CN112881301A - 基于正交偏振门光学相干层析成像的汗腺识别方法及*** - Google Patents
基于正交偏振门光学相干层析成像的汗腺识别方法及*** Download PDFInfo
- Publication number
- CN112881301A CN112881301A CN202110052065.0A CN202110052065A CN112881301A CN 112881301 A CN112881301 A CN 112881301A CN 202110052065 A CN202110052065 A CN 202110052065A CN 112881301 A CN112881301 A CN 112881301A
- Authority
- CN
- China
- Prior art keywords
- light
- data
- sweat gland
- coherence tomography
- optical coherence
- 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- Withdrawn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
- 230000010287 polarization Effects 0.000 title claims abstract description 75
- 210000000106 sweat gland Anatomy 0.000 title claims abstract description 58
- 238000012014 optical coherence tomography Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 5
- 230000007935 neutral effect Effects 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000005388 cross polarization Methods 0.000 claims description 2
- 210000004243 sweat Anatomy 0.000 abstract description 8
- 238000013480 data collection Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/21—Polarisation-affecting properties
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Eye Examination Apparatus (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开基于正交偏振门光学相干层析成像的汗腺识别方法及***,正交偏振门光学相干层析成像***,在参考壁有两种不同偏振类型的光学通道:水平线偏振光和垂直线偏振光,同时样品臂是使用软件程序控制精密旋转工作台旋转二分之一波片来实现水平线偏振光和垂直线偏振光,运用该***对手指指纹样本进行数据采集,对采集到的数据经过运算处理后,可以得到指纹数据的强度图M00,最后通过卷积神经网络对强度图中的汗管进行分割,提取汗管并标记汗腺左右旋结构。本发明可以快速、无创地确定螺旋汗腺导管的方向。
Description
技术领域
本发明涉及光学检测技术领域,尤其涉及基于正交偏振门光学相干层析成像的汗腺识别方法及***。
背景技术
光学相干断层扫描(OCT)是一种高分辨率无创成像技术,它提供生物组织形态结构的三维图像。我们发现汗腺在光学相干断层扫描中清晰地显示为螺旋导管,因为汗腺和角质组织之间的管腔壁具有较大的折射率变化。长度、圈数和直径等参数被用来表征汗管。然而,基于光学相干断层扫描图像不能直接确定螺旋汗管的旋向,需要对光学相干断层扫描图像进行人体分析。组织学研究表明,通过研究人体皮肤的解剖切片,汗腺导管优先具有右旋方向。右手螺旋汗腺导管的数量估计约为80%,这些值不是很准确,因为测量技术是侵入性的,不能覆盖整个区域。由于手性是生命***的一个特征,我们在这项工作中提出了一种用于人体汗腺导管的正交偏振门控光学相干断层扫描(OPG)技术,以区分体内螺旋结构的旋转方向。这项技术的一个优点是,它可以快速、无创地确定螺旋汗腺导管的方向。
发明内容
本发明的目的在于提供基于正交偏振门光学相干层析成像的汗腺识别方法及***,可以快速、无创地确定螺旋汗腺导管的方向。
本发明采用的技术方案是:
基于正交偏振门光学相干层析成像的汗腺识别方法,其包括以下步骤:
