基于OCTA技术的视网膜微血管网络三维提取和量化研究

OCT Angiography (OCTA) is nowadays one of the most important imaging technologies in the research of retinal microvascular network in vivo. A key problem in the objective assessment of retinal vascular diseases using OCTA is how to extract and obtain quantitative parameters of the anatomically complete retinal microvascular network. In this project we propose to extract and quantify a complete retinal microvascular network based on 3D image processing, by firstly removing the main spatial artifacts existing in OCTA images and then conducting 3D vessel segmentation. Main research contents are: to develop a fast-axis orthonormal scanning scheme and a motion tracking-based image registration method, in order to remove the eye motion-induced artifacts in the lateral direction; to develop a filtering method based on OCT and OCTA signal statistics and geometrical features, in order to remove the projection artifacts in the axial direction under blood vessels, which is of typical characteristics seen in OCTA images; and then to segment the complete retinal microvascular network automatically based on vesselness filtering using 3D Hessian matrix or optimally oriented flux analysis. Quantitative parameters such as volumetric vessel density, average vessel radius and vessel tortuosity are then calculated from the extracted 3D microvascular network. 3D quantitative vascular parameters are advantageous in describing the morphology and distribution of microvascular network and their change in comparison with 2D parameters. Our project is important in advancing OCTA to be a quantitative and objective method in assessing the physiological or pathological change of retinal microvascular network in either diagnosis or treatment of retinal vascular diseases.

光学相干血管造影(OCTA)是当前视网膜微血管网络成像研究的主流技术之一。如何利用OCTA提取完整的微血管网络并进行参数量化是客观化评估视网膜血管疾病的关键问题。本项目提出消除OCTA的主要空间伪影、实现视网膜微血管网络的三维提取和量化的研究思路，研究内容包括：利用快轴正交的扫描方式及基于运动轨迹追踪的图像配准方法，消除眼动引起的横向运动伪影；提出基于OCT结构信号、OCTA血流信号统计特征及血管几何特征的伪影滤波算法，消除血管下方因光多次散射引起的纵向投射伪影；提出基于三维Hessian矩阵及最优定向梯度通量分析，实现微血管网络的三维自动分割，并获得血管体密度、血管平均半径、血管弯曲度等三维血管量化参数。三维微血管网络提取和量化能够更加科学地描述血管网络空间形态和分布及其变化。项目成果对于客观化研究视网膜血管生理及病理变化及血管疾病诊疗评估具有重要的意义。

血管网病变是很多眼底疾病如糖尿病视网膜病变、老年性黄斑变性等主要的症状之一，现有临床常见眼底成像方式包括眼底照相和荧光素成像因受限于分辨率及深度分辨能力尚有缺陷，而光学相干血管造影(OCTA)具有高分辨率及三维成像能力，是当前视网膜微血管网络成像研究的主流技术之一。本课题针对OCTA成像中存在的质量缺陷问题，研究提高OCTA图像质量的方法，实现OCTA对视网膜微血管网络定性和定量化成像和测量，提高临床客观化评估视网膜血管疾病的能力。.项目具体开展了高性能的OCT视网膜图像分层分割任务研究，提出一种带有层密集块的改进型U-Net网络（LDU），结合简化的最短路径搜索方法实现对视网膜OCT图像三层边界进行精确的分割。进一步提出一种基于LDU和CNN的双网络结构神经网络（LDC_Net），实现端到端的层边界自动分层分割，准确获取9层平滑视网膜边界线，高性能的OCT图像分层分割方法有利于获取更加准确的视网膜不同层血管网组织，生成更高质量的层enface-OCTA图像。接着在甲襞数据上进行初步的OCTA图像血管成像及量化处理工作。针对甲襞微循环血管直径，提出了基于高斯拟合和基于Otsu分割的两种量化血管直径的方法，并对OCTA和甲襞显微镜成像方法的血管直径量化数值进行了统计分析，系统性分析了OCTA用于甲襞血管网量化结果的准确性和可靠性，为后续视网膜OCTA血管网的量化工作奠定了坚实的基础。针对多次采集的enface视网膜OCTA图像融合，提出了一种多尺度配准方法，进一步提出双正交样条小波变换进行图像融合，提高了视网膜OCTA血管图像的质量。接着提出了一种基于混合损失函数MS_SSIM_SL1_Loss的改进型的深度学习的OCTA图像增强方法，通过单次采集图像进行增强即可得到高质量的OCTA图像。最后，项目开展对OCTA图像的血管量化分析，提出五种血管量化分析方法，包括血管密度、血管骨架密度、血管直径指数、血管周长指数、血管紧密度指数等，从多个角度验证这些参数对于视网膜微血管网量化分析的可应用性。