光學相干斷層掃描（OCT）血管造影術(shù)能夠?qū)ρ�管系統(tǒng)進行無標記成像，是基于血管中的動態(tài)散射特性。然而要對OCT血管造影數(shù)據(jù)中的血管網(wǎng)絡進行定量體積分析，仍有一定難度。多重散射拖尾（成像幾何圖形特有的偽影）使血管形態(tài)的自動評估存在一定困難。加利福尼亞大學研究人員Conor Leahy等證明，選用數(shù)值孔徑較高的動態(tài)聚焦的光學相干顯微術(shù)（OCM）血管造影術(shù)，會使散射長度大大超過景深，可顯著降低多重散射拖尾產(chǎn)生的的不利影響。利用改善后的血管圖像質(zhì)量，研究人員設(shè)計并定制了一種可以自校正的自動繪圖方法，實現(xiàn)了從OCM血管造影術(shù)數(shù)據(jù)集中重建皮質(zhì)微血管，其精確度接近訓練有素的操作員。該自動化技術(shù)將對健康和疾病中更廣泛的血管網(wǎng)絡研究有極大促進作用。文章以“Imaging and graphing of cortical vasculature using dynamically focusedoptical coherence microscopy angiography”為題發(fā)表于Journalof Biomedical Optics。

  背景

 基于光學相干斷層掃描（OCT）的血管造影方法能夠選擇性地對脈管系統(tǒng)成像。血管內(nèi)紅細胞和其他散射體的運動會導致其反向散射光變化，OCT通過檢測這種信號的動態(tài)變化實現(xiàn)對脈管系統(tǒng)的可視化。這種基于振幅和/或相位運動對比的血管造影技術(shù)已經(jīng)發(fā)展成為在活體內(nèi)可視化灌注脈管系統(tǒng)的有效手段。

 雖然3D OCT血管造影術(shù)能提供體積式血管信息，但對血管的形態(tài)學分析通常局限在2D水平，一般是en face平面投影。相比之下，有研究使用雙光子激光掃描顯微鏡結(jié)合血漿標記，成功對腦部脈管系統(tǒng)進行了全面的定量體積式分析，產(chǎn)生了血管網(wǎng)絡的拓撲圖。與雙光子顯微鏡相比，OCT血管造影術(shù)能夠?qū)�灌注有運動血細胞的功能性（如供氧）微血管網(wǎng)絡進行無標記評估，并且OCT在臨床和基礎(chǔ)研究中應用廣泛。因此血管造影分析方法尚未充分利用OCT體積式成像潛力。

 進行定量體積式分析3D OCT血管造影數(shù)據(jù)還有一個重要障礙，即由多重散射事件產(chǎn)生的光會引起管腔定位精度下降。這種效應在視覺觀察下展現(xiàn)為大血管下的動態(tài)散射“拖尾”，主要是因為紅細胞前向散射的前后伴隨了來自組織的反向散射，也可能是由穿過光路的紅細胞的較高折射率導致的光路長度變化引起的。總之這種拖尾似乎在軸向上拉長了成像的血管腔，并造成淺層血管和深層血管之間出現(xiàn)重疊。

 光學相干顯微鏡（OCM）將OCT的相干檢測方法與較高的橫向空間分辨率相結(jié)合，通常是采用更高的數(shù)值孔徑（NA）聚焦。本研究中的高數(shù)值孔徑OCM血管造影術(shù)能夠提高對多散射光子的抑制，從而減輕拖尾偽影并便于3D分析，但前提是景深遠小于散射長度（圖1，圖2）。此外研究人員還描述了一種自校正的自動繪圖協(xié)議，該協(xié)議可用作穩(wěn)健定量分析的基礎(chǔ)，例如根據(jù)OCM血管造影數(shù)據(jù)計算3D血管網(wǎng)絡的拓撲結(jié)構(gòu)、互連性和分支層次。
 

 

圖1 （a）低孔徑數(shù)值成像幾何對多次散射事件敏感，（b）高數(shù)值孔徑成像幾何對多次散射事件不敏感。（c）在高數(shù)值孔徑下使用動態(tài)聚焦成像，以在擴展的深度范圍內(nèi)實現(xiàn)高橫向分辨率。

 

圖2 （a）用低數(shù)值孔徑成像幾何獲得的截面圖像。黃色箭頭為一個毛細血管腔，粉色括號標記了多散射拖尾的大致范圍。（b）用高數(shù)值孔徑成像幾何和動態(tài)聚焦獲得的截面圖像。黃色箭頭所示是同一個毛細血管腔，粉色虛線括號處多重散射拖尾較不明顯。（c）相似大小毛細管的信號幅度的平均標準化軸線輪廓，陰影區(qū)域顯示標準偏差。低數(shù)值孔徑時，估計的FWHM為20.45 ± 4.64 μm，高數(shù)值孔徑和動態(tài)聚焦時為10.65 ± 1.78 μm。（d和e）在大血管下選定感興趣區(qū)域的正面MIP圖。低數(shù)值孔徑下，由于大血管造成的多重散射和陰影掩蓋了更深的毛細血管交叉點（d，紅色虛線箭頭），而高數(shù)值孔徑下可以清楚地看到這些交叉點（e，紅色實線箭頭）。

