血管內光學相干層析成像（IVOCT）是目前分辨率最高的血管內成像技術，可對冠狀動脈血管腔及管壁內膜下病變進行快速、清晰的成像。僅根據組織結構的層析圖像無法精確識別粥樣硬化斑塊成分（如鈣化、纖維化、脂質和混合斑塊），需要形態結構之外的生理信息的對比機制，獲得具有臨床診斷價值的組織參數，即定量 IVOCT（qIVOCT）。本文針對根據 IVOCT 原始背向散射信號和灰階圖像定量測量血管壁組織的光學特性參數、彈性參數和血流動力學參數的研究現狀進行歸納和總結，分析目前存在的問題，展望可能的發展方向。
引用本文： 楊飛, 孫正. 定量血管內光學相干層析成像的研究進展. 生物醫學工程學雜志, 2020, 37(2): 358-364. doi: 10.7507/1001-5515.201906061 復制
引言
血管內光學相干層析成像（intravascular optical coherence tomography，IVOCT）是臨床診斷以及介入治療冠狀動脈粥樣硬化性病變的重要影像手段，它采用近紅外激光在血管腔內對周圍組織進行 360° 周向掃描，少部分光被組織吸收，大部分光在組織分界面表層發生散射，通過分析背向散射光的特征對組織進行成像。IVOCT 是目前分辨率最高的血管內成像技術，軸向和側向分辨率分別可達 10 μm 和 25 μm，接近組織學分辨率[1]，易識別粥樣硬化斑塊及引起血栓的小斑塊。
IVOCT 根據斑塊的脂質核和薄纖維帽的散射特性識別易損斑塊，灰階圖像可以清晰地顯示血管腔及管壁內膜下病變。但在病變出現的早期，正常組織與病變組織對光的散射特性差別不大，而且對于較深層組織，特別是纖維帽下的脂質或鈣化斑塊以及巨噬細胞和壞死核等，僅根據組織結構的層析圖像無法準確分辨，需要形態結構之外的生理信息的對比機制，獲得具有臨床診斷價值的組織特征參數，即定量 IVOCT 成像（quantitative IVOCT，qIVOCT），用于提高對不同成分組織和不穩定斑塊的識別能力[1]。
本文對 qIVOCT 的研究現狀進行歸納和總結，主要包括利用 IVOCT 灰階圖像或者原始背向散射信號計算血管壁（含斑塊）組織的光學特征參數（主要是光衰減系數和背向散射系數）、彈性參數（包括彈性模量、共振頻率和剪切波速）和血流動力學參數（包括血流絕對速度和血管壁剪切應力），分析討論主要方法的基本原理和步驟，總結優勢和局限性，分析目前存在的問題，展望可能的發展方向。
1 定量測量組織光學特征參數
生物組織的光衰減系數是隨空間位置變化的，定量分析 IVOCT 背向散射信號可以測定感興趣區域內組織成分的光衰減系數。目前的主要方法是曲線擬合法（curve fitting，CF）[2-4]和基于深度解析（depth-resolved，DR）模型的方法[5]。同時，由于 IVOCT 采用近紅外波段的激光源，組織的光吸收較少，光在組織中的衰減主要由背向散射造成，因而可以根據光衰減系數分析背向散射系數[2]。根據光衰減系數和背向散射系數，可對薄纖維帽、鈣化和富含脂質的斑塊等組織成分進行定量標定，以及標定支架植入術后新生內膜的形成等。此外，將從 IVOCT 圖像中分割出的定性的紋理和幾何形態結構信息與定量的光學特征參數相結合，也可增強對不同類型斑塊成分的鑒別能力。
1.1 曲線擬合法
背向散射光功率遵循一階散射近似，可用如式（1）所示的指數衰減函數描述[3]：
 |
其中，P（z）是背向散射光功率，Pi 是入射光功率，Lc 是入射激光源的相干長度，μb 是背向散射系數，μt 是光衰減系數，A（z）是光束的發散度函數，n 是組織的折射率。在對原始背向散射光信號進行預處理并消除像差和聚焦效應并濾除噪聲的基礎上，根據式（1）采用最小二乘擬合即可得到組織的光衰減系數和背向散射系數。
為了提高 CF 算法的可重復性和魯棒性，可以利用三維 IVOCT 回撤數據估計感興趣血管段的光衰減系數。文獻[4]中提出了一種通過在均勻區域內擴展擬合窗估計光衰減系數的自動優化方案。近年還出現了結合機器學習的 CF 算法[6]，進一步提高了 IVOCT 組織標定的精度。
CF 算法的不足包括：① 由于假設整條 A 掃描線上的光衰減系數為常數，因而需要手動分割出具有不同光衰減系數的區域；② 當待測組織是薄層結構時，估算結果不穩定，且對噪聲很敏感；③ 無法估算較小的光衰減系數變化，無法充分發揮 IVOCT 成像高分辨率的優勢。
1.2 基于深度解析模型的方法
DR 模型法的基本原理是：組織的光衰減系數表征光學相干層析成像（optical coherence tomography，OCT）信號的變化率，且隨探測深度變化。假設光被組織完全衰減，且衰減系數與背向散射系數之間呈線性關系，按照朗伯比爾（Lambert-Beer）定律對 OCT 信號強度隨探測深度的衰減情況建模，并按照如式（2）所示的公式估算衰減系數：
 |
其中，μt（z）是組織中深度 z 處的衰減系數，Ib（z）是探測器檢測到的組織深度 z 處的反射/散射光強。式（2）的離散形式如式（3）所示：
 |
其中，i 是 A 掃描線數（單位：像素），j 是探測深度（單位：像素），
是像素（i，j）處衰減系數的估計值，Δ 是像素尺寸（單位：mm），Ib（i，j）是 OCT 灰階圖像中像素（i，j）處的背向散射信號強度值。
