【作者】高振玉，李躍杰, 2，王立偉，李易陸 北京協(xié)和醫(yī)學院 中國醫(yī)學科學院生物醫(yī)學工程研究所，天津市，300922 天津市眼科醫(yī)學設(shè)備技術(shù)工程中心，天津市，300384

?

基于C掃描的視盤OCT圖像運動偽差校正算法的研究

【作者】高振玉1，李躍杰1, 2，王立偉1，李易陸1
1 北京協(xié)和醫(yī)學院 中國醫(yī)學科學院生物醫(yī)學工程研究所，天津市，300192
2 天津市眼科醫(yī)學設(shè)備技術(shù)工程中心，天津市，300384

【摘要】光學相干層析成像系統(tǒng)（Optical Coherence Tomography, OCT）在進行動態(tài)3D成像時由于眼球的非自主運動可能會使采集的圖像體數(shù)據(jù)產(chǎn)生錯位和畸變，從而導致臨床診斷的誤診、漏診。由于人眼視盤區(qū)的生理結(jié)構(gòu)比黃斑區(qū)更為復(fù)雜，眼底血管更豐富，采用常規(guī)的黃斑區(qū)圖像校正方法效果不理想。該文針對人眼視盤區(qū)OCT圖像的結(jié)構(gòu)特點，提出了基于C掃描(enface)圖的像素行相關(guān)匹配算法來校正X方向的偽差的方法，并且利用該方法還可判斷具有運動偽差的圖像序列是否有局部圖像重復(fù)或缺失，借助Y方向參考2D掃描圖像，可同時確定重復(fù)和缺失的位置和數(shù)目。利用此方法進行了模型驗證，結(jié)果顯示該方法能夠有效還原真實的圖像序列，使眼底視網(wǎng)膜的生理結(jié)構(gòu)得到真實的反映。

【關(guān) 鍵 詞】光學相干層析成像；運動偽差；X方向校正；重復(fù)缺失

0　引言

光學相干層析成像(Optical Coherence Tomography, OCT)是一種近年迅速發(fā)展起來的光學成像技術(shù)，具有高分辨率、高靈敏度、非接觸性、橫向分辨率和縱向分辨率相互獨立等優(yōu)點[1]。OCT層析成像技術(shù)廣泛應(yīng)用于臨床醫(yī)學領(lǐng)域，尤其是眼科臨床診斷[2]，檢測諸如老年性黃斑病變、糖尿病性視網(wǎng)膜病變、青光眼[3]等需要定量測試視網(wǎng)膜早期變化的疾病。OCT技術(shù)已經(jīng)成為眼科疾病診斷和研究的一種標準工具[4]。然而在應(yīng)用OCT技術(shù)進行眼底組織檢測時，人眼的漂移、眨眼等不自主的活動會引起運動偽差[5]，從而使獲取的眼底組織數(shù)據(jù)喪失連續(xù)性[6]。為解決這一問題，相關(guān)實驗室[5-7]提出了校正X方向和Z方向的畸變的方法。這些方法大多采用互相關(guān)算法，利用堆棧幀的變化，以每幀圖像為模板，其后緊鄰的圖像與其做互相關(guān)對齊?，F(xiàn)有方法對于黃斑區(qū)這種血管特征均勻的組織效果較好，但對于眼底視盤組織結(jié)構(gòu)及血管特征較復(fù)雜的區(qū)域，利用體數(shù)據(jù)塊中相鄰2D OCT圖像進行相關(guān)算法方法以消除運動偽差時[8]，相鄰圖像結(jié)構(gòu)變化對相關(guān)結(jié)果影響較大。同時現(xiàn)有方法也無法解決慢軸(Y軸)方向圖像重復(fù)和缺失問題[9]。為了更好地校正眼底視盤組織中血管特征復(fù)雜部位的運動偽差，本論文針對人眼視盤區(qū)OCT圖像的結(jié)構(gòu)特點[10-11]，提出了基于C掃描圖的像素行相關(guān)匹配算法來校正X方向的運動偽差的方法，利用該方法還可判斷具有運動偽差的圖像序列是否有局部圖像重復(fù)或缺失，并且借助Y方向參考2D掃描圖像，可同時確定重復(fù)和缺失的位置和數(shù)目。

