导读
光学相干断层血管造影 (OCTA)可提供微米分辨率的视网膜微血管图。然而，即使是轻微的眼球运动也会产生明显的运动伪影，从而降低图像质量。为了解决这个问题，我们提出了一种分谱双域相位强度融合算法。该方法在时域中消除了低频相位漂移，在频域中校正了系统性相位误差，并整合了互补的幅度去相关和相位差信息。独立处理光谱子带进一步提高了流速信噪比。小鼠视网膜活体成像表明，即使没有额外的帧间配准，该方法也能显著提高血管造影对比度和信号保真度，同时大大减少了运动伪影。该技术为在动态条件或低采集帧率下获得高质量 OCTA 图像提供了可靠的途径。该成果以“Split-spectrum dual-domain phase-intensity fusion optical coherence tomography angiography”为题发表在光学领域权威期刊《Optics Letters》上。
研究背景
光学相干断层扫描血管造影（OCTA）是当前视网膜微血管成像的核心技术之一，凭借微米级分辨率、无标记、无创的优势，已成为青光眼、年龄相关性黄斑变性、糖尿病视网膜病变等眼病早期诊断的关键工具。它通过检测红细胞的运动对比度，将传统光学相干断层扫描（OCT）技术扩展到微血管映射，为临床和预临床研究提供了高分辨率的血管结构信息。
然而，OCTA 在活体成像中面临一大核心瓶颈：受心脏搏动、呼吸运动等生理活动影响，眼部组织会产生微小运动，导致 OCT 干涉图出现相位抖动，最终表现为血管断裂、条纹伪影等图像失真。这种失真不仅降低诊断可信度，还限制了长期预临床研究的开展 —— 尤其是在高速体积扫描中，可用于平均的重复帧数量少，传统运动校正方法（如帧间图像配准）不仅增加后处理复杂度，还需大量内存带宽，难以满足高效成像需求。
更关键的是，目前主流的运动对比度算法（如散斑方差 OCTA（SVOCT）、光学微血管造影（OMAG）、分谱幅度去相关血管造影（SSADA））均以时域处理为主，未充分利用频域相位信息，无法有效抑制眼震颤、心搏等引发的高频伪影，成为进一步提升图像保真度的 “拦路虎”。
研究方法
SSDDPIF 算法通过多步骤协同处理实现运动伪影全频段抑制与血流信号优化。首先进行时域相位校正：从 3D 成像数据中选取固定 B 扫描位置，提取相邻帧的复杂 OCT 信号，通过逐像素共轭相乘计算两帧间的全局相移，该相移反映呼吸、心跳等生理活动引发的低频相位漂移；随后采用相位校正因子 对后一帧信号进行修正，抵消低频运动干扰，得到时域校正后的 B 扫描数据。
时域校正后仍存在的眼震颤、心跳相关高频相位噪声，通过频域相位校正进一步消除：将时域校正后的信号进行二维傅里叶变换转换至频域，其中低频分量对应静态组织信号，高频分量对应血流动态信号；通过计算频域相移补偿轴向与横向的残留高频波动，得到校正后的频域信号，再经二维逆傅里叶变换转换回时域，获得全相位校正后的信号。
为扩大血流速度检测范围，算法融合幅度去相关与相位差信息：计算强度差以捕捉血流引发的幅度波动，同时通过相邻校正帧的复乘计算局部相位差以检测慢速毛细血管血流，两者通过复乘融合，实现快慢血流的协同检测。最后通过分谱优化提升信号信噪比。
研究结果
实验使用了实验室之前设计搭建的OCT系统，对小鼠视网膜进行了活体成像。该系统扫描速度为100kHz，轴向分辨率为2.3微米，横向分辨率为10.9微米。通过在视盘中心进行光栅扫描，获取视网膜三维图像数据。为了全面评估所提算法的性能，将其与主流算法（OMAG、SVOCT、SSADA）对比，无论是信噪比还是运动伪影的抑制，都远优于这三个主流算法。
