基于C扫描的视盘OCT图像运动伪差校正算法的研究

【作者】高振玉，李跃杰, 2，王立伟，李易陆 北京协和医学院 中国医学科学院生物医学工程研究所，天津市，300922 天津市眼科医学设备技术工程中心，天津市，300384



基于C扫描的视盘OCT图像运动伪差校正算法的研究

【作者】高振玉1，李跃杰1, 2，王立伟1，李易陆1
1 北京协和医学院 中国医学科学院生物医学工程研究所，天津市，300192
2 天津市眼科医学设备技术工程中心，天津市，300384

【摘要】光学相干层析成像系统（Optical Coherence Tomography, OCT）在进行动态3D成像时由于眼球的非自主运动可能会使采集的图像体数据产生错位和畸变，从而导致临床诊断的误诊、漏诊。由于人眼视盘区的生理结构比黄斑区更为复杂，眼底血管更丰富，采用常规的黄斑区图像校正方法效果不理想。该文针对人眼视盘区OCT图像的结构特点，提出了基于C扫描(enface)图的像素行相关匹配算法来校正X方向的伪差的方法，并且利用该方法还可判断具有运动伪差的图像序列是否有局部图像重复或缺失，借助Y方向参考2D扫描图像，可同时确定重复和缺失的位置和数目。利用此方法进行了模型验证，结果显示该方法能够有效还原真实的图像序列，使眼底视网膜的生理结构得到真实的反映。

【关 键 词】光学相干层析成像；运动伪差；X方向校正；重复缺失

0　引言

光学相干层析成像(Optical Coherence Tomography, OCT)是一种近年迅速发展起来的光学成像技术，具有高分辨率、高灵敏度、非接触性、横向分辨率和纵向分辨率相互独立等优点[1]。OCT层析成像技术广泛应用于临床医学领域，尤其是眼科临床诊断[2]，检测诸如老年性黄斑病变、糖尿病性视网膜病变、青光眼[3]等需要定量测试视网膜早期变化的疾病。OCT技术已经成为眼科疾病诊断和研究的一种标准工具[4]。然而在应用OCT技术进行眼底组织检测时，人眼的漂移、眨眼等不自主的活动会引起运动伪差[5]，从而使获取的眼底组织数据丧失连续性[6]。为解决这一问题，相关实验室[5-7]提出了校正X方向和Z方向的畸变的方法。这些方法大多采用互相关算法，利用堆栈帧的变化，以每帧图像为模板，其后紧邻的图像与其做互相关对齐。现有方法对于黄斑区这种血管特征均匀的组织效果较好，但对于眼底视盘组织结构及血管特征较复杂的区域，利用体数据块中相邻2D OCT图像进行相关算法方法以消除运动伪差时[8]，相邻图像结构变化对相关结果影响较大。同时现有方法也无法解决慢轴(Y轴)方向图像重复和缺失问题[9]。为了更好地校正眼底视盘组织中血管特征复杂部位的运动伪差，本论文针对人眼视盘区OCT图像的结构特点[10-11]，提出了基于C扫描图的像素行相关匹配算法来校正X方向的运动伪差的方法，利用该方法还可判断具有运动伪差的图像序列是否有局部图像重复或缺失，并且借助Y方向参考2D扫描图像，可同时确定重复和缺失的位置和数目。

1　系统设计

本文采用课题组研制的3D眼科前后节FD-OCT系统进行眼底扫描，通过控制扫描方式采集眼底视盘区OCT图像，以获取视盘区OCT图像的体数据。FDOCT系统采用了波长为840 nm的光源，成像速度可达70 k线/s，扫描速度可达100 帧/s。OCT系统利用本文所设计的算法，将获得的眼底视盘区图像体数据块进行X轴（快轴）向运动伪差校正，再进行Y轴（慢轴）向断层查找，剔除因眼球不自主运动造成的图像重复采集及缺失因素，再将校正后的体数据块送系统进行图像重建。系统设计图如图1所示。

