对黄斑光学连贯性断层扫描成像对齐算法的比较分析.

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 光学连贯断层扫描 (OCT) 在眼科中对诊断黄斑疾病至关重要.
• 海外国家和地区的数据通常是一系列2DB扫描,限制了机器学习的3D分析.
• 将B扫描整合到3D卷中对于最大限度地发挥OCT机器学习潜力至关重要.

研究的目的:

• 评估五个B扫描OCT卷的注册算法.
• 引入一种用于量化B扫描对齐质量的新型指标.
• 为了证明B扫描对齐对3D CNN性能对AMD检测的影响.

主要方法:

• 在48名 AMD 患者和50名对照患者的 OCT B 扫描上测试了五种注册算法.
• 使用面对面的表面地图及其拉普拉斯差异来评估注册质量.
• 一个3D CNN经过训练,可以使用对齐和不对齐的OCT B扫描来检测AMD.

主要成果:

• B扫描对齐显著改善了地图表面的光滑度 (拉普拉斯平均差异从27到4-5像素减少).
• 高级规范化工具对称图像规范化 (ANTs-SyN) 算法表现出强大的性能.
• 通过对齐扫描,3D CNN实现了更高的AMD检测准确度 (AUC为0.95对比0.89).

结论:

• 一个新的指标有效量化了OCT B扫描对齐.
• 公开可用的算法显著改善了OCT B扫描对齐,其中ANTs-SyN是最有效的.
• 对齐的OCT B扫描提高了用于AMD检测的3D CNN模型的性能.