CN116158736A - 基于多线的内窥oct抗干扰微血管成像算法及成像系统 - Google Patents

基于多线的内窥oct抗干扰微血管成像算法及成像系统 Download PDF

Info

Publication number
CN116158736A
CN116158736A CN202310326106.XA CN202310326106A CN116158736A CN 116158736 A CN116158736 A CN 116158736A CN 202310326106 A CN202310326106 A CN 202310326106A CN 116158736 A CN116158736 A CN 116158736A
Authority
CN
China
Prior art keywords
oct
blood flow
image
imaging
information
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
Application number
CN202310326106.XA
Other languages
English (en)
Inventor
武西宁
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.)
Tianjin Hengyu Medical Technology Co ltd
Original Assignee
Tianjin Hengyu Medical Technology Co ltd
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 Tianjin Hengyu Medical Technology Co ltd filed Critical Tianjin Hengyu Medical Technology Co ltd
Priority to CN202310326106.XA priority Critical patent/CN116158736A/zh
Publication of CN116158736A publication Critical patent/CN116158736A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Endoscopes (AREA)

Abstract

本发明公开了一种基于多线的内窥OCT抗干扰微血管成像算法及成像系统，该算法包括利用构建的多线内窥OCT成像系统进行数据采集；对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；对OCT结构图像进行血流信息提取计算，生成血流图像；对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；对叠加后的血流信息结构图进行主成分信息投影，生成血管投影成像；对投影后的信息进行三维空间信息的坐标转换，转为具有管状结构的三维空间信息。本申请可以利用单帧采集的数据进行频谱和结构化分析，得到血流图像，克服探头和组织抖动，结构简单能有效提取内窥微血管成像信息。

