OCTからOCTAへの変換のための拡散モデル

科学分野:

• 医用画像処理
• 人工知能
• 眼科学

背景:

• 光干渉断層撮影（OCT）は網膜イメージングに不可欠です。
• OCT血管造影（OCTA）は重要な血管情報を提供しますが、特殊な機器が必要です。
• OCTからOCTAへの変換は、網膜疾患の診断におけるアクセシビリティを向上させ、コストを削減できます。

研究 の 目的:

• OCTからOCTAへの画像変換のための新しい条件付き拡散ベースのアプローチであるブラウンブリッジ拡散モデル（BBDM）を導入すること。
• この変換タスクにおける従来の敵対的生成ネットワーク（GAN）の一般化および構造的忠実性における限界に対処すること。
• OCT画像からOCTA画像を生成する上でのBBDMの臨床的有用性とパフォーマンスを評価すること。

主な方法:

• 双方向確率過程を使用したブラウンブリッジ拡散モデル（BBDM）を開発および実装しました。
• VQGANの潜在空間内にBBDMを統合してトレーニングしました。
• OCT500データセットでモデルをトレーニングし、UICの糖尿病網膜症患者の臨床データセットで検証しました。

主要な成果:

• BBDMは、特に大視野スキャンにおいて、GANと比較して構造的類似性指数（SSIM）および知覚コントラスト品質指数（PCQI）で優れた性能を示しました。
• モデルは、真のOCTAと一致する解剖学的傾向を維持し、臨床的に関連性の高い血管特徴（BVC、BVT、VPI）を保持しました。
• FIDなどの一部の指標でわずかなずれが見られましたが、BBDMは計算の単純さ、トレーニングの安定性、および画像アーティファクトの減少において利点を提供しました。

結論:

• BBDMは、OCTからOCTAへの変換のための最初の拡散ベースのフレームワークを表します。
• モデルは、標準的なOCT画像から臨床的に意味のあるOCTAを正常に生成します。
• このアプローチは、網膜疾患のよりアクセス可能で費用効果の高い診断をサポートします。