图1　系统设计图Fig.1 The system design

2　校正算法设计

2.1图像获取

OCT系统体数据扫描模式得到的标准体数据模型中，快轴和慢轴扫描分别对应X方向和Y方向扫描。快轴每扫描一次即为一个B-Scan，同时系统还额外在慢轴Y方向采集了5个位置B-Scan图[11]。OCT系统体数据扫描模式图如图2所示。

图2　OCT系统体数据扫描模式Fig.2 The OCT scanning pattern in volumetric acquisition

2.2算法设计

本论文针对人眼视盘区OCT图像的结构特点，采用基于C扫描的视盘OCT图像运动伪差校正算法，通过将3D OCT图像体数据Z轴方向上的数据进行叠加平均，获得C扫描图像[12]。

本文使用线性相关匹配检测，其中模板行数据(T)和原始行数据(I)分别是C扫描图中的相邻两行，包含相邻两帧图像的所有有用信息。模板行数据从左往右、从上往下移动，与原始数据行相匹配，在每一个模板行数据的位置，都进行一次相关度量计算，把T覆盖在I上的每个位置的度量值保存到图像矩阵R中，在R中的每个位置(x, y)都包含匹配度量值，再使用函数minMaxLoc来定位在矩阵R中的最大值坐标 (或者最小值，根据函数输入的匹配参数来确定)。式(1)中Rcorr(x, y)表示相关匹配法的参数值，式(2)中Rcorr_normed(x, y)表示的是标准模板匹配相关匹配法的参数值，值越大表示匹配程度较高。

2.2.1校正X方向伪差

对OCT体数据进行X方向的校正时，对算法验证图像体数据在Z轴方向上进行叠加平均获得的C扫描图的每相邻两行进行线性相关检测，找到相关度最大的匹配位置和对齐图像下一行数据需要移动的像素数。如果需要移动的像素数超过经验值，则表示此相邻行之间在X方向上有错位。记录整个C扫描图中需要移动的行数及此行数后的每行需要移动的像素数，对视盘体数据按照记录的数据进行移动，得到X方向校正后的体数据。X方向运动伪差校正原理图如图3所示。

图3　X方向运动伪差校正原理图Fig.3 Schematic of the motion artifact correction in X direction

2.2.2图像重复/缺失处理

有些运动伪差会造成沿慢轴方向上图像连续性缺失，这种情况下要在X方向校正伪差后再判断视盘体数据重复和缺失的位置和数目。对完成了X方向伪差校正的C扫描图使用线性相关检测判断断层位置，断层包括数据重复和缺失。非断层上下相邻帧都是连续的，相关系数正常，只有在断层处相关系数会较低，但由于一帧C扫描图中各部分复杂度不同，断层处的相关系数可能比其他连续部分的相关系数还要高，因此将判定断层的条件设为某相关系数比其相邻的4个相关系数同时低于经验相关系数差值。找到断层后还需判断断层处是数据重复或数据缺失。

若是数据重复，则必定能在C扫描图中的断层以下部分找到与断层上一行P相关系数为1的一行L，为了验证L与P是否重复，需要再对P以上的5行与L以上的5行分别进行线性相关检测，若相关系数均为1，则认为断层下一行至L行之间为数据重复并删除。若不满足以上条件，则在C扫描图中的此处断层不为数据重复，而是数据缺失。

