CN111493832A - 一种基于En face-OCT的内窥成像方法 - Google Patents
一种基于En face-OCT的内窥成像方法 Download PDFInfo
- Publication number
- CN111493832A CN111493832A CN202010331767.8A CN202010331767A CN111493832A CN 111493832 A CN111493832 A CN 111493832A CN 202010331767 A CN202010331767 A CN 202010331767A CN 111493832 A CN111493832 A CN 111493832A
- Authority
- CN
- China
- Prior art keywords
- data
- enface
- oct
- image data
- blood flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Endoscopes (AREA)
Abstract
一种基于En face‑OCT的内窥成像方法，包括人体血管数据的获取、存储、标定、重采样、功率谱计算、获得连续的图像数据、计算血流特征信息、En face算法获取血流分布特征及En face图像；可以实现对微细结构或微血管的En face成像，有助于观察人体内腔道附近组织的不同分层的微血管分布及其变化；尤其适用于肺、消化道、冠心病等疾病及肿瘤的确定诊断中，为临床医学研究提供参考。
Description
(一)技术领域：
本发明涉及医学成像技术领域，尤其是一种基于En face-OCT的内窥成像方法。
(二)背景技术：
光学相干断层成像(Optical Coherence Tomography，OCT)是一种新兴的生物医学光学成像技术，它基于低相干干涉技术，能够对包括生物组织在内的强散射介质进行深度成像。由于其分辨率高、无辐射、非接触测量等优点，在生物学、医学领域中，OCT被誉为“光学活检”。OCT利用样品臂生物组织的后向散射光与参考臂的光进行干涉，经过信号采集和数据处理，重建出生物组织的断层结构，形成包括深度信息的三维成像，对生物内部结构进行在体的非侵入检测观察。
基于En face-OCT的血管成像技术，可以实现微细血管的高精度成像。由于其无创、无损、无接触以及不依赖造影剂等一系列突出的优点，En face-OCT已经成为眼科成像领域最重要的研究热点。
En face-OCT是在传统高密度“B-scan”的基础上经软件运算处理而成的横向断层图像技术，可提供视网膜及脉络膜不同深度层次的平面影像。可以分析视神经炎、视盘小凹、青光眼的影像学改变及视盘新生血管等病变，是辅助诊断和评价视神经病变的有力工具。
然而，以上研究只是对体外尤其是眼科的血流造影成像的研究，眼球组织与人体内组织存在结构和光学特性上的不同，如透明度、光波穿透深度、组织折射率等。在心血管病的诊治、消化道、食道或者肺的损伤以及肿瘤研究方面，血流造影技术也具有非常重要的意义，但是由于缺乏能够对血流灌注进行成像的方法，因此，En face-OCT的成像方法还不能直接用于人体其他组织的血流成像，从而限制了其对相关疾病的临床评价及诊治。
(三)发明内容：
本发明的目的在于提供一种基于En face-OCT的内窥成像方法，它可以弥补现有技术的不足，它操作方便，可以利用En face-OCT成像技术对人体内组织的结构及其不同层次的微血管分布进行成像，有助于血流相关疾病的诊断和评估。
本发明的技术方案：一种基于En face-OCT的内窥成像方法，其特征在于它包括以下步骤：
(1)通过OCT***获取人体血管数据并存储，作为内存数据；
(2)将步骤(1)中得到的内存数据，经过标定算法进行重采样，得到重采样后的数据；
(3)重采样后的数据经过功率谱计算，得到功率原始数据；将功率原始数据进行生成连续帧的计算处理，从而获得连续的图像数据；
(4)获得步骤(3)中连续的图像数据后，计算连续图像数据中的血流特征信息，再利用En face算法对数据进行处理，求取血流的分布特征，进而获得血流的En face图像。
所述步骤(2)中的重采样是对基于非线性波数时钟采集的数据进行重采样；OCT***的时钟采样信号是按照等时间间隔的信号，而扫频光源是频率波长不断变换的包络信号，这样需要对时钟信号进行一个转换，变成可以采集整数波长的时钟信号，然后利用变换后的信号对直接采集的信号进行重采样，具体是指将等时间间隔的时钟信号利用希尔伯特变换法，将其变换成等波数间隔的线性波数时钟信号后，再利用变换后的时钟信号对直接采集的信号进行重采样。
所述步骤(3)中功率谱计算是对重采样后的数据进行傅里叶变换后取对数运算，得到功率原始数据。
所述步骤(3)中获得的连续图像数据是指在血管的每个横截面位置上获取的5帧或者5帧以上的影像数据。
所述步骤(4)中的En face算法对数据的处理，是指从连续图像数据中计算得到血流特征或人体组织结构特征信息的B-frame数据，将其拼接成矩形体数据，并获得血流或人体组织结构的投影分布信息，最终获得En face图像。
