长期稳定虹膜跟踪与动态AS-OCT无监督约束
Lingxi Hu1, Xiao Wu2, Risa Higashita3
1Research Institute of Trustworthy Autonomous Systems and Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, China; School of Computer Science, University of Birmingham, Birmingham, United Kingdom.
Medical image analysis
|September 24, 2025
概括
我们开发了CJRTrack,这是一个无监督的框架,用于跟踪前段光学一致性断层扫描 (AS-OCT) 视频中的虹膜运动. 这种方法提高了准确性和稳定性,有助于诊断初级闭角玻璃眼.
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:
- 主要闭角光眼 (PACG) 导致严重的全身失明.
- PACG通常是无症状的,直到不可逆转的视力丧失发生.
- 在严重的PACG中,虹膜刚性和瞳孔反射速度发生变化.
研究的目的:
- 开发一种自动化方法,从前段光学一致性断层扫描 (AS-OCT) 视频中量化动态虹膜运动.
- 解决AS-OCT视频跟踪方面的挑战,包括图像动,不规则的运动和有限的数据集.
- 为了能够对虹膜动态进行临床评估,以诊断青光眼.
主要方法:
- 为AS-OCT视频分析提出了一个无监督的基于约束的动精细化跟踪 (CJRTrack) 框架.
- 利用点跟踪算法在低分辨率图像中提取关键区域.
- 实现了多可差分注册网络和时间拓约束模块,以实现准确,稳定的跟踪.
主要成果:
- 与独立的AS-OCT数据集上的现有跟踪模型相比,CJRTrack表现出卓越的准确性和稳定性.
- 该框架成功地进行了对虹膜运动的 jitter-corrected量化.
- 量化数据被有效地用于对初级角关闭患者的神经病变损伤进行分类.
结论:
- CJRTrack提供了一个强大的解决方案,用于从AS-OCT视频中自动化动态虹膜运动量化.
- 开发的方法克服了分析高分辨率,动态眼镜成像的关键技术挑战.
- 这种方法显示出诊断和管理初级闭角眼的显著临床潜力.
