高动态光学血管造影成像

我们提出一种高动态光学血管造影成像(HDOA)方法来实现活体生物样本血管造影成像.该方法通过设置高动态范围曝光时间,依据动态积分效应和吸收效应以实现高动态积分时间调制.通过该方法,不仅能够同时获得各级血管清晰的造影图像,还能消除样品厚度不均、吸收系数不同对成像造成的影响.论文以仿体和活体金鱼为样品,通过实验验证了HDOA方法根据动态积分调制效应和吸收效应,能有效实现各级血管同时成像.     

利用归一化互相关算法去除吸收强度涨落调制血管造影图像模糊

吸收强度涨落调制成像（AIFM）方法是基于血红细胞和背景组织对低相干光照明的吸收差异,通过在频域分离动态的血红细胞信号和静态的背景信号,实现对近透明活体生物样本全场无标记的光学血管造影成像. 但此成像方法需采集较长的原始图像序列,系统漂移或生物抖动会造成图像模糊,难以实现对某些特定区域的血管造影成像. 本文提出一种结合AIFM成像和归一化互相关算法的新方法来提升血管造影图像的质量：原始的图像序列被分成若干短时序列,每个短时序列先利用AIFM成像算法重构得到全场的血管造影图像;再利用归一化的互相关算法将所有的短时重构图像与第一帧重构图像相匹配,并融合得到最终的血管造影片. 我们以活体鸡蛋胚胎为样品,通过实验验证了利用短时归一化互相关AIFM成像方法,能够消除鸡胚胎心跳引起的图像模糊,从而获得高分辨率和信噪比的心血管造影片,对研究活体动物心脑血管疾病具有重要应用价值.     

基于空间频域滤波高动态光学投影层析的斑马鱼三维成像研究

本文提出了一种基于空间频率滤波的多曝光融合的高动态投影层析三维成像方法,实现了活体斑马鱼（17 mm × 4 mm,最大厚度为2.33 mm,最小厚度为0.29 mm）的三维结构成像. 通过相机采用不同曝光时间记录系列吸收图像,将每张图像取变换到频域去除低频后,将各张滤波后叠加并逆傅里叶变换回空域,对变换后的图像进行归一化处理,最终获得高动态图像. 在每个投影角度获得这种高动态吸收投影图像,进行滤波反投影算法重建,获得高动态的整条斑马鱼三维结构信息. 实验成像结果表明,这种空间频率滤波多曝光融合的高动态光学投影层析三维成像研究,可以获得复杂结构更丰富的空间信息,对斑马鱼等模式生物早期胚胎生长发育进程进行监测和定量评估有一定的应用前景.     

基于主成分分析的双对比光学投影断层成像

目的 本文提出了一种基于主成分分析（PCA）的双对比光学投影断层成像（DC-OPT）方法,以获得活体中血流网络和骨骼的三维可视化。方法 使用主成分分析方法来提取吸收图像和血流图像,原始图像序列的第一主成分用于获取吸收图像;通过计算每个像素的调制深度来获得流动图像。不同投影位置的流动和吸收对比图像被用于三维血流网络和骨骼的同步重建。结果 采用PCA和OPT相结合的方法,通过将动态血流信号和静态背景信号分离,实现了对微生物样本的血流网络和骨骼的三维成像。结论 本文研究的新颖之处在于通过同一光学系统获得了快速、同步、双对比的血流网络和骨骼三维图像。实验结果可用于活体生物的生理发育研究。     

表面增强拉曼散射技术无标记检测乳腺癌细胞来源外泌体

外泌体含有释放细胞的特异性物质,反映了释放细胞的组成成分,成为液体活检的重要物质。为了鉴别正常乳腺上皮细胞和乳腺癌细胞来源的外泌体,本研究采用表面增强拉曼(SERS)技术检测乳腺癌细胞MCF-7和人正常乳腺上皮细胞MCF-10A来源的外泌体,并且对比两种细胞外泌体的SERS光谱,筛选出相应的特征拉曼光谱。结果发现在800~1800 cm-1区域内,相对MCF-10A细胞,MCF-7来源的外泌体中归属于核酸的拉曼峰相对强度明显增高,且部分脂类峰强有所降低或部分特征峰消失,同时发现MCF-7还表现出其自己独特的拉曼谱型。此结果表明SERS技术可高灵敏度检测不同细胞来源的外泌体细微分子变化,可区分肿瘤细胞来源的外泌体与正常细胞来源的外泌体。SERS技术可作为癌症的早期检测和诊断的一种快速、无标记和无损的方法。     

基于主成分分析的随机森林视网膜OCT图像分层算法研究

视网膜是层状结构,临床上可以根据视网膜层厚度改变对一些疾病进行预测和诊断.为了快速且准确地分割出视网膜的不同层带,本论文提出一种基于主成分分析的随机森林视网膜光学相干断层扫描技术(optical coherence tomography,OCT)图像分层算法.该方法使用主成分分析(principal component analysis,PCA)法对随机森林采集到的特征进行重采样,保留重采样后权重大的特征信息维度,从而消除特征维度间的关联性和信息冗余.结果表明,总特征维度在29维的情况下,保留前18维度训练速度提高了23.20%,14维度训练速度提高了42.38%,而对图像分割精度方面影响较小,实验表明该方法有效地提高了算法的效率.     

通过SEC-UNet精准分割糖尿病视网膜病变眼底OCT图像脉络膜层

目的 糖尿病视网膜病变（DR）是糖尿病的严重并发症，可导致患者视力下降甚至失明。脉络膜的早期检查在DR诊断中起着至关重要的作用。然而，由于DR患者的光学相干层析成像（OCT）中存在脉络膜和巩膜边界模糊、视网膜病变阴影等问题，导致大多数现有算法无法精准分割脉络膜层。本文目的在于提高DR患者OCT图像中脉络膜层分割的精准度。方法 本文提出了一种结合挤压激励连接（SEC）模块和UNet的网络，简称SEC-UNet，不仅增强Unet的局部细节目标关注能力，且能跳出局部最优来增强整体表达能力。结果 SEC-UNet模型的ROC曲线下面积（AUC）达到0.993 0，优于传统UNet模型和SE-UNet模型。这表明SEC-UNet能够获得准确、完整的脉络膜层分割结果。统计分析脉络膜参数变化发现，与正常眼相比，87.1%的DR患者脉络膜中央凹1 mm内体积增加，这证明了DR很可能导致脉络膜增厚。结论 该技术有望成为一种新的辅助诊断工具，帮助医生研究脉络膜在糖尿病眼病的预防、发病机制和预后中的作用。