《OCT影像視網膜自動分析關鍵技術研究》是依託山東師範大學，由鄭元傑擔任項目負責人的面上項目。
基本介紹
- 中文名：OCT影像視網膜自動分析關鍵技術研究
- 項目類別：面上項目
- 項目負責人：鄭元傑
- 依託單位：山東師範大學
項目摘要,結題摘要,
眼球視網膜由多層感光神經細胞薄層組成，大約90%的大腦信息是通過視網膜所獲取的，視網膜病變所導致的視神經層層厚改變是最普遍的致盲原因。OCT是近期發明的非接觸、高解析度活體組織結構斷層成像技術，可提供全面描述視網膜分層層厚的地形圖，在視網膜病變研究中具有獨特優勢和重大研究價值。然而，當前OCT視網膜數據分析仍面臨精度不高、通用性差、信息描述不全面等諸多研究難題。本課題在前期研究基礎上擬引入基於圖像群匹配的多標記融合研究策略，構建一個可信高、適用廣的新型OCT視網膜層厚分析系統。該系統能夠自動分割任意視網膜分層，並為其提供精確的層厚地形圖，同時為層厚的空間分布及時間演變模式提供自適應且完全的描述。課題將圍繞 “OCT視網膜圖像群匹配”、“OCT視網膜分層多專家標記融合”、“OCT視網膜層厚地形圖分層特徵表達學習”等關鍵科學問題進行研究。該課題將提升我國乃至國際眼科疾病信息科學的研究水準。
眼球視網膜由多層感光神經細胞薄層組成，大約90%的大腦信息是通過視網膜所獲取的，視網膜病變所導致的視神經層層厚改變是最普遍的致盲原因。OCT是近期發明的非接觸、高解析度活體組織結構斷層成像技術，可提供全面描述視網膜分層層厚的地形圖，在視網膜病變研究中具有獨特優勢和重大研究價值。然而，當前OCT視網膜數據分析仍面臨精度不高、通用性差、信息描述不全面等諸多研究難題。本課題在前期研究基礎上引入基於圖像群匹配的多標記融合研究策略，構建一個可信高、適用廣的新型OCT視網膜層厚分析系統。該系統能夠自動分割任意視網膜分層，並為其提供精確的層厚地形圖，同時為層厚的空間分布及時間演變模式提供自適應且完全的描述。課題圍繞 “OCT視網膜圖像群匹配”、“OCT視網膜分層多專家標記融合”、“OCT視網膜層厚地形圖分層特徵表達學習”等關鍵科學問題進行研究。 該課題研究產生了一系列重要的科研成果，主要體現在：（1）一維輪廓線群匹配算法是解決OCT視網膜任意層分割的有效方法，該算法不藉助於任何專家先驗知識（視網膜層手工分割、視網膜層間特性手工分析等），即可互動便捷地完成任意視網膜層的快速分割，精度比現有方法高3.79個像素；（2）OCT視網膜分層多專家標記融合可提高分割精度，但實驗結果不顯著；（3）通過一維輪廓線群匹配進行OCT視網膜圖像配準，比直接進行2D/3D OCT視網膜圖像配準性能要好，其原因是一維輪廓線匹配充分利用了視網膜分層結構特性，然而此分層結構會在直接進行2D或者3D圖像配準中帶來點點對應的不確定性；（4）通過深度學習提取OCT視網膜層厚地形圖分層特徵，可提高視網膜層厚地形圖構建的準確性和效率，同時分層特徵本身可以作為OCT視網膜疾病診斷的有效生物醫學特徵；（5）本課題科研成果對多光譜眼底圖像分析、眼底圖像視盤定位、眼底圖像玻璃膜疣分割等具有重要的幫助作用。該課題的研究為OCT視網膜圖像計算機分析提供了量化、客觀的工具，有潛力幫助提升我國乃至國際眼科疾病信息科學的研究水準。
