Realtime wavelet-drempelruisonderdrukking voor laser-speckle bloedstroombeeldvorming

Heldere beelden van bloedstroom

Artsen en onderzoekers vertrouwen steeds vaker op camera's en lasers om te volgen hoe bloed door kleine vaten in de hersenen, de huid en inwendige organen stroomt. Een veelgebruikte techniek, laser-speckle contrastbeeldvorming, kan de bloedstroom in real time over een groot gebied in kaart brengen, maar de beelden zijn vaak korrelig en instabiel. Deze studie introduceert een snellere, betrouwbaardere methode om die lawaaierige beelden te zuiveren, zodat clinici vaatgegevens duidelijker kunnen zien en kunnen vertrouwen op de numerieke waarden die de bloedstroomsnelheid beschrijven.

Hoe laserlicht beweeglijk bloed zichtbaar maakt

Wanneer een smalle laserstraal op levend weefsel valt, verstrooit het licht in vele richtingen en vormt het een fijn “speckle”-patroon op een camerasensor. Terwijl rode bloedcellen bewegen, vervaagt en verschuift dit speckle-patroon subtiel in de tijd. Laser-speckle contrastbeeldvorming (LSCI) meet die kleine veranderingen om te schatten hoe snel bloed op verschillende plekken in het gezichtsveld stroomt, en levert een kleurgecodeerde kaart van de stroming op. Omdat het een groot gebied in één opname beslaat, is LSCI aantrekkelijk voor hersenonderzoek, monitoring van getransplanteerde huid en het volgen van microcirculatie tijdens operaties. Helaas creëert hetzelfde speckle-effect dat de methode mogelijk maakt ook sterke ruis die het beeldcontrast verlaagt en de numerieke relatie tussen het gemeten signaal en de daadwerkelijke bloed­snelheid vervormt.

Waarom bestaande opschoningsmethoden tekortschieten

Onderzoekers hebben verschillende geavanceerde beeldverwerkingstools geprobeerd om speckleruis te verminderen. Technieken zoals non-local means en BM3D zoeken naar vergelijkbare stukjes in een beeld en middelen die op slimme manieren, terwijl variational mode decomposition een beeld in meerdere onderliggende componenten opsplitst. Deze benaderingen kunnen vloeiende achtergronden en fraai ogende beelden opleveren, maar ze hebben een prijs. Ze vereisen veel instelbare parameters, zijn gevoelig voor de keuze daarvan en vragen zware rekenkracht. In de praktijk betekent dit dat ze vaak niet kunnen bijhouden wat hoge-resolutie LSCI-videostreams vragen en kunnen falen wanneer ruisniveaus of opnameomstandigheden veranderen, wat hun bruikbaarheid in de operatiekamer of aan het bed beperkt.

Een eenvoudigere route naar stabiele bloedstroomkaarten

De auteurs stellen een gestroomlijnde denoisingmethode voor die is opgebouwd rond een veelgebruikt idee uit de signaalverwerking: data in verschillende schalen opsplitsen en de kleine, ruisachtige onderdelen zachtjes verkleinen. Eerst passen ze een wiskundige truc toe, een logaritmische transformatie, die de specklevariaties van een “vermenigvuldigend” effect omzet in een ongeveer “optellend” effect. Deze stap maakt de ruis makkelijker hanteerbaar. Vervolgens decomponeren ze het getransformeerde beeld in meerdere niveaus van detail met behulp van wavelets, die brede vaatstructuren scheiden van fijnkorrelige fluctuaties. Een adaptieve regel, gebaseerd op het Birgé–Massart-principe, kiest automatisch hoe sterk de hoogfrequente waveletcomponenten die bij speckle horen moeten worden verkleind, terwijl de grootschalige vaatpatronen grotendeels intact blijven. Tenslotte wordt het beeld teruggetransformeerd en licht in helderheid uitgerekt zodat bloedvaten beter afsteken tegen de achtergrond.

Scherpere beelden, betrouwbaardere cijfers, realtime snelheid

Om hun methode te testen, gebruikte het team zowel laboratorium-‘phantoms’ die weefsel nabootsen als in vivo beelden van konijnendarm. In de phantoms, waar stroomsnelheden precies werden geregeld, leverde de nieuwe aanpak een vrijwel perfecte rechte-lijnrelatie op tussen de berekende bloedstroomindex en de werkelijke stroomsnelheid, met de laagste fout van alle geteste methoden. In levend weefsel produceerde de wavelet-gebaseerde denoising beelden die sterk overeenkwamen met een hoge-kwaliteit referentie gemaakt door 100 frames te middelen, terwijl het zelf slechts drie frames tegelijk gebruikte. Objectieve beeldkwaliteitsmetingen verbeterden en de geschatte bloedstroomsignalen werden vloeiender en stabieler in de tijd. Belangrijk is dat het algoritme volledige 4K-frames in ongeveer 50 milliseconden op een grafische processor verwerkte, veel sneller dan BM3D en non-local means, en snel genoeg voor realtime visualisatie tijdens medische ingrepen.

Wat dit betekent voor toekomstige patiëntenzorg

Door een eenvoudige set vaste instellingen te combineren met automatische, beeldgestuurde drempels vermindert de voorgestelde methode zowel speckleruis als de behoefte aan deskundige afstemming. Het behoudt het fijne vertakkingspatroon van kleine vaten terwijl het de willekeurige flikkering dempt die clinici kan misleiden. Hoewel sommige zeer subtiele details nog verloren kunnen gaan in scènes met grote helderheidsverschillen, maakt de balans tussen scherpte, numerieke betrouwbaarheid en snelheid deze aanpak een sterke kandidaat voor klinische laser-speckle systemen. Praktisch gezien brengt het LSCI dichter bij het routinematig inzetten ervan om bloedstroom in realtime te volgen, waarmee chirurgen en artsen sneller en zelfverzekerder beslissingen bij de patiënt kunnen nemen.

Bronvermelding: 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

Trefwoorden: laser-speckle beeldvorming, kaartlegging van bloedstroom, medische beeldruisonderdrukking, waveletverwerking, realtime beeldvorming