估計(jì)點(diǎn)擴(kuò)展函數(shù)對(duì)內(nèi)源性光學(xué)成像信號(hào)的提取

尹 愚 宋雪梅 堯德中（電子科技大學(xué)生命科學(xué)與技術(shù)學(xué)院，成都 60054）

2（中國(guó)科學(xué)院上海生命科學(xué)研究院，上海 200031）

引言

腦內(nèi)源性信號(hào)的光學(xué)成像（optical imaging based on intrinsic signals）是從20世紀(jì)70年代發(fā)展起來(lái)的一種腦成像技術(shù)，是研究腦的工作機(jī)制的重要手段之一。同其它研究手段相比，內(nèi)源性光學(xué)成像在時(shí)間和空間分辨率上都有較大優(yōu)勢(shì)。在哺乳動(dòng)物的大腦內(nèi)部，執(zhí)行特定功能或有相同特性的細(xì)胞聚集在一起［1-2］。這些細(xì)胞發(fā)生興奮活動(dòng)時(shí)，皮層神經(jīng)活動(dòng)的改變會(huì)導(dǎo)致相應(yīng)區(qū)域的血流速度、去氧血紅蛋白（Hbr）濃度等血液參數(shù)的變化，進(jìn)而引起其所在皮層對(duì)特定波長(zhǎng)光吸收率的變化。這些變化是依賴于腦活動(dòng)的內(nèi)源性信號(hào)，顯示了大腦皮層的功能構(gòu)筑［3］。在活體腦組織中基于這種血氧動(dòng)力學(xué)而產(chǎn)生的光學(xué)信號(hào)，其強(qiáng)度變化非常微弱，相對(duì)于全部反射光大約占0.1％～0.2％（605nm光照條件）［4］。

因?yàn)檫M(jìn)行研究的腦功能區(qū)域一般在皮層以下（深度為200～800μm），光學(xué)信號(hào)在透射出皮層的過程中，大腦組織會(huì)對(duì)光產(chǎn)生散射作用。這使得記錄到的功能區(qū)域會(huì)比真實(shí)活動(dòng)的皮層范圍有所擴(kuò)散［4］。另外在圖像生成和傳輸過程中的各種干擾也會(huì)對(duì)圖像產(chǎn)生模糊作用，而這種模糊過程一般可以看作是系統(tǒng)點(diǎn)擴(kuò)展函數(shù)與圖像卷積的結(jié)果。因此尋找一個(gè)對(duì)點(diǎn)擴(kuò)展函數(shù)準(zhǔn)確的估計(jì)，并利用反卷積方法就能對(duì)這種退化圖像進(jìn)行恢復(fù)。對(duì)于內(nèi)源性光記錄信號(hào)的去噪處理，主要還是采用空間平滑濾波。本研究根據(jù)內(nèi)源性光學(xué)信號(hào)圖像二階統(tǒng)計(jì)量的分析，利用其基于生理特性的分布形式對(duì)點(diǎn)擴(kuò)展函數(shù)進(jìn)行合理的估計(jì)，并恢復(fù)出功能柱圖像。相對(duì)于恢復(fù)后的圖像，圖像噪聲得到了有效抑制，功能柱結(jié)構(gòu)清晰，而且功能區(qū)域更為集中。

