Peningkatan Algoritma Untuk Membangun Gambar Struktural Objek Biologis di Oktober

Algoritma yang diperbaiki dari gambar struktur objek biologis untuk tomografi koherensi optik, yang memungkinkan untuk meningkatkan kedalaman penginderaan yang koheren dan mendapatkan gambaran kualitas yang lebih baik.

Optical coherence tomography (OCT) telah muncul pada akhir tahun delapan puluhan, awal tahun sembilan puluhan pada abad kedua puluh. [1] Pada awal abad XXI, ia mengambil tempat di sejumlah peralatan diagnostik medis. OCT menggunakan sinyal optik yang dipantulkan dari permukaan dengan kerapatan optik yang berbeda, dan dalam banyak hal mirip dengan diagnosis USG (AS). Kedalaman probing sistem jaringan OCT padat menggunakan panjang gelombang ?? = 900 – 1300 nm, adalah 1-2 mm, yang jauh lebih rendah daripada sistem ultrasound [2, 3] dan perangkat X-ray [4]. Karena hamburan yang kuat dari radiasi optik dalam jaringan biologis padat, sistem Oktober digunakan terutama untuk studi kornea, vitreous dan retina. Namun, resolusi sistem OCT untuk satu, dua perintah sistem ultrasound resolusi lebih besar untuk penelitian serupa, yaitu sekitar 1 – 0,1 mm [2].

Tujuan dari pekerjaan ini – untuk menyediakan algoritma yang lebih baik untuk membangun gambaran struktural OCT objek biologis untuk memungkinkan untuk meningkatkan kedalaman penginderaan koheren dan gambar dengan kontras tinggi dan informatif.

Sinyal listrik yang diterima dari detektor OCT termasuk dalam sirkuit yang seimbang, diamplifikasi dan didigitalkan oleh ADC berarti intensitas radiasi yang dipantulkan dari objek biologis. Persiapan gambar 2-axis dari sinyal gangguan dikurangi dengan pembangunan spektogram. Spektrogram adalah fungsi dari dua variabel: waktu dan frekuensi. Artinya, sinyal interferensi sebagai fungsi dari satu variabel (waktu) diubah menjadi spektogram adalah fungsi dari dua variabel. Untuk membangun sinyal interferensi spektogram dibagi menjadi segmen waktu pendek dengan panjang yang sama. Masing-masing segmen ini diterapkan transformasi Fourier cepat (STFT, di antara LabVIEW). Di masing-masing segmen spektrum adalah fungsi kompleks dari jumlah sampel (atau waktu). Diketahui bahwa fungsi bernilai kompleks tidak dapat dibangun dalam satu sistem koordinat di dalam pesawat. Oleh karena itu, analisis spektrum biasanya membangun amplitudo dan spektrum fasa dari sinyal apa pun. Spektrum amplitudo adalah modul dari spektrum yang kompleks dan fase – argumennya. Spektrogram adalah kombinasi dari spektrum amplitudo, dihitung pada segmen pendek, fungsi dua variabel, atau matriks. Algoritma perawatan serupa ditunjukkan pada Gambar 1.

Algoritma ini dapat membedakan lima tahap penting secara fundamental: “Memisahkan sinyal”, “Transformasi Fourier”, “Isolasi amplop”, “Logaritma amplop”, “Menulis data ke matriks”

Gambar 1 – Algoritma pemrosesan sinyal listrik dari detektor tomografi koherensi detektor

Tahap selanjutnya dari pemrosesan sinyal adalah menggunakan transformasi Fourier cepat ke setiap segmen. Karena perbedaan jalur pemindaian lengan interferometer bervariasi terus menerus pemindaian garis tunda optik, secara teoritis jendela Transformasi Fourier, juga harus bergerak terus menerus pada satu titik, tetapi itu membuat pemrosesan sinyal cukup panjang, pada urutan menit. Secara empiris, telah ditunjukkan bahwa pemrosesan sinyal digeser ke jendela 70-80% memiliki rasio kontras yang sama seperti halnya pergeseran terus menerus – ke suatu titik. Dibutuhkan 2 – 5 detik ketika menggunakan komputer dengan parameter rata-rata (prosesor single-core 2,4 GHz, 512 MB RAM). Menggunakan komputer yang kuat dan perangkat lunak khusus, kali ini dapat dikurangi menjadi satu detik. Pendekatan ini memberikan gambar secara real time dan umpan balik visual ketika menggunakan fasilitas biomedis hidup.

Pemrosesan sinyal digeser jendela oleh 70-80% – adalah fitur penting dari perawatan yang diusulkan kami sinyal listrik. [5]

Tahap berikutnya dari pemrosesan sinyal adalah untuk memisahkan amplop spektral dari sinyal yang diterima oleh Transformasi Fourier dari setiap segmen. Sebuah fitur penting dari sinyal yang diterima adalah simetri terhadap nol, perbedaan jalur optik dari gelombang. Hal ini dijelaskan oleh fakta bahwa hasil transformasi Fourier adalah fungsi kompleks, bagian nyata yang simetris, dan antisymmetric imajiner. Karena dalam aplikasi nyata adalah bagian nyata dari sinyal atau besarnya, sinyal direkonstruksi memiliki pandangan yang seimbang. Selain simetri dari spektral sinyal OCT memiliki fitur penting lainnya – pengenaan cermin dari sinyal konjugasi kompleks. Jika perbedaan jalur optik antara gelombang referensi dan gelombang objek biologis adalah nol sinyal yang berguna ditumpangkan pada komponen autokorelasi, dalam hal ini akan ada beberapa artefak gambar. Ini dapat dihindari dengan menempatkan objek biologis sehingga batas pertamanya dihapus dari posisi perbedaan jalur nol dari gelombang di interferometer dengan jumlah yang lebih besar dari ketebalan optik dari objek itu sendiri. [5]

Tahap selanjutnya adalah logaritma sinyal interferensi amplop dari setiap segmen. Hal ini diperlukan untuk mengoreksi simetri. Ketika bagian yang dihapus logarithm terletak di bawah perbedaan jalur nol dari gelombang.

Langkah terakhir adalah menggabungkan pemrosesan spektrum amplitudo, dihitung pada segmen pendek dalam matriks. Dasar data untuk pencitraan matriks ini.