运动补偿激光散斑对比成像制造技术

公开了用于运动校正和运动补偿的激光散斑对比成像的方法和系统。该方法包括：将目标区域暴露于第一波长的相干第一光，该目标区域包括活体组织，并捕捉包括第一散斑图像的至少一个图像序列，并确定用于将第一散斑图像彼此配准的图像配准算法的一个或多个变换参数。所述变换参数可以基于所述至少一个图像序列的多个图像中的像素组的像素值的相似性度量，所述多个图像中的图像选自所述第一散斑图像或与所述第一散斑图像相关联。与所述第一散斑图像相关联。与所述第一散斑图像相关联。

【技术实现步骤摘要】
【国外来华专利技术】optics(生物医学光学杂志)23(2),March 2018(2018年3月)。在许多应用中，使用标记物是不可能的。
[0009]同样，P.Miao等人在以下文章中描述了一种通过基于卷积滤波和相关插值方案配准(register)原始散斑图像来产生高分辨率LSCI图像的方法：High resolution cerebral blood flow imaging by registered laser speckle contrast analysis(通过配准的激光散斑对比分析进行高分辨率脑血流成像)，IEEE transactions on bio
‑
medical engineering 57(5):1152
–
1157。随后使用时间(temporal)激光散斑对比分析对配准的图像进行回顾性分析。然而，原始散斑图像的这种配准需要大量的计算资源，因此不适合精确的实时成像应用。
[0010]因此，从上面可以看出，本领域需要改进运动补偿激光散斑对比成像方案。特别地，本领域需要改进用于激光散斑对比成像的方法和系统，其允许实现实时、稳健、无标记、高分辨率的灌注成像，特别是微循环成像，其中运动伪影基本上被消除或至少减少。