所述获取投影分布信息得到En face图像的过程是由以下步骤构成：
①假设，获得Q1,Q2,Q3……Qn共n幅连续的图像数据，且每幅图像都是由m个A-line数据组成，其中每个A-line数据都可以用s个像素值表示，记为：
②将
中的这些像素值按数值大小降序进行重排列，得到一组新的数据
③将n幅连续的图像数据分别进行投影，得到n个数据，每一个数据都可记作一个新的A-line数据Vn；将每幅图像的m个A-line数据分别进行投影，得到新的A-line数据中的一个点数据，即Vn＝[Vn1,Vn2,Vn3,......Vnm]；
④n个新A-line数据则构成En face图像数据，即Vn1,Vn2,Vn3,......Vnm，从而可以获得一个En face图像。
上述m、n、s均为大于零的正整数。
所述步骤③中的投影能够通过以下任意一个公式的获取：
方法一：采用最大值进行投影；即将连续图像数据中每个A-line数据的最大像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
方法二：采用一段最大值的平均进行投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和的平均值进行投影，即
其中k是正整数，1≤k≤s；
方法三：采用一段最大值的和投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和进行投影，即
其中k是正整数，1≤k≤s；
方法四：采用最小值进行投影；即将连续图像数据中每个A-line数据的最小像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
所述步骤(4)中连续图像数据中的血流特征信息获取，包括以下步骤：
①提取步骤(3)中连续图像数据的振幅分量A和相位分量ω；每帧图像数据都可以得到一个振幅分量和一个相位分量；
②求取同一血管位置的每帧图像之间的振幅分量差ΔA和相位分量差Δω；
③利用基于振幅分量差异的方法ΔA求取血流信息，或者利用基于振幅和相位两种差异ΔA+Δω的方式求取血流信息。
本发明中血流造影算法处理的基本原理是：人体内其它组织部位是静止的，而血流是在血管中流动的，因此可以根据相邻帧之间的差异，通过相减的方式，得到运动的血流信息。所述血流造影算法处理的具体方法为：OCT***采集装置在同一个位置采集5帧或5帧以上图像数据，每帧图像数据包括振幅分量A和相位分量ω。可以只用基于振幅分量差异的方法ΔA求取血流信息，也可以用基于振幅和相位两种差异ΔA+Δω的方式求取血流信息。仅使用振幅差异计算血流分布信息的方法不要求相位的稳定性，对采集装置的要求相对较低，在处理复杂度上相对简单；而基于振幅和相位差异求取血流分布信息的方法可以在成像细节和血管连通性上获得更好的效果，但处理时间相对较长。可根据实际需要选择使用哪种方法。
本发明的优越性：本发明将En face图像技术运用到人体内组织的内窥成像中，可对人体内的组织的微细结构或微血管进行En face成像，从而清晰观察到人体内腔道附近组织的不同分层的微血管分布及其变化，为一些血流相关疾病的发病机制与确定诊断提供一种临床依据，突破了由于缺乏能够对血流灌注进行成像的方法，导致的对相关疾病的临床评价及诊治的限制；尤其适用于肺或消化道损伤、冠心病等疾病及肿瘤的发病机制和确定诊断中，可以为临床医学研究提供参考。
(四)附图说明：
图1为本发明所涉一种基于En face-OCT的内窥成像方法的流程结构示意图。
图2为本发明所涉一种基于En face-OCT的内窥成像方法中En face算法处理的主要步骤流程示意图。
(五)具体实施方式：
实施例：一种基于En face-OCT的内窥成像方法，如图1、图2所示，其特征在于它包括以下步骤：
(1)通过OCT***获取人体血管数据并存储，作为内存数据；
(2)将步骤(1)中得到的内存数据，经过标定算法进行重采样，得到重采样后的数据；
(3)重采样后的数据经过功率谱计算，得到功率原始数据；将功率原始数据进行生成连续帧的计算处理，从而获得连续的图像数据；
(4)获得步骤(3)中连续的图像数据后，计算连续图像数据中的血流特征信息，再利用En face算法对数据进行处理，求取血流的分布特征，进而获得血流的En face图像。
所述步骤(2)中的重采样是对基于非线性波数时钟采集的数据进行重采样；OCT***的时钟采样信号是按照等时间间隔的信号，而扫频光源是频率波长不断变换的包络信号，这样需要对时钟信号进行一个转换，变成可以采集整数波长的时钟信号，然后利用变换后的信号对直接采集的信号进行重采样，具体是指将等时间间隔的时钟信号利用希尔伯特变换法，将其变换成等波数间隔的线性波数时钟信号后，再利用变换后的时钟信号对直接采集的信号进行重采样。
所述步骤(3)中功率谱计算是对重采样后的数据进行傅里叶变换后取对数运算，得到功率原始数据。
所述步骤(3)中获得的连续图像数据是指在血管的每个横截面位置上获取的5帧或者5帧以上的影像数据。
