基于深度学习的OCTA Denoising在视网膜血管评估中的评估

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:

• 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因,需要精确监测视网膜血管系统.
• 光学连贯断层扫描血管造影 (OCTA) 提供了视网膜微血管的非侵入性可视化,但可能会受到噪音的影响.
• 先进的图像处理技术对于改善OCTA图像质量和诊断精度至关重要.

研究的目的:

• 评估 N2V2 消毒算法的性能,以增强糖尿病患者的光学连贯性断层扫描血管学 (OCTA) 视网膜血管量化.

主要方法:

• 从糖尿病患者的OCTA扫描得到并使用N2V2算法进行处理.
• 眼科医生主观地评估图像质量,并客观地使用像对比度和噪声比率这样的指标来评估图像质量.
• 血管特征的诊断解释性和定量可重现性在剥离之前和之后进行了评估.

主要成果:

• N2V2显著改善了主观船舶可视化和客观图像质量指标 (对比度和噪声比,峰值信号与噪声比等). ) 的情况.
• 排泄保持了微动脉瘤和静脉的检测能力,但导致血管密度测量减少.
• 在denoising后,观察到状血管区域指标和外周非 perfusion 区域的变化.

结论:

• N2V2算法有效地提高了OCTA图像质量和可视化,可能支持糖尿病患者更准确的视网膜变化评估.
• 这种否定技术通过改善特征量化,有望促进OCTA的常规临床应用.