1 實(shí)驗(yàn)方法和數(shù)據(jù)處理

1.1 動(dòng)物準(zhǔn)備和光學(xué)成像

實(shí)驗(yàn)采用體重2.0～3.0kg的成年貓3只，性別不限。肌肉注射30mg/kg鹽酸氯胺酮誘導(dǎo)麻醉，施行氣管插管和股靜脈插管手術(shù)。將動(dòng)物俯臥固定于立體定位儀（SN-3，NARISHIGE）；持續(xù)靜脈注射3mg/（kg·h）戊巴比妥鈉和10mg/（kg·h）三碘季胺酚，以維持實(shí)驗(yàn)過程中動(dòng)物的麻醉和麻痹狀態(tài)；150mg/（kg·h）葡萄糖溶液為動(dòng)物提供必要的營(yíng)養(yǎng)物質(zhì)。人工呼吸機(jī)（CIV-100，Cloumbus Instruments）設(shè)置為20次/min，潮氣量約為12.3mL/kg。動(dòng)物體溫維持儀（SS20-1，蚌埠市大江電子公司）將被試動(dòng)物體溫控制在38℃～38.5℃。實(shí)驗(yàn)過程中監(jiān)視動(dòng)物心電（ECG）和腦電（EEG），以了解動(dòng)物的麻醉狀態(tài)和生理情況。根據(jù)圖譜在Horsley-Clarke坐標(biāo)系的P0-P10、L0-L6處，開顱暴露皮層17區(qū)，面積約為5mm×5mm，剝離硬腦膜。在暴露皮層的顱骨窗外圍用牙科水泥封固一個(gè)金屬小室，使用甲基硅油填充滿小室后加玻璃蓋片封閉以維持適當(dāng)壓力，從而減少心跳和呼吸導(dǎo)致的皮層表面機(jī)械波動(dòng)［5］。動(dòng)物眼睛加滴1％阿托品擴(kuò)瞳，5％新福林收縮瞬膜。然后佩戴接觸鏡，用以矯正視力和防止角膜干燥。用檢眼鏡將動(dòng)物眼底血管投影于視覺刺激顯示屏上，以確定視盤位置。在接觸鏡外放置直徑為3mm的人工瞳孔。

高靈敏度數(shù)字CCD攝像機(jī)［6］（iXon897，ANDOR）在波長(zhǎng)550nm（半波寬為30nm）的綠光照射條件下，將鏡頭聚焦于皮層表面，拍攝出皮層表面的血管圖像。然后改為使用波長(zhǎng)為605nm（半波寬為10nm）的紅光進(jìn)行照明，并通過對(duì)CCD電動(dòng)支架調(diào)節(jié)，使得鏡頭聚焦于皮層表面以下約500μm處，以減弱血管的干擾，進(jìn)行腦功能光學(xué)圖像的采集。

1.2 視覺刺激和信號(hào)采集

視覺刺激通過一臺(tái)刺激服務(wù)器連接一臺(tái)顯示器給出。顯示器置于貓眼前57cm處，刺激范圍為30°×40°視角［7］。視覺刺激的平均亮度為20cd/m2，對(duì)比度為100％。運(yùn)動(dòng)的正弦光柵作為視覺刺激，其時(shí)間頻率為2Hz，空間頻率為0.8c/deg，刺激朝向?yàn)?°～157.5°，間隔22.5°共八種。高靈敏度CCD攝像機(jī)正對(duì)暴露皮層區(qū)域，拍攝速度為20幀/s，空間分辨率為16μm，景深約為0.1mm。每個(gè)刺激周期內(nèi)視覺刺激呈現(xiàn)前持續(xù)拍攝2s（共計(jì)拍攝40幀），刺激呈現(xiàn)后持續(xù)拍攝8s（共計(jì)拍攝160幀）。不同朝向的光柵在不同的記錄周期內(nèi)隨機(jī)分別呈現(xiàn)，實(shí)驗(yàn)重復(fù)記錄10次。視覺刺激為單眼刺激，即僅暴露一只眼，遮蓋另一只眼進(jìn)行刺激。

