光學(xué)相干斷層掃描（OCT）血管造影術(shù)能夠?qū)ρ�管系統(tǒng)進(jìn)行無標(biāo)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(luò)進(jìn)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(xué)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(xué)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(jì)并定制了一種可以自校正的自動繪圖方法，實(shí)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(xùn)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(luò)研究有極大促進(jìn)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(xué)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(xì)胞和其他散射體的運(yùn)動會導(dǎo)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(shí)現(xiàn)對脈管系統(tǒng)的可視化。這種基于振幅和/或相位運(yùn)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(xué)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(biāo)記，成功對腦部脈管系統(tǒng)進(jìn)行了全面的定量體積式分析，產(chǎn)生了血管網(wǎng)絡(luò)的拓?fù)鋱D。與雙光子顯微鏡相比，OCT血管造影術(shù)能夠?qū)�灌注有運(yùn)動血細(xì)胞的功能性（如供氧）微血管網(wǎng)絡(luò)進(jìn)行無標(biāo)記評估，并且OCT在臨床和基礎(chǔ)研究中應(yīng)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(jìn)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(yīng)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?yàn)榧t細(xì)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(xì)胞的較高折射率導(dǎo)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(xué)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(yuǎn)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(jì)算3D血管網(wǎng)絡(luò)的拓?fù)浣Y(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(kuò)展的深度范圍內(nèi)實(shí)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(xì)血管腔，粉色括號標(biāo)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(xì)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(xì)管的信號幅度的平均標(biāo)準(zhǔn)化軸線輪廓，陰影區(qū)域顯示標(biāo)準(zhǔn)偏差。低數(shù)值孔徑時(shí)，估計(jì)的FWHM為20.45 ± 4.64 μm，高數(shù)值孔徑和動態(tài)聚焦時(shí)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(xì)血管交叉點(diǎn)（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(diǎn)（e，紅色實(shí)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(xì)血管床（圖3a）。圖3b顯示了增強(qiáng)后的圖像數(shù)據(jù)的毛細(xì)血管床中血管的MIP圖像。圖3c和d為增強(qiáng)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(lán)色）和毛細(xì)血管（灰色）。（b）來自增強(qiáng)OCM圖像數(shù)據(jù)集的毛細(xì)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(jìn)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(diǎn)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(rèn)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(diǎn)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(dú)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(zhǔn)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(dāng)。  圖4 自動骨架校正的性能，根據(jù)三名操作員手動達(dá)成的共識進(jìn)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(shí)間內(nèi)選擇從圖表中移除終點(diǎn)分支（當(dāng)未發(fā)現(xiàn)可行的候選鏈時(shí)）。（b）對于沒有人工操作者識別出有效橋接鏈的終點(diǎn)（如所有人都選擇移除終點(diǎn)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(diǎn)連接到連續(xù)骨架。

 自校正繪圖技術(shù)的最有效的應(yīng)用，可能是在半自動化方法中，混合方法能夠?qū)⒆詣铀惴ǖ目焖俣龋�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(diǎn)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(rèn)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(yīng)該可以進(jìn)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(jìn)的橫向分辨率會導(dǎo)致景深變小，從而使具有動態(tài)聚焦的成像時(shí)間更長，由樣本運(yùn)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(dǎo)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(dá)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(jìn)一步發(fā)展，可能會得到比目前手動校正工具所能達(dá)到的更廣泛的應(yīng)用，同時(shí)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(luò)拓?fù)浣Y(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(xiàn)：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.