Réel

Rapports scientifiques volume 12, Numéro d'article : 21718 (2022) Citer cet article

698 accès

Détails des métriques

L'imagerie par contraste de chatoiement laser (LSCI) est si sensible au mouvement qu'elle peut mesurer le mouvement des globules rouges. Cependant, cette extrême sensibilité au mouvement est aussi son écueil car la traduction clinique du LSCI est ralentie du fait de l'incapacité à traiter les artefacts de mouvement. Dans cet article, nous étudions l'efficacité d'une correction et d'une compensation d'artefacts de mouvement multispectraux en temps réel en soumettant un fantôme de flux in vitro et un rein porcin ex vivo à des artefacts de mouvement contrôlés par ordinateur. Sur le fantôme de flux in vitro, le flux optique a montré une bonne corrélation avec le mouvement total. Ce modèle se traduit par un meilleur rapport signal sur bruit pour plusieurs distances d'imagerie et la surestimation de la perfusion a été réduite. Dans le modèle de rein ex vivo, la surestimation de la perfusion a également été réduite et nous avons encore pu faire la distinction entre ischémie et non-ischémie dans les données stabilisées alors que cela n'était pas possible dans les données non stabilisées. Cela conduit à une estimation de la perfusion nettement meilleure qui pourrait ouvrir la porte à une multitude de nouvelles applications cliniques pour le LSCI.

L'imagerie par contraste de speckle laser (LSCI) est basée sur le principe selon lequel la lumière rétrodiffusée d'un tissu biologique, éclairée par une lumière cohérente, forme un motif de speckle aléatoire au niveau du détecteur. Il s'agit d'une technique d'imagerie sans colorant et plein champ qui peut mesurer la microperfusion souterraine dans les tissus en temps réel. Le LSCI a été introduit en 1981 par Fercher et Briers pour surveiller le flux sanguin1. Pourtant, le LSCI n'est pas devenu la norme de soins, en partie à cause des artefacts de mouvement2. L'utilisation du LSCI est basée sur l'hypothèse que le changement dynamique dans le soi-disant motif de chatoiement contient des informations sur le flux sanguin. Le motif de chatoiement aléatoire est le résultat de différentes longueurs de chemin optique et il est si sensible au mouvement que les chatoiements sont influencés par les globules rouges (RBC). Cependant, cette extrême sensibilité au mouvement est aussi son écueil. Un mouvement indésirable du tissu d'intérêt diminue le contraste mesuré, entraînant des estimations de débit incorrectes (c'est-à-dire une surestimation de la perfusion). Cela limite l'utilisation du LSCI dans plusieurs contextes cliniques où le mouvement ne peut pas être éliminé, comme les mouvements respiratoires, les mouvements pulsatiles et péristaltiques, les mouvements incontrôlés chez les nourrissons et les personnes âgées, et à la suite de douleurs et de frissons.

Jusqu'à présent, les efforts pour réduire l'effet des artefacts de mouvement se sont principalement concentrés sur l'application d'informations externes sur le mouvement, dérivées d'une plaque opaque ou du signal ECG. Dans ces cas, des informations supplémentaires ont été utilisées pour corriger mathématiquement l'influence du mouvement sur le LSCI3,4,5,6,7,8,9. Cependant, ces méthodes ne sont pas en temps réel et nécessitent l'utilisation d'une sorte de marqueur dans le champ de vision. Ce dernier n'est pas toujours possible dans certaines situations comme dans un cadre laparoscopique10.

Dans cette étude, nous présentons un modèle de correction et de compensation de mouvement LSCI multispectral en temps réel et robuste, basé sur le flux optique qui pourrait permettre la traduction clinique de LSCI pour l'évaluation de la microperfusion dans divers domaines de travail cliniques. Nous présentons notre modèle de correction des artefacts de mouvement dans deux contextes expérimentaux différents pour démontrer le concept de base jusqu'à l'application préclinique.

Nous étudions l'influence des artefacts de mouvement contrôlé sur la perfusion mesurée dans deux contextes ; un fantôme de flux in vitro et sur un rein de porc perfusé ex vivo (Fig. 1). La perfusion mesurée par LSCI est exprimée en unités de perfusion laser speckle (LSPU). Les LSPU sont calculés à l'aide de l'équation. (1) où \(\sigma\) est l'écart type de l'intensité \(I\) sur l'intensité moyenne \(\) en utilisant un algorithme LSCI spatial11. La fenêtre spatiale a été fixée à 5 × 512 et la fenêtre temporelle a été fixée à 8 images. Le fantôme de flux et le rein de porc perfusé ex vivo ont été soumis aux mêmes mouvements simulés. Une plate-forme de mouvement 2D programmable avec 4 longueurs de trajet différentes à 5 vitesses différentes allant de 4 à 12 mm/s par incréments de 2 mm/s a été utilisée. L'architecture est un système de mouvement à 2 axes que l'on trouve couramment dans les imprimantes 3D avec deux servomoteurs contrôlés par un microcontrôleur (Mega 2560 REV3, Arduino, Ivrea, Italie). Par rapport à Ambrus et al.13, cette configuration présente l'avantage que la vitesse, la distance et la direction peuvent être programmées et contrôlées par l'utilisateur et ainsi imiter les artefacts de mouvement biologiquement pertinents.