1.3 數(shù)據(jù)預(yù)處理

由于被探測(cè)皮層不可能處于理想的均勻光照下。為獲得皮層活動(dòng)的圖像，首先將皮層受到刺激時(shí)獲取的圖像與基準(zhǔn)圖像進(jìn)行對(duì)比，以修正光照的不均勻性。將實(shí)驗(yàn)中全部刺激呈現(xiàn)前所拍攝的圖像進(jìn)行疊加平均作為皮層的基線圖像（baseline image），這被稱為空白本底（blank）。將多次刺激的全部圖像進(jìn)行疊加平均的目的是減弱生物體生理活動(dòng)和光照系統(tǒng)的低頻波動(dòng)所引入的噪聲，多次試驗(yàn)的疊加平均可以將圖像中每個(gè)像素的標(biāo)準(zhǔn)差減小為噪聲標(biāo)準(zhǔn)差的1/（K是進(jìn)行疊加平均的圖像數(shù)目）。對(duì)內(nèi)源性光學(xué)信號(hào)圖像進(jìn)行標(biāo)準(zhǔn)分析，將某種刺激條件下，獲得的全部拍攝圖像進(jìn)行疊加平均，然后與本底圖相除。而后使用“第一幀分析”技術(shù)（first frame analysis），去除低于0.3Hz的低頻噪聲（主要是呼吸等生物體活動(dòng)引入的干擾）。即將每幀圖像都減去未刺激時(shí)所采集的第一幀圖像。圖1（b）顯示了實(shí)驗(yàn)動(dòng)物1受朝向?yàn)?°刺激時(shí)，通過上述兩項(xiàng)預(yù)處理后所得到的結(jié)果。對(duì)照于圖1（a）的直接拍攝所得圖像，從中可見存在以簇狀成團(tuán)方式呈現(xiàn)的功能活動(dòng)區(qū)。在圖像中暗色區(qū)域是有著較強(qiáng)的光吸收區(qū)域（相對(duì)于本底圖），即為有著較強(qiáng)活動(dòng)的功能柱區(qū)域。通過多次重復(fù)實(shí)驗(yàn)的疊加平均，能將各種低頻周期波動(dòng)所引入的噪聲進(jìn)行一定程度的壓制。但是因?yàn)榇竽X組織對(duì)光的散射，內(nèi)源信號(hào)會(huì)發(fā)生一定程度的擴(kuò)散。所以圖中所顯示的暗色區(qū)域邊緣部分并非完全是皮層的相關(guān)活動(dòng)功能區(qū)，有部分是因?yàn)楣鈱W(xué)彌散而產(chǎn)生的偽跡［4］。

圖1 內(nèi)源光學(xué)信號(hào)。（a）CCD采集圖像；（b）預(yù)處理結(jié)果Fig.1 Opticalimaging based on intrinsic signals.（a）CCD image；（b）function image

1.4 二階統(tǒng)計(jì)分析

二階統(tǒng)計(jì)量既方差所表示的是偏離平均值的誤差情況，因此可以通過計(jì)算像素點(diǎn)（m，n）鄰域S內(nèi)的二階統(tǒng)計(jì)量來(lái)評(píng)價(jià)像素點(diǎn)間的差異情況。

