CN105796053A - 利用oct测量动态对比度和估计横向流量的方法 - Google Patents

Abstract

本发明公开了利用OCT测量动态对比度和估计横向流量的方法。样品移动向量的确定方法包括：获得T1时刻的样品图像，选择其中的预设区域作为追踪图像，获取追踪图像的图像识别信息和T1时刻的位置；获得T2时刻的样品图像，在其中找到与追踪图像T1时刻的位置相同的位置作为追踪框；以追踪框的一个点为参考点，确定参考点沿横轴和竖轴可移动的最大范围，可移动的最大范围分割为多个移动位置；计算参考点按照向量移动且遍历移动位置时，T1时刻追踪图像的图像识别信息和参考点移动至每一个移动位置时追踪框内图像的图像识别信息的相关系数，相关系数的最大值对应的参考点移动的向量为样品T2时刻相对于T1时刻移动的向量。

Description

利用OCT测量动态对比度和估计横向流量的方法

技术领域

本发明涉及光学成像技术领域，特别涉及一种利用OCT测量动态对比度和估计横向流量的方法。

背景技术

光学相干断层扫描(opticalcoherencetomography，OCT)是一种非侵入式的光学成像技术。近年来，在医学领域，特别是在眼科领域，光学相干断层扫描***可对拍摄测试对象(如眼底的视网膜，视网膜中央动静脉等)的断层进行三维可视化成像，如对眼底特定部位的断层进行三维可视化成像。在对眼底特定部位的断层进行三维可视化成像时，首先需要对眼底进行二维成像确定眼底的位置，通过在眼底二维成像找到眼底的特定部位，对眼底的特定部位进行OCT扫描以进行三维可视化成像。但是，因注视性眼球运动会引起眼底的移动，即眼底进行了移动。现有技术中，进行OCT扫描的镜头是不随眼底的移动进行调整的，这样，就导致OCT扫描进行扫描的眼底的具体部位发生了变化，影响了三维可视化成像的准确性。

发明内容

本发明提供了一种利用OCT测量动态对比度和估计横向流量的方法，样品移动的向量的确定方法及数据采集方法，解决了因样品移动导致的对样品的特定部位进行三维可视化成像的准确性差的技术问题。

为达到上述目的，本发明提供以下技术方案：

一种样品移动的向量的确定方法，其特征在于，包括如下步骤：

获得T1时刻的样品图像，选择T1时刻的样品图像的预设区域作为追踪图像，获取追踪图像用于识别的图像识别信息和追踪图像T1时刻的位置；

获得T2时刻的样品图像，在T2时刻的样品图像中找到与追踪图像T1时刻的位置相同的位置作为追踪框；

以追踪框的一个点为原点建立平面直角坐标系，以追踪框的一个点为参考点，确定参考点沿横轴和竖轴可移动的最大范围，沿横轴和竖轴可移动的最小间距将可移动的最大范围分割为多个移动位置；

计算参考点按照向量(m，n)移动且遍历移动位置时，T1时刻追踪图像的图像识别信息和参考点移动至每一个移动位置时追踪框内图像的图像识别信息的相关系数，所述相关系数的最大值对应的参考点移动的向量(m_max,n_max)为样品T2时刻相对于T1时刻移动的向量，T2时刻晚于T1时刻。

本发明提供的样品移动的向量的确定方法，从T1时刻的样品图像中的追踪图像，获取了两种信息，一种是将追踪图像与其他部分图像区别出来以便进行识别的图像识别信息，另一种是追踪图像在T1时刻的位置；然后，获得T2时刻的样品图像，此时由于样品的移动，追踪图像的位置已经移动，为了找到追踪图像移动的向量，需要利用追踪图像在T1时刻的位置在T2时刻的样品图像中找到与其位置相同的位置的边框作为追踪框；之后，追踪框在其可移动的最大范围内移动，计算追踪框移动到可移动的最大范围内的每一点时追踪框内图像的图像识别信息和追踪图像T1时刻的图像识别信息的相关系数，即两张图像的图像识别信息的相关程度；所述相关系数的最大值对应的追踪框移动到的位置是两张图像的图像识别信息最接近的位置，为追踪图像的移动到的位置。追踪图像的移动是由样品的移动引起的，因此，追踪图像的移动的向量就是样品T2时刻相对于T1时刻移动的向量。这样，可以很方便的确定样品的移动的向量，提高对样品的特定部位进行三维可视化成像的准确性。

附图说明

图1-01为本发明的眼底移动的向量的确定方法中T1时刻的眼底图像的示意图；

图1-02为本发明的眼底移动的向量的确定方法中T2时刻的眼底图像的示意图；

图1-03本发明的眼底移动的向量的确定方法中确定追踪图像在T2时刻的眼底图像的位置的示意图；

图1-04本发明的眼底移动的向量的确定方法的原理推导示意图；

图1所示的是SDOCT***的框架图。低相干光源S(k)被光纤干涉仪分成参考臂和样品臂。反射光在光谱仪中聚集和测试，从而反射剖面的深度被计算出来；

图2所示的是弧度为π(成像光源波长的四分之一)的流体整体运动的模拟的相位变化数据；

图3所示的是运动的散射体在一段时间内预期的相位方差测试结果图；

图4A展示的是与图4B中样品非平均OCT强度图像相关的概括图；为了获得此图像，2％的琼脂糖井溶解到密度匹配为0.1％的脂肪乳溶液中；图像中亮度对比度局限于流动的边缘和空气的边界处；

图5A为时间周期T＝40us的相位变化图；

图5B为时间周期T＝80us的相位变化图；

图6A为时间周期T＝200us的相位变化图；

图6B为时间周期T＝400us的相位变化图；

图7A为时间周期T＝800us的相位变化图；

图7B为时间周期T＝1.6ms的相位变化图；

图8A为最大相位变化时间周期T2＝40T1的相位变化对比图；

图8B为最大相位变化时间周期T2＝20T1的相位变化对比图；

图9A为最大相位变化时间间隔T2＝10T1的相位变化对比图；

图9B是最大的相位变化时间间隔T2＝5T1的相位变化对比图；

图10所示的是水中单个散射体的相位变化数据；所示的球体直径分别为0.5um，2um和5um。直径为2um的球体证明了相位误差的影响，主要因为所期望的形式的相位变化数据中OCT信号弱；

图11A展示的是MB-扫描的横向扫描模式的图像；

图11B所示的BM-扫描的横向扫描模式的图像；

图12A所示的是使用MB-扫描方式获得的斑马鱼尾巴的OCT灰度图像；图12B所示的是使用MB-扫描方式获得斑马鱼尾巴的相位变化对比度图像；图像的大小是900um*325um。T2＝1ms，T1＝40us；

图13A所示的是用BM-扫描方式获得的斑马鱼尾巴的OCT灰度图像；

图13B所示的是使用BM-扫描方式获得的斑马鱼尾巴的相位变化对比度图像；图13A和图13B图像的大小都是815um*325um；图13B中的相位误差已消除，对比度图像的时间周期T2估计为40ms；请注意，相位变化对比度图像的成像范围大小是图12B中所示的MB-扫描的对比度图像的4倍；

图14A所示的是低速横向运动发生的一个时间点的平均亮度图像，该图像来源于BM-扫描到的视网膜的横向运动的数据；

图14B所示的是噪声消除和中值滤波后的相位对比度图像，来源于视网膜横向运动的BM-扫描数据；图14B是存在少量流体横向运动的时间点的相位对比度图像；

图15所示的是未修正的大量流体横向运动的相位变化对比度图像；

图16A和图16B是一组相位对比度图像的对比图；图16A所示的是未修正的存在大量横向运动的图像；

图16B所示的是α＝0的情况下，修正过的大量横向运动的图像；

图17A和17B是经过2.6S采集到的视网膜深度的对比度总结图像；

图17A是在α＝0之前未经过补偿的图像；

图17B是在α＝0之后经过补偿的图像；

图18A所示的是BM-扫描平均OCT灰度图；

图18B，18C，18D是不同时间点的三个相位变化对比度图；每幅图像都是在50ms之内采集到。箭头指向的区域是脊梁纵向血管区域，两种不同的节段血管(Se)，脊梁主动脉(DA)，轴向静脉(AV)；

图19A和19B所示的是3天快速受精的斑马鱼的OCT可视化图像；图19A是亮视野的显微镜图像，图19B是3天快速受精的石斑鱼的图像，都展示出了期望的石斑鱼的解剖特征；图19A和19B中画的线代表了OCT图像的扫描区域；进一步的分析平均流量和相位变化能够提升这些图像的质量；

图20A的OCT灰度图像展示了图19中石斑鱼的内部结构；

图20B所示的是心脏内部的血流量，此图像已经降低图像中相位噪声和OCT图像像素；图20C描述的消除相位误差影响后的相位对比度图像；图20B清楚的描述心脏的外观，图20C所示的箭头方向指的卵黄囊的流向，和图19B中期待的区域相匹配；

