在眼科疾病的诊断域，光学相干层析成像（OCT）和光学相干层析血管成像（OCTA）是两种非常重要的技术手段。然而，在成像过程中，由于成像对象的呼吸、心跳等非自主运动，常常会产生运动伪影，严重影响了成像质量。

北京理工大学医学技术学院的钟浩哲团队提出一种基于眼节结构信息来估计成像对象运动曲线进而实现运动伪影校正的方法。利用所提方法分别对角膜的C-scan以及虹膜的OCTA图像进行分析，从而获得慢轴方向上的相对运动，并将二者结合得到准确的运动曲线，并以此为参照校正OCT图像中的运动伪影。

1.OCT成像原理

OCT是一种非侵入式光学成像手段，早由Huang等人在 1991年提出。它的基本原理是将一束近红外光分成两束，一束照射在待测组织上并收集背向散射光，另一束射入参考臂并收集反射光。利用近红外光的相干性让两束光发生干涉，从而得到干涉光谱，再经过一系列处理终获得样本内部的一维深度信息（A-scan）。通过在快轴方向上连续采集A-scan就可以获得生物组织断层图像（B-scan），而在慢轴方向上连续采集B-scan则是三维光学相干层析成像（3D-OCT），在同一深度上的扫描结果被称为C-scan。

2.OCTA成像原理

OCTA是一种血管成像技术，它在同一成像位置进行多次B-scan扫描，并利用算法获得断层血流图像。

1.运动伪影产生的原因

在OCT和OCTA成像过程中，成像对象在数据采集时发生移动，但在图像重建过程中却被错误假定为静止状态，这就导致了终输出图像中出现与成像组织不相干的失真影像，也就是运动伪影。

2.运动伪影对成像质量的影响

运动伪影会导致OCT图像质量大幅下降，还可能引起临床上对图像的错误解释。在3D-OCT中，运动伪影通常表现为慢轴方向上的图像不连贯及断层。而且不同的OCT模式中，运动伪影出现的概率也有所不同。

例如，频域OCT（FDOCT）的B-scan扫描速率较快，所以生物体非自主运动引起的B-scan失真比较小。但在进行3D-OCT采样时，由于沿慢轴方向收集大量的B-scan需要较长时间，所以样本运动对图像的影响不可忽略。而OCTA扫描所需时间数倍于3D-OCT扫描，因此运动伪影出现的频率更高。

3.现有校正方法及其局限性

硬件方案：包括基于眼动追踪仪等设备捕捉受试者的运动来辅助消除伪影，以及利用扫描激光检眼镜对眼底采样并与3D-OCT图像互补校正伪影等。

软件方案：例如基于粒子滤波的方法、基于C-scan像素行的相关性匹配算法以及利用3D-OCT扫描体分割引导配准原理消除运动伪影等。

局限性：目大多数研究只关注眼底的OCT扫描成像过程中的伪影校正，很少讨论眼节3D-OCT中同样存在的运动伪影问题，而眼节的成像质量对于眼科疾病诊断同样至关重要。

1.理论依据

研究人员发现人和动物的角膜普遍呈现光滑的类半球形，其理想条件下的C-scan图像的轮廓呈圆形，并且眼虹膜上的血管分布也是连续变化的。由于3D-OCT扫描中B-scan之间的距离很小，并且生物组织内部结构都是缓慢连续变化的，所以相邻B-scan之间存在较高的相关性。而运动伪影的成因本质上是相邻B-scan之间的相对移动，因此可以通过互相关函数来计算它们的相对位移。

2.互相关函数计算方式

互相关算法是一种常用的信号处理技术。对于两个存在相关性的连续实序列信号和，其互相关函数的计算公式为。通过改变实序列的偏移量并求取两个序列在域上的积分，就可以得到二者的互相关函数。当互相关函数出现峰值时，意味着两个序列在偏移点处具有相关性。

3.运动曲线估算流程与图像校正方法

1>流程

先将C-scan图像或OCTA图像沿慢轴扫描方向进行逐行分离，将每一个像素行定义为待对齐序列，参考序列作为对齐基准。将待对齐序列与参考序列进行互相关运算，得到平移量，再根据平移量对该序列进行平移操作，得到校正后的序列。为了提升算法对图像噪声干扰的稳健性，可以将此已校正的若干序列的平均序列作为参考序列。

偏移量估计及运动伪影校正流程图

然后计算该参考序列与待校正的下一个序列的互相关函数，通过自相关函数峰值的位置得到相对偏移量。根据相对偏移量将待校正的序列进行平移，与此已校正的序列对齐，从而实现运动伪影校正。依次重复此操作，直到获得所有行之间的平移量所组成的运动曲线，同时也得到了校正后的图像。

2）预处理

对C-scan图像进行两项预处理：采用高斯滤波来降低图像的噪声；将图像与Sobel算子进行卷积运算，提取角膜的边缘轮廓。这样可以使处理后的C-scan图像的每行数据由宽峰变为窄峰，提高互相关算法提取运动曲线的准确性。而OCTA图像由于其中的血管为细小的线条，无需进行边缘增强，可直接利用互相关方法提取运动曲线。

4.与其他方法的比较

研究人员还提供了两种方法进行对比。一种方法是仅使用眼节的C-scan图像执行运动曲线估算流程（方法1），另一种方法是仅使用眼虹膜的OCTA图像执行运动曲线估算流程（方法2）。而所提方法（方法3）则是先对采自同次3D-OCT及OCTA扫描的眼节C-scan和眼虹膜OCTA图像执行运动曲线估算流程，然后将C-scan曲线的中间部分以及OCTA曲线的后部分进行拼接，得到完整且准确的运动曲线。

眼节C-scan的图像预处理流程

三种方法的具体流程

1.实验对象及数据采集

实验采用健康的活体昆明小鼠，在采样通过腹腔注射10%水合氯醛来麻醉小鼠，避免其自主运动对采样造成影响。用于数据采集的是实验室自制的SD-OCT设备，其光源为860nm中心波长、约100nm带宽的超辐射发光二管。

用于数据采集的自制SDOCT系统示意图

A-line线扫描速度可达120kHz，空气中成像深度约为2.4mm，横向分辨率和纵向分辨率分别约为14μm和5μm。在3D-OCT扫描中，三维体数据由550幅B-scan图像组成，每幅B-scan图像又由550幅A-scan图像组成。在OCTA模式下，在每个位置重复扫描3次，终得到的数据点总数为，每次OCTA的采集时间约为11.3s。

2.运动伪影校正结果及比较分析

1>运动曲线比较

2>图像校正效果比较

1.优势

2.局限性

研究人员提出了一种基于眼节结构信息的OCT及OCTA的运动伪影去除方法。该方法无需添加额外硬件，基于眼节中角膜以及虹膜血管的固有结构信息，通过互相关算法估计运动曲线并对运动造成的伪影及偏移进行校正。实验结果表明，该方法能够有效处理由呼吸等运动引起的运动偏移，是一种低成本且有效的伪影校正方法，对提升眼节3D-OCT及OCTA扫描效果具有重要意义。

声明：本文仅用作学术目的。文章来源于:钟浩哲, 曹良齐, 张晓. 基于眼节结构信息的OCT和OCTA图像运动伪影校正[J]. 光学学报, 2024, 44(19): 1917001. Haozhe Zhong, Liangqi Cao, Xiao Zhang. Structural-Information-Based Motion Artifact Correction for OCT ａnd OCTA Images of Anterior Segments[J]. Acta Optica Sinica, 2024, 44(19): 1917001.