La configuration d'imagerie à contraste de chatoiement laser à double laser (LSCI) avec générateur d'artefacts de mouvement 2D programmable. La configuration LSCI consistait en un capteur de couleur, un ordinateur et une configuration à double laser avec un laser rouge 680 nm et vert 532 nm 200 mW. Les échantillons a et b sont placés sur la plate-forme de mouvement programmable 2D. (A) Le fantôme de flux in vitro présente une région de chatoiement statique et dynamique. (B) Un rein de porc perfusé ex vivo.

Le premier cadre a étudié l'influence des artefacts de mouvement in vitro sur un fantôme d'écoulement avec une région dynamique stable et une région statique stable (Fig. 1a) (FLPI Cal 2FPS, Moor Instruments Ltd, Millwey, Royaume-Uni). Ce fantôme de flux offre un réglage optimal pour expérimenter la correction et la compensation de mouvement, grâce à des caractéristiques optiques extrêmement claires et distinctes telles que le texte écrit. Il comporte deux tubes de 20 x 10 mm qui se présentent comme des zones de speckle dynamiques et statiques. Cela permet d'isoler l'effet des artefacts de mouvement en utilisant le contraste de speckle stable \(K\) (Eq. 1). Nous avons calculé le rapport signal sur bruit (SNR) entre la région d'intérêt (ROI) couvrant la région de speckle statique (LSPUstatic) et la ROI couvrant toute la région de speckle dynamique (LSPUDynamic) à l'aide de l'équation. (2). SDStatic et SDDynamic sont respectivement l'écart type de LSPUstatic et LSPUDynamic. Les valeurs LSPU et SD sont calculées pour chaque image où le retour sur investissement suit automatiquement les régions statiques et dynamiques sur le fantôme de flux à l'aide des algorithmes de stabilisation. Le SNR indique la capacité à faire la distinction entre les tissus bien et mal perfusés. La distance entre la caméra et le fantôme de flux était de 90 ou 200 mm pour examiner l'effet du rapport mouvement/pixel.

La surestimation de la perfusion est calculée en comparant la LSPU pendant le mouvement par rapport à la LSPU lorsque le fantôme de flux est immobile. Ces valeurs seront comparées entre l'algorithme LSCI stabilisé et non stabilisé. En utilisant également ce modèle, nous étudierons si le flux optique est indicatif d'artefacts de mouvement. Ceci sera étudié en examinant la corrélation entre le flux optique total et le temps de mouvement et la corrélation entre le flux optique et le LSPU. Afin d'étudier l'utilisation du flux optique comme indication des artefacts de mouvement, nous étudions la relation entre les valeurs LSPU des trames qui ont un flux optique égal à zéro par rapport à un flux optique supérieur à zéro pour les régions statique et dynamique de le fantôme de flux. Le flux optique est un vecteur de déplacement qui peut être utilisé sans avoir besoin d'un marqueur fiducial dans le champ de vision (FOV). La précision de la détection de flux optique dépend fortement de la qualité des caractéristiques optiques distinctes. Nous calculons le flux optique entre chaque trame suivante. La précision du flux optique pour le réalignement géométrique a déjà été prouvée14. Comme mentionné par d'autres7, tout mouvement augmentera faussement la valeur LSPU par rapport à la vraie valeur de perfusion. Étant donné que le fantôme de flux n'est pas soumis à des changements hémodynamiques incontrôlables, toutes les déviations de LSPU doivent être le résultat d'un mouvement. Par conséquent, il devrait y avoir une corrélation entre les valeurs LSPU accrues du flux optique.

