面向青光眼筛查的眼底影像杯盘形态自动分析方法

Glaucoma is the first cause of irreversible blindness in China. Computer-aided screening has become the significant demand for the prevention of glaucoma. Examination of the optic nerve to look for changes in the cup-disc appearance from ophthalmoscopic images is the key issue for glaucoma screening. However, most of existing approaches for cup-disc analysis are focused on measure of the optic nerve, whereas there is lack of methods to recognize changes of cup-disc appearance. It is harmful to improve accuracy of glaucoma screening. To address this issue, this project will study the automatic morphological analysis method of cup-disc appearance, which consists of cup-disc region segmentation, cup-disc morphological character representation and cup-disc pattern recognition. Firstly, a 2D-3D image registration method will be studied to align the information of optic cup and disc for cup-disc analysis which obtained from both color fundus images and SD-OCT images. Secondly, the cup-disc segmentation approach will be proposed based on feature fusion with the help of multi-view learning. And the representation approach for appearance and morphological character of cup-disc is also proposed with geometry modeling and statistical analysis methods based on the segmented cup-disc region and contours. Finally, a cup-disc appearance recognition scheme will be designed by means of multi-classifier decision. The achievements of this project will establish an effective automatic morphological analysis scheme of cup-disc appearance, which can improve the sensitivity and specificity of computer-aided glaucoma screening, and recognize changes of cup-disc appearance caused by glaucoma at the early age.

青光眼是我国最常见不可逆致盲眼病，计算机辅助筛查已成为青光眼防盲的重大需求。发现和识别眼底影像中的视杯视盘形态改变是青光眼筛查的关键。然而，现有筛查方法多以参数测量为主，无法识别杯盘形态改变，严重影响了青光眼筛查的准确性。针对该问题，本项目拟在眼底影像配准的基础上，综合利用多模态影像信息，围绕杯盘区域分割、杯盘特征表示和形态识别等问题，研究杯盘形态分析方法。首先研究眼底影像的2D-3D配准方法，将彩色眼底图和SD-OCT影像携带的杯盘信息对齐到同一坐标空间；然后研究基于特征融合的杯盘区域分割方法，准确获得杯盘区域；基于几何建模和统计分析技术，研究杯盘形态的特征表示方法，有效描述杯盘形态改变；最后基于多分类器决策融合技术，研究青光眼杯盘形态识别方法，提出基于此的青光眼筛查模型。本项目将建立一种有效的眼底影像杯盘形态分析方法，提高计算机辅助青光眼筛查的敏感性和特异性，满足青光眼筛查的迫切需求。

青光眼是导致不可逆视力损害的主要原因之一。计算机辅助杯盘分析与疾病筛查成为青光眼防盲的重要技术手段，其关键在于发现并识别眼底影像中的青光眼杯盘形态改变。然而，由于视盘视杯形态、颜色等个体差异，以及成像设备带来的信息损失，眼底影像杯盘形态自动分析面临着巨大挑战。针对上述问题，本项目以计算机辅助青光眼筛查为目标，研究了眼底影像杯盘形态特征的检测与提取、杯盘形态的量化分析与描述、基于杯盘形态描述的青光眼分类等问题，具体包括四个方面：1) 多模眼底影像配准。研究了无监督模式下的眼底影像配准方法，将彩色眼底图和SD-OCT影像配准并对齐到同一个坐标空间，利用两种不同影像的信息来刻画杯盘的形态变化；2）杯盘形态特征描述与量化。基于先进的机器学习方法，研究视盘视杯在2D彩色眼底图、3D SD-OCT影像上的形态特征，提出了一系列彩色眼底图杯盘区域分割方法、基于多参数量化分析的杯盘形态描述方法、基于SD-OCT的杯盘三维结构表示等方法，实现了准确、鲁棒性的杯盘形态量化分析；3）基于杯盘形态特征的青光眼检测。在对杯盘形态的量化描述和特征分析的基础上，研究了基于杯盘参数分析的青光眼检测方法，提高了青光眼自动检测的准确性和鲁棒性；4）数据分布不均衡条件下的青光眼分类。针对临床数据中存在的严重不均衡问题，利用课程学习等思想，研究数据不均衡分布条件下的青光眼分类方法，纠正了数据不平衡造成的模型偏差。通过本项目的研究，建立了一系列面向计算机辅助青光眼筛查的杯盘形态量化分析方法，显著改善了杯盘形态分析的准确性，提高了青光眼筛查的敏感性和特异性。在此基础上，在国内外重要学术期刊和会议上发表学术论文11篇，其中JCR 1区10篇，CCF A类1篇，CCF B类1篇。申请发明专利4项，支持3位项目组成员晋升职称，培养研究生7名。在后续研究和产业转化的基础上，本项目提出的方法将为青光眼辅助筛查和青光眼防盲提供技术支持。