图21所示是相对于成像光源方向的流量的方向的简图；使用DopplerOCT技术观察到的轴向流量分量使用V_z标定；

图22显示的是SNR-限制的相位噪声和平均OCT强度信号的关系图；

图23A，23B，23C和23D所示的使用MB-扫描方式采集的数据产生的石斑鱼尾巴的对比度图像；图23A是结构信息的灰度图像；图23A中的箭头指出所期望检测到的区域，该区域是鱼的主要两个血管，脊梁动脉和轴向血管；图23B是相位变化对比图像，时间周期是T2＝1ms和T1＝40us，弧度从0到2变化，所观察到的区域在DopplerOCT图像上是不可见的，DopplerOCT只能观察足够稳定静止的区域。图23B中的箭头指出所期望观察到的运动区域。图23C是Doppler流量图像，适用范围为+-0.12弧度＝+-200um/s，相位变化平均值为5；图23D所示的是Doppler流量图像，适用范围为+-0.12弧度＝+-200um/s，相位变化平均值为100。越来越稳定的静态特性提高了可视化的质量，提前了解各部分的位置有利于可视化的研究；

图24A和24B所显示的是图23A，23B，23C和23D中斑马鱼的相同区域，然而，使用的是扫描时间间隔为T＝10ms的BM-扫描方式；为了选择最好的参数，采集200横向像素的图像数据所用时间为50ms；由于减少DopplerOCT方法采集数据的动态范围，使用该方法采集的图像将不再呈现；图24A的OCT平均亮度图与图24B的相位方差对比度图像相比较，5次B-扫描。每个方向分量进行中值滤波，弧度变化范围0到3；每个图像的箭头指出脊梁主脉和轴向血管相关的区域。图24B是相位变化对比度图像，能够清楚的观察到MB-扫描的相同区域，但是由于血管折射率的变化在血管下面有额外的阴影；

图25所示的是2.6s内石斑鱼心脏位置的横向切片的相位对比度总结图像。每个时间点在50ms内采集到；此种方法同样用在图17中；血管和心脏中的变化能够清晰的观察到；图26所示的是随时间变化的心脏对比度变化值的数据图像。对比度的变化，与区域内石斑鱼正常心率的变化和观察区域的流量变化有关；

图26所示是随时间变化石斑鱼某个横向位置的对比度；该对比度总结3横向像素(7.2um)，覆盖石斑鱼的整个深度；

图27A，27B，27C所示的是石斑鱼心脏的正面图像；图27A是对数范围内OCT强度总和图像；图27B是相位变化总和图像，相比于图27C提高了可视化程度；图27B和3天快速受精的石斑鱼绿色荧光蛋白标记的共焦图像有相似区域；图27C所示的是在相似年龄的石斑鱼体内注入荧光材料产生的共聚焦图像，图27B运动对比图像显示了相关的血管图像；

图28A所示的是平均OCT灰度图像；

图28B所示的是MB-扫描老鼠视网膜的多普勒流量图像；图28B的Doppler流量图像，没有使用任何阈值，变化范围为+-2.5mm/s。观察到的视网膜血管主要的快速流量是轴向流量，但是使用该图像分析技术并没有观察到脉络膜上的血管流量；图28A显示一系列相位变化时间间隔的相位变化对比度图像；延长相位变化时间间隔会提高血管(脉络膜血管)可视化程度，但同时也增加血管下方的对比度阴影。时间间隔的延长同样也增加横向运动的灵敏度和垂直方向上的对比度；

图29A是MB-扫描的相位变化对比度图，时间间隔为40us，相位变化为10；

图29B所示为MB-扫描相位变化对比度图，时间间隔为160us，相位变化为40；

图29C所示为MB-扫描相位变化对比度图，时间间隔为240us，相位变化为40；

图29D所示为MB-扫描相位变化对比度图，时间间隔为320s，相位变化为40；图29A，29B，29C和29D所示的是扁平化后的视网膜图像，主要用来消除光学路径改变引起老鼠眼球曲率的变化的影响。图像中视网膜的扁平化和识别视网膜层分离边界是两种主要的提取信息的方法，信息提取于三维灰度图像的深度区域内和对比度数据，分析采集数据，形成横向或者正面的图像；

图30A所示的是视网膜扁平化未重新排列之前的B-扫描图像；

图30B所示的是视网膜扁平化重新排列之后的B-扫描图像；

图31A，31B和31C为老鼠视网膜的BM-扫描图像；

图31A是平均强度扫描图像；图31B是相位变化图像，该图像没有消除任何数学上的相位误差，也没有滤波；图31C是噪声消除后和中值滤波之后的相位变化对比度图像，变化范围为0到3弧度；

图32A所示的是整个视网膜BM-扫描的正面图像；

图32B所示的是整个视网膜BM-扫描的正面相位对比度图像；

图33A所示的总的强度的正面图像，图33B是视网膜上半部分的的相位变化对比度图像；图33B的对比度图像显示表面的视网膜血管，箭头所指的为毛细血管的区域；

图34A所示显示深度的总的强度的正面图像，图34B是视网膜下半部分的相位变化对比度图像；图34B的对比度图像显示脉络膜的血管和主要的视网膜血管的阴影对比度；箭头所指的为毛细血管的区域；

图35A所示的是BM-扫描正面总和灰度图像，图35B所示的是BM-扫描正面总的相位变化对比度图像。图35A是整个视网膜的图像，然而图35B的对比度图像，仅仅为横向像素为200的BM-扫描视网膜上半部分的图像；图35B单个对比度图像的像素为200*51，通过整个视网膜的顶部区域单独扫描采集的图像。箭头指出的为一些较小的可见的血管；

图36A，36B，36C和36D所示的正面的总的相位对比度图像，横向像素为100的BM-扫描方式采集的视网膜的上半部分的图像；对***单独使用BM-扫连续扫描采集一些图像，这些图像的像素为100*50，由此推断出视网膜上部分的对比度为100*100；箭头标出一些可见的毛细血管，但是这些血管因为其对比度的间歇性并不是在其他的图像上都会出现；图像的横向扫描区域和图34A和34B的区域是一样的；

图37A和37B所示的两种不同的重复BM-扫描的采集方法统计的平均对比度图像，为视网膜上半部分的图像；图37A和37B采集的是正交于主要的横向扫描方向的图像。作为对比图像可以推断出像素大小为100×100。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明的一个实施例的眼底移动的向量的确定方法，包括如下步骤：

如图1-01所示，获得T1时刻的眼底图像100，选择T1时刻的眼底图像的预设区域作为追踪图像110，获取追踪图像用于识别的图像识别信息和追踪图像T1时刻的位置；

如图1-02所示，获得T2时刻的眼底图像200，在T2时刻的眼底图像中找到与追踪图像T1时刻的位置相同的位置的边框作为追踪框210；

以追踪框的一个点为原点建立平面直角坐标系，以追踪框210的一个点为参考点，确定参考点沿横轴和竖轴可移动的最大范围，沿横轴和竖轴可移动的最小间距将可移动的最大范围分割为多个移动位置220；

计算参考点按照向量(m，n)移动遍历移动位置时，T1时刻追踪图像的图像识别信息和参考点移动至每一个移动位置时追踪框内图像的图像识别信息的相关系数，所述相关系数的最大值对应的参考点移动的向量(m_max,n_max)为眼底T2时刻相对于T1时刻移动的向量，T2时刻晚于T1时刻。

本实施例的眼底移动向量的确定方法，首先，从T1时刻的眼底图像中的追踪图像，获取了两种信息，一种是将追踪图像与其他部分图像区别出来以便进行识别的图像识别信息，另一种是追踪图像在T1时刻的位置；

然后，获得T2时刻的眼底图像，此时由于眼底的移动，追踪图像的位置已经移动，为了找到追踪图像移动的向量，需要利用追踪图像在T1时刻的位置在T2时刻的眼底图像中找到与其位置相同的位置的边框作为追踪框；

之后，追踪框在其可移动的最大范围内移动，计算追踪框移动到可移动的最大范围内的每一点时追踪框内图像的图像识别信息和追踪图像T1时刻的图像识别信息的相关系数，即两张图像的图像识别信息的相关程度；所述相关系数的最大值对应的追踪框移动到的位置是两张图像的图像识别信息最接近的位置，为追踪图像的移动到的位置；即根据追踪图像的图像识别信息找到T2时刻的眼底图像中追踪图像的位置，如图1-03所示。而追踪图像的移动是由眼底的移动引起的，因此，追踪图像的移动的向量就是眼底T2时刻相对于T1时刻移动的向量。

这样，可以很方便的确定眼底的移动的向量，提高对眼底的特定部位进行三维可视化成像的准确性。在实际操作中实现追踪框移动到可移动的最大范围内的每一点是不太现实和不必要的，同时追踪框时一个区域，为了简化追踪框移动的描述，引入了参考点，因此，将以追踪框的一个点为原点建立平面直角坐标系，以追踪框210的一个点为参考点，确定参考点沿横轴和竖轴可移动的最大范围，沿横轴和竖轴可移动的最小间距将可移动的最大范围分割为多个移动位置。这样，实现了追踪框在其可移动的最大范围的移动的表达。

对于追踪区域的选择，可以有多种选择方式，作为一种优选的方式，所述追踪图像是T1时刻的眼底图像中处于中心位置的区域。位于中心位置的追踪图像，便于追踪。

具体的，所述追踪图像是T1时刻的眼底图像的处于中心位置的像素矩阵，用M×N表示，如图1-01中，以像素矩阵中第一行第一列的像素为原点，第一行像素的排列方向为横轴正向，第一列像素的排列方向为竖轴正向建立坐标系，像素矩阵的横轴坐标i＝0，1，…，M-1；像素矩阵的竖轴坐标j＝0，1，…，N-1；这样，像素矩阵M×N中的像素用坐标(0，1)，(0，2)…(0，N-1)，…(M-1，N-1)表示。