若是数据缺失，则记录断层处相邻上下行的行数。为判断数据缺失帧数，需借助Y方向参考2D扫描图像。首先应防止Z方向运动伪差带来的问题，需要对慢轴方向参考2D扫描图像进行拉平及位置校正。本文用到的图像数据是慢轴方向5个位置的参考B-Scan扫描图和对应这5个位置的体数据重建图[7]。在对图像进行拉平时，先分别将这10幅图像二值化，去除面积点数在50以下的区域，对图像进行开运算，再在图像的每一列寻找像素值为1的点中Y坐标值最小的点，这些点构成的曲线即为ILM边界[13-14]，以ILM边界的最低点为标准将图像拉平[15]。图像拉平后以断层行数为临界值将重建图分为两个部分，对重建图的这两个部分与相应位置的扫描图使用基于B-Scan配准技术的互相关算法[5]，求出这两个部分对应扫描图中相关系数最大的位置和需要移动的像素数，两个部分求得的像素数之差即为体数据缺失的数目。为减少偶然误差，对5个位置分别求缺失数目。若图像缺失位置和模板建造时删除图像位置相同且缺失数目与建造模板时删除的图像的数目相等或相近则认为找到了图像缺失的位置及数目。

3　算法验证

3.1模型建立

本文采集的眼底组织视盘体数据大小为512×820×255，即255帧图像，每帧包括512个A线，深度为820的图像，同时系统还额外在慢轴Y方向采集了5个位置B-Scan图，分别对应X轴向第1、128、256、384、512切面，慢轴Y方向的5个B-Scan扫描位置示意图如图4所示。

图4　慢轴方向的五个B-Scan扫描位置示意图Fig.4 The sketch map of B-scan along slow axis in the fi ve position

为验证本文算法的有效性，我们利用课题组研制的OCT系统对人眼底视盘区进行多次3D扫描以获取视盘区OCT图像的体数据块并选取运动伪差较小的一组数据作为验证本文算法的原始体数据，通过人为添加位置错位等运动伪差来仿真检测过程中眼球带来的运动伪差，并以此形成算法验证图像模型。原始体数据经过错位、重复以及删除操作后得到270帧算法验证模型体数据，具体操作如表1所示。再对OCT 3D视盘组织的算法验证模型体数据在Z轴方向上的数据进行叠加平均，获得C扫描图。原始体数据C扫描图和算法验证图像模型的体数据C扫描图分别如图5(a)、图5(b)所示。

表1　建立算法验证图像模型的操作步骤Fig.1 Diagram1 Steps of building algorithm validation image Model

(a) 原始体数据C扫描图(a) C scan of the original volume data

(b) 算法验证图像模型的体数据C扫描图(b) C scan of algorithm to verify the image model of volume data图5 体数据C扫描图Fig.5 C scan of the volume data

3.2伪差校正算法实现与结果讨论

第一，通过验证图像模型的体数据C扫描图进行像素行数据的线性相关检测获得相邻行间的相关度及最佳相关位置需要移动的像素数，来判断图像在X方向是否对齐以及是否存在断层。本算法验证模型中各个相邻行间的相关度如图6所示，算法验证模型的C扫描图中相关度显著降低的为90～91行和150～151行，因此判断为断层。验证模型数据需要移动的像素数如图7所示，要移动的像素数超过经验值时表示图像有错位。

图7及数据显示第28行开始需要移动的像素数是7，第51行开始需要移动的像素数是22，也就是第28～50帧图需要向右移动7个像素，51～295帧图需要向右移动22个像素，移动像素数符合模型中人为移动的像素数。

图6　算法验证模型中各个相邻行的相关度Fig.6 Correlation graph between the respective adjacent row of algorithm validation model

图7　移动到相关度最大位置需要移动的像素数Fig.7 The pixels needed to move to fi nd the position with maximum correlation

第二，为判断图像重复位置及数目，通过算法验证图像模型的体数据C扫描图进行线性相关检测判断断层位置，再找到C扫描图中与断层中的上一行相关系数为1的行来确定重复图像位置和数目，由图6可知本文中断层处为90～91行和150～151行。由上述方法可以判断断层90～91行为数据重复，与第90行相关度如图8所示，与之相关度为1的为130行，且85～89行和125～129行的对应相关度也均为1。可以判断91～130帧为重复图像，与算法验证模型的验证信息一致，删除91～130帧图像。