鄰域S范圍選擇192μm×192μm的空間大小，實(shí)驗(yàn)動(dòng)物1的處理結(jié)果如圖2（a）所示。其中暗色區(qū)域?yàn)閒*（m，n）值較小的區(qū)域，在這些位置上像素點(diǎn)（m，n）與其相鄰區(qū)域S內(nèi)的像素間的差異較小?？梢杂^察到圖1（b）中最暗和最亮的區(qū)域都對(duì)應(yīng)著圖2（a）中的最暗區(qū)域。這說明在功能圖1（b）中，因視覺刺激而激活的皮層區(qū)域內(nèi)所產(chǎn)生的光學(xué)信號(hào)的相對(duì)變化程度的一致性較高。這是由于激活的皮層區(qū)域內(nèi)大量功能相同的神經(jīng)元發(fā)生放電活動(dòng)，放電活動(dòng)代謝能量而引起血氧濃度變化，使得對(duì)照射光的吸收程度增強(qiáng)。在有著較強(qiáng)活動(dòng)的功能柱區(qū)域內(nèi)，功能相似的神經(jīng)元的活動(dòng)所產(chǎn)生的光學(xué)信號(hào)也相似，因此這些位置上圖像二階統(tǒng)計(jì)處理結(jié)果的值也較小。這樣的結(jié)果是由功能柱的結(jié)構(gòu)和生理活動(dòng)所決定的。圖2（a）結(jié)果中顯示在未激活的皮層區(qū)域也同樣保持著較小的二階統(tǒng)計(jì)量。這是因?yàn)樵诜腔顒?dòng)的皮層區(qū)域神經(jīng)元未被激活，其生理活動(dòng)也一致的保持為較低水平，所以這個(gè)區(qū)域的皮層對(duì)照射光吸收程度的變化差異不大。因此在功能區(qū)域和非功能區(qū)域內(nèi)的二階統(tǒng)計(jì)量較為一致，其差異主要體現(xiàn)為均值的不同。白色區(qū)域表示這些區(qū)域的f*（m，n）值較大，說明像素點(diǎn)之間的差異較大。對(duì)應(yīng)于圖1（b），這些位置是處于功能柱和未激活皮層之間。這些區(qū)域并非與刺激相關(guān)的神經(jīng)元集中的位置，因此并沒有較強(qiáng)的放電活動(dòng)代謝能量而引起血氧濃度變化。在這些位置光學(xué)信號(hào)的變化更可能是由于附近位置血氧濃度擴(kuò)散和不完全透明的腦組織造成的彌散結(jié)果。在這些部位，靠近功能柱區(qū)域的顏色偏暗，而靠近未激活皮層區(qū)域的顏色偏亮。圖2（b）為圖像二階統(tǒng)計(jì)量歸一化值的分布直方圖。

圖2 功能圖二階統(tǒng)計(jì)結(jié)果。（a）二階統(tǒng)計(jì)結(jié)果；（b）二階統(tǒng)計(jì)量分布直方圖Fig.2 Second-order statistics results.（a）the second-order statistics image；（b）the secondorder statistics histogram.

1.5 點(diǎn)擴(kuò)展函數(shù)與估計(jì)

內(nèi)源光學(xué)信號(hào)十分微弱，而且預(yù)處理后的圖像對(duì)比度不高。為盡可能利用所采集的圖像信息，對(duì)功能柱區(qū)域的信號(hào)部分與彌散部分進(jìn)行分離，需要對(duì)所采集的圖像進(jìn)行恢復(fù)處理。彌散信號(hào)部分可以認(rèn)為是信號(hào)在皮層中的擴(kuò)散結(jié)果，這被視為是圖像的一種模糊過程，使得圖像產(chǎn)生了退化。通常使用以下卷積模型來(lái)模擬模糊過程

式中，g為模糊圖像；h為點(diǎn)擴(kuò)展函數(shù)（PSF）；f為原圖像；n為隨機(jī)噪聲（通常被假設(shè)為具有均值為0，方差為σ2的高斯分布）；*表示卷積運(yùn)算。如果可以得知點(diǎn)擴(kuò)展函數(shù)的形式，就能通過反卷積恢復(fù)出真實(shí)的圖像。

因?yàn)闊o(wú)法得知點(diǎn)擴(kuò)展函數(shù)的真實(shí)情況，為恢復(fù)出原始圖像，需要在合理的假設(shè)條件下對(duì)點(diǎn)擴(kuò)展函數(shù)進(jìn)行估計(jì)。在許多光學(xué)測(cè)量系統(tǒng)和成像系統(tǒng)模型中，一般都假定點(diǎn)擴(kuò)展函數(shù)形式為高斯函數(shù)［8］。一種典型的高斯點(diǎn)擴(kuò)展函數(shù)模型為

式中，σ為高斯函數(shù)的方差。要直接對(duì)二維PSF進(jìn)行估計(jì)比較困難和復(fù)雜［9］，根據(jù)1.3中光記錄預(yù)處理的描述可知經(jīng)過預(yù)處理的圖像在照明上可以認(rèn)為是大體上均勻的，因此該P(yáng)SF可以假設(shè)為具有圓對(duì)稱特性［10］。設(shè)x方向上的線擴(kuò)展函數(shù)（LSF）為h*（x），并且采用式（3）的形式，于是有