DR 模型法可自動估算出 OCT 灰階圖像中各像素處的組織衰減系數，分辨率遠高于 CF 算法，且無需對圖像進行手動分割。但由于假設光被組織完全衰減，在背向反射/散射光強不為零的區域，衰減系數的估計值可能過高，因此該算法僅適用于使入射光完全衰減的組織。由于沒有考慮多散射信號的影響，因此當邊界信號較弱時可能導致錯誤的估計。此外，它沒有考慮共焦函數，因此為了得到準確的估算結果，要求聚焦平面位于樣品上方，這會導致探測器采集信號的信噪比降低，也限制了該方法在臨床的應用范圍。
1.3 改進的深度解析模型法
1.3.1 DR-CF 算法
在實際應用中，利用式（2）估算衰減系數時，通常用最大探測深度值作為對 OCT 信號強度的積分上限，這對表層組織衰減系數的估計幾乎沒有影響，因為在該區域內 OCT 信號的強度遠高于噪聲。但是，在接近 A 掃描線的末尾處，由于噪聲的強度較大，可能造成衰減系數的估計值過大。為了解決該問題，文獻[7]中提出采用 DR-CF 算法確定截止深度，避免由于邊界信號較弱導致對衰減系數的錯誤估計，同時保留了 CF 法的高噪聲容限。然后根據背向散射系數與衰減系數呈線性關系的假設，估算背向散射系數，如式（4）所示：
 |
其中，L0 是入射光功率（單位：W/cm2），μb 是背向散射系數，β 是成像系統常數，Ib（d）是光電探測器檢測到的組織深度 d 處的背向散射信號強度值，
是組織深度 u 處衰減系數的估計值。
1.3.2 DR 共焦模型算法
DR 模型法假設共焦函數為常數，但實際中，當焦平面位于樣本內部或者表面時，共焦函數并非常數，此時采用 DR 模型法不能得到對衰減系數的準確估計。文獻[8]中提出了深度解析共焦模型（depth-resolved confocal，DRC），可以在聚焦平面位于樣品內部的情況下更準確地估計衰減系數。該方法同時考慮了共焦函數和靈敏度下降這兩個因素，對 DR 模型進行了優化處理，但同時也具有 DR 模型法本身的缺陷，即當深層組織內的光未完全衰減時，估計結果不準確。而且它需要已知有關 OCT 成像系統共焦函數參數（即焦平面深度和表面瑞利范圍）的先驗知識。
為了確定共焦函數參數，文獻[9]中提出對具有常數衰減系數的鏡面或弱散射介質進行成像，進而計算共焦函數參數。這種方法理論上是可行的，但其要求在對患者進行 OCT 成像前，先對單獨的樣本進行成像，這在臨床上是不易實現的，尤其是在進行 IVOCT 成像時，這種操作容易污染或損壞掃描探頭。
1.3.3 基于 DRC 模型的自共焦技術
針對 DRC 模型存在的缺陷，文獻[10]中提出一種自共焦技術，可以在臨床掃描過程中進行校準，自動確定共焦函數參數。其基本思路是：采用圖像處理技術提取同一成像系統在不同視角下拍攝的同一樣本的兩幅圖像之間的特征差異，這種差異源自共焦函數，從而可提取共焦函數參數。
該算法不需要手動校準，也無需對單獨的樣本進行成像，但是當焦平面距離樣品表面較遠時，共焦函數幾乎為常數，此時無法準確估計衰減系數。若能夠估計焦平面的位置，則可以根據焦平面與樣品之間的相對位置選擇相應的衰減系數估計方法。
1.3.4 精確估計焦平面
文獻[11]提出了一種精確確定焦平面位置進而準確估計衰減系數的方法，利用兩幅圖像衰減系數相同的特點，對兩幅共焦剖面的比值進行曲線擬合，提取焦平面位置，得到的焦平面更接近用真實衰減系數確定的理論焦平面。但是該方法沒有對共焦函數的另一個參數——瑞利范圍進行經驗估計，精確估計衰減系數依賴于有效的瑞利范圍，而瑞利范圍受散射系數、入射角和深層組織內的多次散射等因素的影響。
2 定量測量血管壁彈性參數
血管壁彈性是血管生理功能的重要特征，根據斑塊的機械特性判斷其易損性，可以對多種未表現出形態學變異的斑塊進行診斷與治療。血管內光學相干彈性成像（intravascular optical coherence elastography，IVOCE）在對血管壁組織施加激勵，使其發生微小形變的情況下，利用 IVOCT 結合數字信號處理技術，定量估算血管壁的彈性模量以及應力/應變分布，得到血管橫截面的彈性圖，反映組織的力學特性差異，其分辨率已達微米級[12]，且靈敏度高于血管內超聲彈性成像。
2.1 組織位移的產生和測量方法
光學相干彈性成像（optical coherence elastography，OCE）中使組織產生位移的主要方法有靜態全局壓縮、動態機械加載、超聲加載、微型空氣加載和激光脈沖加載等。IVOCE 多采用超聲加載的接觸式激發方式使血管壁組織產生位移，即采用聲輻射力（acoustic radiation force，ARF）激發組織，通過調節超聲波的脈沖來控制 ARF 的大小，進而測量聚焦處沿超聲波束的軸向組織位移[13]。該激發方式可以應用于組織表面以下微米級的深度范圍內，同時兼具光學成像高分辨率的特點。而且它可以集成到導管探針上，實現血管內生物力學特性的定量測量。但是 ARF 產生的壓力過大，考慮到檢測的安全性，可采用啁啾脈沖雷達的方法來降低峰值。
對于組織位移的測量，早期是采用散斑跟蹤法[14]通過數字圖像相關來實現，能夠測量全應變的張量，但是彈性圖中存在偽影，分辨率不高，相干波的疊加也會影響測量精度，當組織發生形變時會迅速發生退相干。目前的主流方法是相敏檢測法[13]，即利用復雜 OCT 信號的相位信息，將時間相位剖面轉換為位移。這種方法隨著頻域 OCT 的實現而變得更加實用，可將測量位移的靈敏度提高到亞納米級。但其主要缺點是隨著信噪比的降低，位移的檢測精度快速下降。由掃頻光源抖動引起的相位噪聲和環境噪聲是降低其測量精度的主要原因，采用光纖布拉格光柵或馬赫-曾德爾干涉儀進行頻譜校正或更精確的觸發等光學頻率技術可降低相位噪聲，利用共徑干涉儀則可減少環境噪聲。此外，一種新的振動幅值檢測方法是多普勒頻譜法[13]，通過對組織施加動態機械載荷，聯合應用時域和頻域 OCE，在低信噪比（<20 dB）的情況下，可獲得比相敏檢測法更精確的位移測量，也擴展了動態 OCE 測量的深度范圍。
