在基于強(qiáng)度信息的光學(xué)相干斷層掃描血管造影（OCTA）技術(shù)中，去相關(guān)映射被廣泛應(yīng)用，但該方法易受噪聲影響，尤其是對(duì)于低信噪比區(qū)域，噪聲會(huì)使幀間高相關(guān)的靜態(tài)組織信號(hào)呈現(xiàn)出高去相關(guān)性，與血流信號(hào)的高去相關(guān)值混疊，從而會(huì)降低微血管圖像的成像質(zhì)量。

天津大學(xué)精密儀器與光電子工程學(xué)光電信息技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室的王露桐團(tuán)隊(duì)，提出了一種基于局部信噪比動(dòng)態(tài)閾值調(diào)節(jié)的分光譜振幅去相關(guān)方法，探討了圖像局部信噪比與靜態(tài)體素去相關(guān)值的關(guān)系及影響因素。

OCTA技術(shù)的發(fā)展與挑戰(zhàn)

1、OCTA技術(shù)簡(jiǎn)介

OCT成像基于光的低相干干涉原理，能夠?qū)ι锝M織等強(qiáng)散射介質(zhì)進(jìn)行非侵入式成像。而OCTA作為OCT的功能成像技術(shù)，通過比較不同時(shí)間重復(fù)采集的體掃描樣品信息，利用紅細(xì)胞的動(dòng)態(tài)散射特性來檢測(cè)血流信號(hào)，從而實(shí)現(xiàn)微血管的無創(chuàng)可視化，在醫(yī)療領(lǐng)域的應(yīng)用越來越廣泛。

2、現(xiàn)有方法的局限性

目前常用的相關(guān)法（CM）在低信噪比區(qū)域存在問題。在這個(gè)區(qū)域，靜態(tài)體素容易受到噪聲影響，其相關(guān)值降低，導(dǎo)致與血流信號(hào)混疊，降低了微血管圖像的質(zhì)量。

分頻譜振幅去相關(guān)造影（SSADA）方法雖然是在相關(guān)法基礎(chǔ)上的改進(jìn)，但對(duì)于低信噪比數(shù)據(jù)，仍然存在缺陷。當(dāng)單個(gè)頻譜因噪聲導(dǎo)致血流信號(hào)與靜態(tài)信號(hào)混淆時(shí)，多個(gè)頻譜疊加平均的結(jié)果會(huì)更差。

閾值相關(guān)OCTA方法通過設(shè)定去相關(guān)閾值排除噪聲對(duì)靜態(tài)組織的影響，但閾值選擇缺乏依據(jù)，無法準(zhǔn)確處理不同灰度區(qū)域的靜態(tài)體素，可能導(dǎo)致血流信號(hào)丟失或噪聲干擾。

創(chuàng)新方法

基于局部信噪比的閾值動(dòng)態(tài)調(diào)整

1、基本原理

我們的研究人員提出了一種基于局部信噪比的閾值動(dòng)態(tài)調(diào)整方法。這里要提到Berger相關(guān)方法，它是常用的相關(guān)方法，其血流計(jì)算公式考慮了被比較像素點(diǎn)的灰度值大小。在理想無噪聲情況下，靜態(tài)體素的去相關(guān)值為0，但實(shí)際受噪聲影響，靜態(tài)體素的去相關(guān)值與體素信噪比呈負(fù)相關(guān)。

由于OCT結(jié)構(gòu)圖像的信號(hào)強(qiáng)度與樣品各處折射率相關(guān)，像視網(wǎng)膜就有明暗相間的多層結(jié)構(gòu)，無法用一個(gè)確定的閾值抑制整個(gè)圖像的靜態(tài)體素。所以，研究人員對(duì)OCT結(jié)構(gòu)圖像窗口化，結(jié)合體素的局部信噪比設(shè)置自適應(yīng)變化的動(dòng)靜態(tài)分類閾值。同時(shí)，采用分頻譜處理策略，降低軸向分辨率，減弱軸向運(yùn)動(dòng)偽影對(duì)成像質(zhì)量的影響。

2、計(jì)算公式

在這個(gè)方法中，參與Berger去相關(guān)計(jì)算的空間核像素點(diǎn)范圍被擴(kuò)展到以待計(jì)算像素點(diǎn)為中心的矩形窗口內(nèi)的所有像素點(diǎn)。并且定義了體素Berger去相關(guān)系數(shù)（D）和局部信噪比（）的計(jì)算公式，其中涉及分頻譜個(gè)數(shù)（M）、重復(fù)采集次數(shù)（N）、空間窗口橫向和深度方向索引（p、q）以及各位置的振幅等參數(shù)。

3、模擬分析

為了確定靜、動(dòng)態(tài)體素適應(yīng)于不同局部信噪比的分類閾值，進(jìn)行了模擬實(shí)驗(yàn)。實(shí)驗(yàn)用原始光譜傅里葉逆變換后的復(fù)信號(hào)模擬靜態(tài)信號(hào)，設(shè)置背景噪聲為高斯白噪聲，*信噪比約25dB，與現(xiàn)有眼底OCT結(jié)構(gòu)圖像的信噪比水平相當(dāng)。