Description

基于多线的内窥OCT抗干扰微血管成像算法及成像系统
技术领域
本发明涉及OCT成像算法技术领域，尤其涉及一种基于多线的内窥OCT抗干扰微血管成像算法及成像系统。
背景技术
光学相干断层成像技术是20世纪90年代发展起来的一种无创高分辨率成像技术，该技术是基于光学低相干原理，对组织内漫反射回来的光信号成像。光学相干断层成像技术（以下简称OCT）也在不断更新，由最初的时域OCT，发展到现在的频域OCT，成像速度更快分辨率更高。OCT高分辨率特性和穿透作用，使得OCT成像技术除了在结构成像领域应用之外，也相继发展了OCT功能成像技术。基于OCT成像及算法设计，新发展的微血管成像技术可以实现组织内的微血管成像。基本原理为在同样的位置采集多帧图像做减法，只保留运动的信息，去除静态组织结构。由于血管内血液是流动的，这样就保留了血管信息，形成微血管成像。现有的微血管成像技术主要分为两大类，一种是基于幅值信息进行的方法代表算法为SSADA，光学分频谱成像算法。一种是基于相位加信息的成像算法OMAG，光学微血管造影算法。目前这两项技术应用在两个领域，眼科OCT和皮肤OCT。无论是眼科OCT还是皮肤OCT，用到的探头都是基于振镜扫描探头。探头在进行扫描时，其空间位置是可以做到静止，只需能保持样品相对探头静止即可完成扫描，通过帧间信息计算获得微血管成像。眼科OCT和皮肤OCT微血管成像都是体外成像，目前针对内窥微血管成像仍没有相关技术，其原因是由于内窥成像探头是自由空间，无法固定，并且内窥组织随着心跳或者呼吸作用也在时刻运动。基于以上两种进行帧间计算的方法，很难获取稳定清楚的内窥OCT微血管成像。专利CN108042125A提出利用双球囊稳定系统保持帧间稳定性，进行内窥微血管成像，从而利用帧相关的方法进行处理获得微血管成像，这种方法可以实现，但是需要对血流进行阻断，需要复杂的导管设计。专利CN111493930A也提出内窥微血管成像，但是成像方法也是利用帧与帧的差异成像，没有提出任何抗干扰和束缚探头的方式，无法起到好的效果。专利CN111493832A提出基于en-face投影内窥微血管成像方法，该方法也是基于帧间方法，无法克服干扰成像。本文提出一种新的内窥OCT抗干扰的微血管成像技术，该技术可以克服探头和组织抖动，克服需要复杂的球囊导管实现内窥OCT微血管造影成像。
发明内容
因此，本发明的目的在于提供一种基于多线的内窥OCT抗干扰微血管成像算法及系统，可以利用单帧采集的数据进行频谱和结构化分析，得到血流图像，克服探头和组织抖动对成像结果造成的干扰，结构简单能有效提取内窥微血管成像信息。
为了实现上述目的，本发明的一种基于多线的内窥OCT抗干扰微血管成像算法，包括以下步骤：
S1、利用构建的多线内窥OCT成像系统进行数据采集；
S2、根据抗干扰算法预设参数对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；
S3、对OCT结构图像进行血流信息提取计算，生成血流图像；
S4、对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；
S5、对叠加后的血流信息结构图进行主成分信息投影，生成血管投影成像；
S6、对投影后的信息进行三维空间信息的坐标转换，由二维图像信息转为具有管状结构的三维空间信息。
进一步，在S2中，所述抗干扰算法预设参数包括设定成像动态范围、设定微血管血流信号展示范围、设定光谱窗过渡区域宽度。
进一步，在S2中，计算OCT结构成像的频谱信息，生成OCT结构图像时，采用如下公式：
Figure SMS_1
；
其中，
Figure SMS_2
为每条线的窗函数矩阵，/>
Figure SMS_3
为一个B扫描，包括5000或者10000条线，/>
Figure SMS_4
表示快速傅里叶变换，/>
Figure SMS_5
为OCT结构成像。
进一步优选的，在S3中，对结构成像进行血流信息提取计算，生成血流图像时，包括如下步骤：
对OCT结构图像中偏离中心超过预设距离的远端结构图像信息进行截断；
对截断后的图像做傅里叶变换后再进行滤波；
对滤波后的图像再做傅里叶逆变换。
再进一步，对结构成像进行血流信息提取计算，生成血流图像时，采用如下公式计算：
Figure SMS_6
；
其中，imcropRg为定义的截断的深度，用于对图像偏离中心更远端的结构图像信息做截断，
Figure SMS_7
为定义的滤波函数。
再进一步，所述滤波函数采用如下公式计算：
Figure SMS_8
；
其中，
Figure SMS_9
为滤波函数/>
Figure SMS_10
的组成因子，/>
Figure SMS_11
为生成矩阵函数，用于对/>
Figure SMS_12
因子在纵向方向进行拓展，/>
Figure SMS_13
对/>
Figure SMS_14
图像截断之后的图像高度。
再进一步，所述
Figure SMS_15
因子采用如下公式表示：
Figure SMS_16
；
其中，
Figure SMS_17
表示光谱窗宽；/>
Figure SMS_18
表示光谱窗过渡区域宽度；n X表示扫描线数；/>
Figure SMS_19
为汉明窗窗函数；/>
Figure SMS_20
为光谱窗宽的函数，/>
Figure SMS_21
为光谱窗宽和和窗宽过度区域的函数。/>
进一步，在S4中，对血流图像进行归一化处理之前，还包括对结构图像和血流图像，采用如下公式，进行取对数计算，再进行动态范围计算：
Figure SMS_22
；
Figure SMS_23