2.2 根據位移估算組織彈性參數的方法
2.2.1 靜態法
對樣品進行靜態壓縮，假設應力與應變之間是線性關系，則彈性模量為線模量，即楊氏模量。保持應力不變，通過長度變化量或應變與楊氏模量之間的映射關系，進行力學對比分析[15]。該方法的局限性在于：① 樣品中產生的局部應力的傳播方式是未知的，使用普通的壓力傳感器不易測量，所以只能定性分析，無法實現量化評估；② 應力的非均勻分布導致彈性圖中存在偽影；③ 在實際應用中應力與應變之間通常是非線性關系。
2.2.2 共振頻率法
對組織施加階躍、動態正弦或余弦低頻激勵，用來產生阻尼振蕩。假設應力與應變之間是線性關系，根據胡克定律的一維形式，用線性彈簧模擬彈性材料，將組織建模為線性彈簧和阻尼器的平行組合。忽略模型中的粘彈性，則彈簧常數與固有頻率的平方成線性關系。對于固定的幾何形狀，諧振頻率與楊氏模量的平方根成線性關系，因此通過外部驅動產生共振，可以估計固有頻率，在空間和頻譜上定量分析組織的力學特性[14]。該方法的局限性在于組織中不同區域的頻響之間存在耦合，并且樣本形狀和邊界特性對區域特性的影響是未知的。
2.2.3 彈性波法
假設成像組織是均勻的各向同性介質，且不可壓縮，忽略粘度的影響，組織的泊松比是 0.5。利用激勵源激發組織產生彈性波，對彈性波的傳播建模，根據彈性波的傳播位移與傳播時間延遲的比值求解出剪切波速，進而得到剪切模量的估計值。也可以在忽略粘度的前提下根據表層瑞利波的波速估計楊氏模量[15]。該方法所建立的彈性波傳播模型是理想模型，實際中邊界條件、粘度和激勵頻率的變化都可能影響波的傳播。因此需考慮組織的粘彈性，利用相速度色散曲線與剪切波速表達式進行最小二乘擬合，從而更準確地估算剪切波速。
2.2.4 有限元分析法
從組織學層面分析力學特性時，組織收縮不均勻會導致血管幾何形狀的改變，降低生物力學分析幾何模型的準確性，在彈性圖中出現偽影。利用有限元分析法可解決此問題，首先根據 IVOCT 灰階圖像確定冠狀動脈血管的幾何形狀，然后建立有限元分析模型，估算血管壁上應力應變的分布，并與基于組織學的建模結果進行對比[16]。該方法不需要過多的組織處理就可以實現彈性成像，避免了組織學處理中常見的偽影。而該方法的局限性在于未考慮組織的各向異性以及殘余應力的潛在影響，缺乏精確的模型來量化血管中的殘余應力。
2.2.5 基于變分能量的多分辨算法
將剪切波速的估計問題轉化為變分能量最小化問題，變分能量由控制數據保真度、應變場平滑度和血管壁不可壓縮性三個能量函數加權得到。采用多分辨率算法求解變分能量函數的最小值，估計出速度場與應變場[17]。與傳統方法相比，該方法避免了在進行平滑處理時造成的信息損失，保留了所有信息，并且包含了血管壁的先驗知識，估計結果更加符合速度場和位移場的期望分布，同時估計了速度和應變的測量誤差。
2.2.6 基于微擾動的高斯牛頓法
首先，通過使包含邊界應變項的變分能量函數最小化估計速度場；然后,根據速度場得到初始彈性分布圖；最后，迭代更新彈性模量，將加入微擾動后的彈性模量作為有限元分析模型的輸入，其輸出即為彈性模量的估計值[18]。該方法可以更準確地觀察斑塊的內部形態，但是沒有對基于圖像的邊界條件和參數不確定性對估計結果的影響進行量化分析，并且犧牲了成像深度。
3 定量測量血流動力學參數
血流動力學參數主要包括血流的絕對速度、血流剪切力和血流儲備分數。冠狀動脈粥樣硬化斑塊一般位于血流紊亂和內表皮細胞剪切應力較低的區域，因此采用多普勒 OCT（doppler optical coherence tomography，DOCT）技術對血流進行實時成像，定量測量血流動力學參數可為冠狀動脈粥樣硬化的診斷和治療提供依據。
3.1 血流絕對速度
血流絕對速度是相對于血管而言的血液流速，DOCT 技術采用特定的算法獲取入射光與背向散射光之間的頻偏，并據此估算血液流動速度，最終得到血管橫截面的結構圖和血液流速分布圖[19-20]。
直接測量頻偏會導致干涉信號發生變化，通常采用基于相位解析的 DOCT（phase-resolved doppler optical coherence tomography，PR-DOCT）技術來解決這一問題[21-22]，其基本原理是：利用同一橫向位置上相鄰兩次 A 掃描之間的相位差，結合光源中心波長、折射率、光譜采集時間間隔和多普勒相位角（即光束與血流的夾角）等參數實現對血流速度的測量。該算法彌補了直接測量頻偏的不足，能夠檢測微血管的血流信息，具有高速和高分辨率的特點。但由于血管與光束之間的多普勒夾角是未知的，根據相位差只能得到與光束方向平行的血流速度分量，無法測量血流絕對速度。
為了彌補傳統 PR-DOCT 中多普勒夾角未知的不足，文獻[23]提出了一種確定多普勒角度的方法，具體步驟是：首先對血液流出道（outflow tract，OFT）進行四維掃描，獲得不同時刻的橫截面圖像，選出 OFT 最大舒張時刻，并重建三維結構圖像；然后，分割 OFT 壁，得到 OFT 的中心線；最后，假設血流沿 OFT 中心線的切線方向，得到多普勒相位角。根據 DOCT 提供的軸向投影速度與多普勒相位角共同確定血流絕對速度。該方法可避免由于心臟跳動引起的測量誤差，但是 OFT 結構圖像的重建質量直接影響測量結果的準確性。
