鄔丹丹，姚 康，管凱捷，付威威，3*，孫建美，郭云寶，王 馳

(1.上海大學(xué) 機(jī)電工程與自動(dòng)化學(xué)院，上海 200444；2.中國(guó)科學(xué)院 蘇州生物醫(yī)學(xué)工程技術(shù)研究所，江蘇 蘇州 215000；3. 蘇州國(guó)科醫(yī)工科技發(fā)展(集團(tuán))有限公司，江蘇 蘇州 215000；4.吉林大學(xué) 白求恩第一醫(yī)院，吉林 長(zhǎng)春 130021)

1 引 言

腦血管疾病是人類第二大致死原因，基本病因包括血管病變、血液動(dòng)力學(xué)改變等。腦血管手術(shù)中，需要對(duì)術(shù)野范圍內(nèi)的目標(biāo)血管進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)指標(biāo)包括管徑、流速、流量、血管吻合后血流流通和腦部血流灌注情況等。傳統(tǒng)的血流監(jiān)測(cè)方法，如核磁共振成像[1]，時(shí)空分辨率較低；如血管造影技術(shù)，需注射造影劑，存在副作用，并且會(huì)在人體內(nèi)代謝，有效工作時(shí)間短。目前，腦血管手術(shù)中多采用激光多普勒方法進(jìn)行單點(diǎn)流速測(cè)量，但其實(shí)時(shí)成像能力較低，并且無(wú)法獲取血管管徑來(lái)測(cè)定血流量。而傳統(tǒng)的光譜成像方法難以精確測(cè)量血管內(nèi)徑，不能監(jiān)測(cè)血管內(nèi)的血流速度及其變化，更無(wú)法反映術(shù)野內(nèi)整體血流動(dòng)力學(xué)改變。

近年來(lái)，作為一種全場(chǎng)光學(xué)成像技術(shù)，激光散斑襯比成像(Laser Speckle Contrast Imaging， LSCI)技術(shù)逐漸發(fā)展起來(lái)[2-3]。20世紀(jì)80年代，F(xiàn)ercher等[4]首次應(yīng)用LSCI技術(shù)測(cè)量視網(wǎng)膜微血管流速。Naoki等[5]通過(guò)LSCI技術(shù)發(fā)現(xiàn)青光眼患者的神經(jīng)乳頭周圍的大血管流速低于常人。在皮膚血流成像方面，賈亞威等[6]應(yīng)用LSCI技術(shù)進(jìn)行中醫(yī)理療功效檢測(cè)；張潔等[7]應(yīng)用LSCI技術(shù)觀測(cè)針灸對(duì)局部血流微循環(huán)的改善效果。在腦皮層血流成像方面，Nils等[8]利用LSCI技術(shù)監(jiān)測(cè)人腦的局部缺血，并預(yù)測(cè)發(fā)生梗塞的腦組織范圍；李苗等[9]基于LSCI技術(shù)及支持向量機(jī)獲得腦皮層深穿枝血管的分布信息。

針對(duì)腦血管手術(shù)中對(duì)腦血流分析的實(shí)際需求，本文提出了基于LSCI技術(shù)的腦血流分析方法，實(shí)現(xiàn)了LSCI技術(shù)與血管管徑測(cè)量算法的有機(jī)結(jié)合。設(shè)計(jì)并搭建了LSCI系統(tǒng)采集激光散斑圖像，采用改進(jìn)的時(shí)間襯比分析和偽彩色處理得到便于血管分割及邊緣提取的血流速度圖像，并反映出不同血管及同一血管在不同時(shí)刻的流速變化。手動(dòng)選取兩點(diǎn)作為感興趣區(qū)域(Region of Interest， ROI)的基準(zhǔn)點(diǎn)，以截取出管徑測(cè)量所需的ROI，對(duì)ROI圖像預(yù)處理后利用改進(jìn)的Canny算法提取血管邊緣線并計(jì)算血管管徑。基于LSCI技術(shù)的腦血流分析方法具有非接觸、高分辨率及可連續(xù)監(jiān)測(cè)等優(yōu)點(diǎn)，可反映出單一血管和術(shù)野內(nèi)總體血流速度變化，呈現(xiàn)出手術(shù)過(guò)程中不同操作引起的血液動(dòng)力學(xué)的動(dòng)態(tài)變化。同時(shí)，可以測(cè)量得到血管內(nèi)壁的有效流通直徑，能夠結(jié)合激光多普勒血流儀計(jì)算得到精確的血流量，監(jiān)測(cè)流量的變化情況，為臨床提供參考。

