无需完全衰减信号尾部的基于扰动的深度分辨 OCT 衰减重建

光学相干断层扫描（OCT）中的深度分辨衰减可以提供超越结构成像的定量光学对比度。然而，当OCT信号在成像范围内未完全衰减，或远端信号尾部被噪声或来自远端样品或支撑界面的残余反射所主导时，传统重建方法可能产生偏差。在此，我们提出一种基于微扰的Beer-Lambert框架，该框架将零阶指数估计与一阶校正相结合，减少了对当前深度以下不可靠远端信号尾部的依赖。我们采用数值A-line模拟、蒙特卡洛建模、多层硅胶-染料-TiO2体模以及离体牛视网膜实验，在有限深度和异质成像条件下评估该方法。数值A-line测试显示，相对于预设衰减剖面，深度相关误差降低；蒙特卡洛比较显示，相对于模型定义的基准，远端漂移更小，而体模剖面则与单独采集的单层OCT校准值进行比较。在一项蒙特卡洛组分测试中，重建过程不提供血管掩膜和血管边界信息，仅将这些信息用于事后评估，一阶校正恢复了61%的分割信息引导的目标血管对比度，并相对于固定零阶基线将血管ROI平均绝对误差降低了65%。这些结果表明，当完全衰减的A-line条件不满足时，基于微扰的重建可为有效OCT衰减的深度分辨重建提供一种实用方法。

中文由 AI 翻译，仅供参考，以原文为准。