高灰度級高分辨率激光散斑血流實時成像研究

張澤龍, 張穎超, 伍 波, 董 威, 樊友本

(1. 上海交通大學 中英國際低碳學院,上海 200240; 2. 上海交通大學醫學院附屬第六人民醫院甲乳疝外科; 上海交通大學甲狀腺疾病診治中心,上海 200233)

激光照射粗糙表面或高度散射介質會散射出具備不同散射角和光程的光束,它們在空間中某一點匯聚時會發生干涉,形成激光散斑,用成像設備觀測到明暗相間的圖案稱作散斑圖像.散斑現象在激光、超聲波等相干波應用中十分常見,散斑可以當作檢測材料形變的標記[1].激光散斑圖像會因血液等散射介質運動而模糊,其模糊程度取決于流動快慢,因而可以借助激光散斑圖像模糊程度進行血液流動速度的無接觸測量.

激光散斑對比成像(LSCI)技術是Fercher與Briers[2]于1981年提出的基于襯比度與散射介質運動速度關系的成像技術,并被首次運用于識別與血流成像.常見的血流監測方式如吲哚青綠熒光造影(ICGA)成像[3]與激光多普勒(LDF)[4],在實時監測中存在很多限制,如測量范圍小、接觸式測量等.LSCI是一種非接觸式、測量范圍大、實時、高時空分辨率的光學成像方法,近年來隨著計算機技術進步,LSCI技術再次引起關注.

血管、血流及相關的微循環與生命活動密切相關,生物不同的生理狀態往往對應著不同的血流狀態.部分手術中,使用有效監測設備可以極大提升手術效率.以甲狀腺切除手術為例,由于術中健康甲狀旁腺的血液供應意外中斷,近50%的患者在甲狀腺手術后會發生甲狀旁腺功能減退[5],所以血流監測在甲狀腺切除等手術中有良好的應用前景[6-8].

LSCI主要分為空間散斑襯比度成像(sLSCI)[9]與時間散斑襯比度成像(tLSCI)[10].利用sLSCI計算單幀圖像,tLSCI計算連續時間上的多張圖像,通常需要20張圖片.tLSCI具有更高的空間分辨率,但連續時間的散斑圖像序列極易受到如呼吸、心跳等外界干擾的影響,現有解決方法包括基于散斑圖像配準的 tLSCI[11],可以消除微小波動;跳躍連接的關聯殘差學習(DRSNet)方法,可以減少tLSCI所需統計數量,實現從5幀到20幀的效果[12],進而減少干擾影響.此外,也可使用與心跳呼吸同步拍攝[13]等方法,通過外部設備減少干擾的影響.相較而言,sLSCI技術更為簡單可靠.

高灰度級照相機能增加sLSCI穩定性[14],高分辨率能有效彌補sLSCI造成的空間分辨率降低問題,然而高分辨、高灰度級圖像需要更長的計算時間,導致實時監測中延遲時間更長.使用硬件輔助計算,如現場可編程邏輯門陣列(FPGA),可以實現在空間分辨率由1 024像素×1 024像素降至256像素×256像素條件下提高處理速度與圖像質量[15],但分辨率降低可能導致散斑與像素大小比值不符合奈奎斯特準則[16],加速的結果可能無法監測細小血管.sLSCI的標準差函數不能表示為線性運算的組合,sLSCI中相互獨立的標準差計算循環耗時最多.為解決上述問題,提出通過簡化sLSCI中標準差計算的近似計算及并行計算方法,有效縮短sLSCI耗時,從而達到高分辨、高灰度級圖像臨床實時監測血液流動要求,同時通過對比分析不同計算方法的LSCI結果,得到血液實時監測最佳方案.

1 激光散斑成像sLSCI方法

1.1 激光散斑襯比度計算

激光散斑成像襯比度K模型[17]為

(1)

式中:β為光學系統系數;T為照相機曝光時間;g1(τ)為電場自相關函數.通常認為g1(τ)=e-τ/τc,時間經過τc后,g1(τ)=1/e,此時,t時刻與t+τc時刻電場不相關.散射介質運動越快,相關時間τc就越小.散射介質速度v∝1/τc.通常情況下,τc?T,散射介質速度v∝1/K2.