這樣將二維PSF的估計(jì)轉(zhuǎn)化為一維LSF的估計(jì)。

對(duì)于PSF的估計(jì)需要選取合理的考察區(qū)域，因?yàn)楣δ苤鶊D中沒有明確的邊緣特征，傳統(tǒng)的階躍邊緣法［9，11］和邊緣檢測(cè)法［12］等利用邊界信息進(jìn)行PSF估計(jì)的方法并不適用。根據(jù)上文對(duì)內(nèi)源性光學(xué)圖像的二階統(tǒng)計(jì)分析，在圖像中共有三種活動(dòng)模式：功能柱區(qū)、彌散區(qū)和非功能區(qū)。假設(shè)活動(dòng)模式是具有高斯分布的形式而進(jìn)行的，并且認(rèn)為在預(yù)處理中其它噪聲已被得到有效的處理，可以暫不考慮其影響。所以將每個(gè)區(qū)域活動(dòng)形式與LSF相卷積可以得到

式中，fa（x）為功能柱區(qū)的活動(dòng)函數(shù)，fu（x）為非功能區(qū)的活動(dòng)函數(shù)，fd（x）為彌散區(qū)的活動(dòng)函數(shù)，其形式均為高斯函數(shù)。根據(jù)高斯函數(shù)的卷積規(guī)則，由式（5）直接可得

式中，σa、σu分別是功能柱區(qū)、和非功能區(qū)的真實(shí)活動(dòng)方差。由于彌散區(qū)中既有功能柱區(qū)的活動(dòng)也有非功能區(qū)的活動(dòng)，反映的是兩個(gè)活動(dòng)之和，所以可以用兩者的高斯函數(shù)相加來(lái)描述。根據(jù)高斯函數(shù)相加的原則，可知相加后的函數(shù)方差應(yīng)為（σa+σu）2。σh為需要估計(jì)的LSF的方差。σga、σgd、σgu為模糊圖像中這三個(gè)區(qū)域的方差。從功能圖像中這三個(gè)區(qū)域取若干樣本，即可以由式（6）解出σh。實(shí)際上此選取不同區(qū)域的樣本有所不同，得到的σh也不會(huì)完全相同?？梢愿鶕?jù)如下準(zhǔn)則：在線擴(kuò)展函數(shù)h*（x）定義域的任何子集Ω中，整合后h*（x）的能量應(yīng)該與所有樣本得到的（x）的能量的平均值相同［13］，即

基于上述準(zhǔn)則，可以從整個(gè)圖像的全部樣本點(diǎn)中估計(jì)出與圖像唯一對(duì)應(yīng)的h*（x）。

2 結(jié)果

2.1 點(diǎn)擴(kuò)展函數(shù)估計(jì)結(jié)果

利用對(duì)內(nèi)源信號(hào)功能圖二階統(tǒng)計(jì)分析的結(jié)果，結(jié)合預(yù)處理功能圖的信號(hào)與非信號(hào)區(qū)域，針對(duì)實(shí)驗(yàn)動(dòng)物1，共選取200組特征差異明顯的像素點(diǎn)作為樣本。通過式（6）和式（7）得到對(duì)該組數(shù)據(jù)的PSF的估計(jì)，結(jié)果如圖3所示。

圖3 點(diǎn)擴(kuò)展函數(shù)估計(jì)結(jié)果Fig.3 Estimation of point spread function

2.2 反卷積恢復(fù)

