一种模块化和可适应的方法,用于在meibography图像中自动提取形态特征
Itziar Fernández1,2, Andrea Novo-Diez3, María J González-García4,3
1Department of Statistics and Operations Research, Universidad de Valladolid, Valladolid, Spain. itziar.fernandez@uva.es.
Scientific reports
|July 2, 2025
概括
本研究引入了一种自动化方法,用于从meibography图像中分析Meibomian腺 (MG) 形态. 该方法准确量化了腺体结构,有助于诊断梅博姆腺功能障碍 (MGD).
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:
- 梅博米腺功能障碍 (MGD) 是一种常见的疾病,影响眼睛表面的健康.
- 准确评估梅博米腺 (MG) 形态对于诊断和管理MGD至关重要.
- 目前用于MG形态分析的方法可能是主观的和耗时的.
研究的目的:
- 开发和验证一种模块化和可适应的自动化方法,用于从meibography图像中提取形态特征.
- 为客观评估MG结构获得临床可解释的指标.
- 评估该方法的稳定性和对梅博斯级分级的分类准确性.
主要方法:
- 一个三阶段的工作流:半自动化的兴趣区域 (ROI) 选择,MG识别和细分,并提取腺体和图像级度量.
- 利用逐段线性建模来推导关键的结构特征.
- 通过两种不同的成像系统的616张meibography图像进行验证.
主要成果:
- 在不同的成像系统中表现出强度和适应性.
- 实现了Meiboscale分级的高分类准确性.
- 关键指标,如缩短比率和脱落区域,有效地区分了MGD阶段.
结论:
- 开发的方法为客观的MG形态评估提供了一个实用和可扩展的工具.
- 这种方法平衡了自动化,可解释性和计算效率.
- 在临床实践和大规模眼科研究中对MGD评估的潜在应用.
