光学相干断层扫描（OCT）血管造影术能够对血管系统进行无标记成像，是基于血管中的动态散射特性。然而要对OCT血管造影数据中的血管网络进行定量体积分析，仍有一定难度。多重散射拖尾（成像几何图形*的伪影）使血管形态的自动评估存在一定困难。加利福尼亚大学研究人员Conor Leahy等证明，选用数值孔径较高的动态聚焦的光学相干显微术（OCM）血管造影术，会使散射长度大大超过景深，可显著降低多重散射拖尾产生的的不利影响。利用改善后的血管图像质量，研究人员设计并定制了一种可以自校正的自动绘图方法，实现了从OCM血管造影术数据集中重建皮质微血管，其精确度接近训练有素的操作员。该自动化技术将对健康和疾病中更广泛的血管网络研究有极大促进作用。文章以“Imaging and graphing of cortical vasculature using dynamically focusedoptical coherence microscopy angiography”为题发表于Journalof Biomedical Optics。

  背景

 基于光学相干断层扫描（OCT）的血管造影方法能够选择性地对脉管系统成像。血管内红细胞和其他散射体的运动会导致其反向散射光变化，OCT通过检测这种信号的动态变化实现对脉管系统的可视化。这种基于振幅和/或相位运动对比的血管造影技术已经发展成为在活体内可视化灌注脉管系统的有效手段。

 虽然3D OCT血管造影术能提供体积式血管信息，但对血管的形态学分析通常局限在2D水平，一般是en face平面投影。相比之下，有研究使用双光子激光扫描显微镜结合血浆标记，成功对脑部脉管系统进行了全面的定量体积式分析，产生了血管网络的拓扑图。与双光子显微镜相比，OCT血管造影术能够对灌注有运动血细胞的功能性（如供氧）微血管网络进行无标记评估，并且OCT在临床和基础研究中应用广泛。因此血管造影分析方法尚未充分利用OCT体积式成像潜力。

 进行定量体积式分析3D OCT血管造影数据还有一个重要障碍，即由多重散射事件产生的光会引起管腔定位精度下降。这种效应在视觉观察下展现为大血管下的动态散射“拖尾”，主要是因为红细胞前向散射的前后伴随了来自组织的反向散射，也可能是由穿过光路的红细胞的较高折射率导致的光路长度变化引起的。总之这种拖尾似乎在轴向上拉长了成像的血管腔，并造成浅层血管和深层血管之间出现重叠。

 光学相干显微镜（OCM）将OCT的相干检测方法与较高的横向空间分辨率相结合，通常是采用更高的数值孔径（NA）聚焦。本研究中的高数值孔径OCM血管造影术能够提高对多散射光子的抑制，从而减轻拖尾伪影并便于3D分析，但前提是景深远小于散射长度（图1，图2）。此外研究人员还描述了一种自校正的自动绘图协议，该协议可用作稳健定量分析的基础，例如根据OCM血管造影数据计算3D血管网络的拓扑结构、互连性和分支层次。

 

图1 （a）低孔径数值成像几何对多次散射事件敏感，（b）高数值孔径成像几何对多次散射事件不敏感。（c）在高数值孔径下使用动态聚焦成像，以在扩展的深度范围内实现高横向分辨率。

图2 （a）用低数值孔径成像几何获得的截面图像。黄色箭头为一个毛细血管腔，粉色括号标记了多散射拖尾的大致范围。（b）用高数值孔径成像几何和动态聚焦获得的截面图像。黄色箭头所示是同一个毛细血管腔，粉色虚线括号处多重散射拖尾较不明显。（c）相似大小毛细管的信号幅度的平均标准化轴线轮廓，阴影区域显示标准偏差。低数值孔径时，估计的FWHM为20.45 ± 4.64 μm，高数值孔径和动态聚焦时为10.65 ± 1.78 μm。（d和e）在大血管下选定感兴趣区域的正面MIP图。低数值孔径下，由于大血管造成的多重散射和阴影掩盖了更深的毛细血管交叉点（d，红色虚线箭头），而高数值孔径下可以清楚地看到这些交叉点（e，红色实线箭头）。