具体的，如图1-02中，以追踪框中的第一行第一列的像素为原点建立平面直角坐标系，追踪框的参考点在追踪框可移动的最大范围按照向量(m，n)移动且参考点遍历每一个像素点，即每一个像素点都是移动位置。

具体的，追踪图像的移动是由眼底移动引起的，而眼底移动是因注视性眼球运动引起。参考点沿横轴和竖轴可移动的最大范围由注视性眼球运动决定。更进一步的，根据因注视性眼球运动引起的眼底移动的可移动的最大范围m属于区间(-50，50)，即m∈(-50，50)，n属于区间(-50，50)，即n∈(-20，20)，这样，可以算出追踪框的可移动的最大范围内的移动位置是100×40＝4000个。此时，可得到4000个交叉相关系数。选择交叉相关系数最大值所对应的向量(m_max,n_max),就是由于注视性眼球运动产生的眼底的移动的向量。

具体的，预设的交叉相关系数公式具体为：

$r(m,n)=\frac{{\Σ}_{i=0}^{M-1}{\Σ}_{j=0}^{N-1}\[\left(x\right(i,j)-mx)\left(y\right(i-m,j-n)-my)\]}{\sqrt{{\Σ}_{i=0}^{M-1}{\Σ}_{j=0}^{N-1}{\left(x\right(i,j)-mx)}^2}\sqrt{{\Σ}_{i=0}^{M-1}{\Σ}_{i=0}^{N-1}{\left(y\right(i-m,j-n)-my)}^2}},$

其中，x(i，j)是追踪图像T1时刻的图像识别信息，y(i-m，j-n)是参考点按照向量(m，n)移动后的图像识别信息，mx是x(i，j)的均值，my是y(i-m，j-n)的均值，r(m，n)是追踪图像T1时刻的图像识别信息和参考点移动至每一个移动位置时的图像识别信息的交叉相关系数，i＝0，1，…，M-1；j＝0，1，…，N-1。

具体的，所述图像识别信息是灰度值。

需要说明的是，本实施例的眼底是一种具体的可能移动的样品，在眼底的移动的确定方法中，只涉及可能移动这一特性，并不涉及眼底的其他他行，因此，其他可能移动的样品可可以适用上述确定方法，即本实施例的眼底的移动的确定方法的可以扩展适用所有可能移动的样品，及本发明扩扩展至样品移动的确定方法。

下面介绍一下眼底移动向量的确定方法的原理推导：

在自然界或人类社会中，如果两个变量在发展变化的大小和方向上具有一定的联系，则称变量之间相关。

交叉相关是相关的一种，它表示两个变量之间的同时或非同时相关。对于一维信号，交叉相关算法是用于评价两列数的相关性的标准方法。假设存在两列数x(i)和y(i)，i＝1,2...N-1，则两列数关于延迟为d的相关系数r(d)如下公式所示：

$r\left(d\right)=\frac{{\mathrm{\Σ}}_{i=0}^{N-1}\[\left(x\right(i)-mx)\left(y\right(i-d)-my)\]}{\sqrt{{\mathrm{\Σ}}_{i=0}^{N-1}{\left(x\right(i)-mx)}^2}\sqrt{{\mathrm{\Σ}}_{i=0}^N{\left(y\right(i-d)-my)}^2}}$

其中，mx，my分别为两列数的均值，r(d)的取值范围为[-1,1]，r(d)＝0，表示两列数不相关；r(d)＝-1，表示两列数呈最大负相关；r(d)＝1，表示两列数呈最大正相关。

一维信号的交叉相关算法在二维图像中拓展，可以用于图像中特定区域特征的识别和跟踪。如图1-04所示，先取第1幅图像的一个边界区域像素矩阵mark1，大小为M×N。先按照第1幅图像里边界区域矩阵mark1的位置在第t(t>1)幅图像里找到边界区域矩阵mark2，然后边界区域矩阵mark1按照向量(m,n)对边界区域矩阵mark2进行移动，如图1-04所示。

然后对mark1和mark2做交叉相关，如下公式所示：

$r(m,n)=\frac{{\Σ}_{i=0}^{M-1}{\Σ}_{j=0}^{N-1}\[\left(x\right(i,j)-mx)\left(y\right(i-m,j-n)-my)\]}{\sqrt{{\Σ}_{i=0}^{M-1}{\Σ}_{j=0}^{N-1}{\left(x\right(i,j)-mx)}^2}\sqrt{{\Σ}_{i=0}^{M-1}{\Σ}_{i=0}^{N-1}{\left(y\right(i-m,j-n)-my)}^2}}$

得到的r(m,n)即为交叉相关结果。寻找r最大值r_max所对应的向量(m_max,n_max)，则第t幅图像中的该区域相对于第1幅图像而言移动的向量为(m_max,n_max)，移动的水平距离为|m_max|，移动的垂直距离为|n_max|。

实施例二

在利用光学相干断层扫描技术进行三维成像的过程中，需要对样品进行OCT扫描采集数据。

如果样品是移动的，进行OCT扫描的光学相干断层扫描振镜***在样品移动前后的不进行校正，将会导致OCT扫描的光学相干断层扫描振镜***的镜头对样品扫描的位置发生变化。因此，对可能移动的样品，需要在扫描前找到样品移动的向量，相应调整OCT扫描的光学相干断层扫描振镜***，使得OCT扫描的光学相干断层扫描振镜***的镜头对样品的同一位置进行扫描采集数据，具体实现是通过实施例二的数据采集方法实现的。

本发明的实施提供一种数据采集方法，包括以下步骤：

获得样品在T1时刻所成的样品图像，选择T1时刻所成的样品图像的预设区域作为追踪区域，以追踪区域的一个点为原点建立平面直角坐标系；根据样品在T1时刻所成的样品图像，确定拍摄测试对象的位置，对拍摄测试对象进行首次扫描采集数据；

确定追踪区域在平面直角坐标系的横轴和竖轴可移动的最大范围，沿横轴和竖轴移动的最小间距将可移动的最大范围分割为多个移动位置；

计算追踪区域在其可移动的最大范围内按照向量(m，n)移动且向量遍历移动位置时，与移动位置一一对应的追踪区域的向量；

根据交叉相关系数公式，计算追踪区域T1时刻所在的位置和追踪区域按照向量(m，n)移动后的位置的交叉相关系数，所述交叉相关系数的最大值对应的追踪区域的向量(m_max,n_max)为样品T2时刻相对于T1时刻移动的向量；其中，T2时刻晚于T1时刻；

光学相干断层扫描振镜***根据样品T2时刻相对于T1时刻的移动向量进行校正，对拍摄测试对象进行再次扫描采集数据。

这样，减少了样品移动对光学相干断层扫描振镜***扫描采集数据的影响，提高了光学相干断层扫描振镜***扫描成像的准确性。

实施例三

本发明的实施例还提供了一种利用光学相干断层扫描技术测量动态对比度和估计横向流量的方法。

利用光学相干断层扫描技术测量动态对比度和估计横向流量的方法，所述方法包括以下步骤，

采用实施例二的数据采集方法进行数据采集，其中，使用光学相干断层扫描***对样品进行多次B-扫描采集数据，在横向区域的多次扫描中，包含每个所述的B-扫描，进行数据采集，数据至少包括相位信息，强度信息；

相位变化数据的确定，其中相位方差的确定基于B-扫描采集的数据，并且，样品的运动对比度取决于相位方差。

具体的，其中确定相位变化数据包括以下步骤：对样品一次乃至多次的扫描，利用随时间变化的运动相位方差来鉴别和确定散射体的移动。

具体的，使用光学相干断层扫描***来确定采集的数据的时间波动，并且确定基于时间波动的运动对比度。

具体的，在流动区域估计折射率的变化，同时基于以上估计确定运动对比度。

具体的，估计一个或者多个的相位对比度图像中折射率开始变化的时间点和估计流动区域内的折射率的成分。

具体的，多次的B-扫描应该包括MB-扫描，BM-扫描，或者两者都有。

具体的，其中光学相干断层扫描***应该包括傅里叶域光学相干断层分析***。

具体的，其中傅里叶域光学相干断层分析***应该包括频域光学相干断层扫描技术，扫描源光学相干断层扫描技术，和光学频域分析成像。

一种确定样品中不同运动区域的运动特性的方法，包括以下内容，在多个区域使用上述方法来确定多个区域的运动对比度，并且鉴别样品一个或者多个区域的运动特性。

具体的，其中所述的一个或者多个的运动区域被定义为三维的。

具体的，其中所述的一个或多个定义的运动三维区域包括三维的血管，目标血管，或者两者兼有。

一种在光学相干断层分析***中用来确定样品运动对比度的电脑可执行命令的可读介质，其特征在于，包括以下内容：使用光学相干断层分析***对样品进行多次的B-扫描采集数据，其中所述的扫描包括横向区域范围内的多次扫描的数据采集；确定相位方差数据，其中所述的相位方差是基于B-扫描采集数据来确定的，并且基于相位方差确定样品的运动对比；

一种光学相干断层分析***，所述分析***包括：

具有电脑可执行命令的电脑可读介质用来确定样品的运动对比；

使用光学相干断层分析***对样品进行多次的B-扫描采集数据，其中所述的扫描包括横向区域范围内的多次扫描的数据采集。

确定相位方差数据，其中所述的相位方差是基于B-扫描采集数据来确定的，并且基于相位方差确定样品的运动对比度。

在光学相干断层分析***中的一种确定样品运动对比度的方法，其特征在于，所述方法包括：使用光学相干断层分析***对样品进行多次扫描采集数据；确定统计数据的相位方差；其中所述相位方差和强度数据没有关系，并且基于相位方差确定样品的运动对比度。