根據(jù)對(duì)點(diǎn)擴(kuò)展函數(shù)的估計(jì)結(jié)果，對(duì)實(shí)驗(yàn)動(dòng)物1的預(yù)處理圖像結(jié)果圖1（b）進(jìn)行反卷積圖像恢復(fù)，圖4（a）為功能圖像恢復(fù)結(jié)果。相比預(yù)處理圖像，圖中的噪聲得到了有效的抑制，同時(shí)保留的圖像細(xì)節(jié)。更為重要的是二階統(tǒng)計(jì)量分布直方圖發(fā)生了明顯變化。預(yù)處理圖像的二階統(tǒng)計(jì)量的分布（見圖2（b））沒有明顯的峰值，很難從中選取一個(gè)閾值以劃分二階統(tǒng)計(jì)量較小區(qū)域和較大區(qū)域。在反卷積恢復(fù)后圖像的二階統(tǒng)計(jì)量分布圖中（見圖4（c）），其分布形式發(fā)生明顯變化，左端的分布變得更為集中?？梢娫诙A統(tǒng)計(jì)值的較小端形成明顯的峰值（圖中用“*”標(biāo)出），并且在峰的左右分布形狀對(duì)稱。而在其附近同時(shí)存在另外一個(gè)較為微弱的分布峰。相對(duì)于恢復(fù)前圖像的直方圖，圖4（c）的主峰明顯，之前未見的次峰也能可見。根據(jù)圖像閾值劃分的原理，可以在這兩個(gè)分布峰之間的谷值處選取一個(gè)值以作為二階統(tǒng)計(jì)量的大小的劃分閾值，如圖中“↓”標(biāo)出。因?yàn)閺念A(yù)處理功能圖和功能柱的生理機(jī)制可知，功能柱區(qū)域是一個(gè)功能相似的神經(jīng)元集中區(qū)域，根據(jù)1.4節(jié)可知，共同相似的神經(jīng)功能活動(dòng)所引起的光學(xué)信號(hào)在二階統(tǒng)計(jì)量上應(yīng)表現(xiàn)為較小和分布集中。因此有效的功能區(qū)域在二階統(tǒng)計(jì)量的分布上對(duì)應(yīng)于其二階統(tǒng)計(jì)值較小端的峰值。

圖4 反卷積處理。（a）功能圖恢復(fù)；（b）二階統(tǒng)計(jì)量劃分模板；（c）恢復(fù)圖像的二階統(tǒng)計(jì)量分布直方圖Fig.4 Deconvolution results.（a）function image restoration；（b）edge template based on second-order statistics；（c）second-order statistics histogram of deconvolution result.

圖4（b）中顯示了利用該選取的閾值從反卷積恢復(fù)圖像中得到分割模板結(jié)果。因?yàn)楣δ苤鶇^(qū)域和非功能柱區(qū)域均屬于二階統(tǒng)計(jì)量值小的區(qū)域，所以該模板圖中既包含功能柱區(qū)域，又包含非功能柱區(qū)域。結(jié)合反卷積恢復(fù)圖可以準(zhǔn)確劃分激活功能柱區(qū)域。

2.3 功能柱區(qū)域分割

激活區(qū)域應(yīng)滿足兩點(diǎn)：位于由二階統(tǒng)計(jì)分析得到的分割模板的白色區(qū)域（二階統(tǒng)計(jì)量小的區(qū)域）；位于反卷積恢復(fù)圖中灰度低于全圖平均值區(qū)域（激活區(qū)域）。據(jù)此標(biāo)準(zhǔn)對(duì)激活功能柱區(qū)域進(jìn)行了劃分，3只實(shí)驗(yàn)動(dòng)物通過該方法所得結(jié)果分別表示于圖5中。

圖5 功能柱區(qū)域劃分。（a）～（c）分別為3只實(shí)驗(yàn)動(dòng)物結(jié)果Fig.5 Edge segmentation.（a）～（c）the results of the three cats，respectively

3 討論

3.1 反卷積圖像增強(qiáng)