步骤S1:运用正交偏振门光学相干层析成像***对手指指纹样本进行数据采集;
步骤S2:对采集到的指纹图像数据经过运算后得到强度数据M00;
步骤S3:对强度数据进行图像重建得到M00图像,在用卷积神经网络对M00图像中的汗腺进行分割,并标识出左右旋汗腺结构。
进一步地,作为一种优选实施方式,步骤S1中在正交偏振门光学相干层析成像***的参考壁设置两种不同偏振类型的光学通道,即水平线偏振光和垂直线偏振光,同时控制精密旋转工作台旋转二分之一波片使样品臂呈水平线偏振光和垂直线偏振光,进而对手指指纹样本进行数据采集。
进一步地,作为一种优选实施方式,步骤S1中将样品壁两路光分别与参考壁两路光分别干涉得到四组强度数据分别记为ShRh、ShRv、SvRh、SvRv;Sh表示样品壁水平线偏振态光,Rh表示参考壁水平线偏振态光,Sv表示样品壁垂直线偏振态光,Rv表示参考壁垂直线偏振态光。
进一步地,作为一种优选实施方式,步骤S2具体实现如下:
步骤S21、用正交偏振门光学相干层析成像***扫描得到的四组数据ShRh、ShRv、SvRh、SvRv;根据Mueller矩阵元素可以知道M00表示强度数据,M00数据均和水平和垂直偏振态有关,根据以下公式可以计算得到M00强度数据值;
M00=(ShRh+ShRv)+(SvRh+SvRv) (1)
步骤S22、将M00数据值进行图像重建,即可得到强度图M00。
进一步地,作为一种优选实施方式,步骤S3具体实现如下:
步骤S31、在M00图像中标记出汗腺位置做标签,用数据增强的方法增加数据的量,并以此为数据集,
步骤S32、使用数据集训练分割模型,使用训练好的模型,对每组数据进行分割,
步骤S33、根据400张图前后的延续性,判断是否为真的汗腺;是则,执行步骤34;否则,判断不是汗腺并结束识别,
步骤S34、根据每个汗腺的范围读取原始图像中的数值,根据每个汗腺位置的正负值的数量确定汗腺的旋向。
进一步地,作为一种优选实施方式,步骤S34中用不同的颜色去标记不同汗腺的旋向以实现可视化。
本发明还公开了基于正交偏振门光学相干层析成像的汗腺识别***,应用于所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:***包括正交偏振门光学相干层析成像***,成像***包括:宽带光源、第一准直器、第一非偏振分束器、第二非偏振分束器、第一中性滤波片、第一光开关、第一反射镜、第二中性滤波片、第二光开关、第二反射镜、自动旋转二分之一波片、扫描振镜、透镜、样品、光谱仪、计算机;宽带光源发射的光束经第一非偏振分束器后分成两路,透射的光束经过第二非偏振分束器分成两路光束作为参考光,经过第二非偏振分束器后,透射的光束做为参考壁的水平偏振光依次通过第一中性滤波片、第一光开关,最后经过第一反射镜反射回到第一非偏振分束器;反射的光束一次通过第二中性滤波片、第二光开关、1/4波片和第二反射镜返回到第一非偏振分束器,此时的偏振光状态为垂直偏振光;经过第一非偏振分束器后,反射的光束作为样品光,样品光依次经过自动旋转二分之一波片、扫描振镜、经过透镜聚焦后入射到待测样品中,从待测样品不同深度返回的光经过后向散射原路返回至分束器与参考壁反射回来的光发生干涉,干涉后的光经过第二准直器到光谱仪探测,光谱仪连接计算机,光谱仪连接计算机数据采集设备,计算机数据采集设备分别连接并控制每路偏振光路结构的光开关选择对应偏振的参考光;计算机数据采集设备连接并控制二分之一波片所在的精密旋转工作台,计算机数据采集设备基于所选择的偏振参考光控制二分之一波片的精密旋转工作台旋转,以得到与参考壁相同的样品偏振光;计算机内置处理程序对得到的光谱数据进行处理保存强度数据。
本发明采用以上技术方案,正交偏振门光学相干层析成像***的参考壁设有水平线偏振光和垂直线偏振光的两种不同偏振类型的光学通道,样品臂是使用软件程序控制精密旋转工作台旋转二分之一波片来实现水平线偏振光和垂直线偏振光,运用该***对手指指纹样本进行数据采集,对采集到的数据经过运算处理后,可以得到指纹数据的强度图M00。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明;
图1为正交偏振门光学相干层析成像技术***图。
图2:M00强度图像。
图3:红色标签标记的汗腺分割图像。
图4:左右旋结构图,标记为5的是左旋汗腺结构,其余的为右旋汗腺结构。
图1中1-宽带光源;2-准直器;3-非偏振分束器;4-非偏振分束器;5-中性滤波片;6-光开关;7-反射镜;8-中性滤波片;9-光开关;10-四分之一波片;11-反射镜;12-自动旋转二分之一波片;13-振镜;14-聚焦透镜;15-样品;16-准直器;17-光谱仪;18-计算机。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