La deuxième expérience a étudié l'influence des artefacts de mouvement à l'aide de la plate-forme programmable sur un rein de porc perfusé par machine ex vivo (Fig. 1b). Cela ajoute des complications telles que la surveillance d'un événement hémodynamique, de petites vibrations tissulaires et des réflexions spéculaires. Les reins de porc récupérés à l'abattoir provenaient d'un abattoir local. Des porcs (porcs femelles néerlandais de race locale, âgés d'environ cinq mois et d'un poids moyen de 130 kg) ont été abattus à des fins de consommation et ont été manipulés selon des procédures légales normalisées. La configuration ex vivo des reins porcins perfusés par la machine a été décrite en détail précédemment15. Deux expériences différentes ont été répétées trois fois sur un rein pendant la perfusion de la machine normothermique. Tout d'abord, des artefacts de mouvement contrôlé ont été générés pendant une pression stable et un état hémodynamique stable. Deuxièmement, nous avons induit un déficit de perfusion locale en gonflant un cathéter à ballonnet dans l'artère rénale. Des mesures LSCI avec et sans mouvements ont été effectuées en présence d'ischémie dans le lobe inférieur du rein. Semblable au fantôme de débit, la surestimation de la perfusion est calculée en comparant la LSPU pendant le mouvement par rapport à la LSPU lorsque le rein est à l'arrêt.

La configuration LSCI se composait d'une caméra couleur, d'un module double laser couplé par fibre avec optique et d'un ordinateur portable (Fig. 1). La configuration multispectrale a été choisie pour créer des caractéristiques optiques distinctes traçables pour le calcul du flux optique. L'hypothèse est que le laser vert, sur la plupart des tissus, donne lieu à ces caractéristiques visuellement distinctes autour des vaisseaux sanguins puisque ceux-ci apparaissent comme des veines sombres. Le laser rouge est utilisé pour les mesures de perfusion. La caméra couleur était une caméra CMOS 12 bits de 4,19 mégapixels (5,5-\(\upmu\)m \(\times\) 5,5-\(\upmu\)m pixels) (UI-3370CP-C-HQ , IDS Imaging Development Systems GmbH, Obersulm, Allemagne), équipé d'un objectif 12,5 mm, F1.5–16 (LM12HC, Kowa, Düsseldorf, Allemagne). Les images ont été acquises à un temps d'exposition de 40 ms, à une fréquence de 25 Hz avec le f-stop réglé sur 8. Le temps d'exposition relativement long est nécessaire pour obtenir des intensités de pixels adéquates grâce à la combinaison d'un laser de faible puissance. et grand champ de vision. Les paramètres d'imagerie définis ont donné un minimum d'environ 3 pixels par tache, satisfaisant ainsi le critère de Nyquist16. La stabilisation multi-spectrale nécessite deux diodes laser, nous avons choisi d'utiliser une rouge (\(\uplambda\) = 680 nm, 200 mW, Lionix International, Enschede, Pays-Bas) et une verte (\(\uplambda\) = 532 nm , 200 mW, Lionix International, Enschede, Pays-Bas) diode laser couplée à une fibre couplée à un port fibre (Thorlabs, Newton, États-Unis), avec une lentille de collimation (12 mm \(\varnothing\), -12 mm FL lentille double concave non revêtue (Edmund Optics, New Jersey, États-Unis) placée à une distance de 40 mm pour éclairer complètement le FOV. La diaphonie était de 5 % des 532 nm dans le canal rouge et de 4 % des 632 nm dans le canal canal vert respectivement. La caméra et le laser ont été montés à 9 cm et 20 cm au-dessus et perpendiculairement au fantôme de flux in vitro, ce qui a donné un FOV d'imagerie de 80 × 80 mm et 200 × 200 mm respectivement. La distance d'imagerie était de 200 mm pour l'ex mesures in vivo résultant en un champ de vision de 200 × 200 mm La caméra est connectée à un ordinateur portable (Dell XPS 15, processeur Intel Core i7-8750H, 16 Go de RAM, GeForce GTX1050 Ti GPU) qui est chargé avec le logiciel Lapvas-Imaging (LIMIS Development BV, Leeuwarden, Pays-Bas).

La technologie de détection de la perfusion (c'est-à-dire LSCI) est basée sur la diffusion de photons sur les globules rouges (RBC)17. Lorsque la perfusion est mesurée dans un tissu soumis au moindre mouvement, les valeurs de perfusion mesurées comprennent le mouvement des globules rouges (désiré) et l'artefact de mouvement dû au mouvement du tissu (indésirable). Nous avons émis l'hypothèse que la valeur LSCI traditionnelle \(K\) (Eq. 1) comprend le mouvement des globules rouges (\(fRBC\)) et le mouvement indésirable du tissu (\(fTIS\)) comme dans l'Eq. (3). La solution proposée est de minimiser l'influence de \(fTIS\) dans \(K\) pour estimer plus précisément \(fRBC\). Ceci est divisé en deux parties; une compensation d'artefact de mouvement basée sur des changements soudains dans les valeurs LSCI et l'alignement géométrique basé sur l'utilisation de vecteurs de déplacement dérivés du flux optique. Les images stabilisées ont été affichées aux chercheurs à 14 images par seconde avec une vitesse de traitement de 70 ms par image sur l'ordinateur portable.