；
其中，
Figure SMS_26
和/>
Figure SMS_28
为结构图调整动态范围区间的下限值和上限值；/>
Figure SMS_31
和/>
Figure SMS_25
为血流图调整动态范围区间的下限和上限值；/>
Figure SMS_29
为取对数运算/>
Figure SMS_30
为OCT结构成像，/>
Figure SMS_32
为定义的截断的深度；/>
Figure SMS_24
为取对数变换和动态范围计算后的结构图，/>
Figure SMS_27
为取对数变换和动态范围计算后的血流图。
本发明还提供一种基于多线的内窥OCT抗干扰微血管成像系统，用于实施上述基于多线的内窥OCT抗干扰微血管成像方法，包括扫频OCT成像引擎，DOC运动控制模块，图像处理模块及内窥探头；
所述扫频OCT成像引擎用于在内窥探头进行内窥成像时提供高速扫频光源；
所述DOC运动控制模块用于设定运动速度和回撤速度控制内窥探头运动；
所述图像处理模块内置抗干扰微血管成像算法，用于对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；
对OCT结构图像进行血流信息提取计算，生成血流图像；
对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；
对叠加后的血流信息结构图进行主成分信息投影，生成血管投影成像；
对投影后的信息进行三维空间信息的坐标转换，由二维图像信息转为具有管状结构的三维空间信息。
进一步，在进行数据采集之前，成像系统的各个模块按照如下方法进行初始化设置：
设定扫频OCT成像引擎的扫频速度范围为：200KHz~800KHz；
设定DOC运动控制模块对运动速度和回撤速度控制时的旋转速度范围为40fps~160fps；回撤速度设置为10mm/s~40mm/s。
本申请公开的基于多线的内窥OCT抗干扰微血管成像算法及成像系统，相比于现有技术，至少具有以下优点：
本申请提供的基于多线的内窥OCT抗干扰微血管成像算法及成像系统，可以利用单帧采集的数据进行频谱和结构化分析，得到血流图像，克服探头和组织抖动对成像结果造成的干扰。
本申请提供的基于多线的内窥OCT抗干扰微血管成像算法中，利用窗函数变换后形成矩阵函数，在将矩阵函数变换成滤波函数，实现了将光谱数据最终转化成血流图像，简化了系统结构，结构简单，能有效提取内窥微血管成像信息。
附图说明
图1为本发明提供的基于多线的内窥OCT抗干扰微血管成像算法的流程示意图。
图2为本发明实施例中OCT导管扫描嘴唇内窥成像的图像变化对比图。
图3为OCT导管扫描嘴唇血流信息投影图。
图4为OCT导管扫描嘴唇的三维空间信息的内窥OCT血流图像。
图5为OCT导管扫描手心的血流信息投影图。
图6为OCT导管扫描手心三维空间信息的内窥OCT血流图像。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图1所示，本发明一方面实施例提供的一种基于多线的内窥OCT抗干扰微血管成像算法，包括以下步骤：
S1、利用构建的多线内窥OCT成像系统进行数据采集；
S2、根据抗干扰算法预设参数对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；
S3、对OCT结构图像进行血流信息提取计算，生成血流图像；
S4、对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；
S5、对叠加后的血流信息结构图进行主成分信息投影，生成血管投影成像；
S6、对投影后的信息进行三维空间信息的坐标转换，由二维图像信息转为具有管状结构的三维空间信息。
上述提到的多线内窥OCT成像系统包括扫频OCT成像引擎，DOC运动控制模块，图像处理模块及内窥探头；
扫频OCT成像引擎用于在内窥探头进行内窥成像时提供高速扫频光源；
DOC运动控制模块用于设定运动速度和回撤速度控制内窥探头运动；
图像处理模块内置抗干扰微血管成像算法，用于对当前帧采集的数据按照上述抗干扰微血管成像算法进行处理。
扫频OCT成像引擎，是集成高速扫频光源，扫频速度200KHz~800KHz之间，集成平衡探测器、干涉仪延迟线等模块，构成一个具有可电控的迈克尔逊干涉仪系统。其中DOC运动控制模块，对运动速度和回撤速度进行设定，旋转速度设置为40fps~160fps，对应扫频光源的速度200KHz~800KHz。回撤速度设置为10mm/s~40mm/s，对应以上旋转速度设置，DOC运动模块前端连接一个光学成像导管，导管远端设置内窥探头，DOC运动模块与光学成像导管组成样品臂。
实施例1
此处以采集两片嘴唇和握成封闭圆筒状的掌心作为具体采集和处理案例说明，当然此方法应用范围不限于嘴唇和掌心，可适用于其它活体部位。
步骤1、利用构建的多线内窥OCT成像系统进行嘴唇和掌心处的数据采集；
抗干扰微血管成像算法设定特定数据参数。设置每帧线数，每帧线数设为5000到10000线，线数设置具体数量应根据扫描管腔的大小，扫频光源的速度及回撤距离进行设置。当血管管腔直径小于2.5mm时，每帧线数可设为5000，当血管管腔直径大于2.5mm时每帧线数应设为10000线，基于扫频光源的特性设置每线点数。设置完成后，对嘴唇和掌心部分进行采集数据保存。
步骤2、根据抗干扰算法预设参数对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；