當光束照射到流動粒子上時，不僅會發生多普勒頻偏效應，還會發生頻譜展寬效應。根據多普勒頻偏可以計算出血液流速相對于光束的水平分量。頻譜展寬與血液流速相對于光束的垂直分量有關，因此可利用幾何光學法或高斯光學法計算粒子穿越聚焦區域所經歷的渡越時間，進一步得到多普勒頻譜展寬，最后根據頻偏和頻譜展寬計算出血流絕對速度[23]。該方法測得的多普勒夾角和血流絕對速度的精度較高，可實現實時成像，但是只能得到二維流速分布圖，而非矢量速度。為了解決上述問題，可在成像系統樣品臂的準直透鏡和聚焦透鏡之間加入一個由兩片平行放置的玻璃片構成的窄帶片，作為光程編碼分束器。光束經過窄帶片以后會有光程延遲，分析光程延遲的復信號，采用根據渡越時間計算頻譜展寬的思路，計算出多普勒夾角和流速的大小，最終得到三維矢量速度[24]。但是該方法是根據焦平面上的光斑分析渡越時間，進而計算多普勒方位角的，因此不適用于光束離焦的情況。而且它僅能精確計算 90° 范圍內的方位角，無法實現 360° 范圍內的精確計算。
3.2 血流剪切力
血管壁上由血流引入的壁面剪切力（wall shear stress，WSS）是指血液流過血管內皮細胞時單位面積上的摩擦力，對于斑塊的形成和進展起著重要作用。WSS 與血液流速的梯度呈線性關系，線性系數是血液的粘度系數。受溫度、濕度和壓力等因素影響，血液的粘度系數不是常數，故血液應為非牛頓流體。但是為了研究方便，通常在臨界條件下假設血液為牛頓流體，通過求解血液流速的梯度或者對血液流速建模，實現 WSS 的定量測量。
現有的 WSS 測量方法可分為直接法和間接法兩類[25]。直接法是根據血流絕對速度的測量值直接計算 WSS；間接法是首先利用 IVOCT 技術得到血管的輪廓，進而重建出三維血管模型，將求解出的血流絕對速度作為邊界條件，采用計算流體動力學（computational fluid dynamics，CFD）技術模擬三維血流速度場，進而計算 WSS。相對于直接法，采用間接法可以得到血管復雜位置上的 WSS，但是 CFD 計算結果的精度依賴于成像技術的空間和時間分辨率以及三維血管的重建精度。
由于僅根據 IVOCT 圖像序列無法確定導管回撤路徑的空間位置和形態，因此通常是根據在回撤路徑起點采集的一對近似正交的造影圖像重建出三維導管回撤路徑，然后將從 IVOCT 橫向視圖中分割出的血管壁輪廓與三維導管路徑融合，完成血管的三維重建[26]。為了提高重建精度，文獻[27]采用圖論技術確定成像導管的回撤路徑，并將迪杰斯特拉（Dijsktra）算法應用到圖中，利用圖的鄰接性和代價矩陣，得到具有最小彎曲能量的路徑。為了減小 CFD 計算對三維重建精度的依賴性，文獻[28]將 OCT 掃描與具有患者特異性壓力和速度波形的血管造影相結合，不需要通過血管中心線確定導管路徑，而是分別將測量數據的近端壓力和遠端速度波形合集的平均值作為 CFD 模擬的入口和出口約束條件，反映血流的真實情況。文獻[29]對上述方法進行了改進，采用輪廓匹配算法對三組 IVOCT 圖像尋找重疊輪廓之間的旋轉失配，進而完整重建血管。
3.3 IVOCT 與血流儲備分數相結合
血流儲備分數（fractional flow reserve，FFR）是血管擴張至最大狀態時遠端狹窄的血流量與主動脈根部血流量的比值，用于分析血流的儲備情況。該技術可以準確地判斷心肌供血情況，但不能分析斑塊的成分及穩定性，無法獲得血管的形態學信息[30]。而 IVOCT 可以提供準確的血管形態和解剖信息，對斑塊成分進行定量分析，根據纖維帽厚度等參數分析斑塊的穩定性。因此可以將 IVOCT 斑塊形態學評估與 FFR 血流動力學評估相結合，分析 IVOCT 測量的血管形態參數（如管腔最小截面積、管腔面積狹窄率、脂質核面積在斑塊面積中所占百分比等）與 FFR 的相關性，彌補 FFR 技術缺少血管形態學信息的不足，聯合評估有重度血管狹窄但非缺血性的冠狀動脈粥樣硬化性病變[31]。
4 結論
影響冠狀動脈粥樣硬化斑塊易損性的參數主要有表征壞死核和薄纖維帽的光學參數、表征血管壁組織力學特性的彈性參數和表征血液流速及管壁剪切應力的血流動力學參數。為了可靠評估斑塊破裂的可能性和準確識別易損斑塊，需要結合生理學、化學、解剖學和機械力學特性等進行全面的綜合分析。
對 IVOCT 成像數據進行自動定量解讀，可獲得組織的光衰減系數和背向散射系數。基于 DRC 模型的自共焦算法提高了當焦平面位于樣本內部或表面時組織光衰減系數的估計精度。后續研究中可將基于 DRC 模型的自共焦函數算法與精確估計共焦平面算法相結合，根據焦平面的位置選擇合適的背向散射信號模型，進而準確估計光衰減系數。為了補償光衰減系數隨深度變化的影響，在建立信號模型時還可以考慮靈敏度下降函數，并結合正則化方法對光衰減系數的估計值進行優化，獲得更準確的光衰減系數分布圖。
IVOCE 通過外加激勵源，采用高集成度的超聲加載的接觸式激發方式使組織產生位移，通過測量位移估算彈性模量、共振頻率和剪切波速等彈性參數，進而得到血管橫截面的彈性圖，定量分析血管壁組織的力學特性。為了更精確地估計組織彈性模量，可將基于變分能量的多分辨算法與基于微擾動的高斯牛頓法結合起來，更好地發揮二者的優勢。此外，采用相敏檢測法測量位移時，信噪比嚴重影響檢測精度，應采用優化算法進行降噪處理。