Les images affectées par des artefacts de mouvement ont un SNR diminué et, dans une certaine mesure, une diminution de la qualité d'image. Il n'est pas possible de séparer \(fRBC\) et \(fTIS\) de \(K\). Cependant, il est possible d'estimer l'effet relatif que \(fTIS\) a sur \(K\). Un changement soudain de \(K\) est probablement l'effet de \(fTIS\), puisque la plupart des mesures de perfusion sont effectuées dans un état hémodynamique stable. Les pondérations basées sur des différences soudaines ou des changements de contraste de chatoiement peuvent indiquer des artefacts de mouvement indésirables. Par conséquent, l'application de ces pondérations à l'inverse du LSPU moyen peut entraîner une meilleure qualité d'image. L'utilisation de facteurs de pondération inversement corrélés à l'évolution relative de \(K\) par rapport à la moyenne \(K\) des images précédentes peut ainsi compenser l'effet de l'artefact de mouvement \(fTIS\) sur \(K\ \). Le facteur de poids temporel \({w}_{t}\) du pixel \((i,j)\) est calculé à l'aide de l'équation. (4). Les facteurs de pondération sont divisés par la somme de tous les facteurs de pondération dans la fenêtre temporelle (c'est-à-dire la normalisation linéaire) résultant en \({w}_{t\left(normalized\right)}\). Ensuite, le facteur de pondération normalisé est utilisé pour la multiplication du LSPU temporel pour chaque pixel.

Enfin, nous avons émis l'hypothèse que la plupart des perturbations du \(fTIS\) sont présentes selon un schéma récursif tel que les mouvements respiratoires et les battements cardiaques. Pour minimiser l'influence de ces artefacts de mouvement indésirables, la fenêtre temporelle doit être de la taille d'au moins deux fois les mouvements récursifs les plus lents. En ne respectant pas le critère de Nyquist, le bruit moyen ne sera pas le même si la fenêtre temporelle est plus petite que la récursive la plus lente. Lorsque la fenêtre temporelle utilisée dans le LSCI spatial est suffisamment grande, la fenêtre englobera toujours la même quantité de bruit.

En raison du mouvement du tissu et de la caméra, les images deviennent désalignées, par conséquent, un alignement géométrique est nécessaire. L'alignement géométrique proposé est basé sur l'utilisation du flux optique. La méthode pyramidale creuse de Lucas-Kanade est utilisée pour les calculs des vecteurs de déplacement18. Le flux optique est calculé à l'aide des positions de caractéristiques correspondantes déterminées automatiquement dans deux images consécutives sur lesquelles les vecteurs de déplacement identifiant le mouvement de la zone cible sont déterminés. Les caractéristiques sont détectées par l'algorithme pyramidal clairsemé de Lucas-Kanade. Les valeurs de flux optique sont égales au nombre de pixels qu'une caractéristique détectée déplace entre deux images consécutives. Les transformations basées sur les vecteurs de déplacement sont ensuite utilisées pour recaler ou aligner géométriquement les images de contraste de speckle. L'alignement géométrique consiste en une transformation affine déterminée par les vecteurs flux optiques.

Nous avons conçu une configuration multispectrale à deux lasers afin de générer des caractéristiques d'objets visuellement distinctes dans les tissus perfusés. Les vaisseaux sanguins superficiels absorbent la lumière verte et apparaissent plus foncés. Cela se traduit par un contraste accru qui, à son tour, augmente les caractéristiques saillantes de l'image qui peuvent être suivies. Le flux optique est calculé à partir des seuls pixels verts.

Graphpad Prism (Prism 7, La Jolla, États-Unis d'Amérique) a été utilisé pour l'analyse statistique. Toutes les données sont présentées sous forme de moyenne ± écart type. Un test de régression linéaire et des tests T de Welch ont été utilisés. Une valeur p bilatérale < 0,05 était considérée comme statistiquement significative.

Pour étudier l'utilisation du flux optique comme indication des artefacts de mouvement, nous avons étudié la relation entre le flux optique et le LSPU non stabilisé. Comme on peut le voir sur la figure 2a, le flux optique augmente linéairement avec l'augmentation du temps de mouvement total pour le fantôme (R2 = 0,9947). Cela correspondait au fait que le temps total de déplacement augmente également de manière linéaire. Nous avons étudié l'effet du mouvement sur les régions statiques et dynamiques du fantôme. En regardant les valeurs moyennes de LSPU de la région statique qui sont associées à un flux optique égal à zéro, nous voyons qu'il y avait une différence significative de LSPU par rapport à un flux optique > 0 (p < 0,0001) (Fig. 2b ). Il en est de même pour le LSPU de la région dynamique (p < 0,0001) (Fig. 2b).

