开发用于角膜神经纤维曲折度分析的新自动化方法

中国科学院宁波材料技术与工程研究所(CNITECH)慈溪生物医学工程研究所智能医学成像(iMED)课题组提出了一种全自动图像级角膜神经纤维迂曲度估计方法，有助于眼睛相关疾病的检查和诊断。该研究发表在IEEE Transactions on Medical Imaging上。

现有临床研究表明，血管或神经纤维等解剖学曲线结构的形态变化与多种疾病密切相关。迂曲度是反映角膜神经纤维变化的最重要的生物标志物之一，是评估眼部相关疾病(如高血压性视网膜病变和糖尿病性神经病变)的重要临床参数。

然而，没有普遍接受的曲折标准衡量标准。同时，传统的自动曲折度估计在很大程度上依赖于分割结果的质量，这可能会由于成像质量差和图像分辨率低而产生错误。

针对这一问题，课题组提出了一种新的图像级曲率估计自动化方法，包括图像增强、指数曲率估计和曲率级分类。他们提出了一种扩展的噪声约束 Retinex 模型来增强角膜共聚焦显微镜 (CCM) 图像，该模型能够校正不平衡照明，从而提高图像对比度。凭借 3-D 位置和方向空间中的指数曲率估计，他们能够直接测量基于增强图像的曲率，而不是依赖于传统管道中的显式分割和骨架化步骤。

所提出的方法已应用于两个角膜神经显微镜数据集，用于曲折度估计。实验结果表明，它的性能优于几种传统的最先进技术。此外，课题组还构建了一个包含403张角膜神经显微图像并标注了迂曲度的新数据集，该数据集已对外开放，为其他研究者开展相关课题的进一步研究铺平了道路。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！