突破光學成像局限：全視野光學血管造影技術新進展
全視野光學血管造影（FFOA）作為一種實時、無創(chuàng)的成像技術，能夠提取生物血液微循環(huán)信息，為深入探究生物組織的功能和病理變化提供關鍵數(shù)據(jù)。然而，傳統(tǒng)FFOA成像方法受到光學鏡頭景深（DOF）的限制，難以捕捉到包含所有血流信息的圖像。近期一項發(fā)表于《Frontiers in Physics》的研究，看看它是如何在全視野光學血管造影（FFOA）技術上實現(xiàn)創(chuàng)新突破的。
研究背景與技術挑戰(zhàn)
血液微循環(huán)研究的臨床價值
研究腫瘤微血管的變化，能幫助我們開發(fā)出精準打擊癌細胞的抗血管生成療法。長期的高血糖會侵蝕視網膜的微血管，導致血管滲漏，進而引發(fā)缺血性新生血管。實時監(jiān)測視網膜微循環(huán)的變化，醫(yī)生就能準確地實施治療，保護患者的視力。微血管稀疏化是高血壓和冠脈微循環(huán)障礙的重要標志。通過高分辨率成像評估血管內皮功能和血流儲備，能提前發(fā)現(xiàn)心血管疾病的隱患。
為了看清血液微循環(huán)，科學家們運用了多種光學成像技術，包括FFOA技術。然而都受到景深（DOF）的限制。由于生物樣本結構復雜，現(xiàn)有光學成像技術很難一次讓所有深度的血管都清晰成像。增加鏡頭放大倍數(shù)，會使景深范圍變得更窄，更多的血管無法清晰成像，嚴重阻礙了對生物組織的深入研究。
多焦點融合技術的崛起
多焦點圖像融合技術通過改變成像系統(tǒng)的焦距，獲取同一物體在不同景深下的多幅圖像，然后提取聚焦特征并融合，擴大了成像的景深范圍。在工業(yè)檢測、文物保護等領域，這項技術已展現(xiàn)出巨大潛力，在生物醫(yī)學成像領域也有望突破現(xiàn)有技術瓶頸。
技術創(chuàng)新與應用
基于梯度特征檢測的FFOA圖像融合方案
研究開發(fā)了基于梯度特征檢測（GFD）的FFOA圖像融合方案。首先用非下采樣輪廓波變換（NSCT）把源圖像分解為低頻系數(shù)（LFCs）、高頻方向系數(shù)（HFDCs）和低頻差分圖像（LFDIs）。針對低頻系數(shù)，采用基于和修正拉普拉斯（SML）與局部能量（LE）相結合的融合規(guī)則（SMLE），全面評估低頻系數(shù)的特征，挑選出融合后的低頻系數(shù)。處理高頻方向系數(shù)時，運用基于結構張量和局部清晰度變化度量（SOLS）的融合規(guī)則，構建并優(yōu)化決策圖，指導高頻方向系數(shù)的融合，保留源圖像細節(jié)信息。最后，對融合后的系數(shù)進行逆NSCT變換，生成最終的融合圖像，擴展了FFOA圖像的景深。
與傳統(tǒng)的金字塔變換相比，NSCT具有靈活性、多尺度性、多方向性和移位不變性，能在多個方向上分解圖像，捕捉更豐富的細節(jié)信息，獲得更準確的融合結果。實驗表明，在多焦點圖像融合方面，NSCT性能優(yōu)于其他多尺度變換方法，為FFOA圖像融合提供了更強大的技術支持。
融合規(guī)則的設計與優(yōu)化
融合規(guī)則決定如何從源圖像的不同系數(shù)中選擇最優(yōu)信息進行融合，融合規(guī)則有效反映低頻系數(shù)的能量和亮度變化，保留源圖像重要的低頻信息。基于局部清晰度變化度量的融合規(guī)則充分考慮高頻方向系數(shù)中局部幾何結構（LGS）的變化，減少錯誤信息引入，提高融合圖像質量
成像實驗與結果分析
幻影實驗：模擬真實場景的驗證
研究人員進行幻影實驗，模擬真實生物血管場景。通過電動變焦鏡頭（EZL）獲取不同景深的FFOA圖像，將景深從1mm擴展到約3.2mm。結果顯示，該研究提出的方法和U2Fusion方法在融合圖像中殘留信息較少，能更好地保留源圖像信息。在客觀評價指標上，該研究方法在多個指標上表現(xiàn)出色，略優(yōu)于NSSR方法，證明其在保留源圖像信息和提高融合圖像質量方面的優(yōu)勢。
研究人員用小鼠耳朵進行動物實驗，將景深從0.8mm擴展到約3.3mm。在不同組實驗中，針對不同血管厚度和背景組織情況，該研究方法都展現(xiàn)出優(yōu)勢。在量化評估中，該方法在大多數(shù)指標上優(yōu)于其他對比方法，平均指標值最高，表明其在動物實驗中能有效擴展景深，保留源圖像信息，呈現(xiàn)血管細節(jié)。
公共數(shù)據(jù)集實驗：通用性的有力證明
除了幻影實驗和動物實驗，研究人員利用公共數(shù)據(jù)集進行實驗，以驗證所提方法的通用性。他們選用了包含20對多焦點圖像的數(shù)據(jù)集，該數(shù)據(jù)集包含運動場和金屬網格等復雜場景，對驗證方法的性能具有較高價值。結果顯示，在保留源圖像亮度和顏色信息方面，所有方法表現(xiàn)良好，但在圖像清晰度方面，NSSR和該研究方法更出色。在客觀評估中，該研究方法在多個指標上排名第一，盡管在VIF指標上略低于NSSR，但綜合來看，該方法在整體客觀評估中的指標表現(xiàn)最佳。這充分證明了該方法不僅在特定的實驗場景中表現(xiàn)優(yōu)異，而且在不同類型的多焦點圖像融合任務中都具有良好的通用性和有效性，能夠廣泛應用于各種實際場景。
總結與展望
基于GFD的FFOA圖像融合方案為生物醫(yī)學研究帶來新契機。在腫瘤研究領域，有助于揭示腫瘤生長和轉移機制，為開發(fā)抗腫瘤藥物提供靶點。在心血管疾病研究中，能更準確評估血管狀況，對早期診斷至關重要，為制定個性化治療方案提供依據(jù)。目前該技術存在一些局限，如聚焦速度有限，無法實時成像，計算效率有待提升。未來，研究人員將優(yōu)化硬件設備，提高成像速度，開發(fā)智能參數(shù)選擇方法，減少人工經驗依賴，并優(yōu)化計算過程，提高計算效率。隨著技術的改進和完善，該融合技術在臨床診斷中，可輔助醫(yī)生更準確地診斷眼科、皮膚科等疾病。在藥物研發(fā)方面，能評估藥物對血管的作用效果。
論文信息
聲明：本文僅用作學術目的。
Wang G, Li J, Tan H and Li X (2024) Fusion of full-field optical angiography images via gradient feature detection. Front. Phys. 12:1397732.
DOI:10.3389/fphy.2024.1397732.
