1 引言

光学相干层析成像(OCT)^[1]是一项基于低相干光干涉原理的三维(3D)层析成像技术。OCT系统通过测量探测光和参考光的干涉信号,再对其进行处理来得到重构样品组织的层析图像。OCT技术现已在生物医学^[2]等领域获得了广泛应用。

微血管是人体中管径最细、分布最广的血管,其主要功能是促进血液与组织之间进行物质交换,调节血压和体温,并在人体内参与营养物质的输送和代谢物质的清除。因此,微血管的结构、分布与功能变化都可以反映出人体的健康状况,可将微血管分布图像作为辅助手段对癌症^[3-4]、糖尿病^[5-7]、酒色斑^[8-9]等病变进行早期诊断。

利用OCT技术的无侵入性、成像迅速、空间分辨率高和探测灵敏度高等特点,研究人员提出了几种基于OCT的人体血管内血流速度和微血管分布的OCT血管造影术,包括多普勒光学相干层析术(DOCT)^[10-12]、散斑方差光学相干层析术(SVOCT)^[13-14]等。

OCT血管造影术不需要向体内注射造影剂,对人体更安全,摆脱了诸多传统血管造影技术应用的限制,拓展了OCT技术的微血管分布可视化能力。

依据成像原理,OCT技术主要可以分为时域OCT(TDOCT)^[15]和频域OCT(FDOCT)^[16],两者的不同主要体现在干涉信号的获取方式上。FDOCT系统参考镜不需要机械扫描,可保持静止,光电探测器接收低的相干干涉光的干涉信号,经由傅里叶变换后可得到样品深度方向的结构。与传统的需要参考镜沿深度方向机械运动的TDOCT系统相比,FDOCT系统具有更高的信噪比、系统灵敏度和成像速率^[17-18]等。

FDOCT有两种实现方式:谱域OCT(SDOCT)和扫频OCT(SSOCT),两者的不同主要体现在光电探测设备和光源上。SDOCT系统选用光谱仪作为光电探测设备,分束镜首先将光源发出的光分为参考光和测量光,它们分别从参考臂和样品臂中返回并发生干涉,最后由光谱仪对干涉信号进行采集。干涉信号由光栅分光后再经过傅里叶透镜会聚在线扫电荷耦合器件(CCD)上,这样,不同光谱分量的干涉光强度信号便可以被分别获取。SSOCT系统不使用光谱仪,而是使用扫频激光光源,出射光的波长具备时变性,并以高速响应单点探测器作为光电探测设备来接收干涉信号。扫频激光光源发出的光在每一周期内历经全部波长,每个周期完成后,一次线扫描(A扫)即可获得所需的干涉光谱信号。

SSOCT系统兼具无需机械扫描、稳定性高、成像速度快、结构简单的优点,且因高速响应单点探测器的加入,又具备较高的灵敏度。随着技术的进步,在生物医学领域中,手持式OCT系统崭露头角,受到青睐。Larocca等^[19]利用二维(2D)微机电扫描系统搭建了手持式SSOCT,并将其应用于眼科检查;Cheon等^[20]实现了手持式SSOCT对视网膜的高精度实时深度控制成像。

本文基于SSOCT技术搭建了一套手持式人体皮肤微血管的快速成像系统,基于强度差分(PID)和动态阈值算法^[21]重建血流图像,并将动态阈值算法与单纯的强度差分算法、对数补偿算法的重建结果进行比较。结果表明,本文采用的动态阈值算法能够呈现出更多的血流分布细节,成像效果更佳。

2 原理

图1所示为本实验室搭建的手持式SSOCT系统原理图,其主体结构为光纤式迈克耳孙干涉仪(部分被遮挡的器件未标注)。系统采用的高速扫频光源的中心波长为1310 nm,带宽为106 nm,扫频速率为50 kHz。系统运行时,光由扫频光源出射,经环流器接口1进入环流器后又经接口2进入50∶50光纤耦合器;之后,光被耦合器分为参考光和探测光,参考光经过偏振控制器(PC)进入参考臂,经准直透镜准直后由透镜会聚至平面镜上,再反射回光纤耦合器;探测光同样经过偏振控制器后进入样品臂,经准直后入射到扫描振镜上,在扫描振镜上发生反射,再被透镜会聚到样品上;之后探测光按原路线返回,与参考光在光纤耦合器中发生干涉。

光纤耦合器中产生的干涉光一部分直接进入平衡探测器(BPD)的某一端口,另一部分入射到环流器接口2中,再经接口3进入平衡探测器的另一接口。最后,平衡探测器中的干涉信号转换为电信号,被数据采集卡(ATS9350,Alazartech公司)采集后传输至计算机中进行处理,即可重构出微血管分布图像。