2 LSCI系統(tǒng)的工作原理及設(shè)計(jì)搭建

將LSCI技術(shù)與血管管徑測(cè)量算法結(jié)合，在監(jiān)測(cè)血流速度變化的同時(shí)，可測(cè)量指定血管段的有效流通直徑，能夠結(jié)合激光多普勒血流儀給出的速度值計(jì)算得到精確的血流量，監(jiān)測(cè)血流量變化。

2.1 LSCI系統(tǒng)的工作原理

(1)

根據(jù)動(dòng)態(tài)光散射近似模型，可將散斑襯比值K表示為相干光去相關(guān)時(shí)間τ和曝光時(shí)間T的函數(shù)[11]，如式(2)所示：

(2)

當(dāng)T?τ時(shí)，襯比值K與τ呈近似線性關(guān)系。而τ=λ/(2πν)，其中ν為散射粒子運(yùn)動(dòng)速度，λ為相干光波長(zhǎng)。當(dāng)T?τ時(shí)，襯比值K與ν呈反比關(guān)系，這是利用LSCI技術(shù)進(jìn)行血流成像及速度定量分析的基礎(chǔ)。理想狀態(tài)下，襯比值K在[0，1]內(nèi)，當(dāng)散射介質(zhì)靜止時(shí)，K為1；當(dāng)散射介質(zhì)運(yùn)動(dòng)時(shí)，K逐漸趨于0，且運(yùn)動(dòng)速度越快，K越小。

2.2 LSCI系統(tǒng)的設(shè)計(jì)搭建

LSCI系統(tǒng)結(jié)構(gòu)如圖1(a)所示，通常由照明光源、相機(jī)、鏡頭和計(jì)算機(jī)等組成。本文根據(jù)系統(tǒng)工作原理和結(jié)構(gòu)圖設(shè)計(jì)搭建了如圖1(b)所示的LSCI系統(tǒng)，其中照明光源采用激光二極管(850 nm，100 mW)；相機(jī)采用CMOS相機(jī)(acA1920-155 μm，Basler，德國(guó))，分辨率為1 920×1 200 pixel。

(a)LSCI系統(tǒng)結(jié)構(gòu)示意圖

(b)LSCI系統(tǒng)實(shí)物圖

人腦部血管壁厚不超過(guò)0.5 mm，而LSCI系統(tǒng)的采樣深度在0.3～1 mm[12]，所以為了驗(yàn)證本文LSCI系統(tǒng)的可行性，設(shè)置了散斑采樣深度測(cè)量實(shí)驗(yàn)。配制1%體積比Intralipid溶液用于模擬生物組織血流。利用0.6%體積比的Intralipid與0.4%質(zhì)量比的瓊脂糖配制出混合溶液，加熱使之充分混合，冷卻凝固后用于模擬血管周圍的組織。盛放凝膠的實(shí)驗(yàn)?zāi)＞呷鐖D2(a)所示。實(shí)物圖如圖2(b)所示，一根內(nèi)徑為0.5 mm的毛細(xì)玻璃管傾斜固定于玻璃器皿中，調(diào)節(jié)蠕動(dòng)泵控制模擬血流的流動(dòng)速度。在固定傾斜角度θ下，處理得到的偽彩色血流圖像如圖2(c)所示。根據(jù)圖像中水平方向上可觀察到的像素?cái)?shù)量N、工作距離S、鏡頭焦距f和相機(jī)芯片像元尺寸m計(jì)算可得到采樣深度Δh，即有：

(3)

其中相機(jī)芯片的像元尺寸為5.86 μm。統(tǒng)計(jì)得到的深度曲線如圖2(d)所示，表示不同流速下計(jì)算得到的采樣深度。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)搭建的LSCI系統(tǒng)的采樣深度約為0.65 mm，可滿足應(yīng)用需求。

