中國科學院寧波材料技術與工程研究所(CNITECH)慈溪生物醫(yī)學工程研究所智能醫(yī)學成像(iMED)課題組提出了一種全自動圖像級角膜神經(jīng)纖維迂曲度估計方法，有助于眼睛相關疾病的檢查和診斷。該研究發(fā)表在IEEE Transactions on Medical Imaging上。
現(xiàn)有臨床研究表明，血管或神經(jīng)纖維等解剖學曲線結(jié)構(gòu)的形態(tài)變化與多種疾病密切相關。迂曲度是反映角膜神經(jīng)纖維變化的最重要的生物標志物之一，是評估眼部相關疾病(如高血壓性視網(wǎng)膜病變和糖尿病性神經(jīng)病變)的重要臨床參數(shù)。
然而，沒有普遍接受的曲折標準衡量標準。同時，傳統(tǒng)的自動曲折度估計在很大程度上依賴于分割結(jié)果的質(zhì)量，這可能會由于成像質(zhì)量差和圖像分辨率低而產(chǎn)生錯誤。
針對這一問題，課題組提出了一種新的圖像級曲率估計自動化方法，包括圖像增強、指數(shù)曲率估計和曲率級分類。他們提出了一種擴展的噪聲約束 Retinex 模型來增強角膜共聚焦顯微鏡 (CCM) 圖像，該模型能夠校正不平衡照明，從而提高圖像對比度。憑借 3-D 位置和方向空間中的指數(shù)曲率估計，他們能夠直接測量基于增強圖像的曲率，而不是依賴于傳統(tǒng)管道中的顯式分割和骨架化步驟。
所提出的方法已應用于兩個角膜神經(jīng)顯微鏡數(shù)據(jù)集，用于曲折度估計。實驗結(jié)果表明，它的性能優(yōu)于幾種傳統(tǒng)的最先進技術。此外，課題組還構(gòu)建了一個包含403張角膜神經(jīng)顯微圖像并標注了迂曲度的新數(shù)據(jù)集，該數(shù)據(jù)集已對外開放，為其他研究者開展相關課題的進一步研究鋪平了道路。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！