靜態(tài)體素模擬分布。（a）時(shí)空核為25的靜態(tài)體素分布；（b）時(shí)空核分別為10、20、25、30、40、50的分類曲線擬合結(jié)果。實(shí)線為*終選取的N=25的曲線

計(jì)算每個(gè)時(shí)空核的去相關(guān)值D和局部信噪比（SNR）并映射在同一坐標(biāo)系下。結(jié)果顯示，隨著局部信噪比降低，靜態(tài)體素的去相關(guān)值增大。時(shí)空核越大，參與計(jì)算的體素越多，散點(diǎn)分布更緊湊，右邊界線更陡峭，此右邊界線就是自適應(yīng)去相關(guān)閾值。

在探討分頻譜數(shù)和窗口大小的選擇時(shí)，發(fā)現(xiàn)分頻譜數(shù)越多，軸向分辨率降低倍數(shù)越高，對(duì)軸向位移敏感性越低，但單個(gè)分頻譜信息越少，可能橫跨多個(gè)細(xì)胞使去相關(guān)計(jì)算失去意義。窗口不能過小或過大，過大無法保證窗口內(nèi)體素同種分布，*終根據(jù)紅細(xì)胞大小、眼底血管直徑和OCT系統(tǒng)縱向分辨率等因素，選取分頻譜數(shù)為4-8，窗口大小為5X5較合適。

4、通過Sigmoid函數(shù)映射過渡處理閾值附近的體素

確定動(dòng)靜態(tài)體素分類曲線后，信噪比較高的靜態(tài)體素受噪聲影響小，去相關(guān)值較低，對(duì)微血管圖像干擾較小，無需抑制。分類曲線在去相關(guān)值大于0.1的部分可用指數(shù)函數(shù)擬合。

模板在I-D空間的示意圖

而動(dòng)靜態(tài)體素分界線附近會(huì)出現(xiàn)交疊現(xiàn)象，這與樣品種類、局部窗口大小、圖像整體信噪比等因素有關(guān)。簡(jiǎn)單用0和1閾值分割可能損失血流信息并誤判靜態(tài)體素為動(dòng)態(tài)血流信號(hào)。所以利用Sigmoid函數(shù)為每個(gè)體素生成模板因子β，對(duì)分界線附近像素點(diǎn)進(jìn)行過渡處理，使映射更合理。

5、算法流程

• 目標(biāo)提?。函B加平均同一橫向位置連續(xù)采集的N張B-scan，提取目標(biāo)區(qū)域。

• 分頻譜：采用主瓣寬度盡量窄、旁瓣小、能量集中于主瓣的漢明窗作為窗函數(shù)將原始光譜分割為M個(gè)分光譜，相鄰頻譜部分重疊，避免信號(hào)截?cái)鄬?dǎo)致的頻譜泄漏。

• 計(jì)算局部信噪比與去相關(guān)值：計(jì)算各分頻譜的背景強(qiáng)度平方的均值，然后計(jì)算個(gè)結(jié)構(gòu)圖像的局部Berger去相關(guān)系數(shù)與局部信噪比。

• 靜態(tài)體素抑制：計(jì)算對(duì)應(yīng)分類曲線的Sigmoid平滑模板，將去相關(guān)值D與信噪比映射到S-D空間中，為每個(gè)像素點(diǎn)附加模板因子β，實(shí)現(xiàn)對(duì)動(dòng)靜態(tài)體素更準(zhǔn)確的分類。

• enface生成：對(duì)逐個(gè)橫向位置的N張B-scan進(jìn)行上述處理，并將處理結(jié)果沿軸向均值投影，生成*終的enface圖像。

算法流程圖

實(shí)驗(yàn)與分析：驗(yàn)證創(chuàng)新方法的有效性

1、系統(tǒng)搭建

為進(jìn)行實(shí)驗(yàn)，搭建了眼后節(jié)SS-OCT系統(tǒng)。光源采用、掃頻速度為的掃頻激光光源，光經(jīng)一系列耦合器、掃描振鏡、光學(xué)透鏡組等元件后，樣品光聚焦在視網(wǎng)膜上，參考光與樣品光在耦合器中發(fā)生干涉，干涉信號(hào)被探測(cè)器接收并轉(zhuǎn)化為電信號(hào)，再由采集卡采集傳入計(jì)算機(jī)處理。同時(shí)，光源輸出信號(hào)觸發(fā)采集卡，采集卡輸出信號(hào)觸發(fā)波形發(fā)生卡驅(qū)動(dòng)二維掃描振鏡實(shí)現(xiàn)斷層掃描和體掃描以采集OCTA數(shù)據(jù)。

