备忘录:数据集和方法,用于强大的多模式视网膜图像记录,具有大或小的血管密度差异

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:

• 精确测量视网膜血流 (RBF) 对于早期诊断和治疗眼部疾病至关重要.
• 目前的方法缺乏精确度,以有效地确定毛细血管流量.
• 结合红细胞介导血管造影 (EMA) 用于流量测量和光学连贯性断层扫描血管造影 (OCTA) 用于结构成像,为精确的RBF评估提供了潜力.

研究的目的:

• 为了解决EMA和OCTA之间多式联网膜图像注册的未开发的挑战.
• 推出MEMO,这是第一个公开的多式联运EMA和OCTA视网膜图像数据集.
• 开发一种可靠的多式视网膜图像记录方法,尽管血管密度 (VD) 有显著差异.

主要方法:

• 拟议的VDD-Reg是一个基于细分的深度学习框架,包括一个船舶细分模块和一个注册模块.
• 开发了LVD-Seg,这是一个两阶段的半监督学习框架,用于训练使用监督和无监督损失的船舶细分模块.
• 使用新建立的MEMO数据集和CF-FA数据集进行评估.

主要成果:

• 与现有方法相比,VDD-Reg表现出优越的定量和质量性能.
• 该方法实现了强大的登记结果,即使在船舶密度的巨大差异下,如MEMO数据集所示.
• VDD-Reg只用三个注释的船舶分段口罩保持了准确性,这表明其实际可行性.

结论:

• 开发的VDD-Reg框架有效地应对了多式联络 EMA-OCTA 视网膜图像注册的挑战.
• MEMO数据集为推进该领域的研究提供了宝贵的资源.
• 通过精确的RBF测量,VDD-Reg显示了改善眼部疾病的早期诊断和管理的巨大潜力.