图1 运动伪影抑制的定量和定性评估。
(a–c) 分别使用 (a) TDPIF、(b)DDPIF 和 (c) SSDDPIF 处理后的正面血管造影图像的逐列累积血流信号 ∑S(x)。峰值越低，表示运动条纹抑制效果越好。(d–f) 分别使用 (d) TDPIF、(e) DDPIF 和 (f) SSDDPIF 处理后的同一视网膜区域对应的正面血管造影图像。(g) 标记 ROI 内的累积血流信号与分谱带数量 (3 ≤ K ≤ 15) 的关系图，在 K = 7 时达到稳定状态。(h) 全局 SNR 和 CNR 与子带数量 K 的关系图（固定 α = 1.0）。(i) 全局 SNR 和 CNR 与光谱重叠系数 α 的关系图（固定 K = 7）。
图2 视神经头横截面 OCTA 对比
实验结果表明， OMAG、SVOCT、SSADA、SSDDPIF 四种算法在不同重复 B 扫描帧数（5、4、3、2 帧，对应子图 1-4）下的横截面图像：当帧数为 5 时（a1-d1），四种算法均能呈现毛细血管网络，但随着帧数减少至 2（a4-d4），OMAG（a4）出现血管模糊与背景噪声升高，SVOCT（b4）产生大量易误判为血管的亮斑伪影，SSADA（c4）虽保留部分血管轮廓但背景干扰明显，而 SSDDPIF（d4）仍能保持毛细血管结构的清晰与连续，无明显信号缺失或伪影。
图3 局部眼底投影及伪影定量评估
左栏（a1-d1）为四种算法的原始眼底投影图，右栏（a2-d2）为伪影显著区域的放大图，（e）为基于 “列方向 OCTA B 扫描强度平均绝对梯度” 的伪影定量结果：放大图中，SSDDPIF（d2）对毛细血管腔的勾勒最清晰，伪影最少；（e）中 SSDDPIF 的平均梯度值显著低于 OMAG、SVOCT 与 SSADA，其中 OMAG 与 SVOCT 梯度值较高且伴随明显条纹伪影，SSADA 虽优于前两者但仍有背景干扰，进一步证实 SSDDPIF 在伪影抑制上的优势。
图4 眼底血管造影图与对应 B 扫描图对比
基于 4 次重复 B 扫描数据，上栏（a1-d1）为四种算法的眼底投影图，下栏（a2-d2）为对应 B 扫描图：眼底投影图中，SSDDPIF（d1）的血管 - 背景对比度最高，毛细血管网络完整；B 扫描图中，SSDDPIF（d2）可清晰呈现毛细血管腔结构，而 OMAG（a2）、SVOCT（b2）存在不同程度模糊（SVOCT 甚至出现分层组织结构且血管辨识度极低），SSADA（c2）虽改善但仍无法清晰可视化部分微血管结构，充分体现 SSDDPIF 在复杂运动条件下的成像质量优势
前景与展望
本研究提出的 SSDDPIF 算法，通过“时域-频域双域相位校正”与“分谱相位-强度融合”的创新设计，突破了传统 OCTA 算法依赖帧间配准、频域信息利用不足的技术局限，实现了运动伪影的全频段抑制，同时扩大了血流速度检测范围，可同时清晰呈现大血管快速血流与毛细血管慢速血流。小鼠视神经头成像实验证实，该算法在低帧率、动态成像条件下仍能输出高质量血管图像，为预临床模型的长期随访研究提供了可靠工具。未来研究将重点围绕两方面展开：一是针对人类眼部成像特点（更强眼动、更厚视网膜层、个体差异大）优化算法适应性，解决人类活体成像中的特殊干扰问题；二是开展大规模临床验证，评估算法在青光眼、糖尿病视网膜病变等眼病早期诊断中的临床价值。随着 GPU 加速技术的深度整合，SSDDPIF 算法有望快速转化为临床可用的 OCTA 成像工具
该研究得到了国家自然科学基金、山东省自然科学基金等项目的支持。山东大学韦洪涛为第一作者，山东大学张磊副教授，宋维业教授为共同通讯作者。