  結(jié)果
 使用高數(shù)值孔徑成像幾何和動態(tài)聚焦3D繪制了皮質(zhì)脈管系統(tǒng)，分割出淺層（軟腦膜）血管和更深的毛細血管床（圖3a）。圖3b顯示了增強后的圖像數(shù)據(jù)的毛細血管床中血管的MIP圖像。圖3c和d為增強的圖像數(shù)據(jù)的MIP圖，分別覆蓋有手動和自動校正的骨架。   圖3 使用高數(shù)值孔徑成像幾何和動態(tài)聚焦獲得的皮質(zhì)血管圖的校正。（a）分割后的皮質(zhì)血管系統(tǒng)，顯示軟腦膜血管（動脈為紅色，靜脈為藍色）和毛細血管（灰色）。（b）來自增強OCM圖像數(shù)據(jù)集的毛細血管床的血管MIP圖。（c）b中高亮部分的MIP圖，覆蓋有原始未校正的骨架（青色）和手動校正繪制的分支（綠色）。（d）覆蓋原始未校正骨架（青色）和在自動校正繪制的分支（紅色）。

 由多個操作員進行手動校正，其間一致性可用于評估自動骨架校正方法。圖4通過與手動操作員在端點校正結(jié)果方面的比較，總結(jié)了自動校正的性能，分別是所有手動操作員都認同等效橋接的情況下（圖4a），以及所有手動操作員都選擇移除端點分支的情況下（圖4b）。將三個手動操作員和自動校正算法視為獨立觀察者，還評估了每個觀察者相對于其他三個建立的共識的準確性。盡管自動化方法在校正精度方面效果還沒有那么好，但其性能與人工觀察者相當。  圖4 自動骨架校正的性能，根據(jù)三名操作員手動達成的共識進行衡量。（a）對于所有三名手動操作者識別出等效橋接鏈（如連接到同一分支）的情況，自動方法在71.1±1.7%的情況下建立等效鏈，在21.8 ± 4.6%的情況下建立不同的橋接鏈，或在7.1 ± 4.1%的時間內(nèi)選擇從圖表中移除終點分支（當未發(fā)現(xiàn)可行的候選鏈時）。（b）對于沒有人工操作者識別出有效橋接鏈的終點（如所有人都選擇移除終點分支），自動校正在90.1±3.6%的情況下是一致的，而在9.9±3.6%的情況下，自動算法找到了可行的候選橋接鏈，從而將終點連接到連續(xù)骨架。

 自校正繪圖技術(shù)的最有效的應用，可能是在半自動化方法中，混合方法能夠?qū)⒆詣铀惴ǖ目焖俣�，與人類在噪聲或其他干擾存在情況下感知結(jié)構(gòu)的卓越能力互相平衡。按照這些思路，將自動校正與圖形用戶界面相結(jié)合，這樣軟件就為操作員提供了每個未連接端點的建議橋接鏈。結(jié)果發(fā)現(xiàn)，在48.1±4.8%的情況下，操作員認為建議的橋接鏈有效，這表明通過半自動方法可以顯著減少人工工作量。通過向操作員提供幾種橋接鏈的選擇，應該可以進一步減少人工勞動。

  結(jié)論

 本研究證明，高數(shù)值孔徑的OCM血管造影術(shù)除了能提供良好的橫向分辨率，還能減少來自血管的多重散射光。通過高數(shù)值孔徑OCM成像提高血管造影照片質(zhì)量，從而更好定位血管腔，有助于精確的體積分割和繪圖。然而，更高的數(shù)值孔徑和改進的橫向分辨率會導致景深變小，從而使具有動態(tài)聚焦的成像時間更長，由樣本運動引起的血管造影偽影的敏感性也增加了，這都屬于該方法存在的局限性。

 本研究描述的新型自動圖形校正方法模擬了手動引導骨架校正的特征。自動算法在71.1 ± 1.7%的情況下會與手動操作者的橋接鏈判斷結(jié)果達成一致。在同意移除分支情況下，自動算法90.1 ± 3.6%情況下與人工操作者判斷一致。這表明人工校正和自動校正之間有明顯的相似。隨著自動自校正算法的進一步發(fā)展，可能會得到比目前手動校正工具所能達到的更廣泛的應用，同時還具有減少人力這一大優(yōu)勢。校正過的血管圖可用于定量測量3D血管網(wǎng)絡拓撲結(jié)構(gòu)、互連性和分支層次。因此，本文介紹的成像和繪圖方法可作為分析健康和疾病中血管系統(tǒng)的綜合工具。
 

 

參考文獻：Leahy, C. , et al. "Imaging and graphing of cortical vasculature using dynamically focused optical coherence microscopy angiography." Journal of Biomedical Optics 21.2(2016):20502.