如图1至图4所示,本发明公开了一种正交偏振门光学相干层析成像技术(OPG)汗腺识别的方法,正交偏振门光学相干层析成像***,在参考壁有两种不同偏振类型的光学通道:水平线偏振光和垂直线偏振光,同时样品臂是使用软件程序控制精密旋转工作台旋转二分之一波片来实现水平线偏振光和垂直线偏振光,运用该***对手指指纹样本进行数据采集,对采集到的数据经过运算处理后,可以得到指纹数据的强度图M00,最后通过卷积神经网络对强度图中的汗管进行分割,提取汗管并区分标记汗腺左右旋结构,该方法具体实现步骤如下:
步骤S1:运用正交偏振门光学相干层析成像***对手指指纹样本进行数据采集。
步骤S2:对采集到的指纹图像数据经过运算后得出一个强度数据M00。
步骤S3:对步骤S2运算后的强度数据进行图像重建得到M00图像,在用卷积神经网络对M00图像中的汗腺进行分割,并标识出左右旋汗腺结构。
所述正交偏振门光学相干层析成像***采集数据,所述正交偏振门光学相干层析成像***包括:宽带光源、第一准直器、第一非偏振分束器、第二非偏振分束器、第一中性滤波片、第一光开关、第一反射镜、第二中性滤波片、第二光开关、第二反射镜、自动旋转二分之一波片、扫描振镜、透镜、样品、光谱仪、计算机;宽带光源发射的光束经第一非偏振分束器后分成两路,透射的光束经过第二非偏振分束器分成两路光束作为参考光,经过第二非偏振分束器后,透射的光束做为参考壁的水平偏振光依次通过第一中性滤波片、第一光开关,最后经过第一反射镜反射回到第一非偏振分束器;反射的光束一次通过第二中性滤波片、第二光开关、1/4波片和第二反射镜返回到第一非偏振分束器,此时的偏振光状态为垂直偏振光;经过第一非偏振分束器后,反射的光束作为样品光,样品光依次经过自动旋转二分之一波片、扫描振镜、经过透镜聚焦后入射到待测样品中,从待测样品不同深度返回的光经过后向散射原路返回至分束器与参考壁反射回来的光发生干涉,干涉后的光经过第二准直器到光谱仪探测,最后得到的光谱数据经过计算机处理保存强度数据;在样品壁中通过旋转二分之一波片得到水平偏振光和垂直偏振光,样品壁两路光分别与参考壁两路光分别干涉可以得到四组强度数据分别记为ShRh、ShRv、SvRh、SvRv;Sh表示样品壁水平偏振态光,Rh表示参考壁水平偏振态光,Sv表示样品壁垂直偏振态光,Rv表示参考壁垂直偏振态光。
所述步骤S2具体实现如下:
步骤S21、用正交偏振门光学相干层析成像***扫描得到的四组数据ShRh、ShRv、SvRh、SvRv;根据Mueller矩阵元素可以知道M00表示强度数据,M00数据均和水平和垂直偏振态有关,根据以下公式可以计算得到M00强度数据值。
M00=(ShRh+ShRv)+(SvRh+SvRv) (1)
步骤S22、根据步骤S21中公式(1)计算出的强度数据值,用算法将M00数据值进行图像重建,即可得到强度图M00。
所述步骤S3具体实现如下:
步骤S31、用M00图像标出汗腺位置并做标签,用数据增强的方法增加数据的量,并以此为数据集,使用数据集训练分割模型,使用训练好的模型,对每组数据进行分割,因为存在噪音,所以根据400张图前后的延续性,判断他们是否为真的汗腺,根据每个汗腺的范围读取原始图像中的数值,根据每个汗腺位置的正负值的数量来判断他的旋向为了方便可视化,用不同的颜色去标记。
以下为本发明的具体原理做详细的说明:
本实施例将人体的手指指纹用图1的***进行采集指纹数据,如图1所示:宽带光源1发射的光束经第一非偏振分束器3后分成两路,透射的光束经过第二非偏振分束器4分成两路光束作为参考光,经过第二非偏振分束器4后,透射的光束做为参考壁的水平偏振光依次通过第一中性滤波片5、第一光开关6,最后经过第一反射镜7反射回到第一非偏振分束器3;反射的光束一次通过第二中性滤波片8、第二光开关9、1/4波片10和第二反射镜11返回到第一非偏振分束器1,此时的偏振光状态为垂直偏振光;经过第一非偏振分束器1后,反射的光束作为样品光,样品光依次经过自动旋转二分之一波片12、扫描振镜13、经过透镜14聚焦后入射到待测样品15中,从待测样品不同深度返回的光经过后向散射原路返回至分束器与参考壁反射回来的光发生干涉,干涉后的光经过第二准直器到光谱仪17探测,最后得到的光谱数据经过计算机18处理保存强度数据;在样品壁中通过旋转二分之一波片得到水平偏振光和垂直偏振光,样品壁两路光分别与参考壁两路光分别干涉可以得到四组强度数据分别记为ShRh、ShRv、SvRh、SvRv;每一组强度数据保存400组,Sh表示样品壁水平偏振态光,Rh表示参考壁水平偏振态光,Sv表示样品壁垂直偏振态光,Rv表示参考壁垂直偏振态光。
则单个横截面M00图像数据由以下公式得到
M00=(ShRh+ShRv)+(SvRh+SvRv) (1)
对每一组强度采取的400组的实验数据运用公式(1)计算后可以得到M00强度数据值,用算法对数据进行图像重建,即可得到图像2M00强度图。
