通过TSNIT图形映射,通过Fundus图像使用成本函数方法进行增强的RNFL厚度估计.

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 准确的视网膜神经纤维层 (RNFL) 厚度估计对于诊断和监测青光眼至关重要.
• 目前的方法通常依赖于光学连贯性断层扫描 (OCT) 数据,这些数据可能无法访问.
• 将基底图像转换为与OCT相当的RNFL地图提供了一个潜在的替代方案.

研究的目的:

• 开发一种更有效的方法来估计RNFL厚度,仅使用底部图像.
• 通过基底图像创建与OCT相当的RNFL地图,以改进青光眼的评估.
• 为了验证拟议方法的准确性,与已建立的地面真相数据对比.

主要方法:

• 开发了一种新的自动编码器模型,该模型包含了一个成本函数,该函数考虑了全球和本地RNFL厚度.
• 该模型将底部图像与TSNIT图表集成在一起,以生成准确的RNFL厚度图.
• 分析了一组数据集,其中包括来自绿眼病,疑似绿眼病和健康个体的443张 fundus 图像.

主要成果:

• 该研究实现了高微平均峰值信号与噪声比率 (PSNR) 的24.92dB和结构相似度指数 (SSIM) 的91.14%.
• 在光眼 (26.26 dB, 92.30%),疑似光眼 (25.07 dB, 91.91%) 和没有光眼 (24.41 dB, 90.73%) 组中观察到一致的PSNR和SSIM值.
• 该方法证明,仅从底部图像中改进了RNFL厚度估计和TSNIT图的准确性.

结论:

• 拟议的方法有效地将基底图像转换为与OCT相当的RNFL地图.
• 这种创新方法提高了RNFL厚度估计的准确性,而不需要OCT原始数据.
• 这些发现表明,使用易于获得的 fundus 图像来诊断和管理青光眼的有希望的工具.