经常性自我融合:用于一致的视网膜OCT细分的代拒绝
Shuwen Wei1, Yihao Liu1, Zhangxing Bian1
1Department of Electrical and Computer Engineering, Johns Hopkins University, Baltimore, MD 21218, USA.
Ophthalmic medical image analysis : 10th International Workshop, OMIA 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, Proceedings. OMIA (Workshop) (10th : 2023 : Vancouver, B.C. ; Online)
|February 6, 2024
概括
这项研究引入了一种反复的自我融合 (RSF) 算法,以标准化不同光学连贯断层扫描 (OCT) 设备的视网膜层厚度测量. RSF算法提高了细分一致性,以更好地监测疾病.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 光学连贯断层扫描 (OCT) 在眼科中对视网膜成像至关重要.
- 不同的OCT设备间不一致的视网膜层厚度测量阻碍了数据比较和纵向研究.
- 为了可靠的海外国家和地区数据分析,需要标准化.
研究的目的:
- 引入和验证一个循环自我融合 (RSF) 算法,以协调OCT视网膜层厚度测量.
- 提高用于疾病检测和监测的OCT图像分析的一致性和可靠性.
- 为了解决Spectralis和Cirrus OCT设备之间的测量差异.
主要方法:
- 基于自我融合方法的循环自我融合 (RSF) 算法的开发.
- 使用RSF算法对视网膜OCT图像进行代性无色化.
- 基于深度学习的细分算法的应用,用于下游分析.
- 使用来自Spectralis和Cirrus设备的配对OCT扫描的大数据集进行验证.
主要成果:
- RSF算法有效地减少了OCT图像中的斑点对比度.
- 在视网膜OCT细分中实现了更好的一致性.
- 该算法证明了不同OCT设备的数据可比性得到了改善.
- RSF算法显示了更准确的疾病监测的潜力.
结论:
- 循环自我融合 (RSF) 算法提供了一个强大的解决方案,用于标准化OCT测量.
- 这种方法提高了视网膜成像分析在眼科的可靠性.
- RSF促进了对视网膜和神经系统疾病的更准确的纵向监测.