  结果
 使用高数值孔径成像几何和动态聚焦3D绘制了皮质脉管系统，分割出浅层（软脑膜）血管和更深的毛细血管床（图3a）。图3b显示了增强后的图像数据的毛细血管床中血管的MIP图像。图3c和d为增强的图像数据的MIP图，分别覆盖有手动和自动校正的骨架。


  图3 使用高数值孔径成像几何和动态聚焦获得的皮质血管图的校正。（a）分割后的皮质血管系统，显示软脑膜血管（动脉为红色，静脉为蓝色）和毛细血管（灰色）。（b）来自增强OCM图像数据集的毛细血管床的血管MIP图。（c）b中高亮部分的MIP图，覆盖有原始未校正的骨架（青色）和手动校正绘制的分支（绿色）。（d）覆盖原始未校正骨架（青色）和在自动校正绘制的分支（红色）。

 由多个操作员进行手动校正，其间一致性可用于评估自动骨架校正方法。图4通过与手动操作员在端点校正结果方面的比较，总结了自动校正的性能，分别是所有手动操作员都认同等效桥接的情况下（图4a），以及所有手动操作员都选择移除端点分支的情况下（图4b）。将三个手动操作员和自动校正算法视为独立观察者，还评估了每个观察者相对于其他三个建立的共识的准确性。尽管自动化方法在校正精度方面效果还没有那么好，但其性能与人工观察者相当。

 
 图4 自动骨架校正的性能，根据三名操作员手动达成的共识进行衡量。（a）对于所有三名手动操作者识别出等效桥接链（如连接到同一分支）的情况，自动方法在71.1±1.7%的情况下建立等效链，在21.8 ± 4.6%的情况下建立不同的桥接链，或在7.1 ± 4.1%的时间内选择从图表中移除终点分支（当未发现可行的候选链时）。（b）对于没有人工操作者识别出有效桥接链的终点（如所有人都选择移除终点分支），自动校正在90.1±3.6%的情况下是一致的，而在9.9±3.6%的情况下，自动算法找到了可行的候选桥接链，从而将终点连接到连续骨架。

 自校正绘图技术的*的应用，可能是在半自动化方法中，混合方法能够将自动算法的快速度，与人类在噪声或其他干扰存在情况下感知结构的zhuoyue能力互相平衡。按照这些思路，将自动校正与图形用户界面相结合，这样软件就为操作员提供了每个未连接端点的建议桥接链。结果发现，在48.1±4.8%的情况下，操作员认为建议的桥接链有效，这表明通过半自动方法可以显著减少人工工作量。通过向操作员提供几种桥接链的选择，应该可以进一步减少人工劳动。

  结论

 本研究证明，高数值孔径的OCM血管造影术除了能提供良好的横向分辨率，还能减少来自血管的多重散射光。通过高数值孔径OCM成像提高血管造影照片质量，从而更好定位血管腔，有助于精确的体积分割和绘图。然而，更高的数值孔径和改进的横向分辨率会导致景深变小，从而使具有动态聚焦的成像时间更长，由样本运动引起的血管造影伪影的敏感性也增加了，这都属于该方法存在的局限性。

 本研究描述的新型自动图形校正方法模拟了手动引导骨架校正的特征。自动算法在71.1 ± 1.7%的情况下会与手动操作者的桥接链判断结果达成一致。在同意移除分支情况下，自动算法90.1 ± 3.6%情况下与人工操作者判断一致。这表明人工校正和自动校正之间有明显的相似。随着自动自校正算法的进一步发展，可能会得到比目前手动校正工具所能达到的更广泛的应用，同时还具有减少人力这一大优势。校正过的血管图可用于定量测量3D血管网络拓扑结构、互连性和分支层次。因此，本文介绍的成像和绘图方法可作为分析健康和疾病中血管系统的综合工具。
 

参考文献：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.