1　系統(tǒng)設(shè)計

本文采用課題組研制的3D眼科前后節(jié)FD-OCT系統(tǒng)進行眼底掃描，通過控制掃描方式采集眼底視盤區(qū)OCT圖像，以獲取視盤區(qū)OCT圖像的體數(shù)據(jù)。FDOCT系統(tǒng)采用了波長為840 nm的光源，成像速度可達70 k線/s，掃描速度可達100 幀/s。OCT系統(tǒng)利用本文所設(shè)計的算法，將獲得的眼底視盤區(qū)圖像體數(shù)據(jù)塊進行X軸（快軸）向運動偽差校正，再進行Y軸（慢軸）向斷層查找，剔除因眼球不自主運動造成的圖像重復(fù)采集及缺失因素，再將校正后的體數(shù)據(jù)塊送系統(tǒng)進行圖像重建。系統(tǒng)設(shè)計圖如圖1所示。

圖1　系統(tǒng)設(shè)計圖Fig.1 The system design

2　校正算法設(shè)計

2.1圖像獲取

OCT系統(tǒng)體數(shù)據(jù)掃描模式得到的標準體數(shù)據(jù)模型中，快軸和慢軸掃描分別對應(yīng)X方向和Y方向掃描?？燧S每掃描一次即為一個B-Scan，同時系統(tǒng)還額外在慢軸Y方向采集了5個位置B-Scan圖[11]。OCT系統(tǒng)體數(shù)據(jù)掃描模式圖如圖2所示。

圖2　OCT系統(tǒng)體數(shù)據(jù)掃描模式Fig.2 The OCT scanning pattern in volumetric acquisition

2.2算法設(shè)計

本論文針對人眼視盤區(qū)OCT圖像的結(jié)構(gòu)特點，采用基于C掃描的視盤OCT圖像運動偽差校正算法，通過將3D OCT圖像體數(shù)據(jù)Z軸方向上的數(shù)據(jù)進行疊加平均，獲得C掃描圖像[12]。

本文使用線性相關(guān)匹配檢測，其中模板行數(shù)據(jù)(T)和原始行數(shù)據(jù)(I)分別是C掃描圖中的相鄰兩行，包含相鄰兩幀圖像的所有有用信息。模板行數(shù)據(jù)從左往右、從上往下移動，與原始數(shù)據(jù)行相匹配，在每一個模板行數(shù)據(jù)的位置，都進行一次相關(guān)度量計算，把T覆蓋在I上的每個位置的度量值保存到圖像矩陣R中，在R中的每個位置(x, y)都包含匹配度量值，再使用函數(shù)minMaxLoc來定位在矩陣R中的最大值坐標 (或者最小值，根據(jù)函數(shù)輸入的匹配參數(shù)來確定)。式(1)中Rcorr(x, y)表示相關(guān)匹配法的參數(shù)值，式(2)中Rcorr_normed(x, y)表示的是標準模板匹配相關(guān)匹配法的參數(shù)值，值越大表示匹配程度較高。

2.2.1校正X方向偽差

對OCT體數(shù)據(jù)進行X方向的校正時，對算法驗證圖像體數(shù)據(jù)在Z軸方向上進行疊加平均獲得的C掃描圖的每相鄰兩行進行線性相關(guān)檢測，找到相關(guān)度最大的匹配位置和對齊圖像下一行數(shù)據(jù)需要移動的像素數(shù)。如果需要移動的像素數(shù)超過經(jīng)驗值，則表示此相鄰行之間在X方向上有錯位。記錄整個C掃描圖中需要移動的行數(shù)及此行數(shù)后的每行需要移動的像素數(shù)，對視盤體數(shù)據(jù)按照記錄的數(shù)據(jù)進行移動，得到X方向校正后的體數(shù)據(jù)。X方向運動偽差校正原理圖如圖3所示。