所述步骤(4)中的En face算法对数据的处理，是指从连续图像数据中计算得到血流特征或人体组织结构特征信息的B-frame数据，将其拼接成矩形体数据，并获得血流或人体组织结构的投影分布信息，最终获得En face图像。
所述获取投影分布信息得到En face图像的过程是由以下步骤构成：
①假设，获得Q1,Q2,Q3……Qn共n幅连续的图像数据，且每幅图像都是由m个A-line数据组成，其中每个A-line数据都可以用s个像素值表示，记为：
②将
中的这些像素值按数值大小降序进行重排列，得到一组新的数据
③将n幅连续的图像数据分别进行投影，得到n个数据，每一个数据都可记作一个新的A-line数据Vn；将每幅图像的m个A-line数据分别进行投影，得到新的A-line数据中的一个点数据，即Vn＝[Vn1,Vn2,Vn3,......Vnm]；
④n个新A-line数据则构成En face图像数据，即Vn1,Vn2,Vn3,......Vnm，从而可以获得一个En face图像。
上述m、n、s均为大于零的正整数。
所述步骤③中的投影能够通过以下任意一个公式的获取：
方法一：采用最大值进行投影；即将连续图像数据中每个A-line数据的最大像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
方法二：采用一段最大值的平均进行投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和的平均值进行投影，即
其中k是正整数，1≤k≤s；
方法三：采用一段最大值的和投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和进行投影，即
其中k是正整数，1≤k≤s；
方法四：采用最小值进行投影；即将连续图像数据中每个A-line数据的最小像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
所述步骤(4)中连续图像数据中的血流特征信息获取，包括以下步骤：
①提取步骤(3)中连续图像数据的振幅分量A和相位分量ω；每帧图像数据都可以得到一个振幅分量和一个相位分量；
②求取同一血管位置的每帧图像之间的振幅分量差ΔA和相位分量差Δω；
③利用基于振幅分量差异的方法ΔA求取血流信息，或者利用基于振幅和相位两种差异ΔA+Δω的方式求取血流信息。
如图1，首先通过OCT***获取人体血管的数据并存储，作为内存数据。一般OCT***的时钟采样信号是按照等时间间隔的信号，而扫频光源是频率波长不断变换的包络信号，这样需要对时钟信号进行一个转换，变成可以采集整数波长的时钟信号，然后利用变换后的信号对直接采集的信号进行重采样。得到采样后数据，经过功率谱计算可以得到功率原始数据。功率原始数据经生成连续帧计算算法，获得连续的图像数据，这些数据应是在每个位置上都有5帧或5帧以上的影像数据。对这些连续的图像数据进行En face算法处理，即对连续图像数据拼接成矩形体数据，再利用En face算法得到某个感兴趣的投影面上的结构分布特征，即得到结构En face图像。
在获取连续的图像数据之后，也可以接着进行血流造影算法的处理，对连续图像数据计算血流特征，然后进一步进行En face算法处理，对所有计算得到血流特征信息B-frame的数据拼接成矩形体数据，再利用En face算法得到某个感兴趣的投影面上血流分布的特征，即得到血流En face图像。其中所述血流造影算法处理的具体方法为：OCT***采集装置在同一个位置采集5帧或5帧以上图像数据，每帧图像数据包括振幅分量A和相位分量ω。可以只用基于振幅分量差异的方法ΔA求取血流信息，也可以用基于振幅和相位两种差异ΔA+Δω的方式求取血流信息。仅使用振幅差异计算血流分布信息的方法不要求相位的稳定性，对采集装置的要求相对较低，在处理复杂度上相对简单；而基于振幅和相位差异求取血流分布信息的方法可以在成像细节和血管连通性上获得更好的效果，但处理时间相对较长。可根据实际需要选择使用哪种方法。
如图2所示，所述En face图像的过程是由以下步骤构成：
①假设获得Q1,Q2,Q3……Qn共n幅连续的图像数据，且每幅图像都是由m个A-line数据组成，其中每个A-line数据都可以用s个像素值表示，记为：
②将
中的这些像素值按数值大小降序进行重排列，得到一组新的数据
③将n幅连续的图像数据分别进行投影，得到n个数据，每一个数据都可记作一个新的A-line数据Vn；将每幅图像的m个A-line数据分别进行投影，得到新的A-line数据中的一个点数据，即Vn＝[Vn1,Vn2,Vn3,......Vnm]；
④n个新A-line数据则构成En face图像数据，即Vn1,Vn2,Vn3,......Vnm，从而可以获得一个En face图像。
上述m、n、s均为大于零的正整数。
其中步骤③所述投影的方法用公式具体表示为以下几种，具体可采用其中任意一种：
方法一：采用最大值进行投影；即将连续图像数据中每个A-line数据的最大像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