使光束先经过偏振控制器后再进入参考臂和样品臂的目的是为了让两束光的偏振态尽量一致,从而使得到的干涉光信号具有更高的条纹对比度。图1中的器件4、5、6、7及所连光纤构成样品臂,其中:器件4是焦距为10 mm的准直透镜;器件6是焦距为19 mm的会聚透镜;器件7是中心留有一圆孔的薄铝板,放置于物镜下方,其作用是在实验过程中将样品固定在物镜的焦点位置,样品与物镜的距离可通过旋转螺丝钉调节;器件5是规格为3 mm×3 mm的扫描振镜,由函数发生卡(NI6733,National Instruments公司,美国)驱动,可实现X、Y方向的扫描(图1中为X向扫描)。由于SSOCT系统可直接获取样品的深度信息(Z方向),因此只需进行X、Y方向的扫描,即可获取样品的3D信息。

图2(a)所示为所搭建的手持式SSOCT系统的实际样机;图2(b)所示为手持化的样品臂,采用SolidWorks软件设计及增材制造技术得到。

图 1. 手持式SSOCT微血管成像系统的原理图

Fig. 1. Schematic of the handheld SSOCT microvascular imaging system

下载图片 查看所有图片

图 2. 手持式SSOCT微血管成像系统实物图。(a)样机;(b)手持化样品臂

Fig. 2. Actual picture of the handheld SSOCT microvascular imaging system. (a) Prototype; (b) handheld sample arm

下载图片 查看所有图片

3 微血管分布重建算法

根据光的干涉原理,手持式SSOCT微血管成像系统采集到的干涉光信号^[22]应为

I(k)=2IrIoS(k)∫-∞∞r(z)cos2zk+ϕ(z)dz,(1)

式中:I_r(I_o)为参考臂(样品臂)返回到光电探测器中的光强;S(k)为光源光功率;k为波数;z为光到达样品中的深度;r(z)为样品在深度z处的反射系数;ϕ(z)为样品在深度z处的相位。

由(1)式可知,波数k与深度z是一对傅里叶变换对,因此,可通过对采集到的干涉信号进行快速傅里叶变换(FFT)来重建样品的三维结构。同时,利用所获得的OCT成像信号的振幅和相位信息以及它们随时间的变化特性,可以得到多种OCT血流重建算法,进而得到血流分布图像。根据原理的不同,这些算法大致可分为三类:1)基于OCT信号幅度及相位成像的算法,如光学微血管造影术(OMAG);(2)基于OCT信号幅度成像的算法,如PID算法和散斑方差(SV)算法;(3)基于OCT信号相位成像的算法,如多普勒OCT(DOCT)技术等。

本文基于对数补偿的方法获取血流分布图像^[23],结合动态阈值方法对传统PID算法进行改进,并与LCPID算法进行比较。

3.1 进行对数补偿的PID算法

OCT微血管重建算法的根本原理是利用各种数学方法对静态组织和动态组织进行区分,而动静态组织与动态组织的根本区别在于其运动属性的不一致。因此,通过处理连续帧的强度层析图来获取微血管的分布图像。在PID算法中,设定参数p,将动态组织从样品中区分出来。p通过取连续帧强度层析图的强度差的平方来获得,其计算公式为

p(x,yi,z)=[I(x,yi,z)-I(x,yi+1,z)]2,(2)

式中:x为快扫方向坐标;y为慢扫方向坐标;z为深度方向坐标;I(x,y,z)为光谱强度。下标i与i+1表明(2)式是处理了连续两帧的光强而得到的p参数。对(2)式中的光谱强度I(x,y,z)进行对数处理可以得到

I(x,y,z)=20lg{FFT[I(x,y,k)]},(3)

式中:FFT为快速傅里叶变换。

对光谱强度I(x,y,z)按照(3)式进行处理的原因在于OCT信号强度随深度的增大呈指数衰减,以对数方式补偿可呈现更多的血流细节^[23]。

3.2 动态阈值方法优化的PID算法

自OCT技术问世以来,多种基于运动属性来区别动、静态组织的算法得到了广泛应用。通常,对于任一种区分算法,在计算得到的运动分布谱中,动静态组织都应当分立两侧。因此,只要在运动分布谱中设立合适的阈值,便可正确区分动、静态组织。但获取的动、静态组织的运动信息不仅取决于其实际的运动状态,还会受到原始OCT散射幅度的影响。OCT散射幅度随深度的增大呈指数衰减,运动分布谱中的区分阈值也会与深度产生联系。因此,基于以往经验所得的分类阈值会给图像带来较大误差。

在此,本课题组结合动态阈值方法对已进行对数补偿的血流分布图像进行优化。其中,运动谱仍然基于对OCT信号的连续帧进行强度差分得到,同样设立参数p。为更大程度地保留帧间的连续性,仅对OCT的信号幅度进行差分得到参数p,计算公式为

p(x,yi,z)=A(x,yi,z)-A(x,yi+1,z),(4)

式中:A(x,y_i,z)为OCT信号的幅度。

根据参考文献[ 24]可知,OCT血管造影信号a_s和a_d(其中a_s为静态造影信号,a_d为动态造影信号)服从Rayleigh分布。静态体素的分布函数为

fs(as)=as2σs2exp-as4σs2,as≥00,as<0,(5)

