Desconvolução por limiar de wavelet em tempo real para imagens de fluxo sanguíneo por speckle a laser

Visões mais nítidas do fluxo sanguíneo

Médicos e pesquisadores dependem cada vez mais de câmeras e lasers para observar como o sangue se move por vasos minúsculos no cérebro, na pele e em órgãos internos. Uma técnica popular, a imageamento por contraste de speckle a laser, consegue mapear o fluxo sanguíneo em uma ampla área em tempo real, mas suas imagens costumam ser granuladas e instáveis. Este estudo introduz uma forma mais rápida e confiável de limpar essas imagens ruidosas, para que clínicos possam ver com mais clareza os detalhes dos vasos e confiar nos números que descrevem como o sangue está fluindo.

Como a luz laser revela o sangue em movimento

Quando um feixe estreito de luz laser incide sobre tecido vivo, ela se espalha em muitas direções e forma um padrão fino de “speckle” no sensor da câmera. À medida que os glóbulos vermelhos se movem, esse padrão de speckle se desfoca e desloca sutilmente ao longo do tempo. O imageamento por contraste de speckle a laser (LSCI) mede essas pequenas mudanças para estimar quão rápido o sangue flui em diferentes partes do campo de visão, produzindo um mapa de fluxo codificado por cores. Como cobre uma grande área em um único instantâneo, o LSCI é atraente para pesquisas cerebrais, monitoramento de pele transplantada e acompanhamento da microcirculação durante cirurgias. Infelizmente, o mesmo efeito de speckle que possibilita o método também gera ruído intenso que reduz o contraste da imagem e distorce a relação numérica entre o sinal medido e a velocidade real do sangue.

Por que os métodos existentes de limpeza ficam aquém

Pesquisadores têm tentado várias ferramentas avançadas de processamento de imagem para reduzir o ruído de speckle. Técnicas como non-local means e BM3D procuram por blocos semelhantes ao longo da imagem e os promediam de maneiras sofisticadas, enquanto a decomposição por modos variacionais separa a imagem em vários componentes subjacentes. Essas abordagens podem produzir fundos suaves e imagens visualmente agradáveis, mas têm um custo. Exigem muitos parâmetros ajustáveis, são sensíveis à escolha desses parâmetros e demandam grande poder computacional. Na prática, isso significa que frequentemente não conseguem acompanhar fluxos de vídeo LSCI em alta resolução e podem falhar quando os níveis de ruído ou as condições de imageamento mudam, limitando sua utilidade na sala de cirurgia ou ao lado do leito do paciente.

Uma rota mais simples para mapas de fluxo estáveis

Os autores propõem um método de denoising simplificado baseado em uma ideia comum no processamento de sinais: decompor os dados em diferentes escalas e reduzir suavemente as partes pequenas com aparência de ruído. Primeiro, aplicam um artifício matemático, uma transformação logarítmica, que converte as variações de speckle de um efeito “multiplicativo” para um efeito aproximadamente “aditivo”. Essa etapa torna o ruído mais fácil de tratar. Em seguida, decompõem a imagem transformada em várias camadas de detalhe usando wavelets, que separam as estruturas amplas dos vasos das flutuações de pequena escala. Uma regra adaptativa, baseada no princípio de Birgé–Massart, escolhe automaticamente a intensidade com que as componentes wavelet de alta frequência associadas ao speckle devem ser atenuadas, preservando em grande parte os padrões de grande escala dos vasos. Por fim, a imagem é transformada de volta e levemente esticada em brilho para que os vasos sanguíneos se destaquem do fundo.

Imagens mais nítidas, números mais fiéis, velocidade em tempo real

Para testar o método, a equipe usou tanto “fantasmas” de laboratório que imitam tecido quanto imagens in vivo do intestino de coelhos. Nos fantasmas, onde as taxas de fluxo eram controladas com precisão, a nova abordagem produziu uma relação praticamente linear perfeita entre o índice de fluxo sanguíneo calculado e a velocidade real, com o menor erro entre todos os métodos testados. Em tecido vivo, o denoising baseado em wavelet forneceu imagens que combinavam de perto com uma referência de alta qualidade obtida pela média de 100 quadros, mas fazendo isso usando apenas três quadros por vez. Medidas objetivas de qualidade de imagem melhoraram, e os sinais estimados de fluxo sanguíneo tornaram-se mais suaves e estáveis ao longo do tempo. Importante, o algoritmo processou quadros 4K completos em cerca de 50 milissegundos em uma placa gráfica, muito mais rápido que BM3D e non-local means, e rápido o suficiente para suportar visualização em tempo real durante procedimentos médicos.

O que isso significa para o cuidado ao paciente no futuro

Ao combinar um conjunto simples de parâmetros fixos com limiares automáticos dirigidos pela imagem, o método proposto reduz tanto o ruído de speckle quanto a necessidade de ajuste por especialistas. Preserva o fino padrão ramificado de pequenos vasos enquanto suaviza o cintilar aleatório que pode enganar os clínicos. Embora alguns detalhes muito sutis ainda possam ser perdidos em cenas com grandes variações de brilho, o equilíbrio entre clareza, confiabilidade numérica e velocidade torna essa abordagem um forte candidato para sistemas clínicos de speckle a laser. Na prática, ela aproxima o LSCI de se tornar uma ferramenta rotineira para observar o fluxo sanguíneo em tempo real, ajudando cirurgiões e médicos a tomar decisões mais rápidas e confiantes no ponto de atendimento.

Citação: 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

Palavras-chave: imageamento por speckle a laser, mapeamento do fluxo sanguíneo, remoção de ruído em imagens médicas, processamento por wavelet, imageamento em tempo real