光學(xué)信號(hào)在傳遞、采集過程中都會(huì)受到各種因素的干擾，使得圖像產(chǎn)生模糊。這種模糊可以看作是系統(tǒng)點(diǎn)擴(kuò)展函數(shù)與圖像卷積的結(jié)果。因而如果可以預(yù)先知道系統(tǒng)的點(diǎn)擴(kuò)展函數(shù)，就可以通過傳統(tǒng)的圖像復(fù)原算法對(duì)模糊圖像進(jìn)行逆運(yùn)算，得到較清晰的復(fù)原圖像。腦內(nèi)源性光記錄信號(hào)不僅非常微弱而且噪聲成分復(fù)雜。傳統(tǒng)處理手段主要以空間濾波為主，雖然處理結(jié)果使得圖像更加平滑，圖像的顆粒噪聲也能得到抑制。內(nèi)源信號(hào)光學(xué)成像去噪使用的平滑濾波是利用濾波核對(duì)圖像進(jìn)行卷積，實(shí)質(zhì)是個(gè)模糊圖像的過程。腦內(nèi)源性光記錄信號(hào)又具有彌散性的特點(diǎn)，生理結(jié)構(gòu)的組織上沒有明顯邊界。用空間濾波去增強(qiáng)圖像會(huì)使得原本彌散的結(jié)果更加模糊，對(duì)功能柱區(qū)域劃分產(chǎn)生干擾。利用腦內(nèi)源性光記錄信號(hào)的生理機(jī)制特點(diǎn)，以其二階統(tǒng)計(jì)量的分布關(guān)系為基礎(chǔ)所估計(jì)的點(diǎn)擴(kuò)展函數(shù)，反卷積圖像增強(qiáng)的結(jié)果良好。功能柱區(qū)域不再是不可分辨的一團(tuán)模糊的暗色區(qū)域，而是形成具有類似等高線結(jié)果的階梯區(qū)域。這樣的結(jié)果更準(zhǔn)確的反應(yīng)了功能柱區(qū)域發(fā)生活動(dòng)最強(qiáng)烈的位置。由于反卷積圖像增強(qiáng)是去除圖像的模糊過程，在恢復(fù)結(jié)果中使得功能柱區(qū)域更為集中，使彌散區(qū)域能產(chǎn)生一定程度的復(fù)原。

3.2 內(nèi)源光學(xué)信號(hào)功能柱定位

腦內(nèi)源性光記錄研究工作需要對(duì)腦活動(dòng)的功能柱區(qū)域進(jìn)行定位和提取。特別是針對(duì)某些需要利用功能柱邊界或者明確的功能柱區(qū)域信息所進(jìn)行的研究。這類研究希望能通過內(nèi)源性光學(xué)記錄結(jié)果的引導(dǎo)，迅速準(zhǔn)確的獲取相關(guān)區(qū)域的信息。傳統(tǒng)上多采取圖像灰度閾值劃分，但由于圖像對(duì)比度低，不同情況下采集數(shù)據(jù)結(jié)果均有不同，而閾值選擇主觀性比較強(qiáng)。另外更是因?yàn)楣δ苤鶇^(qū)域的彌散，生理結(jié)構(gòu)無(wú)明顯邊界，這些都使得直接采用圖像灰度閾值劃分的結(jié)果無(wú)法準(zhǔn)確定量，很難準(zhǔn)確分割出功能柱區(qū)域。本研究中，利用功能柱活動(dòng)的生理結(jié)構(gòu)基礎(chǔ)，根據(jù)相關(guān)活動(dòng)區(qū)域的二階方差應(yīng)當(dāng)較小的這一結(jié)果，通過反卷積恢復(fù)后圖像彌散區(qū)域被有效去除的條件下，給出閾值選取的合理標(biāo)準(zhǔn)。最后結(jié)果顯示，劃分結(jié)果清楚，對(duì)血管等干擾的屏蔽作用強(qiáng)，基于這個(gè)方法下的功能柱劃分是具有實(shí)用意義。

