一种应用于OCTA活体成像提升血管信息提取精准度的方法

计算;推算;计数设备的制造及其应用技术一种应用于octa活体成像提升血管信息提取精准度的方法技术领域1.本发明涉及octa活体成像领域，特别是指一种应用于octa活体成像提升血管信息提取精准度的方法。背景技术：2.光学相干断层扫描血管造影(octa)是近年来在oct基础上的一种改进的一种非侵入性血管造影成像技术。自提出以来，它在2016年迅速获得了fda的临床批准，并广泛应用于眼底和皮肤区域疾病的监测和诊断。同时，基于oct内窥镜技术的发展，octa对活体器官的监测也逐渐走向应用。3.但是基于独特的octa图像采集方式，最终成像结果是通多个横断面扫描结果的综合叠加构成。因此，octa成像方法不可避免地存在一定的图像信息获取时间。由先前研究表明，图像采集过程中因为活体动物的呼吸作用出现振动、漂移运动或者闪动等微动情况。而这些微动以及成为了octa活体成像结果中图像伪影的主要来源，其具体表现为存在条纹运动伪影，而这些和血管信息一致信号强度类似的伪影会为后期血管信息提取及定量分析产生极大干扰，严重影响临床医学诊断。技术实现要素：4.本发明的主要目的在于克服现有技术中的上述缺陷，提出一种应用于octa活体成像提升血管信息提取精准度的方法，该方法作用于多种部位的octa活体成像结果对血管形态结构分析及血管信息定量分析有显著优化效果，尤其在针对活体器官成像过程中常出现的强度高，尺寸宽的条纹运动伪影有明显效果。5.本发明采用如下技术方案：6.一种应用于octa活体成像提升血管信息提取精准度的方法，包括以下步骤：7.s1：对图像进行二维小波分解，得到低通频率分量，水平结构细节分量，垂直结构细节分量以及对角结构细节分量；8.s2：选取垂直结构细节分量进行快速傅里叶变换，得到垂直结构细节分量的频谱图；9.s3：采用带通滤波器对垂直结构细节分量的频谱图进行频域滤波，得到滤波后的频域信号；10.s4：对滤波后的频域信号进行快速傅里叶逆变换以及小波逆变换重建滤波后图像；11.s5：将重建滤波后图像和原图像中的各像素点进行比较并取最小值；12.s6：多次迭代s1-s5，重构深度去噪图像。13.具体地，对图像进行二维小波分解，得到低通频率分量，水平结构细节分量，垂直结构细节分量以及对角结构细节分量，具体为：14.二维图像信号f(x,y)进行最大次数为l的小波分解w＝{cll,m,n,chl,m,n,cvl,m,n,cdl,m,n}且l∈{1,...,l}，得到四种小波分量，其中cll,m,n为低通频率分量，chl,m,n为水平结构细节分量，cvl,m,n为垂直结构细节分量，cdl,m,n为对角结构细节分量。15.具体地，采用带通滤波器对垂直结构细节分量的频谱图进行频域滤波，得到滤波后的频域信号；具体为：16.将带通滤波器对垂直结构细节分量的频谱图中的中心高频信号移动至频谱图边缘，同时将低频信号移动至频谱图中央；即完成将零频点移动至频谱中央的频谱居中操作；17.再将频谱居中操作后的频谱横轴上信号通过基于高斯阻尼函数的滤波器衰减，其中σ为衰减强度。18.具体地，对滤波后的频域信号进行快速傅里叶逆变换以及小波逆变换重建滤波后图像，具体包括：19.对滤波后的频域信号首先进行逆频谱居中操作还原零频点位置，再进行快速傅里叶逆变换；20.结合cll,m,n为低通频率分量，chl,m,n为水平结构细节分量以及cdl,m,n为对角结构细节分量，进行小波逆变换w*＝{cll,m,n,chl,m,n,c*vl,m,n,cdl,m,n}，重建初步去噪图像f(x,y)*。21.具体地，多次迭代s1-s5，重构深度去噪图像，具体为：22.多次迭代wavelet-fft和最小值修复图像的综合过程，迭代次数为n，深度衰减条纹残存伪影，得到最终滤波图像f(x,y)*n。23.由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：24.1.小波分解能对原始图像多通道降采样，获取不同方位的图像细节信息。25.2.由快速傅里叶变换构成的二维傅里叶滤波器能迅速、稳定并且精准地衰减频域横轴上的条纹运动伪影分量信号强度。26.3.