(A) Somme du flux optique mesuré par vitesse de déplacement en mm/s avec un ajustement linéaire. Le R au carré pour un ajustement linéaire est de 0,9947. (B) Une parcelle de boîte et de violon des unités de perfusion laser speckle (LSPU) triées par le flux optique mesuré (OF). Pour étudier l'utilisation du flux optique comme indication des artefacts de mouvement, nous avons étudié la relation entre OF et LSPU non stabilisé. LSPU triés par des valeurs OF = 0 et > 0. **** sont significativement différents (p < 0,0001).

Un SNR plus élevé indique un pouvoir discriminant élevé pour faire la distinction entre les tissus bien et mal perfusés. Les SNR pour la distance de caméra de 20 cm se trouvent sur la Fig. 3a. Le SNR moyen (et écart-type) était de 4,15 ± 1,21 pour le stabilisé contre 1,41 ± 0,22 non stabilisé, soit une augmentation du SNR d'un facteur 2,94. (Fig. 3b). La plus petite distance de caméra de 9 cm a légèrement mieux fonctionné car le SNR était 3,44 fois plus élevé. Les SNR se trouvent sur la Fig. 3c et le SNR moyen est avec un SNR stabilisé de 4, 06 ± 0, 84 et un SNR non stabilisé de 1, 18 ± 0, 24 (Fig. 3d). La figure 4 montre un exemple d'images de perfusion fantôme à flux stationnaire (Fig. 4a, b) et non stationnaire utilisant les algorithmes LSCI traditionnels (Fig. 4c) et stabilisés (Fig. 4d).

(A) Rapport signal sur bruit pour chaque distance par vitesse de déplacement en mm/s pour la distance de caméra de 20 cm. (B) Tracés en boîte et violon des rapports signal/bruit moyens pour la distance de caméra de 20 cm. (C) Rapport signal sur bruit pour chaque distance par vitesse de déplacement en mm/s pour la distance de caméra de 9 cm. (D) Tracés en boîte et violon des rapports signal/bruit moyens pour la distance de caméra de 9 cm.

(A) L'image non traitée du fantôme de flux (en haut) et du rein ex vivo (en bas). (B) Images de perfusion du fantom à flux stationnaire (en haut) et du rein ex vivo (en bas) affichés dans les unités de perfusion laser speckle (LSPU) [AU]. (C) Image de perfusion (identique à D) du fantôme à flux non stationnaire (en haut) et du rein ex vivo (en bas) en utilisant le mode traditionnel d'imagerie par contraste de chatoiement laser (LSCI) dans LSPU [AU]. D : image de perfusion (identique à C) d'un fantôme à flux non stationnaire (en haut) et d'un rein ex vivo (en bas) à l'aide du modèle LSCI de correction et de compensation de mouvement multispectral dans LSPU[AU].

Nous constatons également une forte diminution de l'écart type des enregistrements stabilisés, en particulier dans le tube de speckle statique. Par nature, l'écart type est plus élevé pour les mouchetures statiques. Nous constatons une augmentation du SNR d'un facteur 3,05 (SD = 2,46 vs SD = 7,52) pour les speckles statiques et de 2,33 (SD = 1,75 vs SD = 4,09) pour les speckles dynamiques. Ceci est similaire pour la distance de caméra plus petite avec 3,43 (SD = 2,23 vs SD = 7,64) pour le statique et 2,43 (SD = 1,95 vs SD = 4,75) pour les mouchetures dynamiques.

Pour la plus grande distance de caméra, ces chiffres se traduisent par une réduction de 7,31 fois de la surestimation de la perfusion (50,86 % contre 6,96 %) et une réduction de 5,65 fois de la surestimation des taches statiques (90,93 % contre 16,09 %). Cet effet est moins important pour la plus petite distance de la caméra avec 2,79 fois moins de réduction de la surestimation de la perfusion (44,84 % contre 16,09 %) et 4,81 pour les mouchetures statiques (124,86 % contre 25,98 %).

En concordance avec l'augmentation linéaire du temps de mouvement total, nous avons observé une augmentation linéaire du flux optique (R2 = 0,8375 ± 0,0957) dans la configuration de rein porcin perfusé ex vivo. L'expérience hémodynamique statique a montré une réduction du bruit de 1,62 fois dans l'écart type des enregistrements stabilisés (SD = 1,64 ± 0,32) par rapport aux données non stabilisées (SD = 2,67 ± 0,23). Nous avons également observé que la surestimation moyenne de la perfusion était de 11,21 ± 3,03 % contre 26,96 ± 2,89 %, soit une amélioration de 2,40 fois. La figure 4 montre un exemple d'images de perfusion rénale stationnaire (Fig. 4a, b) et non stationnaire utilisant les algorithmes LSCI traditionnels (Fig. 4c) et stabilisés (Fig. 4d).