SS-OCT系統(tǒng)結(jié)構(gòu)示意圖

2、實(shí)驗(yàn)結(jié)果

皮膚血管造影

在高信噪比的皮膚數(shù)據(jù)中，相關(guān)映射類方法效果較好。本文算法與相關(guān)法成像效果相當(dāng)且對(duì)靜態(tài)體素進(jìn)行抑制。通過計(jì)算enface圖中動(dòng)態(tài)信號(hào)和靜態(tài)組織的信噪比，表明本文算法相比其他算法具有更高的信噪比，能得到更高質(zhì)量的enface結(jié)果。

皮膚數(shù)據(jù)成像結(jié)果。（a）提出算法的結(jié)果；（b）SSADA算法的結(jié)果；（c）SVOCT算法的結(jié)果；（d）Pearson相關(guān)法的結(jié)果；（c′）SVOCT算法的血流截面圖；（d′）Pearson相關(guān)法的血流截面圖。（a）~（d）中方框?yàn)檫x取的靜態(tài)信號(hào)區(qū)域

視網(wǎng)膜血管造影

對(duì)于低信噪比的視網(wǎng)膜數(shù)據(jù)，相關(guān)法效果往往較差，而本文算法能顯著提升enface圖像質(zhì)量。對(duì)志愿者視網(wǎng)膜進(jìn)行體掃描，采用本文算法對(duì)靜態(tài)體素進(jìn)行抑制后，能清晰看到血管分布。對(duì)比不同方法的成像結(jié)果，本文算法對(duì)圖像質(zhì)量提升明顯，大部分靜態(tài)體素被有效抑制，黃斑區(qū)毛細(xì)血管更清晰，圖像可視性和對(duì)比度顯著提高，且算法具有*的原始圖像對(duì)比度。

進(jìn)行靜態(tài)抑制前后的血流截面圖。（a）未進(jìn)行靜態(tài)體素抑制；（b）靜態(tài)體素抑制后；（c）OCT原始結(jié)構(gòu)圖像

本文提出算法與其他強(qiáng)度OCTA的結(jié)果對(duì)比。（a）提出算法的結(jié)果；（b）SSADA算法的結(jié)果；（c）SVOCT算法的結(jié)果；（d）Pearson相關(guān)法的結(jié)果。實(shí)線框?yàn)楦信d趣區(qū)域

結(jié)與展望

1、算法的優(yōu)勢(shì)

提出的基于強(qiáng)度信息的分頻譜并結(jié)合局部信噪比去除靜態(tài)體素的OCTA算法，拓展了相關(guān)計(jì)算公式，模擬了靜態(tài)和噪聲體素去相關(guān)值與局部信噪比之間的分布規(guī)律，為不同局部信噪比區(qū)域分配動(dòng)靜態(tài)閾值提供了依據(jù)。

2、算法的局限性及改進(jìn)方向

算法存在細(xì)節(jié)模糊問題，與參與運(yùn)算的時(shí)空核大小有關(guān)。在重復(fù)采樣次數(shù)為2的情況下，綜合考慮選取的窗口大小。當(dāng)重復(fù)采集次數(shù)增加時(shí)，空間核大小可隨之減小，減輕模糊現(xiàn)象。同時(shí)，空間核大小需結(jié)合樣品種類和掃描空間間隔考量。

背景噪聲方差參與每一個(gè)局部逆信噪比的計(jì)算，其值必須準(zhǔn)確，自適應(yīng)提取純背景區(qū)域是難點(diǎn)。

3、對(duì)醫(yī)療領(lǐng)域的貢獻(xiàn)

盡管存在局限性，但該方法在高、低信噪比數(shù)據(jù)中均能獲得更好的微血管圖像質(zhì)量，為疾病診斷提供了更可靠的依據(jù)，對(duì)醫(yī)療領(lǐng)域的發(fā)展具有重要推動(dòng)作用。未來研究可進(jìn)一步優(yōu)化算法，拓展臨床應(yīng)用領(lǐng)域，或探索與其他成像模態(tài)融合，為醫(yī)療成像技術(shù)帶來更多突破。

這種基于局部信噪比閾值調(diào)節(jié)的分光譜去相關(guān)光學(xué)相干斷層掃描血管造影方法為醫(yī)療成像領(lǐng)域帶來了新的希望和方向，我們期待它在未來能為更多患者的疾病診斷和治療提供幫助。

聲明：本文僅用作學(xué)術(shù)目的。文章來源于:王露桐, 汪毅, 徐玉帥, 婁世良, 蔡懷宇, 陳曉冬. 基于局部信噪比閾值調(diào)節(jié)的分光譜去相關(guān)光學(xué)相干斷層掃描血管造影方法[J]. 光學(xué)學(xué)報(bào), 2024, 44(5): 0517001. Lutong Wang, Yi Wang, Yushuai Xu, Shiliang Lou, Huaiyu Cai, Xiaodong Chen. Split-Spectrum Threshold Decorrelation Optical Coherence Tomography Angiography Method Based on Local Signal-to-Noise Ratio[J]. Acta Optica Sinica, 2024, 44(5): 0517001.