圖3　X方向運動偽差校正原理圖Fig.3 Schematic of the motion artifact correction in X direction

2.2.2圖像重復(fù)/缺失處理

有些運動偽差會造成沿慢軸方向上圖像連續(xù)性缺失，這種情況下要在X方向校正偽差后再判斷視盤體數(shù)據(jù)重復(fù)和缺失的位置和數(shù)目。對完成了X方向偽差校正的C掃描圖使用線性相關(guān)檢測判斷斷層位置，斷層包括數(shù)據(jù)重復(fù)和缺失。非斷層上下相鄰幀都是連續(xù)的，相關(guān)系數(shù)正常，只有在斷層處相關(guān)系數(shù)會較低，但由于一幀C掃描圖中各部分復(fù)雜度不同，斷層處的相關(guān)系數(shù)可能比其他連續(xù)部分的相關(guān)系數(shù)還要高，因此將判定斷層的條件設(shè)為某相關(guān)系數(shù)比其相鄰的4個相關(guān)系數(shù)同時低于經(jīng)驗相關(guān)系數(shù)差值。找到斷層后還需判斷斷層處是數(shù)據(jù)重復(fù)或數(shù)據(jù)缺失。

若是數(shù)據(jù)重復(fù)，則必定能在C掃描圖中的斷層以下部分找到與斷層上一行P相關(guān)系數(shù)為1的一行L，為了驗證L與P是否重復(fù)，需要再對P以上的5行與L以上的5行分別進行線性相關(guān)檢測，若相關(guān)系數(shù)均為1，則認為斷層下一行至L行之間為數(shù)據(jù)重復(fù)并刪除。若不滿足以上條件，則在C掃描圖中的此處斷層不為數(shù)據(jù)重復(fù)，而是數(shù)據(jù)缺失。

若是數(shù)據(jù)缺失，則記錄斷層處相鄰上下行的行數(shù)。為判斷數(shù)據(jù)缺失幀數(shù)，需借助Y方向參考2D掃描圖像。首先應(yīng)防止Z方向運動偽差帶來的問題，需要對慢軸方向參考2D掃描圖像進行拉平及位置校正。本文用到的圖像數(shù)據(jù)是慢軸方向5個位置的參考B-Scan掃描圖和對應(yīng)這5個位置的體數(shù)據(jù)重建圖[7]。在對圖像進行拉平時，先分別將這10幅圖像二值化，去除面積點數(shù)在50以下的區(qū)域，對圖像進行開運算，再在圖像的每一列尋找像素值為1的點中Y坐標值最小的點，這些點構(gòu)成的曲線即為ILM邊界[13-14]，以ILM邊界的最低點為標準將圖像拉平[15]。圖像拉平后以斷層行數(shù)為臨界值將重建圖分為兩個部分，對重建圖的這兩個部分與相應(yīng)位置的掃描圖使用基于B-Scan配準技術(shù)的互相關(guān)算法[5]，求出這兩個部分對應(yīng)掃描圖中相關(guān)系數(shù)最大的位置和需要移動的像素數(shù)，兩個部分求得的像素數(shù)之差即為體數(shù)據(jù)缺失的數(shù)目。為減少偶然誤差，對5個位置分別求缺失數(shù)目。若圖像缺失位置和模板建造時刪除圖像位置相同且缺失數(shù)目與建造模板時刪除的圖像的數(shù)目相等或相近則認為找到了圖像缺失的位置及數(shù)目。

3　算法驗證

3.1模型建立

本文采集的眼底組織視盤體數(shù)據(jù)大小為512×820×255，即255幀圖像，每幀包括512個A線，深度為820的圖像，同時系統(tǒng)還額外在慢軸Y方向采集了5個位置B-Scan圖，分別對應(yīng)X軸向第1、128、256、384、512切面，慢軸Y方向的5個B-Scan掃描位置示意圖如圖4所示。

圖4　慢軸方向的五個B-Scan掃描位置示意圖Fig.4 The sketch map of B-scan along slow axis in the fi ve position

