成像方法。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。所述非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
下面结合实施例，对本发明作进一步详细的说明，使用本发明中所述的激光散斑血流成像系统连续捕获250帧模拟血流的散斑图像，使用本发明对这250帧连续散斑图像进行处理，结果如图2所示。随机提取y方向的一维血流信号Iy，如图3所示。使用matlab绘制出该一维血流信号的曲线图，如图4所示。对比基于强度涨落(IFM)、深度调制(MD)和瞬时深度调制(IMD)的激光散斑血流成像方法，基于强度涨落(IFM)方法的傅里叶变换计算过程如图5所示，对于t张连续散斑图像M×N×t,强度涨落(IFM)需要进行n＝M×N×t次快速傅里叶变换；深度调制(MD)和瞬时深度调制(IMD)的傅里叶变换计算过程如图6所示，对于t张连续散斑图像M×N×t,深度调制(MD)需要进行nM×N次快速傅里叶变换；本发明中的傅里叶变换计算过程如图7所示，完整计算过程如图8所示，只需要进行n＝t次快速傅里叶变换，显然大大减少了计算次数，效率较高。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于能量调制的激光散斑血流成像方法，其特征在于包括以下步骤：
步骤S1、使用激光散斑血流成像系统采集多帧连续的时间序列原始散斑图像；
步骤S2、对原始散斑图像进行预处理；
步骤S3、将预处理后的散斑图像I(x，y)进行二维快速傅里叶变换得到频谱图像I(u，v)；
步骤S4、对频谱图像I(u，v)进行滤波处理，分别获得高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg；
步骤S5、分别将高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg通过二维快速傅里叶逆变换获得时域高频血流信号<I(t)>Rc和时域低频背景信号<I(t)>Bg；
步骤S6、计算散斑图像I(x，y)的二维血流信号的频谱能量<E(x，y)>Rc和二维背景信号的频谱能量<E(x，y)>Bg：
步骤S7、定义瞬时能量调制参量EF(t)为血流区域光能和背景区域光能的比值，计算散斑图像I(x，y)瞬时能量调制参量EF(t)，用该参量EF(t)构建出单张激光散斑血流的瞬时图像，从而获得瞬时能量调制的散斑血流图像：
步骤S8、使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值
来获得平均能量调制散斑图像。
2.根据权利要求1所述的一种基于能量调制的激光散斑血流成像方法，其特征在于：步骤S4所使用的频域滤波器为高斯滤波器；
散斑图像的频谱信号为血流频谱分量和背景频谱分量之和：
I(u，v)＝(I(u，v)>Rc+<I(u，v)>Bg
其中，I(u，v)表示散斑图像的频谱图像，<I(u，v)>Rc表示高频血流频谱信号，<I(u，v)>Bg表示低频背景频谱信号；
通过计算滤波器函数H(u，v)和I(u，v)的乘积，得到滤波后的频谱信号，其中低频背景频谱信号<I(u，v)>Bg的计算公式如下：
<I(u，v)>Bg＝HL(u，v)*I(u，v)
其中，HL(u，v)表示高斯低通滤波函数hL(x，y)经过傅里叶变换的表达式，I(u，v)表示散斑图像I(x，y)经过傅里叶变换得到的频谱图像；
高频血流频谱信号<I(u，v)>Rc的计算公式如下：
<I(u，v)>Rc＝HH(u，v)*I(u，v)
其中，HH(u，v)表示高斯高通滤波函数hH(x，y)经过傅里叶变换的表达式，I(u，v)表示散斑图像I(x，y)经过傅里叶变换得到的频谱图像。
3.根据权利要求1所述的一种基于能量调制的激光散斑血流成像方法，其特征在于所述步骤S5具体为：
分别将步骤S4得到的高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg进行二维快速傅里叶逆变换，得到空域高频血流信号<I(x，y)>Rc和空域低频背景信号<I(x，y)>Bg：
其中，<I(x，y)>Rc表示空域高频血流信号，<I(x，y)>Bg表示空域低频背景信号；
当在时间维度上计算多帧连续的散斑图像时，将单张二维空间的散斑图像看作一个单元，对应到时域的某个瞬时时刻t，将空域信号以时域的方式表示如下：
其中，I(x，y)表示二维空间的单帧散斑图像，I(t)表示与之对应的时域散斑图像；<I(x，y)>Rc表示空域高频血流信号，<I(t)>Rc表示与之相对应的时域高频血流信号；<I(x，y)>Bg表示空域低频背景信号，<I(t)>Bg表示与之对应的时域低频背景信号。
4.根据权利要求1所述的一种基于能量调制的激光散斑血流成像方法，其特征在于所述步骤S6具体为：
散斑图像的二维血流能量计算公式如下：
散斑图像的二维背景能量计算公式如下：
其中，<I(x，y)>Rc表示空域血流信号，<I(x，y)>Bg表示空域背景信号；对应到频域，<I(u，v)>Rc表示高频血流频谱分量，<I(u，v)>Bg表示低频背景频谱分量；E(x，y)Rc表示二维血流信号的频谱能量，E(x，y)Bg表示二维背景信号的频谱能量。
5.根据权利要求1所述的一种基于能量调制的激光散斑血流成像方法，其特征在于所述步骤S7和步骤S8具体为：
对应到时域，每张二维散斑图像的瞬时血流信号的能量分布EF(t)Rc和背景信号的能量分布EF(t)Bg计算公式如下：
其中，E(x，y)Rc表示空域二维血流信号的频谱能量，E(x，y)Bg表示空域二维背景信号的频谱能量；E(t)Rc表示时域瞬时血流信号的二维能量分布，E(t)Bg表示时域瞬时背景信号的二维能量分布；<I(x，y)>Rc表示空域高频血流信号，<I(t)>Rc表示与之相对应的时域高频血流信号；<I(x，y)>Bg表示空域低频背景信号，<I(t)>Bg表示与之对应的时域低频背景信号，所述<I(t)>Rc和<I(t)>Bg的计算公式如下：
其中，I(t，ω)表示使用滤波器以一定的截止频率ω0对时域散斑图像I(t)进行频域滤波处理，f/2表示周期对称的信号频率f以0为轴取一半；
定义参量EF(t)为血流区域光能和背景区域光能的比值：
其中，E(t)Rc表示时域瞬时血流信号的二维能量分布，E(t)Bg表示时域瞬时背景信号的二维能量分布；根据血流区域光能和背景区域光能的比值EF(t)来获得瞬时能量调制的散斑血流图像；
使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，定义参量
为：
其中，
表示对t帧连续的散斑图像进行二维快速傅里叶变换处理，从每张二维散斑图像中提取出血流信号，计算其能量，然后将t帧图像中的血流信号进行求和平均；
表示对t帧连续的散斑图像进行二维快速傅里叶变换处理，从每张二维散斑图像中提取出背景信号，计算其能量，然后将t张图像中的背景信号进行求和平均；根据求和平均后的两种能量的比值