小波滤波器和傅里叶滤波器相结合能够有效的分离条纹运动伪影和原始图像血管和背景，能初步衰减条纹运动伪影噪声信号强度，并且一定程度上保持原始图像信息。27.4.通过将重建图像和原始图像采用最小像素值修复的方法，会修复条纹周围受到滤波器模糊的微血管结构和背景，修复血管结构的同时，去除滤波器带来的高信号模糊伪影。28.5.n次迭代wavelet-fft和最小值修复图像的综合过程，能深度衰减运动伪影噪声信号，该方法作用于多种部位的octa活体成像结果对血管形态结构分析及血管信息定量分析有显著优化效果，尤其在针对活体器官成像过程中常出现的强度高，尺寸宽的条纹运动伪影有明显效果。附图说明29.图1为本发明实施例提供的去噪方法具体流程图；30.图2为本发明实施例提供的去噪方法所应用的小波分解提取图像方向信号分量的示意图；31.图3为本发明实施例提供的去噪方法所应用的频域滤波示意图；32.图4为本发明实施例提供的去噪方法应用于不同octa活体成像部位的实验结果，以血管形态结构体现。33.以下结合附图和具体实施例对本发明作进一步详述。具体实施方式34.与医学图像分析中常见的散斑噪声不同，octa活体成像中条纹运动伪影噪声具有明显的方向性，因此单纯针对随机噪点的滤波器难以达到好的效果。而小波变换(wavelettransform，wt)是一种新的变换分析方法，它的主要特点是通过变换充分突出信号某些方面的特征，能对输入图像信号进行多尺度细化采样，自动适应时频信号分析的要求，从而可聚焦图像各个方向细节信息，弥补了傅里叶变换(fourier)的部分缺点，成为继傅里叶变换以来在科学方法上的重大突破。35.而对于频域滤波而言，经过快速傅里叶变换(fft)可以得到图像频谱图，原始图像的边缘部分是突变部分，所以在频谱图中即为是高频分量，在大部分情况下原图像中的噪声多是高频部分，图片信息多为低频分量。频域滤波即将图像从灰度分布转化到频率分布上来观察图像的特征，并从中衰减高频噪声分量，实现快速且精确滤波的目的。36.由于octa条纹运动伪影多是叠加的，它们总是比潜在的真实信号更亮。因此，为防止条纹运动伪影周围图像信号在滤波后受到高信号“模糊”的一种简单方法就是计算滤波前和滤波后图像之间的最小值。这存在于每次wavelet-fft滤波器之后的步骤会为条纹周围的图像信息带来极大的修复效果。37.经过wavelet-fft初步去噪的图像，尽管伪影得到明显衰减，但是仍然有残存伪影。又因为最小值背景修复的作用，使条纹周围背景图像信息得到修复，条纹残存伪影相较对背景会再次成为一定对比度的细节条纹。因此，多次迭代wavelet-fft和最小值修复图像的综合过程，会深度衰减条纹残存伪影噪声信号，带来更好的滤波效果。38.在此基础上，提出了本发明方案：39.如图1，为本发明实施例提供的一种应用于octa活体成像提升血管信息提取精准度的方法，包括以下步骤：40.s1：对图像进行二维小波分解，得到低通频率分量，水平结构细节分量，垂直结构细节分量以及对角结构细节分量；41.如图2中所示将采集到的octa二维图像信号f(x,y)进行最大次数为l且滤波器种类为daubechies的小波分解w＝{cll,m,n,chl,m,n,cvl,m,n,cdl,m,n}且l∈{1,...,l}，得到表示灰度图像f(x,y)结构信息的四种小波分量，分别为低通频率带cll,m,n，水平结构细节信息chl,m,n，垂直结构细节信息cvl,m,n，对角结构细节信息cdl,m,n42.s2：选取垂直结构细节分量进行快速傅里叶变换，得到垂直结构细节分量的频谱图；43.如图3中所示，对垂直结构细节信息cvl,m,n进行快速傅里叶变换(fft)，得到图像垂直结构细节信息的频谱图。44.s3：采用带通滤波器对垂直结构细节分量的频谱图进行频域滤波，得到滤波后的频域信号；45.如图3中所示，将步骤2)中所得频谱图中的零频点移动至频谱中间，将条纹噪声伪影的频域信号移动至频谱图水平横轴上的窄带。再将所得频谱横轴上的窄带信号通过基于高斯阻尼函数g(x,y)的滤波器做一定程度衰减，其中衰减强度为σ。46.s4：对滤波后的频域信号进行快速傅里叶逆变换以及小波逆变换重建滤波后图像；47.