采用 DOCT 技術獲取血流的頻移，并計算多普勒角度，可精確估算血液流速。根據 IVOCT 圖像數據重建血管的三維幾何結構，并對三維血管模型進行 CFD 計算，可獲得對血管壁上 WSS 分布的高精度測量，但準確度依賴于血管三維重構的精度，可采用輪廓匹配法提高重構精度。此外，將 IVOCT 可以準確獲取血管形態學信息的優勢與 FFR 技術結合，為今后分析血流儲備情況指明了方向。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
引言
血管內光學相干層析成像（intravascular optical coherence tomography，IVOCT）是臨床診斷以及介入治療冠狀動脈粥樣硬化性病變的重要影像手段，它采用近紅外激光在血管腔內對周圍組織進行 360° 周向掃描，少部分光被組織吸收，大部分光在組織分界面表層發生散射，通過分析背向散射光的特征對組織進行成像。IVOCT 是目前分辨率最高的血管內成像技術，軸向和側向分辨率分別可達 10 μm 和 25 μm，接近組織學分辨率[1]，易識別粥樣硬化斑塊及引起血栓的小斑塊。
IVOCT 根據斑塊的脂質核和薄纖維帽的散射特性識別易損斑塊，灰階圖像可以清晰地顯示血管腔及管壁內膜下病變。但在病變出現的早期，正常組織與病變組織對光的散射特性差別不大，而且對于較深層組織，特別是纖維帽下的脂質或鈣化斑塊以及巨噬細胞和壞死核等，僅根據組織結構的層析圖像無法準確分辨，需要形態結構之外的生理信息的對比機制，獲得具有臨床診斷價值的組織特征參數，即定量 IVOCT 成像（quantitative IVOCT，qIVOCT），用于提高對不同成分組織和不穩定斑塊的識別能力[1]。
本文對 qIVOCT 的研究現狀進行歸納和總結，主要包括利用 IVOCT 灰階圖像或者原始背向散射信號計算血管壁（含斑塊）組織的光學特征參數（主要是光衰減系數和背向散射系數）、彈性參數（包括彈性模量、共振頻率和剪切波速）和血流動力學參數（包括血流絕對速度和血管壁剪切應力），分析討論主要方法的基本原理和步驟，總結優勢和局限性，分析目前存在的問題，展望可能的發展方向。
1 定量測量組織光學特征參數
生物組織的光衰減系數是隨空間位置變化的，定量分析 IVOCT 背向散射信號可以測定感興趣區域內組織成分的光衰減系數。目前的主要方法是曲線擬合法（curve fitting，CF）[2-4]和基于深度解析（depth-resolved，DR）模型的方法[5]。同時，由于 IVOCT 采用近紅外波段的激光源，組織的光吸收較少，光在組織中的衰減主要由背向散射造成，因而可以根據光衰減系數分析背向散射系數[2]。根據光衰減系數和背向散射系數，可對薄纖維帽、鈣化和富含脂質的斑塊等組織成分進行定量標定，以及標定支架植入術后新生內膜的形成等。此外，將從 IVOCT 圖像中分割出的定性的紋理和幾何形態結構信息與定量的光學特征參數相結合，也可增強對不同類型斑塊成分的鑒別能力。
1.1 曲線擬合法
背向散射光功率遵循一階散射近似，可用如式（1）所示的指數衰減函數描述[3]：
|
其中，P（z）是背向散射光功率，Pi 是入射光功率，Lc 是入射激光源的相干長度，μb 是背向散射系數，μt 是光衰減系數，A（z）是光束的發散度函數，n 是組織的折射率。在對原始背向散射光信號進行預處理并消除像差和聚焦效應并濾除噪聲的基礎上，根據式（1）采用最小二乘擬合即可得到組織的光衰減系數和背向散射系數。
為了提高 CF 算法的可重復性和魯棒性，可以利用三維 IVOCT 回撤數據估計感興趣血管段的光衰減系數。文獻[4]中提出了一種通過在均勻區域內擴展擬合窗估計光衰減系數的自動優化方案。近年還出現了結合機器學習的 CF 算法[6]，進一步提高了 IVOCT 組織標定的精度。
CF 算法的不足包括：① 由于假設整條 A 掃描線上的光衰減系數為常數，因而需要手動分割出具有不同光衰減系數的區域；② 當待測組織是薄層結構時，估算結果不穩定，且對噪聲很敏感；③ 無法估算較小的光衰減系數變化，無法充分發揮 IVOCT 成像高分辨率的優勢。
1.2 基于深度解析模型的方法
DR 模型法的基本原理是：組織的光衰減系數表征光學相干層析成像（optical coherence tomography，OCT）信號的變化率，且隨探測深度變化。假設光被組織完全衰減，且衰減系數與背向散射系數之間呈線性關系，按照朗伯比爾（Lambert-Beer）定律對 OCT 信號強度隨探測深度的衰減情況建模，并按照如式（2）所示的公式估算衰減系數：
|
其中，μt（z）是組織中深度 z 處的衰減系數，Ib（z）是探測器檢測到的組織深度 z 處的反射/散射光強。式（2）的離散形式如式（3）所示：
|
其中，i 是 A 掃描線數（單位：像素），j 是探測深度（單位：像素），是像素（i，j）處衰減系數的估計值，Δ 是像素尺寸（單位：mm），Ib（i，j）是 OCT 灰階圖像中像素（i，j）處的背向散射信號強度值。
DR 模型法可自動估算出 OCT 灰階圖像中各像素處的組織衰減系數，分辨率遠高于 CF 算法，且無需對圖像進行手動分割。但由于假設光被組織完全衰減，在背向反射/散射光強不為零的區域，衰減系數的估計值可能過高，因此該算法僅適用于使入射光完全衰減的組織。由于沒有考慮多散射信號的影響，因此當邊界信號較弱時可能導致錯誤的估計。此外，它沒有考慮共焦函數，因此為了得到準確的估算結果，要求聚焦平面位于樣品上方，這會導致探測器采集信號的信噪比降低，也限制了該方法在臨床的應用范圍。
1.3 改進的深度解析模型法
1.3.1 DR-CF 算法