由公式(1)计算得到的单个M00数据,用数据增强的方法训练分割模型,使用训练好的模型,对每组数据进行分割,因为存在噪音,所以根据400张图前后的延续性,判断他们是否为真的汗腺,根据每个汗腺的范围读取原始图像中的数值,根据每个汗腺位置的正负值的数量来判断他的旋向为了方便可视化,用不同的颜色去标记,即可得到图像3和图像4。
显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (7)
1.基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:其包括以下步骤:
步骤S1:运用正交偏振门光学相干层析成像***对手指指纹样本进行数据采集;
步骤S2:对采集到的指纹图像数据经过运算后得到强度数据M00;
步骤S3:对强度数据进行图像重建得到M00图像,在用卷积神经网络对M00图像中的汗腺进行分割,并标识出左右旋汗腺结构。
2.根据权利要求1所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:步骤S1中在正交偏振门光学相干层析成像***的参考壁设置两种不同偏振类型的光学通道,即水平线偏振光和垂直线偏振光,同时控制精密旋转工作台旋转二分之一波片使样品臂呈水平线偏振光和垂直线偏振光,进而对手指指纹样本进行数据采集。
3.根据权利要求2所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:步骤S1中将样品壁两路光分别与参考壁两路光分别干涉得到四组强度数据分别记为ShRh、ShRv、SvRh、SvRv;Sh表示样品壁水平线偏振态光,Rh表示参考壁水平线偏振态光,Sv表示样品壁垂直线偏振态光,Rv表示参考壁垂直线偏振态光。
4.根据权利要求1所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:步骤S2具体实现如下:
步骤S21、用正交偏振门光学相干层析成像***扫描得到的四组数据ShRh、ShRv、SvRh、SvRv;根据Mueller矩阵元素可以知道M00表示强度数据,M00数据均和水平和垂直偏振态有关,根据以下公式可以计算得到M00强度数据值;
M00=(ShRh+ShRv)+(SvRh+SvRv) (1)
步骤S22、将M00数据值进行图像重建,即可得到强度图M00。
5.根据权利要求1所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:步骤S3具体实现如下:
步骤S31、在M00图像中标记出汗腺位置做标签,用数据增强的方法增加数据的量,并以此为数据集,
步骤S32、使用数据集训练分割模型,使用训练好的模型,对每组数据进行分割,
步骤S33、根据400张图前后的延续性,判断是否为真的汗腺;是则,执行步骤34;否则,判断不是汗腺并结束识别;
步骤S34、根据每个汗腺的范围读取原始图像中的数值,根据每个汗腺位置的正负值的数量确定汗腺的旋向。
6.根据权利要求5所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:步骤S34中用不同的颜色去标记不同汗腺的旋向以实现可视化。
7.基于正交偏振门光学相干层析成像的汗腺识别***,应用于权利要求1至6任一所述的基于正交偏振门光学相干层析成像的汗腺识别方法,其特征在于:***包括正交偏振门光学相干层析成像***,成像***包括:宽带光源、第一准直器、第一非偏振分束器、第二非偏振分束器、第一中性滤波片、第一光开关、第一反射镜、第二中性滤波片、第二光开关、第二反射镜、自动旋转二分之一波片、扫描振镜、透镜、样品、光谱仪、计算机;宽带光源发射的光束经第一非偏振分束器后分成两路,透射的光束经过第二非偏振分束器分成两路光束作为参考光,经过第二非偏振分束器后,透射的光束做为参考壁的水平偏振光依次通过第一中性滤波片、第一光开关,最后经过第一反射镜反射回到第一非偏振分束器;反射的光束一次通过第二中性滤波片、第二光开关、1/4波片和第二反射镜返回到第一非偏振分束器,此时的偏振光状态为垂直偏振光;经过第一非偏振分束器后,反射的光束作为样品光,样品光依次经过自动旋转二分之一波片、扫描振镜、经过透镜聚焦后入射到待测样品中,从待测样品不同深度返回的光经过后向散射原路返回至分束器与参考壁反射回来的光发生干涉,干涉后的光经过第二准直器到光谱仪探测,光谱仪连接计算机,光谱仪连接计算机数据采集设备,计算机数据采集设备分别连接并控制每路偏振光路结构的光开关选择对应偏振的参考光;计算机数据采集设备连接并控制二分之一波片所在的精密旋转工作台,计算机数据采集设备基于所选择的偏振参考光控制二分之一波片的精密旋转工作台旋转,以得到与参考壁相同的样品偏振光;计算机内置处理程序对得到的光谱数据进行处理保存强度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110052065.0A