En gonflant un cathéter à ballonnet, nous avons induit une ischémie locale dans l'une des bifurcations de l'artère rénale, créant une zone à haut débit et à faible débit, comparable au fantôme de flux décrit ci-dessus. Les résultats sont représentés dans le tableau 1. L'ischémie a été induite une fois sans et deux fois avec l'ajout d'artefacts de mouvement. Nous avons observé que, bien qu'il y ait plus de bruit par rapport à l'ischémie locale non mobile (Fig. 5a), nous pouvions toujours distinguer l'ischémie et la non-ischémie dans les données stabilisées (p < 0,0001) (Fig. 5b) alors que c'était impossible dans les données non stabilisées (p > 0,05) (Fig. 5c).

(A) Parcelle en boîte et violon de la ligne de base, de l'ischémie et de la post-ischémie LSPU de l'expérience d'ischémie locale sans artefacts de mouvement. (B) Graphique en boîte et violon de la ligne de base, de l'ischémie et de la LSPU stabilisée post-ischémie de l'expérience d'ischémie locale avec des artefacts de mouvement. (C) Graphique en boîte et violon de la ligne de base, de l'ischémie et de la LSPU non stabilisée post-ischémie de l'expérience d'ischémie locale avec des artefacts de mouvement. * = l'ischémie est significativement différente de la ligne de base. + = La post-occlusion est significativement différente de l'ischémie.

Dans cet article, nous rapportons une correction d'artefact de mouvement en temps réel comme modèle de compensation pour l'évaluation clinique de la microperfusion souterraine à l'aide de LSCI. Nos données montrent qu'il est possible de réduire significativement l'effet des artefacts de mouvement en temps réel. Nous avons validé le modèle in vitro en utilisant un fantôme à flux stable comme modèle le plus idéal. Nous avons conclu de cette expérience que le flux optique est indicatif des artefacts de mouvement et qu'il peut être utilisé pour l'alignement des images. Nous avons constaté une amélioration significative des SNR et une diminution significative de l'écart type. Cela conduit à une estimation de la perfusion nettement meilleure par rapport au modèle non stabilisé. Le rein de porc perfusé ex vivo a ajouté des défis importants, tels que les vibrations tissulaires et les réflexions spéculaires. La découverte la plus importante est qu'en utilisant ce modèle de stabilisation, nous avions encore la capacité de faire la distinction entre les tissus bien perfusés et non perfusés. Nous pensons que l'évaluation qualitative de la perfusion pourrait être utile à l'acceptation du LSCI en milieu clinique. Nos résultats suggèrent que la technologie de correction des artefacts de mouvement peut être appliquée dans une multitude de nouvelles applications cliniques.

Les artefacts de mouvement induits dans cette étude sont plus importants que les artefacts trouvés dans la pratique clinique. Pourtant, le modèle était encore en mesure d'améliorer considérablement les données LSCI. La diminution du SNR qui peut être trouvée avec une diminution de la vitesse de déplacement et une augmentation de la distance prouve que les artefacts continus à basse fréquence et de plus longue durée atténuent l'effet des modèles par rapport aux artefacts à haute fréquence et plus courts. Cela est dû à l'incapacité des algorithmes à connaître la "vraie" estimation du débit lorsqu'un mouvement prend plus de temps que la longueur de la fenêtre temporelle. Le modèle doit donc être affiné pour les mouvements typiques présents dans le cadre clinique en modifiant la fenêtre temporelle. D'autre part, l'algorithme ne peut pas détecter le mouvement lorsque les mouvements sont plus rapides que le framerate. Cela devrait également être exploré pour chaque application clinique séparément.

Nous avons choisi de ne pas nous fier à une seule source d'information en utilisant les changements brusques de LSPU pour la compensation et le flux optique pour la correction. Puisque nous avons montré que le flux optique est indicatif des artefacts de mouvement et qu'il existe une différence significative de LSPU pour les valeurs de flux optique de zéro et plus que zéro, d'autres combinaisons pourraient être réalisables. Par exemple, en utilisant une combinaison pondérée de flux optique et de changement soudain de LSPU pour la compensation de mouvement.