其中，抗干扰算法预设参数包括设定成像动态范围、设定微血管血流信号展示范围、设定光谱窗过渡区域宽度；定义动态范围Rgstr，用以约束OCT结构成像的展示效果；动态范围Rgflw用来进行约束微血管血流信号展示效果，设置RgtransitWin，用来确定光谱窗过渡区域宽度。设置RgstruWin用来定义光谱窗宽。
完成以上参数定义后，接下来，计算嘴唇和掌心OCT扫描结构成像，生成OCT结构图像，计算公式如下：
Figure SMS_33
；
其中Bwin为窗函数，定为每条线的窗函数矩阵；Bfram为一个B扫描，包括5000或者10000条线，在下文线数将用nX来表示，
Figure SMS_34
为快速傅里叶变换；Bimgs即为OCT的结构成像。
步骤3、对OCT结构图像进行血流信息提取计算，生成血流图像，包括如下步骤：
对OCT结构图像中偏离中心超过预设距离的远端结构图像信息进行截断；
对截断后的图像做傅里叶变换后再进行滤波；
对滤波后的图像再做傅里叶逆变换。
对嘴唇和掌心结构成像频域信息进行血流信息提取计算：
Figure SMS_35
；
imcroprg为定义的一个截断的深度，对图像偏离中心更远端的信息做一个截断。
其中，
Figure SMS_36
为定义的滤波函数。以上公式表示对截断后的图像做傅里叶变换后再进行滤波，然后再做傅里叶逆变换。定义滤波函数如下：
Figure SMS_37
；
其中，
Figure SMS_38
为滤波函数/>
Figure SMS_39
的组成因子。/>
Figure SMS_40
为生成矩阵函数，对
Figure SMS_41
因子在纵向方向拓展为矩阵函数。/>
Figure SMS_42
定义如下：
Figure SMS_43
；
其中，
Figure SMS_44
为汉明窗窗函数；/>
Figure SMS_45
为光谱窗宽的函数，/>
Figure SMS_46
为光谱窗宽和窗宽过渡区域的函数。/>
Figure SMS_47
表示光谱窗宽；/>
Figure SMS_48
表示光谱窗过渡区域宽度。
对嘴唇和掌心部位数据的结构图像和血流图像进行取对数计算，再进行动态范围计算，计算如下：
Figure SMS_49
；
Figure SMS_50
；
其中，
Figure SMS_53
和/>
Figure SMS_55
为结构图调整动态范围区间的下限和上限值；/>
Figure SMS_57
和/>
Figure SMS_52
为血流图调整动态范围区间的下限和上限值；/>
Figure SMS_56
为取对数运算/>
Figure SMS_58
为OCT结构成像，/>
Figure SMS_59
为定义的截断的深度；/>
Figure SMS_51
为取对数变换和动态范围计算后的结构图，/>
Figure SMS_54
为取对数变换和动态范围计算后的血流图。
步骤4、对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；
对嘴唇和掌心部位数据的血流图像进行归一化处理。
Figure SMS_60
；
其中
Figure SMS_61
为所指定的显示血流图像的归一化参数。
对嘴唇和掌心部位数据的归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加。
上述步骤2-4的过程如图2所示，左上为取完对数的OCT结构图，左下为取完对数的血流信息图，右上为归一化的血流信息图，右下为归一化血流信息图和OCT结构图的叠加。
步骤5、对获取到的嘴唇和掌心部位数据的血流信息进行主成分信息投影。这里所说的主成分信息是指对求取的血流信息的强度成分进行分离后，进行投影。特别的主成分定义为信号信息与背景信息之差比上背景信息大于0.2即为主成分信息，背景信息计算为：设置一个阈值，使得大于阈值的强度值为信号，小于阈值的所有强度值取平均值，作为背景信息，反之则为噪声信息。OCT导管扫描嘴唇血流信息投影后的效果如图3所示。OCT导管扫描手心的血流信息投影后的效果图如图5所示。
步骤6、对投影后的信息进行三维空间信息的坐标转换，由二维图像信息转为具有管状结构的三维空间信息。
转换后与图3对应的OCT导管扫描嘴唇的三维空间信息的内窥OCT血流图像如图4所示；与图5对应的OCT导管扫描手心的三维空间信息的内窥OCT血流图像如图6所示。
显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，包括以下步骤：
S1、利用构建的多线内窥OCT成像系统进行数据采集；
S2、根据抗干扰算法预设参数对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；
S3、对OCT结构图像进行血流信息提取计算，生成血流图像；
S4、对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；
S5、对叠加后的血流信息结构图进行主成分信息投影，生成血管投影成像；
S6、对投影后的信息进行三维空间信息的坐标转换，由二维图像信息转为具有管状结构的三维空间信息。
2.根据权利要求1所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，在S2中，所述抗干扰算法预设参数包括设定成像动态范围、设定微血管血流信号展示范围、设定光谱窗过渡区域宽度。
3.根据权利要求1所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，在S2中，计算OCT结构成像的频谱信息，生成OCT结构图像时，采用如下公式：
Figure QLYQS_1