圖1 空間激光散斑成像(sLSCI)與時間激光散斑成像(tLSCI)Fig.1 sLSCI and tLSCI

(2)

式中:x-N≤i≤x+N;y-N≤j≤y+N;(i,j)為計算核中的像素在散斑圖I上的坐標.

1.2 sLSCI近似計算

(3)

1.3 sLSCI并行計算

式(2)中,每次計算K(x,y)如圖1(a)所示移動核k,以 2 048像素×2 048 像素圖片計算核k3為例,一張圖片需要 2 046×2 046 次循環,單循環9次計算.并行計算一次可以執行多個命令的算法,擴大求解規模來求解問題,但是CPU并行計算大量簡單循環,進程調用會消耗大量時間.因此,處理一張圖片只使用9次循環,單循環 2 046×2 046次計算可以減少循環次數,提高計算速度.

圖2 sLSCI并行計算Fig.2 sLSCI with parallel computing

考慮到每次計算結果都獨立,利用式(2)進行并行計算,同時計算δI(i, j),可以減少單張sLSCI圖片生成時間.在此基礎上利用Python編寫實時并行框架的激光散斑成像監測程序,使用開源OpenCV解決工業照相機因驅動程序導致丟幀的問題.

1.4 信噪比量化

信噪比 (SNR)是衡量一幅圖像信號與噪聲的比值.一般來說,成像質量越好,SNR越大.本文定義信噪比為

(4)

2 LSCI血流實驗

根據LSCI原理,結合臨床應用中儀器與監測目標的最小距離等要求,設計并搭建LSCI系統原理樣機.LSCI系統主要由3部分組成:激光器、成像系統以及計算機.激光的波長為785 nm,功率為60 mW.腸系膜分布著密集的毛細血管,適合用來檢驗血流監測效果,因此實驗監測對象為兔子腸系膜.實驗使用8位NS1044BU照相機(NET GmbH Company, Germany),分辨率為752像素×480像素(約36萬),60幀/s與16位PCO.panda 4.2照相機(PCO Company, Germany),2 048像素×2 048像素(約420萬),44幀/s拍攝.散斑圖像均使用Python編寫的Windows系統程序處理.使用偽彩圖凸顯流動信息會使不同計算方法的LSCI背景顏色差異過大,不利于比較,因此所有LSCI均使用灰度圖.

兔子腸系膜血管實驗在上海市第六人民醫院完成,實驗符合動物實驗倫理要求.實驗示意圖與成像流程如圖3所示.

圖3 LSCI實驗示意圖與LSCI流程圖Fig.3 Experimental schematic diagram and flow chart of LSCI

3 LSCI血流實驗結果

3.1 低分辨率照相機成像

首先使用8位像素深度照相機驗證LSCI技術能監測血液流動.死亡前后兔子腸系膜血管流動散斑圖及sLSCI如圖4所示.從圖中可以看出,死亡前后兔子腸系膜血管區域的襯比度有明顯差異,本研究開發的LSCI技術可以監測動物血液流動.實驗中sLSCI的可視化結果灰度值表示K值大小,灰度值越小,圖像顏色越深,代表血液流動越快.

圖4 死亡前后散斑圖像與sLSCIFig.4 Speckle images and sLSCI before and after death

表1 兔子死亡前后腸系膜血管各感興趣區間K的平均值與信噪比

由表可知,兔子死亡前散斑圖像的襯比度K明顯小于死亡后散斑圖像襯比度K,通過LSCI可以準確判斷血管內是否有血液流動.