4 結(jié)論

本研究基于估計(jì)點(diǎn)擴(kuò)展函數(shù)對(duì)內(nèi)源性光學(xué)成像信號(hào)的提取，在對(duì)本實(shí)驗(yàn)室采集的內(nèi)源性光記錄信號(hào)的處理應(yīng)用中得到了較好結(jié)果，證明了此方法適用于內(nèi)源性光記錄信號(hào)的圖像增強(qiáng)和功能柱區(qū)域提取。并在一定程度上比直接采用圖像灰度閾值劃分更為合理。此方法對(duì)于內(nèi)源性光記錄信號(hào)在腦功能成像的研究，不僅提升了圖像質(zhì)量，更為明確的確定了功能區(qū)域。對(duì)于利用內(nèi)源性光記錄信號(hào)在神經(jīng)活動(dòng)的探索中具有進(jìn)行挖掘信號(hào)的實(shí)用價(jià)值。在此后進(jìn)一步研究中，計(jì)劃結(jié)合電生理記錄對(duì)本方法進(jìn)行的功能柱區(qū)域劃分結(jié)果進(jìn)行單細(xì)胞記錄的驗(yàn)證。

（致謝：感謝李朝義院士的大力支持與指導(dǎo)。感謝徐杏珍老師在動(dòng)物實(shí)驗(yàn)中的認(rèn)真指導(dǎo)與熱情幫助。）

［1］Mountcastle VB.Modality and topographic properties of single neurons of cat＇s somatic sensory cortex［J］.Journalof Neurophysiology，1957，20（4）：408-434.

［2］HubelDH，Wiesel TN.Receptive fields and functional architecture in two nonstriate visual areas（18 and 19）of the cat［J］.J Neurophysiol，1965，28：229-289.

［3］Grinvald A.Functional architecture of cortex revealed by optical image of intrinsic signals［J］.Nature，1986，324：361-364.

［4］Grinvald A.In-vivo optical imaging of cortical architecture and dynamics［M］//Windhorst U，Johansson H，eds.Modern Techniques in Neuroscience Research.Berlin：Springer-Verlag，1999：893-969.

［5］俞洪波，邢大軍，壽天德.腦內(nèi)源信號(hào)光學(xué)成像術(shù)：貓視皮質(zhì)方位功能柱的活體顯示［J］.中國(guó)神經(jīng)科學(xué)雜志，2000，16（4）：355-359.

［6］White BR，Bauer AQ，Snyder AZ，et al.Imaging of functional connectivity in the mouse brain［J］.PloS I，2011，6（1）：e16322.

［7］俞洪波，壽天德.用腦光學(xué)成像術(shù)研究不同空間拓?fù)湮恢秘埑跫?jí)視皮層的空間頻率反應(yīng)特性［J］.生理學(xué)報(bào)，2000，52：411-4151.

［8］呂成淮，何小海，陶青川，等.圖像復(fù)原中高斯點(diǎn)擴(kuò)展函數(shù)參數(shù)估計(jì)算法研究［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43（10）：31-34.

［9］李東興，趙剡，許東.基于參數(shù)估計(jì)的降晰函數(shù)辨識(shí)及圖像復(fù)原算法［J］.紅外與激光工程，2010，1：166-172.

［10］Claxton CD，Staunton RC.Measurement of the point spread function of a noisy imaging system［J］.Journal of the Optical Society of America A：Optics，Image Science，and Vision，2008，25（1）：1592170.

［11］Vishwakumara K，Martens J B.Estimation of perceived image blur using edge features［J］.International Journal of Imaging Systems and Technology，1996，7：102-109.

［12］Elder JH，Zucker SW.Local scale control for edge detection and blur estimation［J］.IEEE Trans on Pattern Analysis and Machine Intelligence，1998，20（7）：699-716.

［13］吳俊芳，劉桂雄，韋寧.散焦含噪圖像的點(diǎn)擴(kuò)散函數(shù)估計(jì)與邊緣檢測(cè)［J］.華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，38（6）：118-121.