在實際應用中，利用式（2）估算衰減系數時，通常用最大探測深度值作為對 OCT 信號強度的積分上限，這對表層組織衰減系數的估計幾乎沒有影響，因為在該區域內 OCT 信號的強度遠高于噪聲。但是，在接近 A 掃描線的末尾處，由于噪聲的強度較大，可能造成衰減系數的估計值過大。為了解決該問題，文獻[7]中提出采用 DR-CF 算法確定截止深度，避免由于邊界信號較弱導致對衰減系數的錯誤估計，同時保留了 CF 法的高噪聲容限。然后根據背向散射系數與衰減系數呈線性關系的假設，估算背向散射系數，如式（4）所示：
|
其中，L0 是入射光功率（單位：W/cm2），μb 是背向散射系數，β 是成像系統常數，Ib（d）是光電探測器檢測到的組織深度 d 處的背向散射信號強度值，是組織深度 u 處衰減系數的估計值。
1.3.2 DR 共焦模型算法
DR 模型法假設共焦函數為常數，但實際中，當焦平面位于樣本內部或者表面時，共焦函數并非常數，此時采用 DR 模型法不能得到對衰減系數的準確估計。文獻[8]中提出了深度解析共焦模型（depth-resolved confocal，DRC），可以在聚焦平面位于樣品內部的情況下更準確地估計衰減系數。該方法同時考慮了共焦函數和靈敏度下降這兩個因素，對 DR 模型進行了優化處理，但同時也具有 DR 模型法本身的缺陷，即當深層組織內的光未完全衰減時，估計結果不準確。而且它需要已知有關 OCT 成像系統共焦函數參數（即焦平面深度和表面瑞利范圍）的先驗知識。
為了確定共焦函數參數，文獻[9]中提出對具有常數衰減系數的鏡面或弱散射介質進行成像，進而計算共焦函數參數。這種方法理論上是可行的，但其要求在對患者進行 OCT 成像前，先對單獨的樣本進行成像，這在臨床上是不易實現的，尤其是在進行 IVOCT 成像時，這種操作容易污染或損壞掃描探頭。
1.3.3 基于 DRC 模型的自共焦技術
針對 DRC 模型存在的缺陷，文獻[10]中提出一種自共焦技術，可以在臨床掃描過程中進行校準，自動確定共焦函數參數。其基本思路是：采用圖像處理技術提取同一成像系統在不同視角下拍攝的同一樣本的兩幅圖像之間的特征差異，這種差異源自共焦函數，從而可提取共焦函數參數。
該算法不需要手動校準，也無需對單獨的樣本進行成像，但是當焦平面距離樣品表面較遠時，共焦函數幾乎為常數，此時無法準確估計衰減系數。若能夠估計焦平面的位置，則可以根據焦平面與樣品之間的相對位置選擇相應的衰減系數估計方法。
1.3.4 精確估計焦平面
文獻[11]提出了一種精確確定焦平面位置進而準確估計衰減系數的方法，利用兩幅圖像衰減系數相同的特點，對兩幅共焦剖面的比值進行曲線擬合，提取焦平面位置，得到的焦平面更接近用真實衰減系數確定的理論焦平面。但是該方法沒有對共焦函數的另一個參數——瑞利范圍進行經驗估計，精確估計衰減系數依賴于有效的瑞利范圍，而瑞利范圍受散射系數、入射角和深層組織內的多次散射等因素的影響。
2 定量測量血管壁彈性參數
血管壁彈性是血管生理功能的重要特征，根據斑塊的機械特性判斷其易損性，可以對多種未表現出形態學變異的斑塊進行診斷與治療。血管內光學相干彈性成像（intravascular optical coherence elastography，IVOCE）在對血管壁組織施加激勵，使其發生微小形變的情況下，利用 IVOCT 結合數字信號處理技術，定量估算血管壁的彈性模量以及應力/應變分布，得到血管橫截面的彈性圖，反映組織的力學特性差異，其分辨率已達微米級[12]，且靈敏度高于血管內超聲彈性成像。
2.1 組織位移的產生和測量方法
光學相干彈性成像（optical coherence elastography，OCE）中使組織產生位移的主要方法有靜態全局壓縮、動態機械加載、超聲加載、微型空氣加載和激光脈沖加載等。IVOCE 多采用超聲加載的接觸式激發方式使血管壁組織產生位移，即采用聲輻射力（acoustic radiation force，ARF）激發組織，通過調節超聲波的脈沖來控制 ARF 的大小，進而測量聚焦處沿超聲波束的軸向組織位移[13]。該激發方式可以應用于組織表面以下微米級的深度范圍內，同時兼具光學成像高分辨率的特點。而且它可以集成到導管探針上，實現血管內生物力學特性的定量測量。但是 ARF 產生的壓力過大，考慮到檢測的安全性，可采用啁啾脈沖雷達的方法來降低峰值。
對于組織位移的測量，早期是采用散斑跟蹤法[14]通過數字圖像相關來實現，能夠測量全應變的張量，但是彈性圖中存在偽影，分辨率不高，相干波的疊加也會影響測量精度，當組織發生形變時會迅速發生退相干。目前的主流方法是相敏檢測法[13]，即利用復雜 OCT 信號的相位信息，將時間相位剖面轉換為位移。這種方法隨著頻域 OCT 的實現而變得更加實用，可將測量位移的靈敏度提高到亞納米級。但其主要缺點是隨著信噪比的降低，位移的檢測精度快速下降。由掃頻光源抖動引起的相位噪聲和環境噪聲是降低其測量精度的主要原因，采用光纖布拉格光柵或馬赫-曾德爾干涉儀進行頻譜校正或更精確的觸發等光學頻率技術可降低相位噪聲，利用共徑干涉儀則可減少環境噪聲。此外，一種新的振動幅值檢測方法是多普勒頻譜法[13]，通過對組織施加動態機械載荷，聯合應用時域和頻域 OCE，在低信噪比（<20 dB）的情況下，可獲得比相敏檢測法更精確的位移測量，也擴展了動態 OCE 測量的深度范圍。
2.2 根據位移估算組織彈性參數的方法
2.2.1 靜態法
