首页 > 动态 > 正文

全球讯息:开发用于角膜神经纤维曲折度分析的新自动化方法


(资料图片仅供参考)

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。

关键词: 神经纤维 铺平了道路 高血压性视网膜病变 方向空间


您可能也喜欢这些文章

Copyright   2015-2022 热讯音箱网 版权所有  备案号:豫ICP备20005723号-6   联系邮箱:29 59 11 57 8@qq.com