来获得平均能量调制的散斑图像。
6.一种基于能量调制的激光散斑血流成像装置，其特征在于：包括依次连接的图像采集单元、图像预处理单元、频谱图像获取单元、频谱图像滤波单元、时域图像获取单元、频谱能量计算单元、瞬时图像构建单元和成像单元，其中
激光散斑血流成像系统的图像采集单元：用于采集多帧连续的时间序列原始散斑图像；
图像预处理单元：对原始散斑图像进行预处理，得到预处理后的散斑图像I(x，y)；
频谱图像获取单元：用于将预处理后的散斑图像I(x，y)进行二维快速傅里叶变换得到频谱图像I(u，v)；
频谱图像滤波单元：用于对频谱图像I(u，v)进行滤波处理，分别获得高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg；
时域图像获取单元：分别将高频血流频谱信号<I(u，v)>Rc和低频背景频谱信号<I(u，v)>Bg通过二维快速傅里叶逆变换获得时域高频血流信号<I(t)>Rc和时域低频背景信号<I(t)>Bg；
频谱能量计算单元：计算散斑图像I(x，y)的二维血流信号的频谱能量<E(x，y)>Rc和二维背景信号的频谱能量<E(x，y)>Bg：
瞬时图像构建单元：定义瞬时能量调制参量EF(t)为血流区域光能和背景区域光能的比值，计算散斑图像I(x，y)瞬时能量调制参量EF(t)，用该参量EF(t)构建出单张激光散斑血流的瞬时图像，从而获得瞬时能量调制的散斑血流图像：
成像单元：使用时间窗口模板对连续序列的基于瞬时能量调制的散斑血流图像的两种能量模态进行求和平均，根据求和平均后的两种能量的比值
来获得平均能量调制散斑图像。
7.一种激光散斑血流成像系统，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一种基于能量调制的激光散斑血流成像方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一种基于能量调制的激光散斑血流成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211105024.4A CN115581445A (zh) | 2022-09-09 | 2022-09-09 | 一种基于能量调制的激光散斑血流成像方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211105024.4A CN115581445A (zh) | 2022-09-09 | 2022-09-09 | 一种基于能量调制的激光散斑血流成像方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115581445A true CN115581445A (zh) | 2023-01-10 |
Family
ID=84772203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211105024.4A Pending CN115581445A (zh) | 2022-09-09 | 2022-09-09 | 一种基于能量调制的激光散斑血流成像方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115581445A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116309195A (zh) * | 2023-05-26 | 2023-06-23 | 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 |
| CN116385447A (zh) * | 2023-06-07 | 2023-07-04 | 佛山科学技术学院 | 一种甲襞白细胞的监测方法、装置、设备及介质 |
| CN117079062A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110026783A1 (en) * | 2008-04-03 | 2011-02-03 | Kyushu Institute Of Technology | Personal authentication method using subcutaneous bloodstream measurement and personal authentication device |
| 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 |
| CN104173038A (zh) * | 2014-08-29 | 2014-12-03 | 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 |
| CN108042126A (zh) * | 2017-12-08 | 2018-05-18 | 中国医学科学院生物医学工程研究所 | 一种改进的激光散斑衬比血流成像方法 |
| CN109124615A (zh) * | 2018-09-06 | 2019-01-04 | 佛山科学技术学院 | 一种可选区高动态激光散斑血流成像装置及方法 |
-
2022
- 2022-09-09 CN CN202211105024.4A patent/CN115581445A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110026783A1 (en) * | 2008-04-03 | 2011-02-03 | Kyushu Institute Of Technology | Personal authentication method using subcutaneous bloodstream measurement and personal authentication device |
| 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 |
| CN104173038A (zh) * | 2014-08-29 | 2014-12-03 | 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 |
| CN108042126A (zh) * | 2017-12-08 | 2018-05-18 | 中国医学科学院生物医学工程研究所 | 一种改进的激光散斑衬比血流成像方法 |
| CN109124615A (zh) * | 2018-09-06 | 2019-01-04 | 佛山科学技术学院 | 一种可选区高动态激光散斑血流成像装置及方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116309195A (zh) * | 2023-05-26 | 2023-06-23 | 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 |