Les avantages de la méthode présentée dans ce manuscrit par rapport aux travaux précédents est que cette méthode est en temps réel et sans avoir besoin de toute forme de marqueur fiducial ou de plaque adhésive opaque. Nous prévoyons que ce modèle peut aider à l'acceptation clinique du LSCI en tant qu'imageur de perfusion qualitatif et semi-quantitatif. Cette étude pourrait notamment servir d'étude préclinique pour les mesures de perfusion peropératoires lors d'une transplantation rénale. Les cartes de perfusion 2D en temps réel pourraient aider à la détection précoce des déficits de perfusion locaux après la reperfusion du rein, ce qui pourrait finalement conduire à de meilleurs résultats postopératoires. La capacité de corriger le mouvement pourrait améliorer l'imagerie des brûlures, où les patients tremblent souvent de douleur. De plus, notre groupe a intégré ce modèle dans un facteur de forme laparoscopique dans le but de surveiller la perfusion colique. Le facteur de forme laparoscopique pourrait avoir plus d'applications dans des domaines tels que la chirurgie gastro-intestinale supérieure et d'autres interventions laparoscopiques.

La limite de notre étude est que nous n'avons validé ce modèle que dans le cadre le plus idéal et ex vivo sur un rein. Cependant, la configuration multispectrale la plus optimale doit être explorée pour chaque indication clinique, car différentes propriétés optiques des tissus et propriétés biologiques peuvent affecter les caractéristiques optiques distinctes. La fréquence d'images de 14 images par seconde des images stabilisées peut probablement également être améliorée par l'optimisation du traitement d'image et un matériel mis à niveau avec plus de puissance de traitement. Des efforts futurs devraient être faits concernant la recherche préclinique pour d'autres types de tissus. De plus, la correction multispectrale pourrait être améliorée en remplaçant la source de lumière cohérente verte par une LED à bande spectrale étroite, car cela minimise le bruit de chatoiement indésirable sans introduire de diaphonie indésirable.

En résumé, nos données in vitro et in vivo suggèrent que ce modèle de stabilisation LSCI est efficace dans la réduction de l'effet des artefacts de mouvement, permettant la distinction entre les tissus bien et mal perfusés lors d'un mouvement substantiel de la région d'intérêt. Cette méthode pourrait augmenter l'applicabilité clinique du LSCI, car elle convient à la plupart des indications cliniques car il n'est pas nécessaire de placer des marqueurs dans le champ de vision et le traitement peut être effectué en temps réel.

Les ensembles de données utilisés et/ou analysés au cours de l'étude en cours sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

Fercher, AF & Briers, JD Visualisation de flux au moyen de la photographie de speckle à exposition unique. Opter. Commun. 37, 326-330 (1981).

Annonces d'article Google Scholar

Heeman, W., Steenbergen, W., van Dam, GM & Boerma, EC Applications cliniques de l'imagerie par contraste de chatoiement laser : Une revue. J. Biomed. Opter. 24, 1 (2019).

Article Google Scholar

Mahé, G. et al. Évaluation fonctionnelle microvasculaire cutanée pendant l'exercice : une nouvelle approche utilisant l'imagerie par contraste de chatoiement laser. Arc Pflugers. 465, 451–458 (2013).

Article CAS Google Scholar

Mahé, G. et al. L'imagerie par contraste de chatoiement laser mesure avec précision le flux sanguin sur les surfaces cutanées en mouvement. Microvasc. Rés. 81, 183-188 (2011).

Article Google Scholar

Bahadori, S., Immins, T. & Wainwright, TW L'effet de la stimulation électrique neuromusculaire du mollet et de la compression pneumatique intermittente sur la microcirculation de la cuisse. Microvasc. Rés. 111, 37–41 (2017).

Article Google Scholar

Bahadori, S., Immins, T. & Wainwright, TW Une nouvelle approche pour surmonter le mouvement Artefact lors de l'utilisation d'un système d'imagerie à contraste de chatoiement laser pour les vitesses alternées de la microcirculation sanguine. J.Vis. Exp. https://doi.org/10.3791/56415 (2017).

Article Google Scholar

Lertsakdadet, B. et al. Correction des artefacts de mouvement dans les images de speckle laser portables. J. Biomed. Opter. 23, 1 (2018).

Article Google Scholar

Omarjee, L. et al. Optimisation de la détection de mouvement et de l'élimination des artefacts lors de l'imagerie par contraste de speckle laser. Microvasc. Rés. 97, 75–80 (2015).

Article Google Scholar

Richards, LM, Towle, EL, Fox, DJ & Dunn, AK Imagerie de contraste de chatoiement laser peropératoire avec correction de mouvement rétrospective pour l'évaluation quantitative du flux sanguin cérébral. Neurophotonique 1, 15006 (2014).

Article Google Scholar

Heeman, W. et al. Application de l'imagerie de contraste laser speckle en chirurgie laparoscopique. Biomédical. Opter. Express 10, 2010 (2019).