3.2 高灰度級照相機成像

受限于8位照相機低分辨率與16位照相機搭配鏡頭的最小對焦距離,將高分辨16位散斑圖片轉換成8位散斑圖像,8位散斑圖的計算結果記為8位sLSCI,其余LSCI均使用16位散斑圖片.在照相機44fps拍攝的100張圖像中,選擇連續的20張,計算結果記為tLSCI,為理想狀態的處理結果;實際處理中,圖片的讀取時間、目標與激光的波動都會減弱圖片之間的相關性,因此在100張中均勻間隔選擇20張,處理結果記為tLSCIv.為考慮擾動的tLSCI處理結果,使用k5計算sLSCI,sLSCI近似計算結果記為sLSCIa.不同計算方法處理得到的兔子腸系膜血管流動的可視化襯比度圖片如圖5所示.

圖5 16位2 048像素×2 048像素散斑圖片不同計算方法LSCIFig.5 Different computational methods LSCI for 16-bit 2 048×2 048 pixels speckle images

如圖5所示,實驗中激光照射在圖像中心區域,實驗中流動區域K均小于0.1,因此選擇[0,0.1]區間凸顯流動信息.圖5(a)為處理前的原始圖像,無法判斷是否有血液流動,圖5(b)～圖5(f)均能得到直觀的血液流動信息.對比圖5(b)與圖5(d)可知,8位sLSCI只能得到光照中心區域的流動信息,16位sLSCI則可以得到更大區域的流動信息.圖5(c)中sLSCIa血流與靜態組織區域的對比度低于圖5(d)中sLSCI,圖5(e)中tLSCI血流與靜態組織區域的對比度高于圖5(f)中的tLSCIv.最后,選取16個ROI對比分析不同方法的成像質量,記作ROIi,i=1, …, 16;其中,13個紅色區域為血管,3個藍色區域為靜態組織,如圖6(a)所示.

圖6 不同計算方法的ROI的與SNR and SNR of ROIs with different computational methods LSCI

表2 不同方法下各感興趣區間的相關系數與SNR的平均值

結合表2,如圖6(d)所示,利用SNR圖判斷各ROI成像質量,sLSCIa的SNR明顯低于LSCI的其他方法;8位sLSCI的SNR平均低于16位sLSCI;結合3.1節中低分辨率8位LSCI的SNR,16位LSCI的SNR明顯高于8位LSCI.

綜上可知,tLSCIv的ROI6灰度與ROI15接近,且該區域成像SNR高,直觀判斷下該區域沒有血液流動,與實際矛盾,易導致LSCI觀察者誤判.對比sLSCI,如圖6(b)中紅色直線所示,在光照中心區域質量優于tLSCIv.

3.3 并行計算效率

LSCI圖像處理并行計算使用CPU進行實時計算,CPU為Intel(R)Core(TM) i5-9300H CPU@2.40 GHz.記錄LSCI圖像串行、并行處理及近似算法處理100張圖片的平均消耗時間,如圖7所示.

圖7 實時監測中LSCI處理時間Fig.7 LSCI processing time of real-time monitoring

由圖7可知,實時監測程序記錄100張tLSCI計算(N=20),平均每張tLSCI時間為6 s;sLSCI圖像處理并行計算能有效加速圖像處理速度,計算時間約為串行的2/3;sLSCI近似計算時間約為串行sLSCI的1/4;同等分辨率下,8位圖像計算稍快于16位圖像;420萬像素圖像計算時間明顯大于36萬像素圖片計算時間.因此可以認為空間分辨率及空間統計標準差的計算是制約sLSCI計算時間的主要原因.

4 結語

提出一種高灰度級高分辨率血流LSCI技術的并行計算處理方法.通過兔子腸系膜血管成像發現,高分辨率下散斑圖像光照中心區域sLSCI能達到理想tLCSI(N=20)的成像效果.實際應用中,sLSCI避免了tLSCI因外界干擾和序列中各圖像間較大延遲時間造成的圖像質量下降.近似計算sLSCIa的計算時間雖然是串行計算時間sLSCI的1/4,但信噪比與對比度明顯低于sLSCI.基于Python并行計算的sLSCI相對于串行計算的sLSCI,計算時間消耗減少1/3.實驗表明,高灰度級高分辨率空間激光散斑并行計算圖像滿足臨床實時監測需求.