方法二：采用一段最大值的平均进行投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和的平均值进行投影，即
其中k是正整数，1≤k≤s。
方法三：采用一段最大值的和投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和进行投影，即
其中k是正整数，1≤k≤s。
方法四：采用最小值进行投影；即将连续图像数据中每个A-line数据的最小像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
Claims (9)
1.一种基于En face-OCT的内窥成像方法，其特征在于它包括以下步骤：
(1)通过OCT***获取人体血管数据并存储，作为内存数据；
(2)将步骤(1)中得到的内存数据，经过标定算法进行重采样，得到重采样后的数据；
(3)重采样后的数据经过功率谱计算，得到功率原始数据；将功率原始数据进行生成连续帧的计算处理，从而获得连续的图像数据；
(4)获得步骤(3)中连续的图像数据后，计算连续图像数据中的血流特征信息，再利用En face算法对数据进行处理，求取血流的分布特征，进而获得血流的En face图像。
2.根据权利要求1所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤(2)中的重采样是对基于非线性波数时钟采集的数据进行重采样；OCT***的时钟采样信号是按照等时间间隔的信号，而扫频光源是频率波长不断变换的包络信号，这样需要对时钟信号进行一个转换，变成可以采集整数波长的时钟信号，然后利用变换后的信号对直接采集的信号进行重采样，具体是指将等时间间隔的时钟信号利用希尔伯特变换法，将其变换成等波数间隔的线性波数时钟信号后，再利用变换后的时钟信号对直接采集的信号进行重采样。
3.根据权利要求1所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤(3)中功率谱计算是对重采样后的数据进行傅里叶变换后取对数运算，得到功率原始数据。
4.根据权利要求3所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤(3)中获得的连续图像数据是指在血管的每个横截面位置上获取的5帧或者5帧以上的影像数据。
5.根据权利要求1所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤(4)中的En face算法对数据的处理，是指从连续图像数据中计算得到血流特征或人体组织结构特征信息的B-frame数据，将其拼接成矩形体数据，并获得血流或人体组织结构的投影分布信息，最终获得En face图像。
6.根据权利要求5所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤(4)中获取投影分布信息得到En face图像的过程是由以下步骤构成：
①假设，获得Q1,Q2,Q3……Qn共n幅连续的图像数据，且每幅图像都是由m个A-line数据组成，其中每个A-line数据都可以用s个像素值表示，记为：
②将
中的这些像素值按数值大小降序进行重排列，得到一组新的数据
③将n幅连续的图像数据分别进行投影，得到n个数据，每一个数据都可记作一个新的A-line数据Vn；将每幅图像的m个A-line数据分别进行投影，得到新的A-line数据中的一个点数据，即Vn＝[Vn1,Vn2,Vn3,......Vnm]；
④n个新A-line数据则构成En face图像数据，即Vn1,Vn2,Vn3,......Vnm，从而可以获得一个En face图像。
7.根据权利要求6所述一种基于En face-OCT的内窥成像方法，其特征在于所述m、n、s均为大于零的正整数。
8.根据权利要求6所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤③中的投影能够通过以下任意一个公式的获取：所述步骤③中的投影能够通过以下任意一个公式的获取：
方法一：采用最大值进行投影；即将连续图像数据中每个A-line数据的最大像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
方法二：采用一段最大值的平均进行投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和的平均值进行投影，即
其中k是正整数，1≤k≤s；
方法三：采用一段最大值的和投影，即用连续图像数据中每个A-line数据从最大像素值依降序到第k个最大值这一段像素值的和进行投影，即
其中k是正整数，1≤k≤s；
方法四：采用最小值进行投影；即将连续图像数据中每个A-line数据的最小像素值作为En face图像中第n个A-line数据Vn中的第m个点数据的值，即
