Dénombrement en temps réel par seuillage ondelette pour l’imagerie du flux sanguin par speckle laser

Vues plus nettes du flux sanguin

Les médecins et les chercheurs s’appuient de plus en plus sur des caméras et des lasers pour observer le déplacement du sang dans les petits vaisseaux du cerveau, de la peau et des organes internes. Une technique répandue, l’imagerie par contraste de speckle laser, permet de cartographier le flux sanguin sur une large zone en temps réel, mais ses images sont souvent granuleuses et instables. Cette étude présente une méthode plus rapide et plus fiable pour nettoyer ces images bruyantes afin que les cliniciens puissent mieux distinguer les détails vasculaires et faire confiance aux valeurs qui décrivent la vitesse du flux sanguin.

Comment la lumière laser révèle le sang en mouvement

Lorsqu’un faisceau laser étroit frappe un tissu vivant, il se disperse dans de nombreuses directions et forme un fin motif de « speckle » sur le capteur de la caméra. Lorsque les globules rouges bougent, ce motif de speckle se floute et se décale subtilement au fil du temps. L’imagerie par speckle laser (LSCI) mesure ces minuscules variations pour estimer la vitesse du flux sanguin dans différentes parties du champ de vision, produisant une carte de flux codée par couleur. Parce qu’elle couvre une grande surface en un seul instantané, la LSCI est intéressante pour la recherche cérébrale, le suivi de greffes cutanées et l’observation de la microcirculation pendant les interventions chirurgicales. Malheureusement, le même effet de speckle qui rend la méthode possible génère aussi un bruit important qui réduit le contraste de l’image et fausse le lien numérique entre le signal mesuré et la vitesse réelle du sang.

Pourquoi les méthodes de nettoyage existantes sont insuffisantes

Les chercheurs ont essayé plusieurs outils avancés de traitement d’image pour réduire le bruit de speckle. Des techniques telles que non-local means et BM3D recherchent des patchs similaires dans l’image et les moyennent de manière intelligente, tandis que la décomposition en modes variationnels décompose une image en plusieurs composantes sous-jacentes. Ces approches peuvent produire des arrière-plans lisses et des images esthétiques, mais au prix de contraintes. Elles exigent de nombreux paramètres à régler, sont sensibles au choix de ces réglages et demandent des calculs lourds. En pratique, cela signifie qu’elles ne peuvent souvent pas suivre des flux vidéo LSCI haute résolution et peuvent échouer lorsque le niveau de bruit ou les conditions d’imagerie changent, ce qui limite leur utilité en salle d’opération ou au chevet du patient.

Une voie plus simple vers des cartes de flux stables

Les auteurs proposent une méthode de débruitage simplifiée fondée sur une idée courante du traitement du signal : décomposer les données en différentes échelles et réduire en douceur les composantes petites et de type bruit. D’abord, ils appliquent un tour de passe-passe mathématique, une transformation logarithmique, qui convertit les variations de speckle d’un effet « multiplicatif » en un effet approximativement « additif ». Cette étape facilite la gestion du bruit. Ensuite, ils décomposent l’image transformée en plusieurs couches de détail à l’aide d’ondelettes, qui séparent les structures vasculaires larges des fluctuations fines. Une règle adaptative, basée sur le principe de Birgé–Massart, choisit automatiquement l’intensité du rétrécissement des composantes ondelettes haute fréquence associées au speckle tout en préservant majoritairement les motifs vasculaires à grande échelle. Enfin, l’image est retransformée et légèrement étirée en luminosité pour que les vaisseaux sanguins se détachent mieux du fond.

Images plus nettes, mesures plus fidèles, vitesse en temps réel

Pour tester leur méthode, l’équipe a utilisé à la fois des « fantômes » de laboratoire imitant le tissu et des images in vivo d’intestin de lapin. Dans les fantômes, où les débits étaient précisément contrôlés, la nouvelle approche a produit une relation presque parfaitement linéaire entre l’indice de flux sanguin calculé et la vitesse réelle du flux, avec l’erreur la plus faible parmi toutes les méthodes testées. Dans le tissu vivant, le débruitage basé sur les ondelettes a fourni des images très proches d’une référence de haute qualité obtenue en moyennant 100 images, tout en n’utilisant que trois images à la fois. Les mesures objectives de la qualité d’image se sont améliorées et les signaux estimés de flux sanguin sont devenus plus lisses et plus stables dans le temps. Fait important, l’algorithme a traité des images 4K complètes en environ 50 millisecondes sur un processeur graphique, bien plus rapidement que BM3D et non-local means, et suffisamment vite pour permettre une visualisation en temps réel pendant les procédures médicales.

Ce que cela signifie pour les soins aux patients à venir

En combinant un ensemble simple de réglages fixes avec des seuils automatiques pilotés par l’image, la méthode proposée réduit à la fois le bruit de speckle et le besoin d’un réglage expert. Elle préserve la fine ramification des petits vaisseaux tout en atténuant le scintillement aléatoire qui peut induire les cliniciens en erreur. Bien que certains très subtils détails puissent encore être perdus dans des scènes présentant de fortes variations de luminosité, l’équilibre entre netteté, fiabilité numérique et rapidité fait de cette approche une candidate solide pour les systèmes cliniques de speckle laser. En termes pratiques, elle rapproche la LSCI d’un outil de routine pour surveiller le flux sanguin en temps réel, aidant chirurgiens et médecins à prendre des décisions plus rapides et plus sûres au point de soin.

Citation: 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

Mots-clés: imagerie par speckle laser, cartographie du flux sanguin, dénosage d’images médicales, traitement par ondelettes, imagerie en temps réel