3 改進(jìn)型LSCI系統(tǒng)算法

改進(jìn)型LSCI系統(tǒng)算法包括對(duì)散斑圖像采用改進(jìn)的時(shí)間襯比分析和偽彩色處理得到血流速度圖像，然后手動(dòng)選取感興趣區(qū)域(Region of Interest，ROI)的基準(zhǔn)點(diǎn)截取ROI，對(duì)ROI圖像預(yù)處理后利用改進(jìn)的Canny算法進(jìn)行邊緣提取并計(jì)算血管的有效流通直徑。

(a)模具(a)Mold

(b)實(shí)物圖(b)Physical map

(c)偽彩色血流圖像

(d)深度曲線

3.1 改進(jìn)的時(shí)間襯比分析

LSCI系統(tǒng)采集得到的散斑圖像如圖3(a)所示。比較分析常用襯比分析方法后，本文采用時(shí)間襯比分析方法，通過(guò)計(jì)算50幀散斑圖像中相同位置處的像素灰度值的平均值作為襯比值，得到如圖3(b)所示的襯比圖像。相關(guān)實(shí)驗(yàn)結(jié)果表明[13]，當(dāng)散斑圖像幀數(shù)超過(guò)15幀時(shí)，使用時(shí)間襯比分析得到的速度值與實(shí)際速度值的相關(guān)度大于0.96。此時(shí)襯比圖像整體偏暗，人眼無(wú)法很好地辨別出血流分布。人眼對(duì)彩色的分辨能力遠(yuǎn)高于對(duì)灰度的分辨能力，所以對(duì)襯比圖像進(jìn)行偽彩色處理，將灰度映射到偽彩色空間中，提高圖像的可辨識(shí)度和細(xì)節(jié)的辨別力，增強(qiáng)血管邊緣的清晰度，提高邊緣提取的準(zhǔn)確度。相關(guān)研究表明[14]，K2一般在[0，0.1]內(nèi)，此時(shí)1/K2與運(yùn)動(dòng)速度ν成正比關(guān)系。為了提高圖像的可視化效果，先由襯比圖像計(jì)算得到1/K2圖像，隨后將它映射到JET顏色模型。理想狀態(tài)下，散射介質(zhì)靜止時(shí)，其顏色為藍(lán)色；散射介質(zhì)運(yùn)動(dòng)時(shí)，其顏色隨著運(yùn)動(dòng)速度的加快趨向紅色。對(duì)時(shí)間襯比圖像進(jìn)行偽彩色處理得到如圖3(c)所示的偽彩色圖像，可以看出明顯的血流分布，血流速度越快，顏色越紅，反之越藍(lán)。但是，此時(shí)的偽彩色圖像由于采用多幀圖像進(jìn)行襯比計(jì)算而降低了時(shí)間分辨率。

實(shí)際應(yīng)用中，為了提高時(shí)間襯比圖像的信噪比，并考慮到生物及環(huán)境噪聲等，需要對(duì)它進(jìn)行空間平均。本文采用均值濾波對(duì)圖像進(jìn)行空間平均，濾波窗口大小為3×3 pixel。對(duì)時(shí)間襯比圖像進(jìn)行空間平均及偽彩色處理得到如圖3(d)所示的血流圖像，可以看到空間平均消除了部分噪聲，但是也引起了空間分辨率的下降。為了平衡圖像分辨率和信噪比，本文在對(duì)時(shí)間襯比圖像進(jìn)行空間平均前，先采用形態(tài)學(xué)閉運(yùn)算進(jìn)行圖像增強(qiáng)及部分噪聲消除。形態(tài)學(xué)閉運(yùn)算是指圖像依次經(jīng)過(guò)膨脹、腐蝕處理的過(guò)程。圖像被膨脹后，不連續(xù)的邊緣像素點(diǎn)連通形成閉合邊緣，增強(qiáng)了微小信息；接著進(jìn)行腐蝕處理，去除圖像噪聲點(diǎn)，細(xì)化圖像邊緣。進(jìn)行形態(tài)學(xué)閉運(yùn)算時(shí)，需根據(jù)實(shí)際圖像的結(jié)構(gòu)特征選擇合適的結(jié)構(gòu)元素及其尺寸，常用的結(jié)構(gòu)元素包括矩形、圓盤、十字叉結(jié)構(gòu)等。在經(jīng)過(guò)試驗(yàn)后，本文采用符合血管形態(tài)的圓盤結(jié)構(gòu)進(jìn)行形態(tài)學(xué)閉運(yùn)算，其中膨脹處理的圓盤結(jié)構(gòu)半徑為2，腐蝕處理的圓盤結(jié)構(gòu)半徑為1。對(duì)散斑圖像進(jìn)行改進(jìn)的時(shí)間襯比分析，結(jié)合形態(tài)學(xué)閉運(yùn)算和空間平均，再進(jìn)行偽彩色處理后得到如圖3(e)所示的改進(jìn)的血流速度圖像?？梢钥闯?，圖3(e)相比圖3(c)增強(qiáng)了微小信息，整體改進(jìn)了血流分布的顯示效果，便于圖像分割及邊緣提取。