图8　第90行与其下行的相关度Fig.8 The correlation degree between line 90 and its downstream

第三，为判断图像缺失位置及数目，需要C扫描图进行像素行数据的线性相关检测找到断层位置并结合基于B-Scan配准技术的互相关方法来判断图像缺失的数目。利用上述方法可以判断出第二个断层处150～151行为图像缺失。使用慢轴B-Scan扫面图和相应位置的切面图的拉平图像来判断图像缺失数目，由于本文图像X方向对齐使得处于体数据块边缘的位置图像部分缺失，所以本文使用剩余4个位置的数据。先选取第一个位置数据，由断层将切面分为两个部分，这两部分分别和扫描图进行互相关运算。两部分对应扫描图最大相关度位置需要移动的像素数如表2所示，因此最后得到的4个位置的图像缺失数目分别为：26、25、23、28，平均缺失图像帧数为25.5，而模型中图像缺失的数目为25帧，利用本方法得到的图像缺失数目与模型实际的缺失数目相近且误差仅为2%。在算法验证图像模型的体数据的断层位置补充缺失数目帧数的黑色图像并得到C扫描图，如图9所示，与原始体数据的C扫描图图5(a)相符合。

表2　两部分对应扫描图最大相关度位置需要移动的像素数Tab.2 Two parts corresponding to the maximum correlation position scan number of pixels to be moved

图9　补充缺失图像数据后的验证模型的体数据C扫描图Fig.9 C scan of algorithm to verify the image model of volume data after adding the missing body parts

4　结论

本文利用标准FD-OCT系统，建造算法图像验证体数据模型，对获得的C扫描图使用线性相关检查法校正X方向运动伪差，并判断C扫描图中的断层、数据重复以及数据缺失。同时对算法进一步延伸，对重复的数据进行删除；对于数据缺失，依据断层行数将慢轴Y方向的B-Scan重建图分为两部分，并分别与对应位置的扫描图进行基于B-Scan图像配准的互相关检测，找到重建图的两部分移动到最相关处所分别需要移动的像素数，求得两部分像素数之差，也就得到了体数据中图像缺失的帧数，用黑色图像数据补充缺失部分图像数据并获得C扫描图与原始体数据的C扫描图进行比较，结果相符。基于C扫描的视盘OCT图像运动伪差校正算法能够有效校正X方向的畸变、查找数据重复和缺失的位置及数目，从而使体数据的3D成像能够更真实的反映眼底视网膜组织，为临床眼科疾病的诊断提供依据，提高了临床诊断的准确性和科学性，同时也为实现OCT动态成像中眼运动的实时追踪校正提供了一种新的方法。

参考文献

[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] 张明蓉, 李跃杰, 王立伟, 等. OCT 图像运动伪差校正算法的研究[J]. 中国医疗器械杂志, 2015, 39(1): 5-8.

[8] 高军, 李学伟, 张建, 等. 基于模板匹配的图像配准算法[J]. 西安交通大学学报, 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] 吕淑媛, 张明. 频域光相干断层扫描的C-扫描图像解读[J]. 中华眼底病杂志, 2012, 28(6): 630-634.

[13] 高用贺, 李跃杰, 王立伟, 等. 光学相干层析成像的视网膜层状结构自动分割[J]. 中国医疗器械杂志, 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

【Writers】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

【中图分类号】TP391.41

【文献标志码】A

doi:10.3969/j.issn.1671-7104.2016.02.004

文章编号：1671-7104(2016)02-0090-05

收稿日期：2015-12-22

基金项目：天津科技创新体系及平台建设计划项目(13ZXGCCX06300) ；中国医学科学院生物医学工程研究所院所基金(1506)

作者简介：高振玉，E-mail: gaozhenyu1990@126.com

通信作者：李跃杰，E-mail: liyj_1@sina.com