研究目的
采用基于图最短路径算法和卷积神经网络(CNN)的全自动方法,对年龄相关性黄斑变性(AMD)、视网膜静脉阻塞(RVO)或糖尿病视网膜病变患者的OCT B扫描图像中的三种液体(包括视网膜下液(SRF)、视网膜内液(IRF)和色素上皮脱离(PED))进行分割与检测。
研究成果
所提出的全自动方法能有效分割和检测AMD与RVO患者OCT体积中的三类液体,在不同制造商数据集上均获得高Dice系数。该方法在2017年Retouch挑战赛中也验证了其有效性。
研究不足
该方法在信噪比较低的Cirrus数据集上表现欠佳。未来工作包括对CNN进行微调以获得更优结果,以及解决重复成像后分割结果的可重复性研究问题。
1:实验设计与方法选择:
该方法采用图最短路径技术分割内界膜(ILM)和视网膜色素上皮层(RPE),随后将两层间区域输入卷积神经网络(CNN)进行ILM与RPE间像素的二分类。PED通过层展平技术实现分割。
2:样本选择与数据来源:
数据集包含来自RETOUCH液体分割挑战赛的112组黄斑中心OCT体数据。
3:实验设备与材料清单:
OCT体数据由三家厂商的频域SD-OCT设备采集:Cirrus HD-OCT(蔡司医疗技术)、Spectralis(海德堡工程)及T-1000/T-2000(拓普康)。
4:实验流程与操作步骤:
包括层分割、基于层展平的PED分割、采用CNN的IRF与SRF分割以及液体检测。
5:数据分析方法:
通过Dice系数评估IRF、SRF及PED分割性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容