OCT影像视网膜自动分析关键技术研究

The retina is composed of light-sensitive neurons arranged in layers. About 90% of the information in the brain is acquired via the retina. Retinal degenerations may change the thickness of retinal layers and belong to the most common causes of blindness. OCT is a recently invented technology for high-resolution and non-contact in vivo imaging of human body tissues. OCT can provide retinal layer tomography used for a full analysis of retinal layer thickness and is invaluable in assessing retinal layer degenerations. However, most state-of-the-art techniques of OCT retinal analysis are plagued with their low accuracy, inferior generalization and incomplete description. Based on our previous research results, we plan to build a reliable and general system for analyzing OCT retinal layers by leveraging a strategy of group-registration based label-fusion. This system is unique because it can segment any retinal layers and generate the layer topography. Moreover, it will provide a comprehensive description on the pattern of spatial-temporal change of retinal layer thickness. Specifically, we will reveal efficient technical solutions for a couple of vital components of group-registration of OCT retinal images, label-fusion of OCT retinal layer marks, deep-learning on OCT retinal layer topography, etc. This research can enhance the related informational techniques and research level of eye diseases.

眼球视网膜由多层感光神经细胞薄层组成，大约90%的大脑信息是通过视网膜所获取的，视网膜病变所导致的视神经层层厚改变是最普遍的致盲原因。OCT是近期发明的非接触、高分辨率活体组织结构断层成像技术，可提供全面描述视网膜分层层厚的地形图，在视网膜病变研究中具有独特优势和重大研究价值。然而，当前OCT视网膜数据分析仍面临精度不高、通用性差、信息描述不全面等诸多研究难题。本课题在前期研究基础上拟引入基于图像群匹配的多标记融合研究策略，构建一个可信高、适用广的新型OCT视网膜层厚分析系统。该系统能够自动分割任意视网膜分层，并为其提供精确的层厚地形图，同时为层厚的空间分布及时间演变模式提供自适应且完全的描述。课题将围绕 “OCT视网膜图像群匹配”、“OCT视网膜分层多专家标记融合”、“OCT视网膜层厚地形图分层特征表达学习”等关键科学问题进行研究。该课题将提升我国乃至国际眼科疾病信息科学的研究水准。

眼球视网膜由多层感光神经细胞薄层组成，大约90%的大脑信息是通过视网膜所获取的，视网膜病变所导致的视神经层层厚改变是最普遍的致盲原因。OCT是近期发明的非接触、高分辨率活体组织结构断层成像技术，可提供全面描述视网膜分层层厚的地形图，在视网膜病变研究中具有独特优势和重大研究价值。然而，当前OCT视网膜数据分析仍面临精度不高、通用性差、信息描述不全面等诸多研究难题。..本课题在前期研究基础上引入基于图像群匹配的多标记融合研究策略，构建一个可信高、适用广的新型OCT视网膜层厚分析系统。该系统能够自动分割任意视网膜分层，并为其提供精确的层厚地形图，同时为层厚的空间分布及时间演变模式提供自适应且完全的描述。课题围绕 “OCT视网膜图像群匹配”、“OCT视网膜分层多专家标记融合”、“OCT视网膜层厚地形图分层特征表达学习”等关键科学问题进行研究。 ..该课题研究产生了一系列重要的科研成果，主要体现在：（1）一维轮廓线群匹配算法是解决OCT视网膜任意层分割的有效方法，该算法不借助于任何专家先验知识（视网膜层手工分割、视网膜层间特性手工分析等），即可交互便捷地完成任意视网膜层的快速分割，精度比现有方法高3.79个像素；（2）OCT视网膜分层多专家标记融合可提高分割精度，但实验结果不显著；（3）通过一维轮廓线群匹配进行OCT视网膜图像配准，比直接进行2D/3D OCT视网膜图像配准性能要好，其原因是一维轮廓线匹配充分利用了视网膜分层结构特性，然而此分层结构会在直接进行2D或者3D图像配准中带来点点对应的不确定性；（4）通过深度学习提取OCT视网膜层厚地形图分层特征，可提高视网膜层厚地形图构建的准确性和效率，同时分层特征本身可以作为OCT视网膜疾病诊断的有效生物医学特征；（5）本课题科研成果对多光谱眼底图像分析、眼底图像视盘定位、眼底图像玻璃膜疣分割等具有重要的帮助作用。..该课题的研究为OCT视网膜图像计算机分析提供了量化、客观的工具，有潜力帮助提升我国乃至国际眼科疾病信息科学的研究水准。