(a)散斑圖像(a)Speckle image

(b)時(shí)間襯比圖像(b)Time contrast image

(c)偽彩色圖像(c)Pseudo color image

(d)血流圖像(d)Blood flow image

(e)改進(jìn)的血流速度圖像

3.2 血管管徑測(cè)量

血管管徑測(cè)量方法主要分為兩類：(1)基于血管兩側(cè)邊界，通過(guò)提取血管網(wǎng)絡(luò)和中心線計(jì)算管徑值。例如，Li等[15]采用基于信息融合的邊緣檢測(cè)器獲取血管邊緣，生成血管中心線的垂直線計(jì)算管徑。該類方法通過(guò)血管邊緣線和中心線計(jì)算管徑，邊界識(shí)別不準(zhǔn)確及中心線位置的偏差會(huì)導(dǎo)致管徑的測(cè)量誤差。(2)基于血管橫截面的灰度分布特性統(tǒng)計(jì)曲線，采用不同曲線模型對(duì)它進(jìn)行擬合，計(jì)算曲線半高度等寬得到血管管徑。例如，Lowell等[16]采用改進(jìn)的高斯微分濾波器擬合血管橫截面的灰度分布曲線。該類方法與選定的血管橫截面位置及選取的擬合曲線模型等有著密切關(guān)系，參數(shù)調(diào)節(jié)復(fù)雜，不利于臨床操作。綜合考慮上述血管管徑測(cè)量方法存在的問(wèn)題，本研究基于改進(jìn)的血流速度圖像進(jìn)行管徑測(cè)量，算法流程如圖4所示。

圖4 血管管徑測(cè)量算法流程

3.2.1 圖像預(yù)處理

圖像預(yù)處理包括在改進(jìn)的血流速度圖像的基礎(chǔ)上手動(dòng)選取ROI，灰度化后利用自適應(yīng)對(duì)比度增強(qiáng)(Adaptive Contrast Enhancement， ACE)算法進(jìn)行局部增強(qiáng)，最后進(jìn)行OTSU閾值分割得到二值圖像。具體步驟如下：

(1)ROI選取

實(shí)際應(yīng)用中，醫(yī)生需要得到某一特定血管段內(nèi)的有效流通直徑，所以需要進(jìn)行ROI選取。如圖5(a)所示，本文通過(guò)在血管段兩側(cè)手動(dòng)選取A，B兩點(diǎn)作為ROI的基準(zhǔn)點(diǎn)，截取出指定大小的ROI，如圖5(b)所示。通過(guò)手動(dòng)選取基準(zhǔn)點(diǎn)截取ROI，將管徑測(cè)量區(qū)域局限在較小范圍內(nèi)，血管邊緣線可視為兩條平行直線，避免了背景噪聲及其他血管干擾等帶來(lái)的管徑測(cè)量誤差，極大地減少了圖像處理的數(shù)據(jù)量，便于臨床操作。

(2)ACE增強(qiáng)