9.根据权利要求5所述一种基于En face-OCT的内窥成像方法，其特征在于所述步骤(4)中连续图像数据中的血流特征信息获取，包括以下步骤：
①提取步骤(3)中连续图像数据的振幅分量A和相位分量ω；每帧图像数据都可以得到一个振幅分量和一个相位分量；
②求取同一血管位置的每帧图像之间的振幅分量差ΔA和相位分量差Δω；
③利用基于振幅分量差异的方法ΔA求取血流信息，或者利用基于振幅和相位两种差异ΔA+Δω的方式求取血流信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010331767.8A CN111493832A (zh) | 2020-04-24 | 2020-04-24 | 一种基于En face-OCT的内窥成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010331767.8A CN111493832A (zh) | 2020-04-24 | 2020-04-24 | 一种基于En face-OCT的内窥成像方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111493832A true CN111493832A (zh) | 2020-08-07 |
Family
ID=71848563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010331767.8A Withdrawn CN111493832A (zh) | 2020-04-24 | 2020-04-24 | 一种基于En face-OCT的内窥成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111493832A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953542A (zh) * | 2023-03-14 | 2023-04-11 | 北京心联光电科技有限公司 | 一种光学相干断层扫描微血管成像方法、装置及设备 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009183332A (ja) * | 2008-02-04 | 2009-08-20 | Topcon Corp | 眼底観察装置、眼底画像処理装置及びプログラム |
| US20160000368A1 (en) * | 2014-07-01 | 2016-01-07 | University Of Washington | Systems and methods for in vivo visualization of lymphatic vessels with optical coherence tomography |
| CN105686795A (zh) * | 2016-01-13 | 2016-06-22 | 深圳市斯尔顿科技有限公司 | 一种en face OCT图像的动态显示方法 |
| CN106455972A (zh) * | 2014-04-28 | 2017-02-22 | 西北大学 | 功能性光学相干断层成像的装置、方法和*** |
| CN106934761A (zh) * | 2017-02-15 | 2017-07-07 | 苏州大学 | 一种三维非刚性光学相干断层扫描图像的配准方法 |
| CN107205845A (zh) * | 2014-10-27 | 2017-09-26 | 艾维德洛公司 | 用于眼的交联治疗的***和方法 |
| CN107485366A (zh) * | 2017-09-07 | 2017-12-19 | 天津海仁医疗技术有限公司 | 一种基于微泡增强的光学微血管造影成像方法 |
| US20180012359A1 (en) * | 2016-07-06 | 2018-01-11 | Marinko Venci Sarunic | Systems and Methods for Automated Image Classification and Segmentation |
| CN107595250A (zh) * | 2017-09-30 | 2018-01-19 | 浙江大学 | 基于运动与图形混合对比度的血流成像方法与*** |
| CN107822600A (zh) * | 2017-12-14 | 2018-03-23 | 天津海仁医疗技术有限公司 | 应用于血管性皮肤病检测、定位的装置和***及工作方法 |
| CN108042125A (zh) * | 2017-05-27 | 2018-05-18 | 天津海仁医疗技术有限公司 | 一种高速内窥光学相干血流成像*** |
| US20180315194A1 (en) * | 2017-04-28 | 2018-11-01 | Massachusetts Institute Of Technology | Systems and methods for generating and displaying oct angiography data using variable interscan time analysis |