具体的，所述的一次或多次扫描包括多次的B-扫描。

首先，介绍一下本发明的实施例的利用光学相干断层扫描技术测量动态对比度和估计横向流量的方法的背景技术：

OCT是一种非侵入式的光学成像技术，通过弱相干光干涉仪***能够产生高分辨率的样品的深度反射图像。在各种生物***当中，OCT成像可以观察样品内部的三维结构，是其他成像技术所不能比拟的，并不只是用于观察眼睛的视网膜。

血管的可视化和血流量的定量信息对于许多疾病的诊断和治疗是非常重要的。在OCT成像***中，分析相位灵敏度的DopplerOCT(多普勒OCT)技术是血管可视化和诊断的重要形式。相位是一种高分辨率的测量深度位置的方法，其方向是沿着成像***的光学路径反射的方向，是光源波长一半的光束的循环频率。波长为光源波长一半的深度位置的改变会产生同样的相位测量值。相位变化与轴向流量成比例。与成像方向平行的流量分量为v(cosθ)，v是流量的速度，θ是指流动方向和光源光束方向的夹角。***中，基于局部信噪比的相位噪声决定了最小的轴向流量，防止当v或者cosθ非常小限制了流量的可视化。例如在视网膜当中，一些流动方向和光源的方向几乎垂直，那么θ相当于90度，cosθ相当于0。在这些情况下，流量的速度必须十分的高才能用这种方法对流量才能可视化。

OCT的发展方向主要是朝着快速成像技术发展，在相同的时间对更大面积进行成像。为了获得快速的成像速度，DopplerOCT成像技术仅使用一些连续深度反射方法，称之为A-scans(典型的数字大约是5)，在其中平均了相位变化。在A-scans和相位测量之间，有限的统计数据和短时间内几乎限制了最小的能够观察到的轴向流量，只能对最快的流量进行可视化。

针对这种情况，图像上已经计算的相位方差没有增加额外的运动对比度。缺少额外的对比度是因为相变误差，局部的信噪比支配了所有区域的相位方差的计算，除了在相同速度的流量可视化区域使用DopplerOCT技术。

散斑分析着眼于图像强度的改变，在OCT领域已证明限制了正常工作。在OCT中，大部分关于散斑的工作都是朝着这个方向，减少样品内部的多重反射产生的伪影来提升图像质量。从一个单一静态的图像来看，散斑分析技术利用了空间密度的改变去识别流量区域。这些技术只能够分析比图像空间分辨率高的区域，并且在没有OCT成像辨别深度的情况下已经典型的应用。鉴于此，有必要在OCT领域提出一种精确有效的方式来确定生物流体的流量来进行疾病的诊断和治疗。特别的，在OCT***，需要发展一种方法来估计横向流量速度和确定运动对比度。

为了加深对本发明的理解和认识，下面结合附图和具体实施方式对本发明作进一步描述和介绍。

这种方法的进一步应用是OCT图像瞬时波动强度。OCT图像瞬时波动强度能够被用来作为其他形式的对比度来观察样品深度范围内的流量和吸收率变化。

这些方法和技术在OCT图像中显示了运动对比度。运动对比度，特别是相位变化对比度能够观察纳米级的布朗扩散运动和其他非流体运动。相位变化对比度能够用来区分不同运动对比度的运动区域，同时也可以通过相位信息确定散射运动的性质。针对流动区域，所描述的分析方法能够识别不同区域，也可以表征运动特性。定量的流量估计能够确定流量，相对于成像方向的独立方向。相位变化对比度的阴影和波动强度计算用来确定流量区域的折射率和吸收率的变化。

在此处所描述的是一种低效率的，高度信息化诊断方法，并且是高效率的三维扫描采集方法。高效的方法可以使运动区域三维可视化，例如样品的血管。这些发明方法的灵活性在于能够识别间歇性流动区域，例如鉴别微细血管中血红细胞的运动。这种鉴别间歇性血液流动区域的能力能够帮助诊断和治疗有需要的病人。

本发明还考虑了一种计算机可执行的设备，用来确定样品的运动对比度。该电脑可执行设备，使用OCT设备对样品进行一次乃至多次的扫描，采集相位变化数据，确定基于相位变化的运动对比度。该电脑可执行设备的进一步应用是采集波动强度或者散斑信息来确定样品的运动对比度。随时间变化的相位方差可以鉴别和确定OCT样品图像中的移动散射体。电脑可执行的设备用屏幕显示运动区和定量诊断散射体。

一种OCT设备包括电脑可执行命令的设备确定样品的运动对比度也被考虑在内。包括电脑可执行设备的OCT设备对样品进行一次乃至多次的扫描，采集相位变化数据，确定基于相位变化的运动对比度。包含电脑可执行设备的OCT设备进一步应用是采集波动强度或者散斑信息来确定样品的运动对比度。随时间变化的相位方差可以鉴别和确定OCT样品图像中的移动散射体。包括电脑可执行设备的OCT设备用屏幕显示运动区和定量诊断散射体。

发明的详细描述：

在此提出的OCT***是一种谱域光学相干断层扫描(SDOCT)，步骤如图1所示，光纤干涉仪将光束分成参考臂和样品臂。此处描述的采集和分析技术不依赖于已经使用的OCT***，仅与每个样品的深度反射的速度、强度和相位有关，称之为A-scan。

相位变化ΔΦ(z_i,T)是深度z_i和时间间隔T的函数，结合一下影响因素：

ΔΦ(z_i,T)＝ΔΦ_{motion,scanerer}(z_i,T)+ΔΦ_motion,bulk(T)+ΔΦ_error,SNR(z_i)+ΔΦ_error,other(z_i)

相位变化ΔΦ(z_i,T)不仅仅只包括深度z_i处的单独的散射体运动用ΔΦ_{motion,scatterer}(z_i,T)来定义，但是同样包括样品和***之间沿着轴向方向的全部流体的相对运动ΔΦ_motion,bulk(T)。ΔΦ_error,SNR(z_i)是深度z_i处计算的SNR数据的相位误差。已发表的实验结果已经证明出测试局部信号的噪声比决定测量相位变化的准确性：

${\mathrm{\σ}}_{\mathrm{\Δ}\mathrm{\φ}SNR-error}\left(z\right)=1/\sqrt{SNR\left(z\right)}$

ΔΦ_error,other(z_i)包括其他的相变误差，这些误差可能来源于OCT相位的测量，但是不局限于横向截面扫描误差，样品的横向运动，或者受限于采样深度的样品轴向运动产生的伪影。为了能够鉴别散射体的运动ΔΦ_{motion,scatterer}(z_i,T)，需要消除或者降低其他形式的相位噪声的影响。样品的深度反射和成像***的其他部分之间的流体运动，计算其每一个相位。单独测量相位变化，是不可能区分样品和***轴向的整体运动和个别单独运动的运动区域。没有消除整体运动的影响，样品的最小的可以测量的运动将会被***的流体整体运动和样品运动所限制。

其中一个可以用来确定样品流体的相对运动的方法，就是使用额外的运动测量设备，例如干涉仪，用来确定样品中最强烈的反射运动。傅里叶域光学相干断层扫描***，包含频域光学相干断层扫描和扫频源光学相干断层扫描(参考光学频率成像)，样品的所有的深度信息在同一时间被测量。所有深度反射信息都可以通过相位改变信息获得，很有可能消除流体的相对运动。

在某些情况下，为了消除相对运动，样品一束强烈的反射光被用来作为固定的参考的反射光。许多实例没有使用高反射率的固定反射器，因此整个样品的深度必须被用来计算流体运动。有几个方法可以从所有的深度分析相位改变信息来计算样品流体运动。和深度相关的大的相位噪声没有反射或者信号在噪声的等级附近，由于这些低的信号条件，所有的相位变化的平均值会失真。相位数据的阈值分析能够降低这些模式的影响。相位变化的计算模式也能够被用来确定流体运动，通过计算模式的参数可以精准的计算出来流体运动。

加权平均计算允许对一些样品实例的流体运动进行估计。这种方法中的流体运动的计算被总结为ΔΦ_motion,bulk(T)＝∑[w(z_i)ΔΦ(z_i,T)]/∑[w(z_i)],加权因子w(z_i)取决于成像情况。加权因子由线性OCT强度I²(z_i)决定，该强度依赖于静止不动的样品内部最强的反射。使用OCT振幅I(z_i)的加权因子，在测试中对低频信号的相位噪声会更加灵敏。将阈值纳入到加权因子，很多情况下低频信号的相变噪声的影响将会逐步减少。加权模式包含空间相关性来处理特殊的样品和运动性质。例如，在高速流速下的样品固定区域测量相位变化会出现非平稳状态，这就需要样品中出现不同的加权，或高于流动区域或低于流动区域。加权因子也可以包含深度反射的局部强度变化的形状的加权。反射谱的旁瓣和倾斜的相位运动会产生伪影导致不期望的差异，该差异能够导致流体的相对运动的估算的失真。

因为相位测量的周期性，相位变化区间为-π到+π。运动区间比这个范围(等同于光源带宽的四分之一)大，相位区间发生跳变导致计算错误(相位变化+π+δ被误当作-π+δ)。在相位测试实例中，样品的流体运动相位近似于+/-π，相位误差将会导致计算出的相位变化分布和图2当中所呈现的数据类似。没有额外修正过的相位变化分布，计算出来的相位区间可能是不正确的。在如上述所说的流体的运动发生之前，相位的分布应该重新归零，以至于平均值更精确的体现运动状态。