| 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 |
| CN116385447A (zh) * | 2023-06-07 | 2023-07-04 | 佛山科学技术学院 | 一种甲襞白细胞的监测方法、装置、设备及介质 |
| CN116385447B (zh) * | 2023-06-07 | 2023-11-24 | 佛山科学技术学院 | 一种甲襞白细胞的监测方法、装置、设备及介质 |
| CN117079062A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
| CN117079062B (zh) * | 2023-10-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115581445A (zh) | 一种基于能量调制的激光散斑血流成像方法及装置 | |
| EP2888994B1 (en) | Speckle contrast optical tomography | |
| CN101784227B (zh) | 激光散斑成像系统和方法 | |
| JP2013509629A (ja) | ハイパースペクトル画像を解析するための方法および装置 | |
| US6422998B1 (en) | Fractal analysis of time varying data | |
| CN116051423B (zh) | 基于空间频域滤波的激光散斑衬比血流成像方法及系统 | |
| US20180239946A1 (en) | Methods, Systems, and Devices for Optical Sectioning | |
| Li et al. | A multiscale approach to retinal vessel segmentation using Gabor filters and scale multiplication | |
| Galeano et al. | Analysis of multispectral images of excised colon tissue samples based on genetic algorithms | |
| Bauer et al. | A spectral filter array camera for clinical monitoring and diagnosis: Proof of concept for skin oxygenation imaging | |
| Morales-Vargas et al. | Adaptive processing for noise attenuation in laser speckle contrast imaging | |
| Paul et al. | A simple algorithm for diffuse optical tomography without Jacobian inversion | |
| Ewerlöf et al. | Multispectral snapshot imaging of skin microcirculatory hemoglobin oxygen saturation using artificial neural networks trained on in vivo data | |
| Yi et al. | Single-shot temporal speckle correlation imaging using rolling shutter image sensors | |
| González et al. | Combining band-frequency separation and deep neural networks for optoacoustic imaging | |
| Kim et al. | A deep convolutional neural network for estimating hemodynamic response function with reduction of motion artifacts in fNIRS | |
| Aboras et al. | Early detection of melanoma using multispectral imaging and artificial intelligence techniques | |
| Humeau-Heurtier et al. | Bidimensional unconstrained optimization approach to EMD: An algorithm revealing skin perfusion alterations in pseudoxanthoma elasticum patients | |
| US20120242858A1 (en) | Device and method for compensating for relief in hyperspectral images | |
| US9384537B2 (en) | Virtual spatial overlap modulation microscopy for resolution improvement | |
| Prakash et al. | Evaluation of 10 current image reconstruction algorithms for linear array photoacoustic imaging | |
| Li et al. | “Two-dimensional Terraced Compression method “and its application in contour detection of transmission image | |
| Bogdan et al. | Remote assessment of heart rate by skin color processing | |
| CN110522438B (zh) | 计算血流速度的方法、装置、介质及血流成像方法和系统 | |
| Xu et al. | Image quality improvement via spatial deconvolution<? xpp qa?> in optical tomography: time-series imaging |
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 |