ROI的灰度圖像如圖5(c)所示。為了提高圖像分割的準(zhǔn)確度，本文在進(jìn)行閾值分割前先采用ACE算法進(jìn)行圖像的局部增強(qiáng)，通過(guò)差分計(jì)算目標(biāo)點(diǎn)與周圍像素點(diǎn)的相對(duì)陰暗關(guān)系來(lái)校正最終像素值，拉升對(duì)比度來(lái)調(diào)整圖像的動(dòng)態(tài)范圍。處理得到的ACE圖像如圖5(d)所示，可以看出，ACE算法調(diào)整了圖像的對(duì)比度，充分考慮了局部信息，并且限制了噪聲的放大，避免了低頻背景的干擾，對(duì)待測(cè)量的血管段具有較高的增強(qiáng)效果。

(3)OTSU閾值分割

OTSU算法是一種自適應(yīng)的閾值確定方法，又稱作最大類間方差法。它是按照?qǐng)D像的灰度特性，用閾值將圖像分為背景和目標(biāo)兩部分，并計(jì)算背景和目標(biāo)之間的類間方差，遍歷圖像得到使類間方差最大的閾值T0，取T0對(duì)圖像進(jìn)行分割得到二值圖像，如圖5(e)所示。可以看出，圖像分割效果較好，從背景中提取出了待測(cè)量的血管段，消除了噪聲。

(a)選取示意圖

(b)感興趣區(qū)域(b)ROI

(c)灰度圖(c)Grayscale image

(d)增強(qiáng)圖像(d)Enhancing image

(e)二值圖像(e)Binary image

3.2.2 改進(jìn)的Canny算法

得到二值圖像后，需進(jìn)行邊緣提取得到血管邊緣線。在對(duì)常用邊緣提取算子進(jìn)行嘗試后，本文采用不易受噪聲干擾，且能夠檢測(cè)到弱邊緣的Canny算子提取血管邊緣，其簡(jiǎn)要步驟如下：

(1)利用高斯濾波器對(duì)圖像進(jìn)行平滑，去除噪聲；

(2)采用一階偏導(dǎo)的有限差分計(jì)算圖像中每個(gè)像素點(diǎn)的梯度幅值和方向；

(3)對(duì)梯度幅值進(jìn)行非極大值抑制，將當(dāng)前像素與沿正負(fù)梯度方向上的兩個(gè)像素進(jìn)行梯度幅值比較，如果當(dāng)前像素的梯度幅值最大，則保留為邊緣點(diǎn)，否則抑制該點(diǎn)；

(4)采用雙閾值算法檢測(cè)和連接邊緣，設(shè)置高、低閾值將邊緣像素標(biāo)記為強(qiáng)、弱邊緣像素，抑制低于低閾值的邊緣像素，其次查看弱邊緣像素的8個(gè)鄰域像素，如果其中存在強(qiáng)邊緣像素，則保留該像素點(diǎn)。

Canny算子邊緣提取結(jié)果如圖6(a)所示，與二值圖像的邊緣像素點(diǎn)逐個(gè)對(duì)比發(fā)現(xiàn)，此時(shí)提取得到的邊緣對(duì)二值圖像邊緣進(jìn)行了局部放大，導(dǎo)致測(cè)量得到的血管管徑值略微偏大，并且Canny算子會(huì)導(dǎo)致邊界部分的邊緣缺失。針對(duì)以上問(wèn)題，本文在Canny算子邊緣提取前對(duì)圖像進(jìn)行了腐蝕操作，并將Canny算子與Sobel算子進(jìn)行有機(jī)結(jié)合，生成改進(jìn)的邊緣提取圖，如圖6(b)所示。可以看出，改進(jìn)的Canny算法補(bǔ)齊了邊界部分的邊緣，并且抑制了局部放大，提高了邊緣提取的準(zhǔn)確度。然后根據(jù)血管邊緣方向逐列或逐行查找邊緣線上兩端點(diǎn)并標(biāo)記，如圖6(c)所示，在某一列標(biāo)記了C，D兩端點(diǎn)。遍歷圖像重復(fù)這一過(guò)程標(biāo)記出邊緣線上全部端點(diǎn)，即由紅色十字標(biāo)記的上端點(diǎn)和綠色三角形標(biāo)記的下端點(diǎn)，如圖6(d)所示(彩圖見(jiàn)期刊電子版)。逐列計(jì)算上、下端點(diǎn)的間距得到多個(gè)距離，對(duì)其求均值作為端點(diǎn)間平均距離。由于手動(dòng)選取ROI，管徑測(cè)量區(qū)域局限在較小范圍內(nèi)，血管邊緣線可近似為平行直線，所以分別對(duì)上、下端點(diǎn)數(shù)據(jù)進(jìn)行最小二乘法擬合得到紅色和綠色直線，如圖6(e)所示，并計(jì)算出相應(yīng)的斜率，利用兩個(gè)斜率的均值和端點(diǎn)間平均距離計(jì)算血管管徑。