在从已计算的相位变化ΔΦ(z_i,T)-ΔΦ_motion,bulk(T)中消除估计的流体运动，总的数量的方差接近于单个因素变化的方差的总和：

σ_ΔΦ ²(z_i,T)＝σ_{ΔΦ,motion_scatterer} ²(z_i,T)+σ_{ΔΦ,SNR_error} ²(z_i)+σ_{error_other} ²(z_i)

作为对比度的来源，相位变化分析目标的是散射体运动相位变化形式σ_{ΔΦ,motion_scatterer} ²(z_i,T)。限制SNR的相变方差σ_{SNR_error} ²(z_i)是由局部信号的噪声比来决定的，该误差是独立于相位测试的时间间隔T的。最后相位变化的因素σ_{error_other} ²(z_i)和其他的相位误差因素都没有关系，主要来自于流体运动计算方法的误差和其他各种ΔΦ_error,other(z_i)的影响。受限于SNR的相位误差一般会限制住散射体运动的可视化。

通过散射体运动的相位测量，很多运动形式的部分分量是可以被观察到的，但是不限于以下分量：

轴向流分量的变化；

不相关的散射体的横向流动的影响；

布朗型随机运动的轴向分量；

不相关的散射体的全体静态影响(***的高分辨率的图像中可以定位多重散射体并能识别单一散射体的位置)。

以上提及的每一种形式的运动的变化，相位随着时间间隔的变化而增加。在大部分情况下，影响观察最弱的散射体运动的限制因素是每个与反射相关的SNR限制的相位误差。因为这个相位方差独立于时间，测试中等待更长时间，允许散射体运动的相位变化超过相位误差的限制值。进一步延长时间间隔会继续提高测量相位方差能力。这个过程将会继续直到相位变化过程达到近似于完全随机的相位信号的程度。散射体运动进一步的增强将不会使测试的相位方差超过完全随机的相位信号。

其中一方面的影响是，横向流动有更长的时间间隔，导致流动区域下面会出现运动的阴影。这是由横向流动区域的折射现象引起的。在OCT中相位的测试不简单是基于所给定的反射器位置的改变，它是光学路径的改变。因此，在整个时间周期T内，通过反射光测量样品所有的深度的同时也要测量所有的折射率的方差。

$\mathrm{\Δ}\mathrm{\φ}(z,T)=\frac{4\mathrm{\π}}{{\mathrm{\λ}}_0}\left({\∫}_0^z\mathrm{\Δ}n\right(z^{\′},T){\mathrm{dz}}^{\′}+n(z\left)\mathrm{\Δ}z\right)$

对于一个固定的反射器，在平均的折射率变量下，扩展了深度z_n，计算的相位变化是：

$\mathrm{\Δ}\mathrm{\φ}(z,T)=\frac{4\mathrm{\π}}{{\mathrm{\λ}}_0}\mathrm{\Δ}\stackrel{\‾}{n}\left(T\right)z_n$

例如，去创造一种完全的随机相位测试的方法，用该方法测量15微米以下的血管的血流量，以光源的波长接近800nm为例，需要的最小平均折射率方差为：

$\frac{\mathrm{\Δ}{\stackrel{\‾}{n}}_{nns}\left(T\right)}{\stackrel{\‾}{n}}\≈0.006=0.6\%$

通过了解相位对比度图像中由折射率变化产生阴影开始的时间点和流动区域折射率的知识，横向流量和流量强度方差是能够确定。相应地，流动区域折射率方差的估计有助于在OCT***中确定运动对比度。

为了证明运动方差随着时间间隔的增加而增加，以布朗运动作为例子来证明。2％的琼脂糖井加入到英脱利匹特脂肪乳注射液中，被稀释用来匹配琼脂糖散射体的运动强度。琼脂糖是明胶，相对于运动的脂肪乳散射体来说是稳定的。

不同的时间间隔不同的图像区域，相位变化计算出相位方差。图5A、图5B、图6A、图6B、图7A、图7B显示的是从实验成像***最短时间点开始，时间间隔连续增长。最短的时间间隔相位方差成像由信噪比的相位噪声所控制。随着时间的增加，区域内包括移动的英脱利匹特脂肪乳注射液的相位方差计算值也增加。

为了对散射体运动对比度更好地进行成像，需要消除信噪比的相位噪声。其中一种方法是利用不同的时钟间隔T1和T2的相位方差。如果我们可以假设其他的相位误差是可以忽略不计的，不同时间间隔的相位方差计算如下：

σ² _Δφ(z_i,T₁)≌σ² _{Δφ,scatterer}(z_i,T₁)+σ² _Δφ,SNR(z_i)

σ² _Δφ(z_i,T₂)≌σ² _{Δφ,scatterer}(z_i,T₂)+σ² _Δφ,SNR(z_i)

设置T₂＝βT₁,β远大于1，假设***中的散射运动的方差σ² _{Δφ,scatterer}(z_i,T₂)远大于σ² _{Δφ,scatterer}(z_i,T₁)。在这种条件下，用于相位方差对比度成像的基本的相位对比度标准是，σ² _{Δφ,scatterer}(z_i,T₂)-σ² _{Δφ,scatterer}(z_i,T₁)如下：

σ² _{Δφ,scatterer}(z_i,T₂)-σ² _{Δφ,scatterer}(z_i,T₁)≌σ² _{Δφ,scatterer}(z_i,T₂)

知道已知形式的信噪比的相位噪声，数值估计里面的数学期望可用于消除图像中相位噪声。相位噪声的数值估计基于OCT中反射信号的强度和之前描述的成像***的噪声特征。基于对噪声的估计的精确度，这种情况产生了类似对比度的图像。

随着时间的变化，相位方差可以描述散射运动的运动特性。图10显示是观察不同时间点不同尺寸的微粒在水中布朗运动的相位方差的数据，水中单独一个散射体的直径变化范围是从0.5μm到5μm。由于热波动，相位方差数据可以用来分析，对随机运动可视化。预期这些散射体随着时间变化方差等于零，需要计算方差来对运动进行成像。直径0.5μm到5μm的微粒对OCT信号强度很明感，相对于散射体运动，这些相位误差可以忽略不计。对于直径2μm的微粒，OCT信号很弱的情况下，相位误差是不可以忽略不计的。预计的运动形式需要与其他运动形式进行对比，图10显示结合运动形式的相位误差。相位随着时间的变化而变化，采集足够多的相位方差的数据，可以从中提取运动数据。

对于布朗运动，测量的相位方差数据(相对于随机的相位方差数据少很多)，被测量的运动形式与随时间变化不大的相位误差的布朗运动的关系如下式：

σ_Δφ ²(z_i,T)＝A²+DT^γ

为了使测量的相位方差随着时间的变化达到期望值，散射体的运动参数(扩散常数)D可以决定其大小。

数据采集方法：

为了采集更多的数据去识别或是标征运动区域，时间区间必须足够长。一个最简单的方法是在每一个横向位置等待，随着时间变化，获取相位信息，等待足够长的时间来采集所需的统计数据和随着时间的变化的相变信息。就OCT的扫描专业术语而言，A-扫描是针对单个的位置利用反射测试深度的方法。随着时间的变化在同一个横截面位置多次A-扫描称做M-扫描。在整个横截面范围内多次A-扫描称做B-扫描。在每一个横截面位置等待的过程产生M-扫描，在横截面范围内的重复的M-扫描称做MB-扫描。

MB-扫描是最早的为了表征散射体的运动特性来采集所需的统计数据和相位变化信息的方法。这个特征描述包括沿着成像方向和横截面方向的流动区域的流量定量。其他特征描述信息包括一些因素，包括扩散常数、散射体密度和数据流信息。这个方法的唯一限制是采集数据的效率低。用此方法对运动区域三维立体可视化需要的时间太长。对于一些相位方差对比度可视化的一个快速的采集方法是需要扫描更大的三维空间。在同一个地点等待时间的推移直到三维空间足够大来产生运动方差对比度，还不如在回到原来的位置之前，通过扫描多个位置获得额外的相位信息。随着时间的推移，在同一横截面进行多次的B-扫描的方法称做BM-扫描。

在一个长的时间区间内，BM-扫描没有牺牲任何的图像采集时间，是一种高效率的相位信息采集方法。这种扫描方法在时间上受到限制，但是对于连续的A-扫描采集的数据分析的不可见的缓慢的运动，这种扫描方法是可见的。与MB-扫描方法相比较，这种扫描方法对于流量的定量分析是有限的。图11A、图11B显示的是这些采集方法的一些例子。

图12A、图12B和图13A、图13B显示的是通过MB-扫描和BM-扫描斑马鱼的尾巴的图像。然而在两幅图中，相位方差对比度图像识别的同样的区域，BM-扫描产生的对比度是MB-扫描的4倍。不出意料，BM-扫描所用的扫描时间是MB-扫描所用的扫描时间的40倍。从对比度图可以看出，BM-扫描的相位方差对比度图像有阴影，这是因为时间区间太长导致流动区域呈指数变化。

图12A、图12B和图13A、图13B显示的相同的样品的相同区域。在整个成像时间内，BM-扫描包含约2.5倍的横向像素，相比较于MB-扫描减少了3倍。BM-扫描时间可以进一步的减少，通过横向位置的数量的调整，用于计算相位变化信息方差的统计数据的调整，可以减少A-扫描采集***的时间并且提高***横向扫描的能力。

