快速光学连贯断层扫描血管图像采集和重建管道用于皮肤应用
Jinpeng Liao1, Shufan Yang2,3, Tianyu Zhang1
1School of Science and Engineering, University of Dundee, DD1 4HN, Scotland, UK.
Biomedical optics express
|October 6, 2023
概括
一种新的深度学习方法可以从仅仅两次扫描中重建高质量的光学连贯断层扫描血管图像 (OCTA),显著减少患者的不适和扫描时间. 这种先进的OCTA成像技术可以提高图像质量指标和效率.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 高质量的光学连贯断层扫描血管图 (OCTA) 通常需要在同一位置进行多次扫描 (4-8次重复).
- 这种多扫描方法可能会导致患者的不适和延长检查时间.
研究的目的:
- 开发和评估一个基于深度学习的管道,用于从减少数量的OCT扫描中重建高质量的OCTA图像.
- 显著减少患者的不适和OCT数据采集时间,同时保持或提高图像质量.
主要方法:
- 提出了一个新的图像重建U-Net (IRU-Net) 深度学习模型.
- 该IRU-Net管道旨在从仅两次重复的OCT扫描中提取高质量的OCTA图像.
- 性能与最先进的UNet和UNet视觉转换器模型进行了基准测试,用于OCTA图像重建.
主要成果:
- IRU-Net在OCTA图像重建中表现出卓越的性能,来自两次重复的OCT信号.
- 平均峰值信号与噪声比 (PSNR) 从15.7提高到24.2.
- 平均结构相似度指数 (SSIM) 从0.28增加到0.59.
- 获得海外国家和地区数据的时间减少了83%,从21秒减少到3.5秒.
结论:
- 拟议的深度学习管道有效地使用最小扫描重建高质量的OCTA图像.
- 与传统的OCTA采购相比,这种方法在效率和患者舒适性方面取得了显著的改善.
- 在临床应用中,IRU-Net代表了OCTA成像技术的有希望的进步.