| CN109414171A (zh) * | 2016-04-06 | 2019-03-01 | 锐珂牙科技术顶阔有限公司 | 利用压缩传感的口内oct |
| CN209018702U (zh) * | 2017-12-14 | 2019-06-25 | 天津海仁医疗技术有限公司 | 应用于血管性皮肤病检测、定位的装置和*** |
| CN110403633A (zh) * | 2018-07-25 | 2019-11-05 | 天津恒宇医疗科技有限公司 | 一种光学超声双导管内窥成像***及方法 |
| CN110545710A (zh) * | 2017-04-26 | 2019-12-06 | 株式会社拓普康 | 眼科装置 |
-
2020
- 2020-04-24 CN CN202010331767.8A patent/CN111493832A/zh not_active Withdrawn
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009183332A (ja) * | 2008-02-04 | 2009-08-20 | Topcon Corp | 眼底観察装置、眼底画像処理装置及びプログラム |
| CN106455972A (zh) * | 2014-04-28 | 2017-02-22 | 西北大学 | 功能性光学相干断层成像的装置、方法和*** |
| US20160000368A1 (en) * | 2014-07-01 | 2016-01-07 | University Of Washington | Systems and methods for in vivo visualization of lymphatic vessels with optical coherence tomography |
| CN107205845A (zh) * | 2014-10-27 | 2017-09-26 | 艾维德洛公司 | 用于眼的交联治疗的***和方法 |
| CN105686795A (zh) * | 2016-01-13 | 2016-06-22 | 深圳市斯尔顿科技有限公司 | 一种en face OCT图像的动态显示方法 |
| CN109414171A (zh) * | 2016-04-06 | 2019-03-01 | 锐珂牙科技术顶阔有限公司 | 利用压缩传感的口内oct |
| US20180012359A1 (en) * | 2016-07-06 | 2018-01-11 | Marinko Venci Sarunic | Systems and Methods for Automated Image Classification and Segmentation |
| CN106934761A (zh) * | 2017-02-15 | 2017-07-07 | 苏州大学 | 一种三维非刚性光学相干断层扫描图像的配准方法 |
| CN110545710A (zh) * | 2017-04-26 | 2019-12-06 | 株式会社拓普康 | 眼科装置 |
| US20180315194A1 (en) * | 2017-04-28 | 2018-11-01 | Massachusetts Institute Of Technology | Systems and methods for generating and displaying oct angiography data using variable interscan time analysis |
| CN108042125A (zh) * | 2017-05-27 | 2018-05-18 | 天津海仁医疗技术有限公司 | 一种高速内窥光学相干血流成像*** |
| CN107485366A (zh) * | 2017-09-07 | 2017-12-19 | 天津海仁医疗技术有限公司 | 一种基于微泡增强的光学微血管造影成像方法 |
| CN107595250A (zh) * | 2017-09-30 | 2018-01-19 | 浙江大学 | 基于运动与图形混合对比度的血流成像方法与*** |
| CN107822600A (zh) * | 2017-12-14 | 2018-03-23 | 天津海仁医疗技术有限公司 | 应用于血管性皮肤病检测、定位的装置和***及工作方法 |
| CN209018702U (zh) * | 2017-12-14 | 2019-06-25 | 天津海仁医疗技术有限公司 | 应用于血管性皮肤病检测、定位的装置和*** |
