Automated Segmentation and Quantification of Drusen in Fundus and Optical Coherence Tomography Images for Detection of ARMD
论文翻译:眼底和光学相干断层扫描图像中玻璃疣的自动分割和定量,用于检测ARMD。
摘要
年龄相关性黄斑变性(ARMD)是老年人中最常见的视网膜综合征之一。眼底照相和光学相干断层扫描(OCT)等不同的眼部检查技术用于临床检查受ARMD影响的患者。许多研究人员致力于从眼底图像中检测ARMD,但很少有人也致力于从OCT图像中检测ARMD。但是,只有很少的系统可以建立眼底和OCT图像之间的对应关系,以准确预测ARMD病理。在本文中,我们提出了一种全自动的决策支持系统,该系统可以通过在OCT和眼底图像之间建立对应关系来自动检测ARMD。所提出的系统还通过将OCT B扫描与眼底图像的各个区域相关联来区分早期,可疑和已确认的ARMD。在第一阶段,提出的系统使用基于B扫描的不同特征以及支持向量机(SVM)来检测玻璃疣的存在并将其分类为ARMD或正常情况。如果输入的OCT扫描被归类为ARMD,则应考虑来自相应眼底图像的感兴趣区域以进行进一步评估。对眼底图像的分析是使用对比度增强和自适应阈值进行的,以从眼底图像中检测出可能存在的疣体,所提出的系统最终将其分为早期ARMD或晚期ARMD。该系统在100位患者的本地数据集上进行了测试,其中包括100位眼底图像和6800次OCT B扫描。拟议的系统以98.0%,100%和97.14%的准确度,灵敏度和特异性等级检测ARMD。
贡献
文献中提出的大多数自动化系统都基于对ARMD的早期病理状况不太敏感的眼底图像。很少有使用OCT图像进行ARMD早期诊断的自动化系统。
在本文中,我们通过建立视网膜眼底和OCT图像之间的对应关系,提出了一种用于ARMD诊断的全自动决策支持系统。拟议系统的重大科学贡献概述如下:
- 本文通过建立眼底和OCT图像之间的对应关系,提出了用于ARMD自动诊断的临床决策支持系统。
- 拟议的系统是一个完全自动化的系统,可将受ARMD影响的患者与早期ARMD嫌疑犯区分开。通过在眼底和OCT影像中关联退化性病理学已经建立了这一点。
- 进一步,提出的系统从OCT体积扫描重建完整的3D RPE表面,可以将其映射到相应的眼底图像上以验证检测到的玻璃疣。
算法提出
我们提出了一个基于三个主要阶段的全自动自我诊断系统。 拟议系统的第一阶段与获取眼底和OCT体积扫描有关。 从OCT体积扫描中,对每个B扫描进行处理,以提取其RPE萎缩轮廓,然后将其用于重建完整的3D RPE表面。 拟议系统的第二阶段涉及从分割的RPE层中提取五个不同的特征,并基于OCT分布图分析将候选对象分类为健康或ARMD嫌疑人。 对于可疑的ARMD,建议的算法进入第三阶段,在该阶段从对应的眼底图像中提取针对可疑B扫描的周围区域,并将算法应用于可能的玻璃膜疣检测。 根据第三阶段的结果,最终将患者诊断为早期或晚期ARMD。 图3描绘了所提出系统的框图。
数据集描述
RPE层提取(阶段1)
拟议系统的第一阶段是执行降噪并从输入的OCT B扫描中提取RPE层。 以前,我们已经提出了从OCT B扫描中提取视网膜层的系统[42],并使用它们来重建视网膜表面[43],以检测黄斑水肿(ME)和中心性浆液性视网膜病变(CSR)。 在[42,43]中,我们还详细描述了我们提出的系统的完整数学模型,并且该模型已用于提取RPE层。
图4示出了使用[42、43]中提出的方法的包括RPE层的分段层。 从这些分割的层中,自动选择RPE层,该层显示了该B扫描的萎缩性退化情况。
RPE层分析(阶段2)
拟议系统的第二阶段是基于两个子模块特征提取和分类的RPE层分析。
特征提取
从OCT扫描中提取RPE层(R(x,y))后,获得了五个不同的特征,这些特征可进一步用于将受试者分类为正常或早期受ARMD影响的受试者。 每个特征的详细说明如下:
RPE最大值(F1):此功能表示RPE层中的最大峰值,如等式所示。 (1):
RPE最小值(F2):在RPE层中的最小值,用等式表示。 (2):
RPE变化量(F3):在此功能中,RPE层的变化量由方程式计算和说明。 (3):
RPE能量(F4):RPE表面内的总能量通过等式(4)获得
交叉数(F5):此功能可测量RPE层上的零交叉量。 为了确定这一点,将一阶拉格朗日多项式自动拟合到提取的RPE层上。 过零点是拟合多项式等于原始RPE层的点,如方程式所示。 (5)–(9)。
分类
提出的系统实现了基于支持向量机(SVM)的分类系统,用于ARMD病理学检测[44]。 所提出的系统使用径向基函数(RBF)和SVM来处理数据的非线性分布。 从输入的OCT B扫描中提取出五个不同的特征后,将它们用于将受试者分类为正常或可疑的ARMD。 如果候选人被归类为健康人,那么将跳过眼底图像分析。 这是因为如果在OCT图像的RPE层上没有发现异常的ARMD症状,那么各自的眼底扫描也将是正常的。 但是,如果将候选人分类为具有ARMD症状,则建议的分类系统会将其视为可疑病例,并进一步确认这是预警还是受试者确实患有ARMD。 这是通过使用最后阶段来执行的。
眼底融合和OCT分析(阶段3)
一旦分类阶段为输入OCT B扫描给出正的ARMD输出,则建议的系统进入此阶段。为了确认受试者是否患有ARMD,建议的系统将RPE分析与眼底图像中各个黄斑区域上存在的玻璃疣相关联。为了从黄斑区域提取玻璃膜疣模式,从眼底图像中提取可疑OCT B扫描的感兴趣区域(ROI)。然后,系统通过使用直方图均衡和OTSU阈值算法应用对比增强功能,从该ROI中检测可能的玻璃疣,如图7所示[45]。在基于计算出的概率质量函数应用自适应阈值之后,将候选眼底图像转换为描绘提取的玻璃疣的数字位图。在此,所提出的系统从两个可能性中做出决定。如果来自OCT B扫描的RPE表面包含玻璃疣,而眼底扫描中未出现玻璃疣,则表明该疾病的早期症状,系统将其归类为可疑/早期ARMD。但是,如果两种成像方式均显示玻璃疣病理,则系统会将其分类为高级ARMD。它确认该受试者患有ARMD综合征,需要立即引起专家的关注。