對樣品進行靜態壓縮，假設應力與應變之間是線性關系，則彈性模量為線模量，即楊氏模量。保持應力不變，通過長度變化量或應變與楊氏模量之間的映射關系，進行力學對比分析[15]。該方法的局限性在于：① 樣品中產生的局部應力的傳播方式是未知的，使用普通的壓力傳感器不易測量，所以只能定性分析，無法實現量化評估；② 應力的非均勻分布導致彈性圖中存在偽影；③ 在實際應用中應力與應變之間通常是非線性關系。
2.2.2 共振頻率法
對組織施加階躍、動態正弦或余弦低頻激勵，用來產生阻尼振蕩。假設應力與應變之間是線性關系，根據胡克定律的一維形式，用線性彈簧模擬彈性材料，將組織建模為線性彈簧和阻尼器的平行組合。忽略模型中的粘彈性，則彈簧常數與固有頻率的平方成線性關系。對于固定的幾何形狀，諧振頻率與楊氏模量的平方根成線性關系，因此通過外部驅動產生共振，可以估計固有頻率，在空間和頻譜上定量分析組織的力學特性[14]。該方法的局限性在于組織中不同區域的頻響之間存在耦合，并且樣本形狀和邊界特性對區域特性的影響是未知的。
2.2.3 彈性波法
假設成像組織是均勻的各向同性介質，且不可壓縮，忽略粘度的影響，組織的泊松比是 0.5。利用激勵源激發組織產生彈性波，對彈性波的傳播建模，根據彈性波的傳播位移與傳播時間延遲的比值求解出剪切波速，進而得到剪切模量的估計值。也可以在忽略粘度的前提下根據表層瑞利波的波速估計楊氏模量[15]。該方法所建立的彈性波傳播模型是理想模型，實際中邊界條件、粘度和激勵頻率的變化都可能影響波的傳播。因此需考慮組織的粘彈性，利用相速度色散曲線與剪切波速表達式進行最小二乘擬合，從而更準確地估算剪切波速。
2.2.4 有限元分析法
從組織學層面分析力學特性時，組織收縮不均勻會導致血管幾何形狀的改變，降低生物力學分析幾何模型的準確性，在彈性圖中出現偽影。利用有限元分析法可解決此問題，首先根據 IVOCT 灰階圖像確定冠狀動脈血管的幾何形狀，然后建立有限元分析模型，估算血管壁上應力應變的分布，并與基于組織學的建模結果進行對比[16]。該方法不需要過多的組織處理就可以實現彈性成像，避免了組織學處理中常見的偽影。而該方法的局限性在于未考慮組織的各向異性以及殘余應力的潛在影響，缺乏精確的模型來量化血管中的殘余應力。
2.2.5 基于變分能量的多分辨算法
將剪切波速的估計問題轉化為變分能量最小化問題，變分能量由控制數據保真度、應變場平滑度和血管壁不可壓縮性三個能量函數加權得到。采用多分辨率算法求解變分能量函數的最小值，估計出速度場與應變場[17]。與傳統方法相比，該方法避免了在進行平滑處理時造成的信息損失，保留了所有信息，并且包含了血管壁的先驗知識，估計結果更加符合速度場和位移場的期望分布，同時估計了速度和應變的測量誤差。
2.2.6 基于微擾動的高斯牛頓法
首先，通過使包含邊界應變項的變分能量函數最小化估計速度場；然后,根據速度場得到初始彈性分布圖；最后，迭代更新彈性模量，將加入微擾動后的彈性模量作為有限元分析模型的輸入，其輸出即為彈性模量的估計值[18]。該方法可以更準確地觀察斑塊的內部形態，但是沒有對基于圖像的邊界條件和參數不確定性對估計結果的影響進行量化分析，并且犧牲了成像深度。
3 定量測量血流動力學參數
血流動力學參數主要包括血流的絕對速度、血流剪切力和血流儲備分數。冠狀動脈粥樣硬化斑塊一般位于血流紊亂和內表皮細胞剪切應力較低的區域，因此采用多普勒 OCT（doppler optical coherence tomography，DOCT）技術對血流進行實時成像，定量測量血流動力學參數可為冠狀動脈粥樣硬化的診斷和治療提供依據。
3.1 血流絕對速度
血流絕對速度是相對于血管而言的血液流速，DOCT 技術采用特定的算法獲取入射光與背向散射光之間的頻偏，并據此估算血液流動速度，最終得到血管橫截面的結構圖和血液流速分布圖[19-20]。
直接測量頻偏會導致干涉信號發生變化，通常采用基于相位解析的 DOCT（phase-resolved doppler optical coherence tomography，PR-DOCT）技術來解決這一問題[21-22]，其基本原理是：利用同一橫向位置上相鄰兩次 A 掃描之間的相位差，結合光源中心波長、折射率、光譜采集時間間隔和多普勒相位角（即光束與血流的夾角）等參數實現對血流速度的測量。該算法彌補了直接測量頻偏的不足，能夠檢測微血管的血流信息，具有高速和高分辨率的特點。但由于血管與光束之間的多普勒夾角是未知的，根據相位差只能得到與光束方向平行的血流速度分量，無法測量血流絕對速度。
為了彌補傳統 PR-DOCT 中多普勒夾角未知的不足，文獻[23]提出了一種確定多普勒角度的方法，具體步驟是：首先對血液流出道（outflow tract，OFT）進行四維掃描，獲得不同時刻的橫截面圖像，選出 OFT 最大舒張時刻，并重建三維結構圖像；然后，分割 OFT 壁，得到 OFT 的中心線；最后，假設血流沿 OFT 中心線的切線方向，得到多普勒相位角。根據 DOCT 提供的軸向投影速度與多普勒相位角共同確定血流絕對速度。該方法可避免由于心臟跳動引起的測量誤差，但是 OFT 結構圖像的重建質量直接影響測量結果的準確性。