式中:σ_s为静态OCT的幅度方差,主要由系统噪声产生。

相似地,动态体素的分布函数为

fd(ad)=(4-π)ad4σd2exp-(4-π)ad28σd2,ad≥00,ad<0,(6)

式中:σ_d为动态OCT的幅度方差,动态OCT的信号幅度均值为 π4-πσ_d。

结合(5)、(6)式,在对PID算法进行对数补偿的基础上,采用动态阈值方法对成像进行进一步优化。首先,依次对不同深度的正面图进行初步的动、静态组织区分,然后进行直方图分析,以得到特定深度的运动图谱。之后,将所测量的运动谱直方图信息与双Rayleigh分布曲线f(a)进行拟合,得到动、静态体素的分布情况。f(a)的表达式为

f(a)=fs(as)+fd(ad)。(7)

然后,将动态体素和静态体素的交点作为对应深度的阈值,再通过拟合寻找阈值和深度的关系,最后将低于阈值的静态体素从微血管分布图像中去除。

图3所示为动态阈值优化方法的具体数据处理流程。

图 3. 动态阈值算法的流程图

Fig. 3. Flow chart of motion threshold algorithm

下载图片 查看所有图片

4 实验结果

为了验证动态阈值算法的有效性,对一个志愿者的左手大拇指根部和左手无名指皮下微循环血流进行在体成像。在实验中,每个面扫描(B扫)包含1000个A扫(线扫),一次完整的扫描包括400个B扫,成像范围为3 mm×3 mm。对左手大拇指根部和左手无名指标记区域进行血流重建的实验结果如图4~5所示。图4(a)与图5(a)中的红色方框表示成像的大致区域,但因为3 mm×3 mm的成像窗口较小,因此可能与实际成像范围存在微小误差。

对比图4(b)、(c)、(d)三张重建血流截面图可以发现:图4(c)中的标记区域较图4(b)中的标记区域不仅具有更多的血流细节,还具有更高的对比度;与图4(b)相比,图4(d)中标记区域的血流信息更丰富,分辨率更高,对比度也有所提升;与图4(c)相比,图4(d)中标记区域的血流成像更清晰,探测到的微血管数量也明显增多。图5中也有类似的结果,与图5(b)相比,图5(c)的右侧出现了更丰富的血流信息,对截面图像进行视觉确认,发现右侧框内成像处的血流信息是更深层处的。与图5(c)相比,图5(d)中框内清晰的血管数量显著增多,且有较好的清晰度。可见,基于对数补偿并采用动态阈值算法优化的PID成像方法,能够给出更多、更清晰的微血管分布信息。

图 4. 左手大拇指根部在体成像结果的对比图。(a)左手拇指成像部位;(b)无对数补偿PID算法的血流重建截面图;(c)有对数补偿PID算法的血流重建截面图;(d)结合动态阈值及对数补偿算法的血流重建截面图

Fig. 4. Comparison of in vivo imaging results of the left thumb’s root. (a) Imaging area of the left-hand thumb; (b) en-face image using PID algorithm without logarithmic compensation; (c) en-face image using logarithmic-compensated PID algorithm; (d) en-face image using logarithmic-compensated PID algorithm with motion threshold

下载图片 查看所有图片

图 5. 左手无名指在体成像结果对比图。(a)左手无名指成像部位;(b)无对数补偿PID算法的血流重建截面图;(c)有对数补偿PID算法的血流重建截面图;(d)结合动态阈值及对数补偿算法的血流重建截面图

Fig. 5. Comparison of in vivo imaging results of the left hand ring finger. (a) Imaging area of the left hand ring finger; (b) en-face image using PID algorithm without logarithmic compensation; (c) en-face image using logarithmic-compensated PID algorithm; (d) en-face image of logarithmic-compensated PID algorithm with motion threshold

下载图片 查看所有图片

5 结论

本课题组搭建了一套使用高速扫频激光光源的SSOCT系统,并成功地进行了人体皮下微血管的在体成像。使用SSOCT系统对左手大拇指根部和左手无名指的标记区域进行数据采集,通过不同的算法重建了皮下血流分布,并进行了对比。在成像过程中,首先预处理得到的OCT散射信号,具体方式为对其进行快速傅里叶变换得到对应的结构信息,即结构图。之后,基于结构信息,以PID算法为基础,分别比较了有无对数补偿和有无动态阈值优化的情况下,血流重建图像的差异。成像结果表明,对数补偿方法呈现出了更深层的血流,动态阈值方法为图像带来了更多的细节和更高的对比度。在对数补偿和动态阈值结合方法的重建结果中可以观察到其他方法重建结果无法呈现的一些细节血流信息,体现了明显的优越性。在实验室搭建的SSOCT系统中,采用SolidWorks软件设计及增材制造技术制作出了样品臂外壳,实现了手持化,大大提高了系统使用的方便性,可对人体大部分皮下血管进行快速成像,对OCT系统的发展和临床应用具有重要意义。