為驗證本文算法的有效性，我們利用課題組研制的OCT系統(tǒng)對人眼底視盤區(qū)進行多次3D掃描以獲取視盤區(qū)OCT圖像的體數(shù)據(jù)塊并選取運動偽差較小的一組數(shù)據(jù)作為驗證本文算法的原始體數(shù)據(jù)，通過人為添加位置錯位等運動偽差來仿真檢測過程中眼球帶來的運動偽差，并以此形成算法驗證圖像模型。原始體數(shù)據(jù)經(jīng)過錯位、重復(fù)以及刪除操作后得到270幀算法驗證模型體數(shù)據(jù)，具體操作如表1所示。再對OCT 3D視盤組織的算法驗證模型體數(shù)據(jù)在Z軸方向上的數(shù)據(jù)進行疊加平均，獲得C掃描圖。原始體數(shù)據(jù)C掃描圖和算法驗證圖像模型的體數(shù)據(jù)C掃描圖分別如圖5(a)、圖5(b)所示。

表1　建立算法驗證圖像模型的操作步驟Fig.1 Diagram1 Steps of building algorithm validation image Model

(a) 原始體數(shù)據(jù)C掃描圖(a) C scan of the original volume data

(b) 算法驗證圖像模型的體數(shù)據(jù)C掃描圖(b) C scan of algorithm to verify the image model of volume data圖5 體數(shù)據(jù)C掃描圖Fig.5 C scan of the volume data

3.2偽差校正算法實現(xiàn)與結(jié)果討論

第一，通過驗證圖像模型的體數(shù)據(jù)C掃描圖進行像素行數(shù)據(jù)的線性相關(guān)檢測獲得相鄰行間的相關(guān)度及最佳相關(guān)位置需要移動的像素數(shù)，來判斷圖像在X方向是否對齊以及是否存在斷層。本算法驗證模型中各個相鄰行間的相關(guān)度如圖6所示，算法驗證模型的C掃描圖中相關(guān)度顯著降低的為90～91行和150～151行，因此判斷為斷層。驗證模型數(shù)據(jù)需要移動的像素數(shù)如圖7所示，要移動的像素數(shù)超過經(jīng)驗值時表示圖像有錯位。

圖7及數(shù)據(jù)顯示第28行開始需要移動的像素數(shù)是7，第51行開始需要移動的像素數(shù)是22，也就是第28～50幀圖需要向右移動7個像素，51～295幀圖需要向右移動22個像素，移動像素數(shù)符合模型中人為移動的像素數(shù)。

圖6　算法驗證模型中各個相鄰行的相關(guān)度Fig.6 Correlation graph between the respective adjacent row of algorithm validation model

圖7　移動到相關(guān)度最大位置需要移動的像素數(shù)Fig.7 The pixels needed to move to fi nd the position with maximum correlation

第二，為判斷圖像重復(fù)位置及數(shù)目，通過算法驗證圖像模型的體數(shù)據(jù)C掃描圖進行線性相關(guān)檢測判斷斷層位置，再找到C掃描圖中與斷層中的上一行相關(guān)系數(shù)為1的行來確定重復(fù)圖像位置和數(shù)目，由圖6可知本文中斷層處為90～91行和150～151行。由上述方法可以判斷斷層90～91行為數(shù)據(jù)重復(fù)，與第90行相關(guān)度如圖8所示，與之相關(guān)度為1的為130行，且85～89行和125～129行的對應(yīng)相關(guān)度也均為1。可以判斷91～130幀為重復(fù)圖像，與算法驗證模型的驗證信息一致，刪除91～130幀圖像。

圖8　第90行與其下行的相關(guān)度Fig.8 The correlation degree between line 90 and its downstream