| CN110403633A (zh) * | 2018-07-25 | 2019-11-05 | 天津恒宇医疗科技有限公司 | 一种光学超声双导管内窥成像***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孙亦晴,蒋昕怡,浦晔雯,张兰兰,张越,高万荣: "基于多帧B扫描的对数强度的微分标准偏差算法", 《激光与光电子学进展》 * |
| 王卓: "基于OCT图像的视网膜椭圆体带损伤检测技术研究与应用", 《CNKI优秀硕士学位论文全文库》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953542A (zh) * | 2023-03-14 | 2023-04-11 | 北京心联光电科技有限公司 | 一种光学相干断层扫描微血管成像方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111134651B (zh) | 基于腔内影像计算血流储备分数的方法、装置、***以及计算机存储介质 | |
| US10034614B2 (en) | Fractional flow reserve estimation | |
| CN105792747A (zh) | 跟踪腔内导管 | |
| US20120277579A1 (en) | Inter-frame complex oct data analysis techniques | |
| CN108814544B (zh) | 一种眼前节形态分析方法 | |
| CN107862724B (zh) | 一种改进的微血管血流成像方法 | |
| JP7118464B2 (ja) | 血管圧差を取得する方法及び装置 | |
| CN106943124A (zh) | 用光学相干断层扫描血管造影对局部循环进行量化 | |
| US11445915B2 (en) | Compact briefcase OCT system for point-of-care imaging | |
| CN114748032A (zh) | 一种基于oct血管成像技术的运动噪声补偿方法 | |
| Johnson et al. | Detecting aortic valve-induced abnormal flow with seismocardiography and cardiac MRI | |
| CN111493832A (zh) | 一种基于En face-OCT的内窥成像方法 | |
| CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测*** | |
| CN111493854B (zh) | 一种用于皮肤结构与血流三维成像的显示方法 | |
| Xiao | Key Technologies of New Type of Intravascular Ultrasound Image Processing | |
| CN112155511A (zh) | 一种基于深度学习补偿oct采集过程中人眼抖动的方法 | |
| Li et al. | Optical coherence tomography technology for diagnosis of diseases in organs | |
| WO2020023527A1 (en) | Compact Briefcase OCT System for Point-of-Care Imaging | |
| CN117197096B (zh) | 一种基于血管图像的血管功能评估方法和*** | |
| Zhang et al. | Depth compensation based fractal analysis of human microvasculature | |
| Richardson | Rat Lung Geometry and Deformation Under Controlled Pressure | |
| RU2763677C1 (ru) | Способ бесконтактного цветового доплеровского картирования кровотока в сосудах сетчатки глаза и зрительного нерва | |
| Xu et al. | In vivo endoscopic optical coherence elastography based on a miniature probe | |
| Yadav et al. | A Survey on Optical Coherence Tomography | |
| Wang et al. | Pulse wave detection for ultrasound imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200807 |
|
| WW01 | Invention patent application withdrawn after publication |