CN112881301A (zh) | 2021-01-15 | 2021-01-15 | 基于正交偏振门光学相干层析成像的汗腺识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110052065.0A CN112881301A (zh) | 2021-01-15 | 2021-01-15 | 基于正交偏振门光学相干层析成像的汗腺识别方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112881301A true CN112881301A (zh) | 2021-06-01 |
Family
ID=76049581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110052065.0A Withdrawn CN112881301A (zh) | 2021-01-15 | 2021-01-15 | 基于正交偏振门光学相干层析成像的汗腺识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112881301A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101124588A (zh) * | 2004-06-01 | 2008-02-13 | 光谱辨识公司 | 多光谱成像生物识别 |
US20130271757A1 (en) * | 2010-12-22 | 2013-10-17 | The John Hopkins University | Real-time, three-dimensional optical coherence tomograpny system |
CN108495655A (zh) * | 2015-12-15 | 2018-09-04 | 纪念斯隆凯特琳癌症中心 | 用于组织区分例如用于术中可视化的成像***和方法 |
CN112147080A (zh) * | 2020-09-28 | 2020-12-29 | 福建师范大学 | 全自动时分探测的自由空间型 Mueller OCT成像***及成像方法 |
-
2021
- 2021-01-15 CN CN202110052065.0A patent/CN112881301A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101124588A (zh) * | 2004-06-01 | 2008-02-13 | 光谱辨识公司 | 多光谱成像生物识别 |
US20130271757A1 (en) * | 2010-12-22 | 2013-10-17 | The John Hopkins University | Real-time, three-dimensional optical coherence tomograpny system |
CN108495655A (zh) * | 2015-12-15 | 2018-09-04 | 纪念斯隆凯特琳癌症中心 | 用于组织区分例如用于术中可视化的成像***和方法 |
CN112147080A (zh) * | 2020-09-28 | 2020-12-29 | 福建师范大学 | 全自动时分探测的自由空间型 Mueller OCT成像***及成像方法 |
Non-Patent Citations (1)
Title |
---|
DEZI LI .ETC: "Orthogonal-polarization-gating optical coherence tomography for human sweat ducts in vivo", JOURNAL OF BIOPHOTONICS, pages 1 - 10 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | Label-free intraoperative histology of bone tissue via deep-learning-assisted ultraviolet photoacoustic microscopy | |
US11419499B2 (en) | Optical coherence tomography for cancer screening and triage | |