第三，為判斷圖像缺失位置及數(shù)目，需要C掃描圖進行像素行數(shù)據(jù)的線性相關(guān)檢測找到斷層位置并結(jié)合基于B-Scan配準技術(shù)的互相關(guān)方法來判斷圖像缺失的數(shù)目。利用上述方法可以判斷出第二個斷層處150～151行為圖像缺失。使用慢軸B-Scan掃面圖和相應(yīng)位置的切面圖的拉平圖像來判斷圖像缺失數(shù)目，由于本文圖像X方向?qū)R使得處于體數(shù)據(jù)塊邊緣的位置圖像部分缺失，所以本文使用剩余4個位置的數(shù)據(jù)。先選取第一個位置數(shù)據(jù)，由斷層將切面分為兩個部分，這兩部分分別和掃描圖進行互相關(guān)運算。兩部分對應(yīng)掃描圖最大相關(guān)度位置需要移動的像素數(shù)如表2所示，因此最后得到的4個位置的圖像缺失數(shù)目分別為：26、25、23、28，平均缺失圖像幀數(shù)為25.5，而模型中圖像缺失的數(shù)目為25幀，利用本方法得到的圖像缺失數(shù)目與模型實際的缺失數(shù)目相近且誤差僅為2%。在算法驗證圖像模型的體數(shù)據(jù)的斷層位置補充缺失數(shù)目幀數(shù)的黑色圖像并得到C掃描圖，如圖9所示，與原始體數(shù)據(jù)的C掃描圖圖5(a)相符合。

表2　兩部分對應(yīng)掃描圖最大相關(guān)度位置需要移動的像素數(shù)Tab.2 Two parts corresponding to the maximum correlation position scan number of pixels to be moved

圖9　補充缺失圖像數(shù)據(jù)后的驗證模型的體數(shù)據(jù)C掃描圖Fig.9 C scan of algorithm to verify the image model of volume data after adding the missing body parts

4　結(jié)論

本文利用標準FD-OCT系統(tǒng)，建造算法圖像驗證體數(shù)據(jù)模型，對獲得的C掃描圖使用線性相關(guān)檢查法校正X方向運動偽差，并判斷C掃描圖中的斷層、數(shù)據(jù)重復(fù)以及數(shù)據(jù)缺失。同時對算法進一步延伸，對重復(fù)的數(shù)據(jù)進行刪除；對于數(shù)據(jù)缺失，依據(jù)斷層行數(shù)將慢軸Y方向的B-Scan重建圖分為兩部分，并分別與對應(yīng)位置的掃描圖進行基于B-Scan圖像配準的互相關(guān)檢測，找到重建圖的兩部分移動到最相關(guān)處所分別需要移動的像素數(shù)，求得兩部分像素數(shù)之差，也就得到了體數(shù)據(jù)中圖像缺失的幀數(shù)，用黑色圖像數(shù)據(jù)補充缺失部分圖像數(shù)據(jù)并獲得C掃描圖與原始體數(shù)據(jù)的C掃描圖進行比較，結(jié)果相符。基于C掃描的視盤OCT圖像運動偽差校正算法能夠有效校正X方向的畸變、查找數(shù)據(jù)重復(fù)和缺失的位置及數(shù)目，從而使體數(shù)據(jù)的3D成像能夠更真實的反映眼底視網(wǎng)膜組織，為臨床眼科疾病的診斷提供依據(jù)，提高了臨床診斷的準確性和科學性，同時也為實現(xiàn)OCT動態(tài)成像中眼運動的實時追蹤校正提供了一種新的方法。

參考文獻

[1] Huang D, Swanson EA,Lin CP, et al. Optical coherence tomography[J]. Science, 1991, 254(5035): 1178-1181.

[2] Hoehn F, Mirshahi A, Hattenbach LO. Optical coherence tomography for diagnosis of posterior vitreous detachment the macular region[J]. Eur J Ophthalmol, 2009,19:442-447.

[3] Ricco S. Correcting motion artifacts in retinal spectral domain optical coherence tomography via image registration[J]. Med Imag Comput Comput Assist Interv, 2009,12(Pt 1):100-7.

[4] Drexler W, Fujimoto JG. State-of-the-art retinal optical coherence tomography[J]. Prog Retin Eye Res, 2008, 27(1): 45-88.

[5] Zawadzki RJ, Fuller AR, Choi SS, et al. Correction of motion artifacts and scanning beam distortions in 3D ophthalmic optical coherence tomography imaging[C]. Proc SPIE, 2007, 6426:642607-642607-11.