横向流评估方法：

Park等人发表的研究成果表明在连续的相位测量之间，当把横向扫描的不相关的样品的反射光线作为光源光束的一部分，期望的相位误差会出现。根据Park的定义，相位差的标准差等于相位差的平方根。

为了在最短的扫描时间内创建相位对比度，Park的分析结果是在连续的A-扫描之间决定相位对比度的限制条件，横向扫描同时创建一个B-扫描。在样品照射和样品反射之间，对于相对的横向运动用此期望的相位误差作为横向运动流量的定量估计的可能性是没有被提及到的。

如果在时间周期T内，多个A扫描在同一横向位置分开进行,由于样品照射和样品反射之间的相对横向运动将会出现相位噪声。连续测量过程中，在同一横截面位置，同样的光源亮度，噪声主要来自于横向流动，特别是来自于不相关的反射，例如在血液中发现类似噪声。考虑一个高斯光束在焦点处1/e²光束宽度＝d，在相同的时间周期T相同的横向位置使用相位测量方法。在相同的时间周期T内，相位变化方差是由散射体Δx的横向运动决定的，由横向运动速度V_x产生的。定义光束的带宽为ΔX/d，由横向运动引起的相位误差的方差计算如下式：

${{\mathrm{\σ}}^2}_{\mathrm{\Δ}\mathrm{\φ}}=\{1-\exp \[-2{\left(\frac{\mathrm{\Δ}x}{d}\right)}^2\]\}=\frac{4\mathrm{\π}}{3}\{1-\exp \[-2{\left(\frac{V_{x}T}{d}\right)}^2\]\}$

由于相位测量过程中其他的误差，这种技术的准确性取决于***的校正标准的准确性和其他形式相位误差的消除。从Park研究结果显示的数据看，横向流量的定量估计的动态范围约为20％≤Δx/d≤80％。信噪比限制的相位噪声限制最小的横向速度可以用该方法测定。上限接近于饱和极限值的随机相位噪声信号仅限于-π与π之间。这个方程只允许用于流量的定量，例如V_xT/d＞～0.8。延长时间可以提高横向流量测量的动态范围。

以视网膜成像为例，时间间隔为40毫秒，聚焦光束的直径20μm，定量横向流量的动态范围是大约为0.1mm/s到0.4mm/s。

改变流量的动态范围可以通过改变成像***的横向分辨率来实现，或通过改变测量时间周期T。例如，如果视网膜成像的的时间周期为10毫秒，光束直径为30μm，横向流量的动态范围约为0.6mm/s到2.4mm/s.如果在这种情况下，相位测量的统计数据是足够的，采样周期为10毫秒的相位数据也可以用来计算采样周期为20毫秒的相位方差(每秒测量相位位置)。定量的流量测量的动态范围将增加2倍，这种情况下的动态范围约为0.3mm/s到2.4mm/s。

第二种确定横向流量的方法是，由于横向流动区域的折射率的变化，图像中流量低的地方会产生伪影。如果发生的时间点可以确定，流动区域的深度范围可以确定，区域内的折射率平均变化也可以确定。由流动区域内散射体的折射率的知识可知，横向流动率是可以确定的。该方法在流动区域中包含多种类型的成分的情况下有可能是有用的，如血浆和血细胞内血管的血流量。

另一种定量测量样品的横向流量的方法是结合了BM扫描和MB扫描的。BM扫描相位方差对比度是一种高效的识别样本内的三维区域的流动性的方法。使用BM-扫描，可以识别三维血管,相对于成像方向的流动方向可用此扫描。MB扫描可以识别目标的血管和选择性地分析特定区域的流量。取决于平均相位变化的平均轴向流量可以决定区域内的流量。通过筛选的方法确定位置，MB扫描增加的统计数据，小型轴向流量分量可以计算出来。已知血管的血流动方向，血管内的血流量可以用几何学计算出来。随时间变化的相位方差可以通过横向流量分量的估计提供额外的相关流量的计算。

横向运动噪声消除：

一个与采集方法相关的论题是伴随着时间的增长的附加噪声。当给予散射体更多的时间移动，也就是样本获得更多的时间来运动。样品的轴向运动是通过前面介绍的流体运动的消除方法来消除的。流体的横向运动不是前面方法的补充。文献中阐述，在样品和成像光束之间的相对横向运动产生一个相位误差由成像光束的腰数量级的大小决定的【1】。相位噪声的推导是基于样本中非相关散射体的假设，由于样品的层内部的反射，并不是所有的相位噪声都可以这样推导，例如视网膜。

图14A、图14B显示了小鼠视网膜切片的OCT图像，与相位方差对比度图像相比较的平均OCT信号强度图像。这个对比度图像运用了数值估计消除信噪比相位噪声以及应用中值滤波进一步减少伪影。对比度的图像中，运动区域可以清楚地观察到，包括上方的视网膜血管，血管下面的伪影以及底部的没有任何OCT信号的脉络膜血管下面产生的额外的阴影。在这个对比度的图像中，样品中有少量的流体发生横向运动。图15不是那个例子的相位方差对比度图像，是视网膜内同一横截面位置处，稍后的大的横向运动发生时采集的图像。在这个图像中，区域流量可视化仍然是可能的，但是一定数量的额外噪声阻碍了可视化。

该方法用于处理流体横向运动是假定整个图像包含了所有BM扫描的横向位置的相同水平的附加相位噪声。由于BM-扫描都是在很短的时间内扫描所有的横向位置采集数据，所有这些点应该经历相同的运动，产生相同的相位噪声。在信噪比的相位噪声消除后，所有的对比度数据点不为零，图像对比度的统计数据可以用来尝试消除横向运动的影响。对于图像的非零对比度数据的平均值μ和标准差σ，图像对比度C(x,z)可以通过很多方法调整包括消除法和归一化方法：

$\{C(x,z)-(\mathrm{\μ}+\mathrm{\α}\mathrm{\σ})\}\left\{\frac{3.3}{3.3-(\mathrm{\μ}+\mathrm{\α}\mathrm{\σ})}\right\}=C^{\′}(x,z)$

在这种情况下，3.3弧度作为相位方差对比度值,作为一个随机相位测量的最大期望值。参数α是可以调整的，用来提高某些区域的可视化，这些区域有可能因为相位噪声而消失。图16A、图16B显示α＝0的情况下上述的附加相位被去除后的图像。

图17A、图17B显示的是视网膜对比度图像中噪声的去除过程。每一个二维对比度图像概括了整个样品深度并且被描述为一条一维的直线。多张采集的图像叠加形成了该样品的二维造影图像。左边图像显示的垂直线，表明在那个时间点BM扫描对比度图像出现额外的运动对比度噪声。右面图像显示的是α＝0的情况下，横向运动消除后的对比度图像。图像中血管内位置的变化是由于成像过程中横向运动发生引起的。

相位对比度图像中用于数字消除相位噪声的估计方法是基于测量相位噪声的反射信号S²。OCT强度信号I²是反射信号S²和噪声信号N²的结合。平均OCT强度信号的形式如下：

$<|\tilde{I}{|}^2>=S^2+<N^2>$

图21描述的是所测量的相位噪声和期望的形式的关系。当S>>N，相位噪声显示了如前所述预期的形式。

其他的用来消除横向运动噪声的方法包括使用额外的统计数据去消除对比度图像中包含的任何的横向运动噪声。使用一个外置的运动***或者OCT强度和对比度图像分析软件，BM-扫描可以识别并且消除明显的横向运动。当更少的横向运动发生时，在同一区域重复BM-扫描采集能满足消除相位分析处理的要求。

间歇流识别：

一个运动对比度筛选的挑战是识别在所有时间区间内都不包含散射体的区域。OCT需要根据样本内的反射来测量相位，但是某些情况下，不是任何时间的相位都允许被测量的。对于样品反射率的要求，斑马鱼和节段血管是很好的例子。受精3天后的胚胎的节段血管直径为7-12微米，其中一个大的血管分支被称为背主动脉。胚胎的共焦成像表明血细胞在一段时间内会在特定的位置。如果OCT成像刚好扫描的横截面位置没有血细胞，那么血管内就不会有足够的反射信号来产生相位对比度信号。

图18显示多幅OCT图像，是在不同时间点同一横截面位置，从斑马鱼的尾巴向其卵黄囊扫描的OCT扫描图像。图像中所有的箭头指定了流动区域内期望的位置：背主动脉(DA)，轴向静脉(AV)，节段血管(SE)和背侧纵行血管(DLV)。这些流动区域的位置在OCT强度图像中不明显，是由于缺乏这些区域的强度对比以及这些小血管缺乏足够的光吸收率。背主动脉和轴向静脉在所有图像中都出现，但是节段血管和背侧纵行血管不是任何时候都出现，如预期的结果。

类似这种情况,视网膜微血管***中也包含非常小的血管，并且不是在所有时间点都包含运动对比度。对于任何随机现象，多次的可视化机会和统计数据的增加，能帮助整个事件可视化。BM扫描采集方法效率高，用此方法可重复扫描期待有间歇流的区域，如微血管，为了运动对比度的可视化。

强度、散斑对比度：

到目前为止所有的对比分析方法都是指散射体的随时间变化的相位方差。用相同的采集方法，同时也有随着时间推移的可用的OCT强度信息数据。许多样品的性质可以导致图像的波动：如光耦合的变化，电源波动，并且随时间变化干涉仪内相对的偏振变化都可以导致波动。样品的运动引起的波动的例子包括，但不限于：

