人体皮肤毛细血管血流信号提取技术探析(3)

　　2.2.2基于相位分辨的多普勒OCT算法。
　　
　　在OCT系统中，多普勒频移的计算通过希尔伯特变换把探测器得到的实数信号拓展为复解析信号珘I（z,t）=A（z,t）exp[iφ（z,t）],再求取相位φ（z,t）。
　　 　　计算相邻A扫（n,n-1）之间的相位差Δφ（z,t）。
　　 　　但是扫频光源触发和采集卡采集之间的延迟随时间变化而变化，这会导致得到的相位差Δφ（z,t）存在偏差，所以需要进行一定的校正。为了理解这种延迟时间的变化给相位分辨法带来的影响，考虑对一个位于深度z、反射率为R的标准静态平面镜所得到的干涉条纹进行研究，其干涉信号S（t）满足[23].
　　 　　扫频光源按与波数k（t）成线性的方式扫描，线性方程为k（t）=k0+αt.由于标准静态平面镜产生的干涉条纹的相位是φ′=2k0z+2αzε，相邻A扫之间的相位差Δφ′的范围为：
　　 　　这种时序偏差引入了随深度线性增加的相位跃变，为了校正时间引入的相位跃变，一种通过计算两参考镜相邻A扫之间的相位变化的方法于2005年被提出[23].从测得的相邻A扫的多普勒频移Δφ（z,t）[（3）式]中减去对应所需部分处由标准静态平面镜得到的相邻A扫随深度线性变化的相位跃变Δφ′[（5）式].如图1所示，在样品臂干涉范围之外放置一个标准静态平面镜，该标准静态平面镜与原SSOCT参考镜发生干涉，得到的干涉信号S（t）可以用来计算时间引入的相位跃变Δφ′。这样，标准平面镜在最终的像中产生一条在样品图像边界之外的直线，且这条直线所在的深度z最大，对应相位跃变Δφ′最大，则需要确保样品图像部分的相位跃变可以准确测得。
　　
　　用多普勒频移法得到的相邻A扫之间的频率差进行上述校正得到的相位差为：
　　 　　式中标准平面镜位于深度m处，实验所需的部分位于深度i处。进而得到多普勒频移Δf（z,t）=[Δ^φ（z,t）/（2πT）]（T为相邻A扫之间的时间间隔），Δf（z,t）的正负可以用来表示流速的方向。再进一步可以得到流速v（z,t）cosθ=[Δf（z,t）·λ/2],式中v（z,t）为深度z处的流速。
　　
　　2.2.3 SV处理算法。
　　
　　散斑可以用来描述从生物组织散射回来的部分相干光的信号。如果对静止的物成像，其散斑图案也不会有变化，但因为血管中有红细胞等运动的粒子，所以散斑会随机变化。通过SV算法可以从结构图中提取出血管的信号（变化的散斑），分离并消去背景信号（固定的散斑）[15].
　　
　　SV算法计算了同一像素位置在相邻帧之间基于强度的结构图的散斑的方差。若n为水平像素数，n次A扫为一次B扫，一次B扫可以成像一个面。SV成像是一种解相关方法，计算相邻两帧（相邻两次B扫）结构图对应位置处的强度方差：
　　 　　式中i、j、f分别表示深度位置、水平位置、帧数，Imean表示两帧强度图对应像素位置的强度均值。
　　
　　2.2.4综合应用算法。
　　
　　SV算法通过计算复解析信号的强度，具有良好的稳定性，能够很好地分离出生物组织中流动和固定两部分，得到良好的样品背景，成功地提取出样品中具有血流的信号。但是它不能够提供血管中的流速信息与血流方向信息。多普勒OCT算法通过获得复解析信号的相位来计算多普勒频移，不但可以得到流体的方向，还可以得到流速。因为组织的光学不均匀性，在进行多普勒OCT成像时，特别是在微血管中，会引入很大的背景噪声，较难消除，严重影响其成像质量。
　　
　　综合应用SV算法和多普勒OCT算法，重构一个理想的样品背景，从而消除背景噪声，并且获得方向信息。将多普勒OCT算法所得到的方向信息引入SV算法构建的理想样品背景中，不影响SV算法所提取的血流信号。具体的处理过程是将多普勒频移得到的流体方向信息作为一个方向系数，代入血流强度图中，既可得到具有方向信息的血流强度图，同时很好地消除了多普勒OCT引入的背景噪声的影响。
　　
　　3实验及结果分析。
　　
　　3.1模拟实验及结果。
　　
　　选用内径为300μm,内部注入牛奶稀释液的毛细玻璃管作为样品进行模拟实验。毛细玻璃管置于混有牛奶的琼脂中，用来模拟生物组织中的血流背景，入射光束的倾角大约为85°。实验中每一个B扫中包含1000个A扫，每个C扫中包含400个B扫，选取其中效果较好的B扫图像进行算法处理，结果如图4所示。
　　
　　图4（a）为SSOCT得到的毛细玻璃管的结构图以及实验中加入的另一片平面参考镜的像。通过SV算法处理得到牛奶流的强度如图4（b）所示。在显示校正的多普勒频移图像时，将得到的偏移后功率谱相对于原功率谱所偏移的百分比通过伪彩色增强映射到-6~6区间，其中0定义为黑色，代表静止的无多普勒频移的位置；-6~0定义为负向多普勒频移，从绿色渐变为黑色，数值越小代表的频移越大；0~6定义为正向多普勒频移，从黑色渐变为红色，数值越大，代表的频移越大。利用多普勒OCT算法得到的图像即图4（c）。将图4（c）中得到的Δf信息引入牛奶流强度图4（b）中可以得到具有方向信息的牛奶流强度图像，即图4（d），通过伪彩色映射到-80~130区间，-80~0表示负方向，0~130表示正方向。图4（e）和图4（f）表示进行多普勒频移算法得到的牛奶正负流向的信息，其伪彩色映射区间同图4（d）。