(a)Canny算子(a)Canny operator

(b)改進(jìn)的Canny算法(b)Improved Canny algorithm

(c)標(biāo)記示意(c)Marking diagram

(d)標(biāo)記(d)Marking

(e)擬合(e)Fitting

為驗(yàn)證改進(jìn)的Canny算法對(duì)血管管徑測(cè)量誤差的降低程度，通過(guò)公式計(jì)算相對(duì)誤差(Relative Error，Er)，即有：

Er=(M-T)/T，

(4)

其中：M為圖6(d)中上、下邊緣端點(diǎn)間的平均距離，T為圖5(e)二值圖像中上、下邊緣端點(diǎn)間的平均距離。表1是針對(duì)采用改進(jìn)的時(shí)間襯比分析和偽彩色處理對(duì)散斑圖像處理得到的50幅血流速度圖像，對(duì)每幅圖像手動(dòng)選取不同位置的10個(gè)ROI，在CPU為i7-8700 3.2 GHz，內(nèi)存為8 GB的計(jì)算機(jī)上運(yùn)行不同算法得到的Er對(duì)比結(jié)果。可以看出，改進(jìn)的Canny算法降低了血管管徑測(cè)量的相對(duì)誤差，其相對(duì)誤差可達(dá)5.1%，低于其他算法。

表1 血管邊緣提取方法比較

4 動(dòng)物實(shí)驗(yàn)及結(jié)果分析

人腦部血管直徑不超過(guò)5 mm，兔子耳背中央大血管直徑最粗在5 mm左右，并考慮到人腦部血管壁厚(≤0.5 mm)，兩者具有極大的相似性，所以設(shè)置了動(dòng)物實(shí)驗(yàn)采集兔子耳背的散斑圖像。實(shí)驗(yàn)過(guò)程中所有操作均得到中國(guó)科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所實(shí)驗(yàn)動(dòng)物倫理委員會(huì)的批準(zhǔn)，并且符合《江蘇省實(shí)驗(yàn)動(dòng)物管理方法》的要求。

4.1 實(shí)驗(yàn)對(duì)象和方法

實(shí)驗(yàn)對(duì)象為購(gòu)自江蘇省蘇州市鎮(zhèn)湖實(shí)驗(yàn)動(dòng)物科技的健康成年實(shí)驗(yàn)兔，依據(jù)體型將實(shí)驗(yàn)兔分為特大、正常和小型實(shí)驗(yàn)兔，每種體型的實(shí)驗(yàn)兔各兩只。進(jìn)行實(shí)驗(yàn)前需適應(yīng)性喂養(yǎng)3天，實(shí)驗(yàn)環(huán)境溫度為18.0～28.0 ℃。為避免對(duì)血管造成不必要的傷害且便于操作，利用剃毛膏在兔子耳背上清理出觀測(cè)窗口。隨后將兔子靜置半小時(shí)左右，等待其生理狀態(tài)穩(wěn)定。實(shí)驗(yàn)過(guò)程中，兔子始終固定在兔盒中，并放置于防震光學(xué)平臺(tái)上，如圖7所示。拍攝散斑圖像時(shí)，可將少量生理鹽水滴到兔子耳背的觀測(cè)窗口處以減少鏡面反射的影響，提高圖像的散斑效果。

