Eliminación de ruido con umbral de wavelet en tiempo real para imágenes de flujo sanguíneo por moteado láser

Vistas más nítidas del flujo sanguíneo

Médicos e investigadores confían cada vez más en cámaras y láseres para observar cómo se mueve la sangre por vasos diminutos en el cerebro, la piel y los órganos internos. Una técnica popular, la imagen por contraste de moteado láser, puede mapear el flujo sanguíneo en una amplia zona en tiempo real, pero sus imágenes suelen ser granuladas e inestables. Este estudio presenta una forma más rápida y fiable de limpiar esas imágenes ruidosas para que los clínicos puedan ver con mayor claridad los detalles vasculares y confiar en los valores que describen cómo fluye la sangre.

Cómo la luz láser revela la sangre en movimiento

Cuando un haz estrecho de luz láser incide sobre tejido vivo, se dispersa en muchas direcciones y forma un fino patrón de “moteado” sobre el sensor de la cámara. A medida que los glóbulos rojos se desplazan, ese patrón de moteado se desenfoca y desplaza sutilmente con el tiempo. La imagen por contraste de moteado láser (LSCI) mide esos cambios diminutos para estimar la velocidad del flujo sanguíneo en distintas partes del campo de visión, produciendo un mapa codificado por color del flujo. Porque cubre una zona amplia en una sola instantánea, la LSCI resulta atractiva para la investigación cerebral, el control de piel trasplantada y el seguimiento de la microcirculación durante la cirugía. Desgraciadamente, el mismo efecto de moteado que hace posible el método también genera un ruido fuerte que reduce el contraste de la imagen y distorsiona la relación numérica entre la señal medida y la velocidad real de la sangre.

Por qué los métodos de limpieza existentes se quedan cortos

Los investigadores han probado varias herramientas avanzadas de procesamiento de imágenes para reducir el ruido por moteado. Técnicas como non-local means y BM3D buscan parches similares en la imagen y los promedian de formas ingeniosas, mientras que la descomposición modal variacional separa una imagen en varios componentes subyacentes. Estos enfoques pueden producir fondos suaves y imágenes agradables a la vista, pero tienen un coste. Exigen muchos ajustes variables, son sensibles a cómo se configuran esos parámetros y requieren un gran esfuerzo computacional. En la práctica, eso significa que a menudo no pueden seguir el ritmo de secuencias de vídeo LSCI de alta resolución y pueden fallar cuando cambian los niveles de ruido o las condiciones de adquisición, limitando su utilidad en el quirófano o junto a la cama del paciente.

Una vía más sencilla hacia mapas de flujo estables

Los autores proponen un método de eliminación de ruido simplificado basado en una idea común en el procesamiento de señales: descomponer los datos en distintas escalas y reducir suavemente las partes pequeñas con apariencia de ruido. Primero aplican un truco matemático, una transformada logarítmica, que convierte las variaciones de moteado de un efecto de “multiplicación” a uno aproximado de “suma”. Este paso facilita el tratamiento del ruido. A continuación descomponen la imagen transformada en varias capas de detalle usando wavelets, que separan las estructuras vasculares amplias de las fluctuaciones de grano fino. Una regla adaptativa, basada en el principio de Birgé–Massart, elige automáticamente la intensidad con que se deben reducir los componentes wavelet de alta frecuencia asociados al moteado, dejando en gran medida intactos los patrones vasculares de gran escala. Finalmente, la imagen se transforma de vuelta y se ajusta ligeramente el brillo para que los vasos sanguíneos destaquen sobre el fondo.

Imágenes más nítidas, números más fieles, velocidad en tiempo real

Para evaluar su método, el equipo usó tanto “fantasmas” de laboratorio que imitan tejido como imágenes in vivo del intestino de conejo. En los fantasmas, donde las tasas de flujo se controlaron con precisión, el nuevo enfoque produjo una relación casi perfectamente lineal entre el índice de flujo sanguíneo calculado y la velocidad real del flujo, con el error más bajo entre todos los métodos probados. En tejido vivo, la eliminación de ruido basada en wavelets entregó imágenes que coincidían estrechamente con una referencia de alta calidad obtenida al promediar 100 fotogramas, pero lo hizo usando solo tres fotogramas a la vez. Las medidas objetivas de calidad de imagen mejoraron y las señales estimadas de flujo sanguíneo se volvieron más suaves y estables en el tiempo. De forma importante, el algoritmo procesó fotogramas completos en 4K en unos 50 milisegundos en una unidad de procesamiento gráfico, mucho más rápido que BM3D y non-local means, y lo suficientemente rápido como para soportar visualización en tiempo real durante procedimientos médicos.

Qué implica esto para la atención futura del paciente

Al combinar un conjunto simple de ajustes fijos con umbrales automáticos guiados por la imagen, el método propuesto reduce tanto el ruido de moteado como la necesidad de ajuste experto. Preserva el fino patrón ramificado de los vasos diminutos mientras atempera el parpadeo aleatorio que puede inducir a error a los clínicos. Aunque algunos detalles muy sutiles pueden perderse todavía en escenas con grandes variaciones de brillo, el equilibrio entre claridad, fiabilidad numérica y velocidad convierte este enfoque en un candidato sólido para sistemas clínicos de moteado láser. En términos prácticos, acerca la LSCI a convertirse en una herramienta de rutina para observar el flujo sanguíneo en tiempo real, ayudando a cirujanos y médicos a tomar decisiones más rápidas y con mayor confianza en el punto de atención.

Cita: Zhang, L., Yang, C., Liu, D. et al. Real-time wavelet threshold denoising for laser speckle blood flow imaging. Sci Rep 16, 10476 (2026). https://doi.org/10.1038/s41598-026-39846-0

Palabras clave: imágenes por moteado láser, mapeo del flujo sanguíneo, eliminación de ruido en imágenes médicas, procesamiento por wavelets, imagen en tiempo real