Article Google Scholar

Draijer, M., Hondebrink, E., van Leeuwen, T. & Steenbergen, W. Examen des techniques de contraste de chatoiement laser pour visualiser la perfusion tissulaire. Lasers Med. Sci. 24, 639–651 (2009).

Article Google Scholar

Briers, D., Duncan, DD, Hirst, E., Kirkpatrick, SJ et Larsson, M. Imagerie de contraste de chatoiement laser : limitations théoriques et pratiques. J. Biomed. Opter. 18, 1 (2013).

Article Google Scholar

Ambrus, R. et al. Imagerie de contraste de speckle laser pour surveiller les changements dans le flux sanguin microvasculaire. EUR. Surg. Rés. 56, 87–96 (2016).

Annonces d'article Google Scholar

Barron, JL, Fleet, DJ & Beauchemin, SS Performance des techniques de flot optique. Int. J. Comput. Vis. 12, 43–77 (1994).

Article Google Scholar

Heeman, W. et al. Visualisation en temps réel de la microperfusion rénale à l'aide de l'imagerie de contraste de chatoiement laser. J. Biomed. Opter. 26, 12 (2021).

Article Google Scholar

Kirkpatrick, SJ, Duncan, DD & Wells-Gray, EM Effets néfastes de l'appariement de la taille des pixels de chatoiement dans l'imagerie par contraste de chatoiement laser. Opter. Lett. 33, 2886 (2008).

Annonces d'article Google Scholar

Boas, DA & Dunn, AK Imagerie par contraste de chatoiement laser en optique biomédicale. J. Biomed. Opter. 15, 11109 (2010).

Article Google Scholar

Bouguet, JY Implémentation pyramidale du feature tracker lucas kanade. (1999).

Télécharger les références

Les auteurs tiennent à remercier Riëlle Vrielink pour son aide avec le générateur d'artefacts de mouvement et Petra Ottens pour son aide avec les perfusions rénales. Ce travail a été soutenu par le fonds de connaissances et d'innovation du Samenwerkingsverband Noord Nederland (SNN) Grant No. KEI18PR004.

Campus de la faculté Fryslân, Université de Groningue, Wirdumerdijk 34, Leeuwarden, 8911 CE, Pays-Bas

Wido Heeman & E. Christiaan Boerma

Département de chirurgie, University Medical Center Groningen, Hanzeplein 1, Groningen, 9713 GZ, Pays-Bas

Wido Heeman, Hanno Maassen, Henri Leuvenink & Gooitzen. M. van Dam

LIMIS Development BV, Henri Dunantweg 2, Leeuwarden, 8934 AD, Pays-Bas

Wido Heeman

Département de pathologie et de biologie médicale, University Medical Center Groningen, Hanzeplein 1, Groningen, 9713 GZ, Pays-Bas

Hanno Maassen et Harry van Goor

Centre d'expertise en vision par ordinateur et science des données, NHL Stenden University of Applied Sciences, Rengerslaan 8-10, Leeuwarden, 8917 DD, Pays-Bas

Klaus Dijkstra

ZiuZ Visual Intelligence, Stationsweg 3, Gorredijk, 8401 DK, Pays-Bas

Joost Candidat

Service de soins intensifs, Centre médical Leeuwarden, Henri Dunantweg 2, Leeuwarden, 8934 AD, Pays-Bas

E. Christiaan Boerma

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

WH, HM, ECB et HL ont conçu l'étude et développé les idées conceptuelles. WH, KD, JC et ECB ont conceptualisé et développé le système LSCI et effectué l'analyse. WH, HM, HvG et HL ont conceptualisé et réalisé les études à l'aide du système LSCI. WH, HM, KD, JC, HvG, HL, GMvD et ECB ont rédigé le manuscrit. WH et HM ont conçu et finalisé les figures principales. Tous les auteurs ont contribué à la collecte des données, à l'analyse des résultats et ont contribué au texte.

Correspondance avec Wido Heeman.

JC, KD et ECB sont les inventeurs de la technologie PerfusiX-Imaging, WH fait partie du projet PerfusiX-Imaging. HM, HvG, HL et GMvD n'ont aucun conflit d'intérêts ou liens financiers à divulguer.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Heeman, W., Maassen, H., Dijkstra, K. et al. Correction et compensation des artefacts de mouvement multispectraux en temps réel pour l'imagerie de contraste de chatoiement laser. Sci Rep 12, 21718 (2022). https://doi.org/10.1038/s41598-022-26154-6

Télécharger la citation

Reçu : 30 août 2022

Accepté : 09 décembre 2022

Publié: 15 décembre 2022

DOI : https://doi.org/10.1038/s41598-022-26154-6

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.