Denoising in tempo reale con soglia wavelet per l’imaging del flusso sanguigno con speckle laser

Visioni più nitide del flusso sanguigno

Medici e ricercatori fanno sempre più affidamento su telecamere e laser per osservare come il sangue scorre nei vasi più piccoli del cervello, della pelle e degli organi interni. Una tecnica diffusa, l’imaging a contrasto di speckle laser, può mappare il flusso sanguigno su un’ampia area in tempo reale, ma le sue immagini sono spesso granulose e instabili. Questo studio presenta un modo più rapido e affidabile per ripulire quelle immagini rumorose, così che i clinici possano vedere i dettagli vascolari con maggiore chiarezza e fidarsi dei numeri che descrivono la velocità del flusso.

Come la luce laser rivela il sangue in movimento

Quando un fascio laser stretto colpisce un tessuto vivo, la luce si diffonde in molte direzioni formando un sottile motivo di “speckle” sul sensore della camera. Man mano che i globuli rossi si muovono, questo motivo di speckle si sfoca e si sposta sottilmente nel tempo. L’imaging a contrasto di speckle laser (LSCI) misura questi piccoli cambiamenti per stimare la velocità del sangue nelle diverse parti del campo visivo, producendo una mappa a colori del flusso. Poiché copre una vasta area in un’unica istantanea, l’LSCI è interessante per la ricerca cerebrale, il monitoraggio di pelle trapiantata e il controllo della microcircolazione durante gli interventi chirurgici. Sfortunatamente, lo stesso effetto di speckle che rende possibile il metodo genera anche un forte rumore che riduce il contrasto dell’immagine e distorce il legame numerico tra il segnale misurato e la reale velocità del sangue.

Perché i metodi di pulizia esistenti non sono sufficienti

I ricercatori hanno provato diversi strumenti avanzati di elaborazione delle immagini per ridurre il rumore da speckle. Tecniche come non-local means e BM3D cercano patch simili attraverso l’immagine e le mediano in modi sofisticati, mentre la decomposizione modale variazionale scompone un’immagine in più componenti sottostanti. Questi approcci possono ottenere sfondi lisci e immagini gradevoli, ma hanno dei costi. Richiedono molte impostazioni regolabili, sono sensibili alla scelta di questi parametri e richiedono un’elevata potenza di calcolo. In pratica, ciò significa che spesso non sono in grado di tenere il passo con flussi video LSCI ad alta risoluzione e possono fallire quando cambiano i livelli di rumore o le condizioni di acquisizione, limitandone l’utilità in sala operatoria o al letto del paziente.

Una via più semplice per mappe di flusso più stabili

Gli autori propongono un metodo di denoising snello basato su un’idea comune nell’elaborazione dei segnali: scomporre i dati in scale diverse e attenuare dolcemente le parti piccole e simili al rumore. Per prima cosa applicano un trucco matematico, una trasformazione logaritmica, che trasforma le variazioni di speckle da un effetto «moltiplicativo» in uno approssimativamente «additivo». Questo passaggio rende il rumore più facile da gestire. Poi decompongono l’immagine trasformata in diversi strati di dettaglio usando le wavelet, che separano le strutture vascolari ampie dalle fluttuazioni più fini. Una regola adattiva, basata sul principio di Birgé–Massart, sceglie automaticamente quanto attenuare i componenti wavelet ad alta frequenza associati allo speckle, preservando per lo più i pattern vascolari su larga scala. Infine, l’immagine viene trasformata indietro e leggermente rimappata in luminosità in modo che i vasi sanguigni risaltino sullo sfondo.

Immagini più nette, numeri più veritieri, velocità in tempo reale

Per testare il metodo, il team ha utilizzato sia «fantocci» di laboratorio che simulano i tessuti sia immagini in vivo dall’intestino di coniglio. Nei fantocci, dove i flussi erano controllati con precisione, il nuovo approccio ha prodotto una relazione quasi perfettamente lineare tra l’indice di flusso calcolato e la vera velocità, con l’errore più basso tra tutti i metodi testati. Nei tessuti viventi, il denoising basato su wavelet ha fornito immagini molto simili a un riferimento di alta qualità ottenuto mediando 100 frame, pur impiegando solo tre frame alla volta. Le misure oggettive della qualità dell’immagine sono migliorate e i segnali stimati del flusso sanguigno sono diventati più lisci e più stabili nel tempo. È importante sottolineare che l’algoritmo ha processato frame 4K completi in circa 50 millisecondi su un processore grafico, molto più veloce di BM3D e non-local means, e sufficientemente rapido da supportare la visualizzazione in tempo reale durante le procedure mediche.

Cosa significa per l’assistenza ai pazienti in futuro

Combinando un insieme semplice di impostazioni fisse con soglie automatiche guidate dall’immagine, il metodo proposto riduce sia il rumore da speckle sia la necessità di tarature da parte di esperti. Preserva il fine intreccio dei rametti dei piccoli vasi attenuando il tremolio casuale che può fuorviare i clinici. Sebbene alcuni dettagli molto sottili possano ancora perdersi in scene con grandi variazioni di luminosità, l’equilibrio tra chiarezza, affidabilità numerica e velocità rende questo approccio un forte candidato per i sistemi clinici a speckle laser. In termini pratici, avvicina l’LSCI a diventare uno strumento di routine per osservare il flusso sanguigno in tempo reale, aiutando chirurghi e medici a prendere decisioni più rapide e sicure al punto di cura.

Citazione: 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

Parole chiave: imaging con speckle laser, mappatura del flusso sanguigno, denoising di immagini mediche, elaborazione wavelet, imaging in tempo reale