技术实现思路

[0011]本领域技术人员将理解，本专利技术的各方面可以体现为系统、方法或计算机程序产品。因此本专利技术的各方面可以采取以下形式：完全硬件实施例、完全软件实施例(包括固件、驻留软件、微代码等)或结合软件方面和硬件方面的实施例，这些软件方面和硬件方面在本文中通常被称为“电路”、“模块”或“系统”。本公开中描述的功能可以实现为由计算机的微处理器执行的算法。此外，本专利技术的各方面可以采取计算机程序产品的形式，该计算机程序产品体现在一个或多个计算机可读介质中，该计算机可读介质上体现(例如存储)计算机可读程序代码。
[0012]可以使用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是，例如，但不限于，电子的、磁性的、光学的、电磁的、红外的或半导体的系统、装置或设备，或前述的任何合适的组合。计算机可读存储介质的更具体的例子(非详尽列表)包括以下内容：具有一根或多根电线的电连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD
‑
ROM)、光存储设备、磁存储设备或上述的任何合适的组合。在本文的上下文中，计算机可读存储介质可以是任何有形介质，其可以包含或存储程序以供指令执行系统、装置或设备使用或与之结合使用。
[0013]计算机可读信号介质可以包括传播的数据信号，其中体现了计算机可读程序代码，例如，以基带或作为载波的一部分。上述传播的信号可以采取多种形式中的任何一种，包括但不限于电磁、光学或上述的任何合适的组合。计算机可读信号介质可以是任何计算机可读介质，它不是计算机可读存储介质，并且它可以通信、传播或传输程序以供指令执行系统、装置或设备使用或与之结合使用。
[0014]体现在计算机可读介质上的程序代码可以使用任何合适的介质来传输，包括但不限于无线、有线、光纤、电缆、RF等，或上述的任何合适的组合。用于执行本专利技术各方面的操作的计算机程序代码可以用一种或多种编程语言的任何组合编写，编程语言包括例如Java(TM)、Scala、C++、Python等的函数式或面向对象编程语言以及例如“C”编程语言或类似编程语言的常规过程编程语言。程序代码可以作为独立的软件包完全在用户的计算机上执
行，部分地在用户的计算机上执行，部分在用户的计算机上执行并且部分地在远程计算机上执行，或者完全在远程计算机上、服务器或虚拟化服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，网络包括局域网(LAN)或广域网(WAN)，或者上述连接可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)。
[0015]以下参照根据本专利技术实施例的方法、装置(系统)和计算机程序产品的流程图和/或方框图来描述本专利技术的各方面。应当理解，流程图图示和/或方框图的每个块以及流程图图示中的块和/或方框图中的块的组合可以通过计算机程序指令来实现。上述计算机程序指令可以被提供给处理器，特别是提供给通用计算机、专用计算机或其他可编程数据处理装置的微处理器或中央处理单元(CPU)或图形处理单元(GPU)，以产生机器，从而使得上述指令，通过计算机的处理器、其他可编程数据处理装置或其他设备执行，创建出实现流程图和/或方框图块中一个或多个块所指定的功能/动作的手段。
[0016]上述计算机程序指令也可以存储在计算机可读介质中，该计算机可读介质可以指导计算机、其他可编程数据处理装置或其他设备以特定方式工作，使得存储在计算机可读介质中的指令产生制造品，该制造品包括指令，该指令实现流程图和/或方框图块中一个或多个块所指定的功能/动作。
[0017]计算机程序指令也可以加载到计算机、其他可编程数据处理装置或其他设备上，以使一系列操作步骤在计算机、其他可编程装置或其他设备上执行，以产生计算机实现的过程，从而使得在计算机或其他可编程装置上执行的指令提供用于实现流程图和/或方框图中一个或多个块所指定的功能/动作的过程。
[0018]图中的流程图和方框图示出了根据本专利技术的各种实施例的系统、方法和计算机程序产品的可能实施方案的结构、功能和操作。在这方面，流程图或方框图中的每个块可以表示代码的模块、段或部分，其包括用于实现指定逻辑功能的一个或多个可执行指令。还应该注意的是，在一些可替换的实施方案中，块中所示的功能可以按图中所示顺序出现。例如，事实上，连续显示的两个块可以基本上同时执行，或者有时可以以相反的顺序执行，这取决于所涉及的功能。还应该注意到，方框图和/或流程图的每个块，以及方框图和/或者流程图中的块的组合，可以由执行指定功能或动作的基于专用硬件的系统实现，或者由专用硬件和计算机指令的组合来实现。
[0019]本公开的实施例的目的是减少或消除现有技术中已知的至少一个缺点。