；
其中，
Figure QLYQS_2
为每条线的窗函数矩阵，/>
Figure QLYQS_3
为一个B扫描，包括5000或者10000条线，/>
Figure QLYQS_4
表示快速傅里叶变换，/>
Figure QLYQS_5
为OCT结构成像。
4.根据权利要求1所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，在S3中，对结构成像进行血流信息提取计算，生成血流图像时，包括如下步骤：
对OCT结构图像中偏离中心超过预设距离的远端结构图像信息进行截断；
对截断后的图像做傅里叶变换后再进行滤波；
对滤波后的图像再做傅里叶逆变换。
5.根据权利要求4所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，对结构成像进行血流信息提取计算，生成血流图像时，采用如下公式计算：
Figure QLYQS_6
；
其中，imcropRg为定义的截断的深度，用于对图像偏离中心更远端的结构图像信息做截断，
Figure QLYQS_7
为定义的滤波函数。
6.根据权利要求5所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，所述滤波函数采用如下公式计算：
Figure QLYQS_8
；
其中，
Figure QLYQS_9
为滤波函数/>
Figure QLYQS_10
的组成因子，/>
Figure QLYQS_11
为生成矩阵函数，用于对
Figure QLYQS_12
因子在纵向方向进行拓展，/>
Figure QLYQS_13
表示对/>
Figure QLYQS_14
图像截断之后的图像高度。
7.根据权利要求6所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，所述
Figure QLYQS_15
因子采用如下公式表示：/>
Figure QLYQS_16
；
其中，
Figure QLYQS_17
表示光谱窗宽；/>
Figure QLYQS_18
表示光谱窗过渡区域宽度；nX表示扫描线数；/>
Figure QLYQS_19
为汉明窗窗函数；/>
Figure QLYQS_20
为光谱窗宽的函数，/>
Figure QLYQS_21
为光谱窗宽和和窗宽过度区域的函数。
8.根据权利要求5所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，在S4中，对血流图像进行归一化处理之前，还包括对结构图像和血流图像，采用如下公式，进行取对数计算，再进行动态范围计算：
Figure QLYQS_22
；
Figure QLYQS_23
；
其中，
Figure QLYQS_25
和/>
Figure QLYQS_28
为结构图调整动态范围区间的下限值和上限值；/>
Figure QLYQS_30
和/>
Figure QLYQS_26
为血流图调整动态范围区间的下限和上限值；/>
Figure QLYQS_27
为取对数运算，/>
Figure QLYQS_31
为OCT结构成像，/>
Figure QLYQS_32
为定义的截断的深度；/>
Figure QLYQS_24
为取对数变换和动态范围计算后的结构图，/>
Figure QLYQS_29
为取对数变换和动态范围计算后的血流图。
9.一种基于多线的内窥OCT抗干扰微血管成像系统，用于实施上述权利要求1-6中任意一项所述的基于多线的内窥OCT抗干扰微血管成像方法，其特征在于，包括扫频OCT成像引擎，DOC运动控制模块，图像处理模块及内窥探头；
所述扫频OCT成像引擎用于在内窥探头进行内窥成像时提供高速扫频光源；
所述DOC运动控制模块用于设定运动速度和回撤速度控制内窥探头运动；
所述图像处理模块内置抗干扰微血管成像算法，用于对当前帧采集的数据进行处理，计算OCT结构成像的频谱信息，生成OCT结构图像；
对OCT结构图像进行血流信息提取计算，生成血流图像；
对血流图像进行归一化处理，归一化的血流信息进行颜色标注，标注后的血流信息与结构图进行叠加；
对叠加后的血流信息结构图进行主成分信息投影，生成血管投影成像；
对投影后的信息进行三维空间信息的坐标转换，由二维图像信息转为具有管状结构的三维空间信息。
10.根据权利要求1所述的基于多线的内窥OCT抗干扰微血管成像算法，其特征在于，在进行数据采集之前，成像系统的各个模块按照如下方法进行初始化设置：
设定扫频OCT成像引擎的扫频速度范围为：200KHz~800KHz；设定DOC运动控制模块对运动速度和回撤速度控制时的旋转速度范围为40fps~160fps；回撤速度设置为10mm/s~40mm/s。
CN202310326106.XA 2023-03-30 2023-03-30 基于多线的内窥oct抗干扰微血管成像算法及成像系统 Pending CN116158736A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310326106.XA CN116158736A (zh) 2023-03-30 2023-03-30 基于多线的内窥oct抗干扰微血管成像算法及成像系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310326106.XA CN116158736A (zh) 2023-03-30 2023-03-30 基于多线的内窥oct抗干扰微血管成像算法及成像系统

