高速・高コントラスト形態および血管系イメージングのための深層学習ベース光コヒーレンストモグラフィ再構成

科学分野:

• 眼科イメージング;医用画像解析;深層学習の応用

背景:

• スペクトル領域光コヒーレンストモグラフィ（SD-OCT）は高解像度を提供しますが、イメージング速度と感度の課題に直面しています。;SD-OCTにおける速度と感度の同時向上は、重要な技術的ハードルです。

研究 の 目的:

• SD-OCTシステムのイメージング速度と感度の両方を向上させるための深層学習アプローチを開発すること。;高度な計算手法を用いてSD-OCTのハードウェア制限を克服すること。

主な方法:

• 視覚状態空間モデルを組み込んだU-Net深層ニューラルネットワーク（DNN）アーキテクチャを使用しました。;このモデルは、高速取得から高信号対雑音比（SNR）のOCTおよびOCTアンギオグラフィ（OCTA）を合成します。;多尺度構造類似性指数測定（MS-SSIM）やコントラスト対雑音比（CNR）などの定量的指標を用いて性能を評価しました。

主要な成果:

• 深層学習モデルは、高SNRのOCTおよびOCTA画像を効果的に再構成しました。;網膜層間のコントラストが向上し、層境界の鮮明化が観察されました。;微小血管や脈絡膜を含む網膜の微細構造が正常に復元されました。

結論:

• 新しいDNNベースのアーキテクチャにより、SD-OCTイメージング速度と感度の同時向上が可能になります。;このアプローチは、取得速度を損なうことなくOCT画像の品質を向上させます。;この手法は、SD-OCTシステムの固有のハードウェア制限を克服するための実行可能なソリューションを提供します。