CA2917308C (en) | Methods related to real-time cancer diagnostics at endoscopy utilizing fiber-optic raman spectroscopy | |
US20240074664A1 (en) | Apparatus and method for image-guided interventions with hyperspectral imaging | |
Waddell et al. | Advances in the use of reflectance confocal microscopy in melanoma | |
US20110304705A1 (en) | Method and apparatus for imaging tissue topography | |
JP2016530917A (ja) | 皮膚疾患の光学検出のためのシステム及び方法 | |
JP2016511015A (ja) | ハイパースペクトルカメラガイドプローブを持つイメージングシステム | |
Qiu et al. | Multispectral light scattering endoscopic imaging of esophageal precancer | |
US20030139672A1 (en) | Apparatus and methods for analysing epithelial tissue histology | |
US9200886B2 (en) | Method and system for optical coherence tomography | |
WO2016138452A1 (en) | Depth-resolved spatial-domain low-coherence quantitative phase microscopy for unstained tissue and cells | |
Brachtel et al. | Spectrally encoded confocal microscopy for diagnosing breast cancer in excision and margin specimens | |
CN106455978A (zh) | 具有合并的oct和表皮发光皮肤镜的用于皮肤病学的诊断设备 | |
Kwak et al. | Artificial intelligence‐based measurement outperforms current methods for colorectal polyp size measurement | |
Iftimia et al. | Combined reflectance confocal microscopy-optical coherence tomography for delineation of basal cell carcinoma margins: an ex vivo study | |
CN105996999A (zh) | 基于oct测量样品深度分辨衰减系数的方法和*** | |
CN114209278B (zh) | 一种基于光学相干层析成像的深度学习皮肤病诊断*** | |
Verikas et al. | Advances in laryngeal imaging | |
St‐Arnaud et al. | Development and characterization of a handheld hyperspectral Raman imaging probe system for molecular characterization of tissue on mesoscopic scales | |
CN102846312A (zh) | 一种多维度成像检测仪及其数据反演方法 | |
El Beze et al. | Evaluation and understanding of automated urinary stone recognition methods | |
Yaroslavsky et al. | Optical mapping of nonmelanoma skin cancers—a pilot clinical study | |
CN104083172B (zh) | 一种电子内窥镜病灶尺寸定量测量的方法和装置 | |
CN106815554B (zh) | 内指纹快速成像和生物识别***和方法 |
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: 20210601 |
|
WW01 | Invention patent application withdrawn after publication |