基于光学相干断层图像的老年黄斑变性分析若干关键技术研究

Analysis of retinal diseases based on Optical Coherence Tomography (OCT) is a fronier research associated with medicine and information scienec. Our project will not only promote interdisciplinary research, but also traininig in this new discipline at the intersection of imaging science and ophthalmology.Retinal disease is one of the major diseases that influence our health, which has been the research focus because the cause of many retinal diseases remains unknown with great variation in clinical course and response to treatment. As a recently developed non-invasive imaging technology, OCT has become a popular tool in retinal disease prevention and diagnosis, while the computerized quantitative research is still growing. In this application, by analyzing the characteristics of age-ralated macular degeneration (AMD) diseases in OCT images we will try to solve several key techniques of OCT retinal image analysis, including: (1) choroid segmentation based on the combination of high and low resolution OCT images to solve the problem of low contrast and high noise; (2) by considering the relationship between the images generated from the same patient and different imaging times, present a GA extraction method for sequential OCT images based on object tracking; (3) Macular edema volume estimation based on grach cut model and multivariate random forest regression to overcome the edge blur or loss; (4) AMD disease visualization with feature strengthening to facilitate the qulitative analysis. Accurately "phenotyping" patients could indicate the best treatment options for particular subsets of patients. This research is important to indicate disease status and improve clinical decision making.

基于频域光学相干断层（OCT）图像的视网膜病变分析研究是医学和信息科学相互交叉的前沿性研究领域,相应的自动量化诊断分析还处于起步阶段。本项研究将针对老年黄斑变性（AMD）病变在OCT视网膜图像中的表现特征，从定量和定性的角度解决基于OCT图像的AMD病变分析中的几个关键技术，主要包括：（1）高低分辨率OCT视网膜图像相结合的脉络膜层分割，解决低对比度和高噪声的低分辨率脉络膜层分割问题；（2）充分利用同一病人不同成像时间获得的视网膜图像间的相关性，开展基于目标跟踪思想的时间序列GA病变区域提取；（3）为克服水肿边界不清甚至不存在的问题，采用基于图割模型和多元随机回归森林的水肿容积估计；（4）将分割得到的AMD病变组织通过特征强化的思想进行可视化显示，方便医生直观全面地进行定性分析。本项研究对于医生更好地为病人提供个性化治疗手段非常重要，对于AMD疾病的预防和诊断具有重要意义。

本项目针对老年黄斑变性病变（AMD）在频域光学相干断层图像（SD-OCT）中的表现特征，解决AMD病变分析中的几个关键技术，主要研究内容包括：（1）视网膜层和脉络膜层分割。提出了一种多模态多任务协同的鲁棒视网膜层分割方法，能够克服不同视网膜病变对视网膜层分割的影响；提出了基于EDI-OCT驱动的SD-OCT脉络膜层分割方法，从而获得三维的脉络膜层分割结果。（2）地图状萎缩（GA）的自动分割和演化预测。为克服GA的低对比度和标注困难，提出了基于多尺度类激活映射的弱监督GA分割方法和基于多模态生成图像辅助的GA分割方法。为克服成像时间间隔不固定的问题，提出了一种时间自适应的GA演化预测方法。（3）视网膜水肿分割。为克服视网膜水肿弱边界的问题，提出了图论和基于眼底投影图像引导的水肿分割方法。（4）视网膜组织和病变可视化显示。针对视网膜血管在OCT图像上表现出的高反射和低反射阴影特性，提出了一种高低反射率增强的血管投影方法。为充分融合病变组织在不同模态图像中的优良表现特征，提出了一种基于自适应字典学习的多模态视网膜分支静脉阻塞融合方法。（5）脉络膜新生血管（CNV）检测。针对三维SD-OCT时间序列图像，提出了一种基于目标跟踪策略的CNV检测方法，该方法可以充分利用序列图像间的时间相关性信息，以实现较高的检测精度。（6）玻璃膜疣自动分割。提出了一种改进的三维玻璃膜疣分割方法，并在大规模数据集上验证了方法的有效性。（7）黄斑中央凹自动定位。提出了一种快速可靠的黄斑中央凹自动定位方法，能够克服AMD病变对定位结果的影响。（8）视网膜血管和无血管区分割。为了克服现有的视网膜血管分割对视网膜层分割依赖的限制，提出了一种三维到二维的图像投影网络，可以直接对三维OCT数据进行血管和无血管区分割。本项研究对于医生更好地为病人提供个性化治疗手段非常重要，对于AMD疾病的预防和诊断具有重要意义。