通过对s3中衰减后的频谱图，做逆频谱居中操作，还原零频点位置，再通过快速傅里叶逆变换(ifft)得到去噪后垂直结构细节分量c*vl,m,n，再通过小波类型为daubechies的逆变换w*＝{cll,m,n,chl,m,n,c*vl,m,n,cdl,m,n},得到初步去除条纹运动伪影的重建图像f(x,y)*。48.s5：将重建滤波后图像和原图像中的各像素点进行比较并取最小值；49.由于单纯wavelet-fft滤波器对条纹运动伪影的衰减会造成条纹边缘出现相对于背景信号的高信号模糊，这种已存在的模糊一方面会覆盖部分微血管结构，另一方面也可能在未出现血管信号的低信号背景区域出现与血管强度相似的高信号，而这会对血管形态学结构分析和定量分析产生巨大干扰。因此这里通过将重建图像f(x,y)*各像素值和原图像f(x,y)各像素值比较并取最小值的方法，来使条纹周围图像信号与原图一致，达到修复条纹周围被模糊的微血管结构和背景的目的。50.s6：多次迭代s1-s5，重构深度去噪图像。51.由于在单纯wavelet-fft初步去噪后，条纹虽然得到明显衰减，但是仍然有残存伪影，通过最小值背景修复的方法，条纹周围背景得到复原。因此，条纹残存伪影相较对复原背景会再次成为存在一定对比度的细节条纹，经过迭代次数为n的wavelet-fft和最小值修复图像的综合过程，能实现条纹残存伪影的深度衰减。得到最终深度滤波图像f(x,y)*n。52.对上述滤波方法的验证是通过对无条纹运动伪影的octa图片添加模拟噪声的方法来滤波验证。同时确定滤波器合适参数指标。。53.而对于滤波效果的验证主要是通过图像质量评估以及血管信息提取精度作为评判标准。图像质量评估主要通过峰值信噪比(psnr)和结构相似性指数(ssim)来评判该滤波器参数是否引起图像质量损失。血管信息提取精度分析主要着重于血管面积百分比以及血管总长度这两种血管信息参数的评判。54.表一展示了模拟条纹运动伪影在滤波器参数n单独作用下的滤波结果的两种图像质量评估参数值。这两种参数值相较于原条纹图有了很大的提升。同时，通过这两种评估参数能确定该条纹下对于图像质量最合适的滤波器参数。55.表一[0056][0057]表二展示了模拟条纹运动伪影在不同滤波器迭代次数n作用下的滤波结果的血管信息提取结果。由表中可见，对于血管面积百分比和血管总长度这两种血管参数而言，条纹运动伪影并未引起较大偏差，反而通过wavelet-fft滤波作用出现了明显偏差。但是这两种参数都是随着滤波器迭代次数n的增加不断接近于原始图片，在n＝7的时候最接近于原始图片提取结果。[0058]表二[0059][0060]如图4中所示，选择了眼底与耳朵这两个活体成像部位所采集到的octa图片。采集到的原图中存在不同宽度的条纹运动伪影，因此我们选用上述实施例对其滤波处理，验证其去噪效果。[0061]如图4中所示，首先直观显示该条纹运动伪影对于血管形态学结构分析的影响，同时也直观展示了本滤波器对条纹的去除效果以及对血管结构的保存。[0062]表三即展示了图4中对两种血管信息参数提取的定量分析结果，从两个成像器官的原始octa图像中提取的各种血管信息与经过本多重迭代wavelet-fft和最小值修复图像的综合滤波器处理后的图像的提取结果存在明显的差异。这也定量地说明了该滤波器的明显效果。[0063]表三[0064][0065]可见，本发明所采用的方法综合利用小波滤波器对图像各方向细节特征的提取优势、以快速傅里叶变换为基础的频域滤波器对图像条纹运动伪影高频信号的精确衰减的优势、最小像素值修复微血管结构和背景的优势以及n次迭代wavelet-fft和最小值修复图像的综合过程对条纹运动伪影滤波残留信号的深度衰减优势，能够有效去除octa活体成像结果中存在的条纹运动伪影，同时拥有对图像质量以及血管信息存在非常好的保留能力。从血管形态学和信息提取的两个方面定性且定量地验证了该滤波方法的有效性，因此在未来能提升octa临床眼科、皮肤以及内窥镜领域成像结果质量，帮助临床医生获取更加精准的血管信息数据，推动octa的临床转化。[0066]上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!