圖7 動(dòng)物實(shí)驗(yàn)示意圖

4.2 實(shí)驗(yàn)結(jié)果及分析

4.2.1 血流速度變化監(jiān)測(cè)

按住兔子耳背中間大血管后，整個(gè)偽彩色圖像的顏色趨向藍(lán)色，表示血流速度大幅度降低，出現(xiàn)了血流阻斷現(xiàn)象，如圖8(a)所示。放松對(duì)血管的按壓后，偽彩色圖像的顏色又趨向紅色，如圖8(b)所示(彩圖見(jiàn)期刊電子版)?？梢钥闯觯瑘D8(b)與圖3(e)所顯示的血流分布情況基本一致，即出現(xiàn)了血流灌注現(xiàn)象。圖3(e)、圖8(a)及圖8(b)的動(dòng)態(tài)循環(huán)過(guò)程驗(yàn)證了LSCI系統(tǒng)監(jiān)測(cè)實(shí)際血流速度變化的可靠性。實(shí)驗(yàn)結(jié)果表明，此時(shí)的偽彩色血流速度圖像處理及顯示幀率不超過(guò)每秒12幀。

(a)阻斷圖像(a)Blocking image

(b)再灌注圖像(b)Reperfusion image

4.2.2 血管管徑測(cè)量

本文采用改進(jìn)的時(shí)間襯比分析和偽彩色處理對(duì)散斑圖像處理得到血流速度圖像，手動(dòng)選取不同位置的ROI進(jìn)行管徑測(cè)量。選取一幅具有代表性的改進(jìn)的血流速度圖像，在該圖中手動(dòng)選取3個(gè)不同位置的ROI，如圖9(a)所示，截取出的ROI如圖9(b)所示，提取出的血管邊緣線如圖9(c)所示。

如表2所示，對(duì)3種體型的實(shí)驗(yàn)兔分別采用本文提出的管徑測(cè)量法、人工確定血管直徑法及LSCI軟件進(jìn)行測(cè)量，得到的血管管徑值依次記為DO，DR，DL。其中，人工確定血管直徑法是在軟件中對(duì)正常光照下拍攝的兔子耳背圖像進(jìn)行血管邊界標(biāo)識(shí)后計(jì)算管徑，并通過(guò)軟管實(shí)驗(yàn)測(cè)得該方法的平均誤差為0.19 μm；LSCI軟件為RFLSI Ⅲ型激光散斑血流成像儀(深圳市瑞沃德生命科技)所用軟件。從表2中數(shù)據(jù)可以看出，3種方法測(cè)量得到的血管管徑值具有較高的一致性，本文算法與人工確定血管直徑法的平均誤差為2.2 μm，LSCI軟件與人工確定血管直徑法的平均誤差為5.3 μm，所以本文算法測(cè)得的管徑值更接近人工確定血管直徑法測(cè)得的管徑值，優(yōu)于LSCI軟件測(cè)得的管徑值。

(a)ROI選取(a)ROI selection

(b)ROI(b)ROI

(c)血管邊緣(c)Vessel edge

表2 管徑測(cè)量結(jié)果比較

5 結(jié) 論

本文提出了基于LSCI技術(shù)的腦血流分析方法，實(shí)現(xiàn)了LSCI技術(shù)與血管管徑測(cè)量算法的結(jié)合，通過(guò)改進(jìn)的時(shí)間襯比分析和Canny算法對(duì)血管管徑測(cè)量方法進(jìn)行了改進(jìn)。實(shí)驗(yàn)結(jié)果表明，本文研究的腦血流分析方法可有效監(jiān)測(cè)血流速度變化，同時(shí)測(cè)量血管的有效流通直徑，結(jié)合激光多普勒血流儀能夠?qū)崿F(xiàn)目標(biāo)血管的流速及流量的精確監(jiān)測(cè)，為臨床提供參考，具有較高的實(shí)用價(jià)值。下一步研究的重點(diǎn)是利用現(xiàn)場(chǎng)可編程門陣列(FPGA)圖像采集卡實(shí)現(xiàn)術(shù)中腦血流的實(shí)時(shí)監(jiān)測(cè)和多個(gè)ROI的實(shí)時(shí)管徑測(cè)量。