在***的分辨率内多个散射体的反射干扰，像血管内独立的小散射体反射的干扰。

基于流动区域内随时间变化的反射部分的方差变化。

随着时间的推移在血液流动区域的吸收率的变化。

随着时间的推移，强度的波动和/或散斑分析可以从相同的采集数据同时分析相位方差。假设样品内存在高速的流体的横向运动，强度分析对于识别流动位置是更有用的。一个当时可用的强度信息的分析技术是OCT强度方差。为了对方差对比度进行合理的成像，其结果是强度信息必须标准化(例如，平均值，中位数，最大或最小的强度值)。已公布的强度波动和/或斑点分析技术，作为对比，在单幅图像中使用归一化空间波动，限制对比度图像的空间分辨率。一个时间周期T内，强度变化方差将识别运动区域内的对比度和吸收率的变化(上述)。前面提到的***的强度波动(例如，耦合变化)也会引起图像中静态区域的对比度被观察到。一个试图减少这种不必要的波动的方法是使用基于OCT强度和样品结构的预期波动幅度的数值估计。其中一种估计的波动幅度的形式是：

$\{{{\mathrm{\&sigma;}}_{{\mathrm{\&Delta;I}}^2}}^2(z_i,T)-f(z_i,I^2(z_i\left)\right)\}/\left(I^2\right)$

另一种波动幅度的时域信息分析技术是利用傅里叶变换确定波动的时域分布。傅里叶变换的频谱的形状、带宽和振幅信息可用于识别多个流动性参数包括但不限于散射体的平均直径和扩散常数。

图1所示的是SDOCT***的框架图。低相干光源S(k)被光纤干涉仪分成参考臂和样品臂。反射光在光谱仪中聚集和测试，从而反射剖面的深度被计算出来；图2所示的是弧度为π(成像光源波长的四分之一)的流体整体运动的模拟的相位变化数据；图3所示的是运动的散射体在一段时间内预期的相位方差测试结果图；图4A展示的是与图4B中样品非平均OCT强度图像相关的概括图；为了获得此图像，2％的琼脂糖井溶解到密度匹配为0.1％的脂肪乳溶液中；图像中亮度对比度局限于流动的边缘和空气的边界处；图5A为时间周期T＝40us的相位变化图；图5B为时间周期T＝80us的相位变化图；图6A为时间周期T＝200us的相位变化图；图6B为时间周期T＝400us的相位变化图；图7A为时间周期T＝800us的相位变化图；图7B为时间周期T＝1.6ms的相位变化图；

图8A为最大相位变化时间周期T2＝40T1的相位变化对比图；图8B为最大相位变化时间周期T2＝20T1的相位变化对比图；图9A为最大相位变化时间间隔T2＝10T1的相位变化对比图；图9B是最大的相位变化时间间隔T2＝5T1的相位变化对比图；图10所示的是水中单个散射体的相位变化数据；所示的球体直径分别为0.5um，2um和5um。直径为2um的球体证明了相位误差的影响，主要因为所期望的形式的相位变化数据中OCT信号弱；图11A展示的是MB-扫描的横向扫描模式的图像；图11B所示的BM-扫描的横向扫描模式的图像；图12A所示的是使用MB-扫描方式获得的斑马鱼尾巴的OCT灰度图像；图12B所示的是使用MB-扫描方式获得斑马鱼尾巴的相位变化对比度图像；图像的大小是900um*325um。T2＝1ms，T1＝40us；图13A所示的是用BM-扫描方式获得的斑马鱼尾巴的OCT灰度图像；图13B所示的是使用BM-扫描方式获得的斑马鱼尾巴的相位变化对比度图像；图13A和图13B图像的大小都是815um*325um；图13B中的相位误差已消除，对比度图像的时间周期T2估计为40ms；请注意，相位变化对比度图像的成像范围大小是图12B中所示的MB-扫描的对比度图像的4倍；图14A所示的是低速横向运动发生的一个时间点的平均亮度图像，该图像来源于BM-扫描到的视网膜的横向运动的数据；图14B所示的是噪声消除和中值滤波后的相位对比度图像，来源于视网膜横向运动的BM-扫描数据；图14B是存在少量流体横向运动的时间点的相位对比度图像；图15所示的是未修正的大量流体横向运动的相位变化对比度图像；图16A和图16B是一组相位对比度图像的对比图；图16A所示的是未修正的存在大量横向运动的图像；图16B所示的是α＝0的情况下，修正过的大量横向运动的图像；图17A和17B是经过2.6S采集到的视网膜深度的对比度总结图像；图17A是在α＝0之前未经过补偿的图像；图17B是在α＝0之后经过补偿的图像；图18A所示的是BM-扫描平均OCT灰度图；图18B，18C，18D是不同时间点的三个相位变化对比度图；每幅图像都是在50ms之内采集到。箭头指向的区域是脊梁纵向血管区域，两种不同的节段血管(Se)，脊梁主动脉(DA)，轴向静脉(AV)；图19A和19B所示的是3天快速受精的斑马鱼的OCT可视化图像；图19A是亮视野的显微镜图像，图19B是3天快速受精的石斑鱼的图像，都展示出了期望的石斑鱼的解剖特征；图19A和19B中画的线代表了OCT图像的扫描区域；进一步的分析平均流量和相位变化能够提升这些图像的质量；图20A的OCT灰度图像展示了图19中石斑鱼的内部结构；图20B所示的是心脏内部的血流量，此图像已经降低图像中相位噪声和OCT图像像素；图20C描述的消除相位误差影响后的相位对比度图像；图20B清楚的描述心脏的外观，图20C所示的箭头方向指的卵黄囊的流向，和图19B中期待的区域相匹配；图21所示是相对于成像光源方向的流量的方向的简图；使用DopplerOCT技术观察到的轴向流量分量使用V_z标定；图22显示的是SNR-限制的相位噪声和平均OCT强度信号的关系图；图23A，23B，23C和23D所示的使用MB-扫描方式采集的数据产生的石斑鱼尾巴的对比度图像；图23A是结构信息的灰度图像；图23A中的箭头指出所期望检测到的区域，该区域是鱼的主要两个血管，脊梁动脉和轴向血管；图23B是相位变化对比图像，时间周期是T2＝1ms和T1＝40us，弧度从0到2变化，所观察到的区域在DopplerOCT图像上是不可见的，DopplerOCT只能观察足够稳定静止的区域。图23B中的箭头指出所期望观察到的运动区域。图23C是Doppler流量图像，适用范围为+-0.12弧度＝+-200um/s，相位变化平均值为5；图23D所示的是Doppler流量图像，适用范围为+-0.12弧度＝+-200um/s，相位变化平均值为100。越来越稳定的静态特性提高了可视化的质量，提前了解各部分的位置有利于可视化的研究；图24A和24B所显示的是图23A，23B，23C和23D中斑马鱼的相同区域，然而，使用的是扫描时间间隔为T＝10ms的BM-扫描方式；为了选择最好的参数，采集200横向像素的图像数据所用时间为50ms；由于减少DopplerOCT方法采集数据的动态范围，使用该方法采集的图像将不再呈现；图24A的OCT平均亮度图与图24B的相位方差对比度图像相比较，5次B-扫描。每个方向分量进行中值滤波，弧度变化范围0到3；每个图像的箭头指出脊梁主脉和轴向血管相关的区域。图24B是相位变化对比度图像，能够清楚的观察到MB-扫描的相同区域，但是由于血管折射率的变化在血管下面有额外的阴影；图25所示的是2.6s内石斑鱼心脏位置的横向切片的相位对比度总结图像。每个时间点在50ms内采集到；此种方法同样用在图17中；血管和心脏中的变化能够清晰的观察到；图26所示的是随时间变化的心脏对比度变化值的数据图像。对比度的变化，与区域内石斑鱼正常心率的变化和观察区域的流量变化有关；图26所示是随时间变化石斑鱼某个横向位置的对比度；该对比度总结3横向像素(7.2um)，覆盖石斑鱼的整个深度；图27A，27B，27C所示的是石斑鱼心脏的正面图像；图27A是对数范围内OCT强度总和图像；图27B是相位变化总和图像，相比于图27C提高了可视化程度；图27B和3天快速受精的石斑鱼绿色荧光蛋白标记的共焦图像有相似区域；图27C所示的是在相似年龄的石斑鱼体内注入荧光材料产生的共聚焦图像，图27B运动对比图像显示了相关的血管图像；图28A所示的是平均OCT灰度图像；图28B所示的是MB-扫描老鼠视网膜的多普勒流量图像；图28B的Doppler流量图像，没有使用任何阈值，变化范围为+-2.5mm/s。观察到的视网膜血管主要的快速流量是轴向流量，但是使用该图像分析技术并没有观察到脉络膜上的血管流量；图28A显示一系列相位变化时间间隔的相位变化对比度图像；延长相位变化时间间隔会提高血管(脉络膜血管)可视化程度，但同时也增加血管下方的对比度阴影。时间间隔的延长同样也增加横向运动的灵敏度和垂直方向上的对比度；图29A是MB-扫描的相位变化对比度图，时间间隔为40us，相位变化为10；图29B所示为MB-扫描相位变化对比度图，时间间隔为160us，相位变化为40；图29C所示为MB-扫描相位变化对比度图，时间间隔为240us，相位变化为40；图29D所示为MB-扫描相位变化对比度图，时间间隔为320s，相位变化为40；图29A，29B，29C和29D所示的是扁平化后的视网膜图像，主要用来消除光学路径改变引起老鼠眼球曲率的变化的影响。图像中视网膜的扁平化和识别视网膜层分离边界是两种主要的提取信息的方法，信息提取于三维灰度图像的深度区域内和对比度数据，分析采集数据，形成横向或者正面的图像；图30A所示的是视网膜扁平化未重新排列之前的B-扫描图像；图30B所示的是视网膜扁平化重新排列之后的B-扫描图像；图31A，31B和31C为老鼠视网膜的BM-扫描图像；图31A是平均强度扫描图像；图31B是相位变化图像，该图像没有消除任何数学上的相位误差，也没有滤波；图31C是噪声消除后和中值滤波之后的相位变化对比度图像，变化范围为0到3弧度；图32A所示的是整个视网膜BM-扫描的正面图像；图32B所示的是整个视网膜BM-扫描的正面相位对比度图像；图33A所示的总的强度的正面图像，图33B是视网膜上半部分的的相位变化对比度图像；图33B的对比度图像显示表面的视网膜血管，箭头所指的为毛细血管的区域；图34A所示显示深度的总的强度的正面图像，图34B是视网膜下半部分的相位变化对比度图像；图34B的对比度图像显示脉络膜的血管和主要的视网膜血管的阴影对比度；箭头所指的为毛细血管的区域；图35A所示的是BM-扫描正面总和灰度图像，图35B所示的是BM-扫描正面总的相位变化对比度图像。图35A是整个视网膜的图像，然而图35B的对比度图像，仅仅为横向像素为200的BM-扫描视网膜上半部分的图像；图35B单个对比度图像的像素为200*51，通过整个视网膜的顶部区域单独扫描采集的图像。箭头指出的为一些较小的可见的血管；图36A，36B，36C和36D所示的正面的总的相位对比度图像，横向像素为100的BM-扫描方式采集的视网膜的上半部分的图像；对***单独使用BM-扫连续扫描采集一些图像，这些图像的像素为100*50，由此推断出视网膜上部分的对比度为100*100；箭头标出一些可见的毛细血管，但是这些血管因为其对比度的间歇性并不是在其他的图像上都会出现；图像的横向扫描区域和图34A和34B的区域是一样的；图37A和37B所示的两种不同的重复BM-扫描的采集方法统计的平均对比度图像，为视网膜上半部分的图像；图37A和37B采集的是正交于主要的横向扫描方向的图像。作为对比图像可以推断出像素大小为100×100。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (22)

