先进的OCTA成像细分:使用修改的自我组织地图和联合MGRF建模,无监督的非线性视网膜血管检测
Ahmed Alksas1, Ahmed Sharafeldeen1, Hossam Magdy Balaha1
1Bioengineering Department, University of Louisville, Louisville, KY 40292, USA.
Computer methods and programs in biomedicine
|July 13, 2024
概括
这项研究引入了一种自动化方法,用于在光学连贯断层扫描血管学 (OCTA) 图像中对视网膜血管系统进行细分,使用一种新的两级联合马尔科夫-吉布斯随机场 (MGRF) 模型,改善计算机辅助诊断 (CAD) 系统的疾病检测.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 对视网膜血管系统的准确细分对于诊断眼睛疾病至关重要.
- 光学连贯断层扫描血管图 (OCTA) 提供了视网膜血管结构的高分辨率图像.
- 开发用于OCTA图像分析的自动化方法对于高效的计算机辅助诊断 (CAD) 是必不可少的.
研究的目的:
- 在OCTA图像中提出一种全自动和无监督的随机细分方法,用于在OCTA图像中检测视网膜血管系统.
- 为了提高细分精度,利用一个双层联合马尔科夫-吉布斯随机场 (MGRF) 模型.
- 促进用于检测视网膜疾病的CAD系统的开发.
主要方法:
- 基于离散高斯线性组合 (LCDG) 的新型概率模型被用来建模OCTA图像的外观.
- 一个修改的预期最大化 (EM) 算法估计了LCDG模型参数.
- 一个双层联合MGRF模型,分析估计的参数和修改的自我组织地图,进行了无监督的细分.
主要成果:
- 拟议的细分框架实现了0.92 ± 0.03.3的子相似系数.
- 获得了0.69 ± 0.25的95百分点双向豪斯多夫距离.
- 精度为0.93±0.03证实了这种方法的优越性能.
结论:
- 开发的无监督和完全自动化的细分方法在从OCTA图像中检测血管系统方面表现出卓越的性能.
- 这种方法比传统技术有了显著的进步,提供了更准确的细分结果.
- 这种方法在改善CAD系统检测视网膜疾病方面具有巨大的潜力.