Publications (1)

Publication Number Publication Date
CN116158736A true CN116158736A (zh) 2023-05-26

Family

ID=86413390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310326106.XA Pending CN116158736A (zh) 2023-03-30 2023-03-30 基于多线的内窥oct抗干扰微血管成像算法及成像系统

Country Status (1)

Country Link
CN (1) CN116158736A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563414A (zh) * 2023-07-11 2023-08-08 天津博霆光电技术有限公司 基于oct的心血管成像颤影消除方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563414A (zh) * 2023-07-11 2023-08-08 天津博霆光电技术有限公司 基于oct的心血管成像颤影消除方法及设备
CN116563414B (zh) * 2023-07-11 2023-09-12 天津博霆光电技术有限公司 基于oct的心血管成像颤影消除方法及设备

Similar Documents

Publication Publication Date Title
JP2020510487A (ja) 対象の生理学的信号を測定及び処理するデバイス、システム並びに方法
EP1604612B1 (en) X-ray CT apparatus for myocardial perfusion image generation
CN107862724B (zh) 一种改进的微血管血流成像方法
CN110647815A (zh) 一种基于人脸视频图像的非接触式心率测量方法及系统
CN108042125B (zh) 一种高速内窥光学相干血流成像系统
JP2009125127A (ja) Ｘ線ｃｔ装置および心筋パーフュージョン像生成システム
US9111337B2 (en) Low dose cardiac CT imaging with time-adaptive filtration
CN116158736A (zh) 基于多线的内窥oct抗干扰微血管成像算法及成像系统
CN111387959A (zh) 一种基于ippg的非接触式生理参数检测方法
CN114145719B (zh) 双模冠脉血管图像三维融合的方法和融合系统
CN108042126B (zh) 一种改进的激光散斑衬比血流成像方法
CN113920119B (zh) 一种基于热成像技术的心率呼吸分析处理方法
Al-Naji et al. Remote measurement of cardiopulmonary signal using an unmanned aerial vehicle
CN110084085A (zh) 基于成形信号的rppg高精度心率检测方法
CN109389568A (zh) 自动测量皮肤光学相干层析图像中表皮厚度的方法
Li et al. An improvement for video-based heart rate variability measurement
CN114387479A (zh) 一种基于人脸视频的非接触式心率测量方法及系统
CN114209278A (zh) 一种基于光学相干层析成像的深度学习皮肤病诊断系统
WO2019016361A1 (en) OPTOACOUSTIC IMAGING SYSTEM, ESPECIALLY FOR OPTOACOUSTIC FRAME SCANNING MESOSCOPY, AND METHOD FOR PROCESSING OPTOACOUSTIC IMAGING DATA
CN109171670A (zh) 一种基于逆向主成分分析法的3d血管成像算法
WO2023178078A1 (en) Oct speckle velocimetry
Zheng et al. Compensation of in-plane rigid motion for in vivo intracoronary ultrasound image sequence
Shah et al. Comparison of noise removal algorithms on Optical Coherence Tomography (OCT) image
Zheng et al. An off-line gating method for suppressing motion artifacts in ICUSsequence
CN115177278A (zh) 运动检测的系统和方法

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