[0020]在第一方面，本专利技术涉及一种运动补偿激光散斑对比成像的方法。所述方法包括：将目标区域暴露于第一波长的相干第一光，所述目标区域包括活体组织，并捕捉至少一个图像序列。所述至少一个图像序列包括第一散斑图像，所述第一散斑图像是在以所述第一光的曝光期间捕捉的。所述方法还包括：确定用于将所述第一散斑图像彼此配准的图像配准算法的一个或多个变换参数。所述变换参数可以基于所述至少一个图像序列的多个图像中的像素组的像素值的相似性度量，所述多个图像中的图像选自所述第一散斑图像或与所述第一散斑图像相关联。所述方法还包括：通过基于所述一个或多个变换参数和所述图像配准算法，配准所述第一散斑图像，来确定配准的第一散斑图像，并基于所述配准的第一散斑图像，确定组合散斑对比图像；或基于所述第一散斑图像，确定第一散斑对比图像，通过基于所述一个或多个变换参数和所述图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种运动补偿激光散斑对比成像方法，包括：将目标区域暴露于第一波长的相干第一光，所述目标区域包括活体组织；捕捉至少一个图像序列，所述至少一个图像序列包括第一散斑图像，所述第一散斑图像是在以所述第一光的曝光期间捕捉的；确定用于将所述第一散斑图像彼此配准的图像配准算法的一个或多个变换参数，所述变换参数基于所述至少一个图像序列的多个图像中的像素组的像素值的相似性度量，所述多个图像中的图像选自所述第一散斑图像或与所述第一散斑图像相关联；和通过基于所述一个或多个变换参数和所述图像配准算法，配准所述第一散斑图像，来确定配准的第一散斑图像，并基于所述配准的第一散斑图像，确定组合散斑对比图像；或基于所述第一散斑图像，确定第一散斑对比图像，通过基于所述一个或多个变换参数和所述图像配准算法，配准所述第一散斑对比图像，来确定配准的散斑对比图像，以及基于所述配准的第一散斑对比图像，确定组合散斑对比图像。2.根据权利要求1所述的方法，还包括：将所述目标区域暴露于一个或多个第二波长的第二光，所述第二光优选地是第二波长的相干光或者所述第二光是包括可见光谱的多个第二波长的光，其中，对所述第二光的曝光与对所述第一光的曝光交替进行或者同时进行；其中，所述至少一个图像序列包括第二图像序列，所述第二图像是在以所述第二光的曝光期间捕捉的；且其中，所述多个图像选自所述第二图像序列，所述第二图像中的每一个与第一散斑图像相关联。3.根据权利要求2所述的方法，其中，所述一个或多个第二波长的光是预定第二波长的相干光，优选地在电磁光谱的绿色或蓝色部分，优选地在380
–
590nm的范围内，更优选地在470
–
570nm的范围内，甚至更优选地在520
–
560nm的范围内，并且其中所述第二图像序列是第二散斑图像的序列；所述方法还包括：基于所述第二散斑图像的序列，确定第二散斑对比图像；和基于所述第二散斑对比图像的序列中散斑对比度大小的变化，调整所述第一散斑对比图像。4.根据前述权利要求中任一项所述的方法，其中，所述第一波长是电磁光谱的红色部分中的波长，优选地在600
–
700nm的范围内，更优选地在620
–
660nm的范围内，或者所述第一波长是电磁光谱的红外部分中的波长，优选地在700
–
1200nm的范围内。5.根据前述权利要求中任一项所述的方法，其中，确定组合散斑对比图像包括：分别计算所述配准的第一散斑图像的平均值以及所述配准的第一散斑对比图像的平均值，所述平均值优选地是加权平均值，图像的权重优选地基于所述变换参数或基于散斑对比度的相对大小。6.根据前述权利要求中任一项所述的方法，其中，所述像素组表示所述多个图像中的多个预定特征，所述多个预定特征优选地与所述目标区域中的对象相关联，所述目标区域的对象优选地为解剖结构。7.根据权利要求6所述的方法，还包括：
用滤波器对所述多个图像进行滤波，所述滤波器适配为增加像素组表示与解剖特征相对应的特征的概率。8.根据前述权利要求中任一项所述的方法，其中，确定一个或多个变换参数包括：基于所述相似性度量，确定多个相关联的像素组，每个像素组属于来自所述多个图像的不同图像；基于所述像素组相对于所述多个图像中的各个图像的位置，确定多个位移矢量，所述位移矢量表示所述目标区域相对于图像传感器的运动；和基于所述多个位移矢量，确定所述变换参数。9.根据前述权利要求中任一项所述的方法，还包括：分别将所述第一散斑图像的每个图像、所述第一散斑对比图像的每个图像以及所述多个图像中的每个图像划分为多个区域，优选地划分为不相交的区域；并且其中确定变换参数包括确定每个区域的变换参数；且分别确定配准的第一散斑图像的序列以及第一散斑对比图像的序列，包括：基于所述变换，分别配准所述第一散斑图像的每个区域以及第一散斑对比图像的每个区域，其中，所述变换基于所述第二图像中的对应区域。10.根据前述权利要求中任一项所述的方法，其中，所述目标区域包括灌注器官，所述灌注器官优选地由体液灌注，更优选由血液和/或淋巴液灌注，且/或所述目标区域包括一个或多个血管和/或淋巴管，所述方法还包括：基于所述组合散斑图像，计算灌注强度，...

【专利技术属性】
技术研发人员：K，
申请(专利权)人：利米斯发展私人有限公司，
类型：发明
国别省市：