1.一种样品移动的向量的确定方法，其特征在于，包括如下步骤：

获得T1时刻的样品图像，选择T1时刻的样品图像的预设区域作为追踪图像，获取追踪图像用于识别的图像识别信息和追踪图像T1时刻的位置；

获得T2时刻的样品图像，在T2时刻的样品图像中找到与追踪图像T1时刻的位置相同的位置作为追踪框；

以追踪框的一个点为原点建立平面直角坐标系，以追踪框的一个点为参考点，确定参考点沿横轴和竖轴可移动的最大范围，沿横轴和竖轴可移动的最小间距将可移动的最大范围分割为多个移动位置；

计算参考点按照向量(m，n)移动且遍历移动位置时，T1时刻追踪图像的图像识别信息和参考点移动至每一个移动位置时追踪框内图像的图像识别信息的相关系数，所述相关系数的最大值对应的参考点移动的向量(m_max,n_max)为样品T2时刻相对于T1时刻移动的向量，T2时刻晚于T1时刻。

2.根据权利要求1所述的样品移动的向量的确定方法，其特征在于，所述追踪图像是T1时刻的样品图像的处于中心位置的区域。

3.根据权利要求1所述的样品移动的向量的确定方法，其特征在于，所述追踪图像是T1时刻的样品图像的处于中心位置的像素矩阵，用M×N表示。

4.根据权利要求3所述的样品移动的向量的确定方法，其特征在于，以追踪框中的第一行第一列的像素为原点建立平面直角坐标系，追踪框的参考点在追踪框可移动的最大范围按照向量(m，n)移动且参考点遍历每一个像素点。

5.根据权利要求4所述的样品移动的向量的确定方法，其特征在于，交叉相关算法的公式具体为：

其中，x(i，j)是追踪图像T1时刻的图像识别信息，y(i-m，j-n)是参考点按照向量(m，n)移动后的图像识别信息，mx是x(i，j)的均值，my是y(i-m，j-n)的均值，r(m，n)是追踪图像T1时刻的图像识别信息和参考点移动至每一个移动位置时的图像识别信息的交叉相关系数，i＝0，1，…，M-1；j＝0，1，…，N-1。

6.根据权利要求5所述的样品移动的向量的确定方法，其特征在于，所述图像识别信息是灰度值。

7.一种数据采集方法，其特征在于，包括以下步骤：

获得T1时刻的样品图像，选择T1时刻的样品图像的预设区域作为追踪图像，获取追踪图像用于识别的图像识别信息和追踪图像T1时刻的位置；根据T1时刻的样品图像，确定拍摄测试对象的位置，对拍摄测试对象进行首次扫描采集数据；

获得T2时刻的样品图像，在T2时刻的样品图像中找到与追踪图像T1时刻的位置相同的位置作为追踪框；

以追踪框的一个点为原点建立平面直角坐标系，以追踪框的一个点为参考点，确定参考点沿横轴和竖轴可移动的最大范围，沿横轴和竖轴可移动的最小间距将可移动的最大范围分割为多个移动位置；

计算参考点按照向量(m，n)移动且遍历移动位置时，T1时刻追踪图像的图像识别信息和参考点移动至每一个移动位置时追踪框内图像的图像识别信息的相关系数，所述相关系数的最大值对应的参考点移动的向量(m_max,n_max)为样品T2时刻相对于T1时刻移动的向量，T2时刻晚于T1时刻；

光学相干断层扫描振镜***根据样品T2时刻相对于T1时刻的移动的向量进行校正，对拍摄测试对象进行再次扫描采集数据。

8.利用OCT测量动态对比度和估计横向流量的方法，其特征在于，所述方法包括以下步骤，

采用权利要求7所述的数据采集方法进行数据采集，其中，使用光学相干断层扫描***对样品进行多次B-扫描采集数据，在横向区域的多次扫描中，包含每个所述的B-扫描，进行数据采集，数据至少包括相位信息，强度信息；

相位变化数据的确定，其中相位方差的确定基于B-扫描采集的数据，并且，样品的运动对比度取决于相位方差。

9.根据权利要求8所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，其中确定相位变化数据包括以下步骤：对样品一次乃至多次的扫描，利用随时间变化的运动相位方差来鉴别和确定散射体的移动。

10.根据权利要求8所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，使用光学相干断层扫描***来确定采集的数据的时间波动，并且确定基于时间波动的运动对比度。

11.根据权利要求8所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，在流动区域估计折射率的变化，同时基于以上估计确定运动对比度。

12.根据权利要求11所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，估计一个或者多个的相位对比度图像中折射率开始变化的时间点和估计流动区域内的折射率的成分。

13.根据权利要求11所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，多次的B-扫描应该包括MB-扫描，BM-扫描，或者两者都有。

14.根据权利要求8所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，其中光学相干断层扫描***应该包括傅里叶域光学相干断层分析***。

15.根据权利要求14所述的利用OCT测量动态对比度和估计横向流量的方法，其特征在于，其中傅里叶域光学相干断层分析***应该包括频域光学相干断层扫描技术，扫描源光学相干断层扫描技术，和光学频域分析成像。

16.一种确定样品中不同运动区域的运动特性的方法，其特征在于，包括以下内容，在多个区域使用权利要求8中的方法来确定多个区域的运动对比度，并且鉴别样品一个或者多个区域的运动特性。

17.根据权利要求16所述的确定样品中不同运动区域的运动特性的方法，其特征在于，其中所述的一个或者多个的运动区域被定义为三维的。

18.根据权利要求17所述的确定样品中不同运动区域的运动特性的方法，其特征在于，其中所述的一个或多个定义的运动三维区域包括三维的血管，目标血管，或者两者兼有。

19.一种在光学相干断层分析***中用来确定样品运动对比度的电脑可执行命令的可读介质，其特征在于，包括以下内容：使用光学相干断层分析***对样品进行多次的B-扫描采集数据，其中所述的扫描包括横向区域范围内的多次扫描的数据采集；确定相位方差数据，其中所述的相位方差是基于B-扫描采集数据来确定的，并且基于相位方差确定样品的运动对比。

20.一种光学相干断层分析***，其特征在于，所述分析***包括：

具有电脑可执行命令的电脑可读介质用来确定样品的运动对比；

使用光学相干断层分析***对样品进行多次的B-扫描采集数据，其中所述的扫描包括横向区域范围内的多次扫描的数据采集。

确定相位方差数据，其中所述的相位方差是基于B-扫描采集数据来确定的，并且基于相位方差确定样品的运动对比度。

21.在光学相干断层分析***中的一种确定样品运动对比度的方法，其特征在于，所述方法包括：使用光学相干断层分析***对样品进行多次扫描采集数据；确定统计数据的相位方差；其中所述相位方差和强度数据没有关系，并且基于相位方差确定样品的运动对比度。

22.根据权利要求21所述的确定样品运动对比度的方法，其特征在于，所述的一次或多次扫描包括多次的B-扫描。