[6] Tolliver DA, Ishikawa H, Schuman JS, et al. An in-painting method for combining multiple SD-OCT scans with applications to Z-motion recovery, noise reduction and longitudinal studies[J]. Invest Ophthalmol Vis Sci, 2009, 50(13): 1100.

[7] 張明蓉, 李躍杰, 王立偉, 等. OCT 圖像運動偽差校正算法的研究[J]. 中國醫(yī)療器械雜志, 2015, 39(1): 5-8.

[8] 高軍, 李學偉, 張建, 等. 基于模板匹配的圖像配準算法[J]. 西安交通大學學報, 2007, 41(3): 307-311.

[9] Antony B, Abramoff MD, Tang L, et al. Automated 3-D method for the correction of axial artifacts in spectral-domain optical coherence tomography images[J]. Biomed Opt Express, 2011, 2(8): 2403-2416.

[10] Kraus MF, Potsaid B, Mayer MA, et al.Motion correction in optical coherence tomography volumes on a per A-scan basis using orthogonal scan patterns.[J].Biomed Opt Express, 2012, 3(6): 1182–1199.

[11] Vienola KV, Braaf B, Sheehy CK, et al. Real-time eye motion compensation for OCT imaging with tracking SLO[J]. Biomed Opt Express, 2012, 3(11): 2950-2963.

[12] 呂淑媛, 張明. 頻域光相干斷層掃描的C-掃描圖像解讀[J]. 中華眼底病雜志, 2012, 28(6): 630-634.

[13] 高用賀, 李躍杰, 王立偉, 等. 光學相干層析成像的視網(wǎng)膜層狀結(jié)構(gòu)自動分割[J]. 中國醫(yī)療器械雜志, 2014, 38(2): 94-97.

[14]Ortiz S, Siedlecki D, Grulkowski I, et al. Optical distortion correction in optical coherence tomography for quantitative ocular anterior segment by three-dimensional imaging[J]. Opt Express, 2010, 18(3): 2782-2796.

[15] Sadda SR, Joeres S, Wu Z, et al. Error correction and quantitative subanalysis of optical coherence tomography data using computerassisted grading[J]. Invest Ophthalmol Vis Sci, 2007, 48(2): 839.

Study of Motion Artifacts Correction Algorithm in Optical
Coherence Tomography Images Based on C-Scan of Optic Disc

【W(wǎng)riters】GAO Zhenyu1, LI Yuejie1, 2, WANG Liwei1, LI Yilu1
1 Peking Union Medical College, Chinese Academy of Medical Sciences Institute of Biomedical Engineering, Tianjin, 300192
2 Tianjin Ophthalmic Medical Device Technology Engineering Center, Tianjin, 300384

【Abstract】Optical Coherence Tomography(OCT) system may cause dislocations and distortions of the collected image volumetric?data when proceeding dynamic 3D imaging because of the involuntary movements of eyeball, which will result in misdiagnoses during clinical diagnosis. The optic disk region of human eye has much more complex structure and further more blood vessels compared with macular region, which means the conventional image correction method aiming at macular region can not apply to optic disk region. In this paper, we propose a X direction artifact correcting method based on pixel row correlation matching algorithm of C-Scan, specifi c to the structural features of human eye optic disk region OCT images. Moreover, using this method, we can estimate whether the image sequences with motion artifacts have part image repetition or missing or not, and we can further confi rm the positions and numbers of repetition and missing with the help of Y direction 2D scan images. Model verifi cation indicates that this method can effectively rebuild the real image sequences and truly refl ect the physiology structure of retina. 【Key words】OCT, motion artifact, X direction artifact correcting, repetition and missing

【中圖分類號】TP391.41

【文獻標志碼】A

doi:10.3969/j.issn.1671-7104.2016.02.004

文章編號：1671-7104(2016)02-0090-05

收稿日期：2015-12-22

基金項目：天津科技創(chuàng)新體系及平臺建設(shè)計劃項目(13ZXGCCX06300) ；中國醫(yī)學科學院生物醫(yī)學工程研究所院所基金(1506)

作者簡介：高振玉，E-mail: gaozhenyu1990@126.com

通信作者：李躍杰，E-mail: liyj_1@sina.com