基于多视角SD-OCT视网膜图像的中浆病变黄斑水肿协同分割研究

The quantitative analysis of retinal macular edema has become an important reference standard for prediction of central serous chorioretinopathy (CSC) and assessment of therapeutic effect based on spectral domain optical coherence tomography (SD-OCT) images. However, because of the morphological diversity and unpredictable distribution of retinal fluid, automatic segmentation methods cannot meet the needs of practical clinical applications. From the new idea of multi-view pathological representation by SD-OCT images, our project proposes a co-segmentation framework based on the morphology relationship of edema from different views, and builds a progression risk prediction model. Our research includes: (1) from a 2D view, we propose a approach of enface fundus imaging and retinal thickness map generation, and build a co-segmentation model combining enface fundus and retinal thickness map (2) by introducing the fluid morphological constraint in enface fundus and combining the clinical features of retina and lesion, the project proposes a 3D segmentation framework for retinal fluid according to the anatomy characteristic of retina and lesion; (3) based on the segmentation results and extracting anatomical structure features, a time serial CSC risk prediction model is created. This project provides new idea of macular edema segmentation of CSC in SD-OCT images, and is significant for the computer-aid diagnosis of retinal maculopathy.

基于频域光学相干断层成像（SD-OCT）的黄斑水肿定量分析已成为中浆病变预测和治疗评估的重要参照。然而黄斑水肿形态多样性和分布不确定性，使得自动化分割方法在临床应用上受到局限。本项目从SD-OCT图像多视角病理呈现的新角度出发，依据不同视角下水肿区域的形态关联建立协同分割框架，构建病变风险预测模型，将开展如下工作：（1）从二维视角出发，提出基于SD-OCT图像投影的眼底图像和视网膜厚度图生成方法，并以马尔科夫随机场为理论基础，构建眼底图像和视网膜厚度图的协同分割模型；（2）从三维视角出发，联合眼底图像的水肿形态约束，依据视网膜层和病变区域的解剖学特征，建立SD-OCT图像下的三维水肿分割框架；（3）基于多视角分割的病变特征提取，构建时间序列的中浆病变风险预测模型。本项目为SD-OCT图像下的中浆病变黄斑水肿的自动分割和定量评估提供了新的思路，对推动视网膜黄斑病变的辅助诊断具有重要意义。

中心性浆液性脉络膜视网膜病变是一种常见的、病因和发病机制尚未明确的脉络膜视网膜病变。频域光学相干断层成像（SD-OCT）可以对视网膜内部的微观结构进行高分辨率横断面层析成像，从而为视网膜疾病诊断标准的制定和治疗方法的评估提供客观参考。本项目利用SD-OCT图像多视角的病理呈现，充分发掘和利用SD-OCT视网膜图像所蕴含的深层信息，以眼底投影图像下的水肿分割为驱动，从多视角图像的协同分割出发，对中浆病变水肿自动分割问题展开深入研究，具体研究内容如下：(1)构造眼底投影图像和视网膜厚度图的协同分割框架，研究基于多分辨率三维图割模型的构建及优化；(2)通过眼底投影图像的水肿分割约束，提形态约束下的基于连续最大流优化的水肿分割算法；(3)通过生成式对抗网络来合成自发荧光图像，建立基于多模态图像的地图状萎缩分割模型，作为老年性黄斑病变诊断和评估的重要依据；(4)提出兴趣区域提取和亮斑估计相结合的分割方法，实现视网膜图像中亮斑区域的检测和精确评估；(5)研究无监督的SD-OCT图像去噪算法，在保持图像解剖结构同时抑制噪声，为后续的自动化分割提供高质量的图像。(6)构建了人工标注的黄斑水肿分割数据库，并应用于AI-challenge 2018视网膜图像分割竞赛，作为评估自动化分割算法的标准图像库。本项目按照研究计划实施顺利，项目成果主要以论文的形式发表在国内外主流刊物。研究提出的水肿分割模型克服了传统方法在临床应用上的局限性，为SD-OCT图像下黄斑水肿的评估提供了新思路，对于推动视网膜病变的计算机辅助诊断具有重要意义。