ConNeCT:基于扩散模型的绘制网络的弱监督角膜共聚焦显微镜图像.
Qincheng Qiao1,2, Xinguo Hou1,2,3,4,5
1Department of Endocrinology and Metabolism, Qilu Hospital, Shandong University, Jinan 250012, China.
Biomedical optics express
|July 18, 2025
概括
我们开发了ConNeCT,这是一种新的深度学习方法,用于恢复带有人工制品的角膜共聚焦显微镜 (CCM) 图像. 这种技术通过增强CCM扫描中神经形态分析来改善神经退行性疾病的诊断.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 神经科学是一个神经科学.
背景情况:
- 角膜共聚焦显微镜 (CCM) 能够对角膜神经形态进行定量分析,用于诊断神经退行性疾病.
- CCM图像中的人工物阻碍了准确的参数测量和诊断潜力.
研究的目的:
- 引入ConNeCT,这是一个弱监督的图像绘制网络,用于删除CCM图像中的工件.
- 提高角膜神经形态分析的准确性,以改善疾病诊断.
主要方法:
- ConNeCT使用具有可变形卷积的引导扩散模型 (DDPM) 和U-Net细分模型.
- 一个改进的DDPM重采样算法通过利用无文物区域和渐变信号来重建图像.
- 该框架从原始文物加载图像和用户提供的面具进行端到端的图像恢复.
主要成果:
- ConNeCT实现了最先进的性能,在手动注释的数据集上表现优于现有方法.
- 定量评估显示SSIM=0.9838,PSNR=17.68,HD=13.74,MSD=6.30和MAE=14.80的高准确度.
- 该方法在图像重建过程中有效地保存了神经纤维结构.
结论:
- ConNeCT是第一个基于深度学习的方法,专门为CCM图像设计.
- 拟议的框架显著提高了CCM图像的质量,有助于诊断神经退行性疾病.
- 这项工作为临床应用推进角膜神经形态学的定量分析.