當光束照射到流動粒子上時，不僅會發生多普勒頻偏效應，還會發生頻譜展寬效應。根據多普勒頻偏可以計算出血液流速相對于光束的水平分量。頻譜展寬與血液流速相對于光束的垂直分量有關，因此可利用幾何光學法或高斯光學法計算粒子穿越聚焦區域所經歷的渡越時間，進一步得到多普勒頻譜展寬，最后根據頻偏和頻譜展寬計算出血流絕對速度[23]。該方法測得的多普勒夾角和血流絕對速度的精度較高，可實現實時成像，但是只能得到二維流速分布圖，而非矢量速度。為了解決上述問題，可在成像系統樣品臂的準直透鏡和聚焦透鏡之間加入一個由兩片平行放置的玻璃片構成的窄帶片，作為光程編碼分束器。光束經過窄帶片以后會有光程延遲，分析光程延遲的復信號，采用根據渡越時間計算頻譜展寬的思路，計算出多普勒夾角和流速的大小，最終得到三維矢量速度[24]。但是該方法是根據焦平面上的光斑分析渡越時間，進而計算多普勒方位角的，因此不適用于光束離焦的情況。而且它僅能精確計算 90° 范圍內的方位角，無法實現 360° 范圍內的精確計算。
3.2 血流剪切力
血管壁上由血流引入的壁面剪切力（wall shear stress，WSS）是指血液流過血管內皮細胞時單位面積上的摩擦力，對于斑塊的形成和進展起著重要作用。WSS 與血液流速的梯度呈線性關系，線性系數是血液的粘度系數。受溫度、濕度和壓力等因素影響，血液的粘度系數不是常數，故血液應為非牛頓流體。但是為了研究方便，通常在臨界條件下假設血液為牛頓流體，通過求解血液流速的梯度或者對血液流速建模，實現 WSS 的定量測量。
現有的 WSS 測量方法可分為直接法和間接法兩類[25]。直接法是根據血流絕對速度的測量值直接計算 WSS；間接法是首先利用 IVOCT 技術得到血管的輪廓，進而重建出三維血管模型，將求解出的血流絕對速度作為邊界條件，采用計算流體動力學（computational fluid dynamics，CFD）技術模擬三維血流速度場，進而計算 WSS。相對于直接法，采用間接法可以得到血管復雜位置上的 WSS，但是 CFD 計算結果的精度依賴于成像技術的空間和時間分辨率以及三維血管的重建精度。
由于僅根據 IVOCT 圖像序列無法確定導管回撤路徑的空間位置和形態，因此通常是根據在回撤路徑起點采集的一對近似正交的造影圖像重建出三維導管回撤路徑，然后將從 IVOCT 橫向視圖中分割出的血管壁輪廓與三維導管路徑融合，完成血管的三維重建[26]。為了提高重建精度，文獻[27]采用圖論技術確定成像導管的回撤路徑，并將迪杰斯特拉（Dijsktra）算法應用到圖中，利用圖的鄰接性和代價矩陣，得到具有最小彎曲能量的路徑。為了減小 CFD 計算對三維重建精度的依賴性，文獻[28]將 OCT 掃描與具有患者特異性壓力和速度波形的血管造影相結合，不需要通過血管中心線確定導管路徑，而是分別將測量數據的近端壓力和遠端速度波形合集的平均值作為 CFD 模擬的入口和出口約束條件，反映血流的真實情況。文獻[29]對上述方法進行了改進，采用輪廓匹配算法對三組 IVOCT 圖像尋找重疊輪廓之間的旋轉失配，進而完整重建血管。
3.3 IVOCT 與血流儲備分數相結合
血流儲備分數（fractional flow reserve，FFR）是血管擴張至最大狀態時遠端狹窄的血流量與主動脈根部血流量的比值，用于分析血流的儲備情況。該技術可以準確地判斷心肌供血情況，但不能分析斑塊的成分及穩定性，無法獲得血管的形態學信息[30]。而 IVOCT 可以提供準確的血管形態和解剖信息，對斑塊成分進行定量分析，根據纖維帽厚度等參數分析斑塊的穩定性。因此可以將 IVOCT 斑塊形態學評估與 FFR 血流動力學評估相結合，分析 IVOCT 測量的血管形態參數（如管腔最小截面積、管腔面積狹窄率、脂質核面積在斑塊面積中所占百分比等）與 FFR 的相關性，彌補 FFR 技術缺少血管形態學信息的不足，聯合評估有重度血管狹窄但非缺血性的冠狀動脈粥樣硬化性病變[31]。
4 結論
影響冠狀動脈粥樣硬化斑塊易損性的參數主要有表征壞死核和薄纖維帽的光學參數、表征血管壁組織力學特性的彈性參數和表征血液流速及管壁剪切應力的血流動力學參數。為了可靠評估斑塊破裂的可能性和準確識別易損斑塊，需要結合生理學、化學、解剖學和機械力學特性等進行全面的綜合分析。
對 IVOCT 成像數據進行自動定量解讀，可獲得組織的光衰減系數和背向散射系數。基于 DRC 模型的自共焦算法提高了當焦平面位于樣本內部或表面時組織光衰減系數的估計精度。后續研究中可將基于 DRC 模型的自共焦函數算法與精確估計共焦平面算法相結合，根據焦平面的位置選擇合適的背向散射信號模型，進而準確估計光衰減系數。為了補償光衰減系數隨深度變化的影響，在建立信號模型時還可以考慮靈敏度下降函數，并結合正則化方法對光衰減系數的估計值進行優化，獲得更準確的光衰減系數分布圖。
IVOCE 通過外加激勵源，采用高集成度的超聲加載的接觸式激發方式使組織產生位移，通過測量位移估算彈性模量、共振頻率和剪切波速等彈性參數，進而得到血管橫截面的彈性圖，定量分析血管壁組織的力學特性。為了更精確地估計組織彈性模量，可將基于變分能量的多分辨算法與基于微擾動的高斯牛頓法結合起來，更好地發揮二者的優勢。此外，采用相敏檢測法測量位移時，信噪比嚴重影響檢測精度，應采用優化算法進行降噪處理。
采用 DOCT 技術獲取血流的頻移，并計算多普勒角度，可精確估算血液流速。根據 IVOCT 圖像數據重建血管的三維幾何結構，并對三維血管模型進行 CFD 計算，可獲得對血管壁上 WSS 分布的高精度測量，但準確度依賴于血管三維重構的精度，可采用輪廓匹配法提高重構精度。此外，將 IVOCT 可以準確獲取血管形態學信息的優勢與 FFR 技術結合，為今后分析血流儲備情況指明了方向。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。