Traducción de OCT a OCTA basada en modelo de difusión | JoVE Visualize

Área de la Ciencia:

Imagenología Médica
Inteligencia Artificial
Oftalmología

Sus antecedentes:

La Tomografía de Coherencia Óptica (OCT) es crucial para la imagenología de la retina.
La Angiografía por Tomografía de Coherencia Óptica (OCTA) proporciona información vascular vital pero requiere equipo especializado.
La traducción de OCT a OCTA puede mejorar la accesibilidad y reducir los costos para el diagnóstico de enfermedades retinianas.

Objetivo del estudio:

Introducir un novedoso enfoque de difusión condicional, el modelo de difusión Brown Bridge (BBDM), para la traducción de imágenes de OCT a OCTA.
Abordar las limitaciones de las Redes Generativas Antagónicas (GAN) tradicionales en la generalización y la fidelidad estructural para esta tarea de traducción.
Evaluar la utilidad clínica y el rendimiento de BBDM en la generación de OCTA a partir de imágenes OCT.

Principales métodos:

Desarrolló e implementó el modelo de difusión Brown Bridge (BBDM) utilizando un proceso estocástico bidireccional.
Integró BBDM en el espacio latente de VQGAN para el entrenamiento.
Entrenó el modelo en el conjunto de datos OCT500 y lo validó en un conjunto de datos clínico de pacientes con retinopatía diabética del UIC.

Principales resultados:

BBDM demostró un rendimiento superior en el índice de similitud estructural (SSIM) y el índice de calidad de contraste perceptual (PCQI) en comparación con las GAN, especialmente en escaneos de campo de visión más amplios.
El modelo mantuvo tendencias anatómicas consistentes con OCTA de referencia y conservó características vasculares clínicamente relevantes (BVC, BVT, VPI).
Si bien mostró desviaciones menores en algunas métricas como FID, BBDM ofreció ventajas en simplicidad computacional, estabilidad de entrenamiento y reducción de alucinaciones de imagen.

Conclusiones:

BBDM representa el primer marco basado en difusión para la traducción de OCT a OCTA.
El modelo genera con éxito OCTA clínicamente significativo a partir de imágenes OCT estándar.
Este enfoque apoya diagnósticos más accesibles y rentables para enfermedades retinianas.