使用深度学习和视网膜层细分的自动跨设备3D OCT图像注册
David Rivas-Villar1,2,3, Alice R Motschi4, Michael Pircher4
1Centro de investigacion CITIC, Universidade da Coruña, 15071 A Coruña, Spain.
Biomedical optics express
|July 27, 2023
概括
本研究介绍了一种自动管道,用于从不同设备记录光学连贯性断层扫描 (OCT) 图像. 这种新的方法实现了高质量的多模式OCT图像记录,以进行增强的眼科分析.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 光学连贯断层扫描 (OCT) 是眼科中一个关键的成像技术.
- 不同的OCT设备提供了互补的数据,需要对图像进行注册以进行综合分析.
- 当前的注册方法可能缺乏自动化或多模式兼容性.
研究的目的:
- 开发和评估一种新型的自动化管道,用于从不同设备登记多模式的OCT图像.
- 为了提高结合互补的OCT数据集的准确性和效率.
- 通过精确的OCT图像注册,促进先进的临床应用.
主要方法:
- 开发了一条两步自动化管道.
- 步骤1:使用深度学习进行多模式的2D面对面注册.
- 步骤2:以视网膜层细分为指导的Z轴 (轴) 注册.
主要成果:
- 管道展示了高质量的注册性能.
- 2D面对面注册的平均误差约为46微米.
- Z轴注册的平均误差为9.59微米.
结论:
- 拟议的自动化管道有效地记录来自不同设备的OCT图像.
- 该方法在2D和Z轴注册方面都实现了高精度.
- 这种技术有可能改善临床应用,包括验证视网膜层细分.
