Virtual Issue onOptical Coherence Tomography(2)

光学相干断层成像虚拟专刊（2）

RESEARCH ARTICLE

1.Multi-modal retinal disease diagnosis based on fundus photography and OCT images

基于眼底彩照与OCT图像的多模态视网膜疾病诊断研究

摘要：

视网膜疾病严重威胁人类视觉健康，其早期诊断至关重要。当前视网膜疾病诊断算法大多基于眼底彩照或光学相干断层扫描的单一成像模式，这些方法仅能有限反映病变特征，且忽略了不同成像模态间的特异性。本研究提出新型多尺度特征融合网络模型，该模型采用双分支架构设计，能够从眼底彩照和OCT图像中高效学习并提取与视网膜疾病相关的多模态特征信息。通过融合眼底彩照和OCT图像的多尺度特征，显著提升了疾病诊断效能。在挑战性数据集上的测试表明，该模型实现95.00%的准确率与95.24%的F1分数。即使在低质量数据集条件下仍保持稳健性能，诊断准确率与F1分数分别达71.50%和71.73%。对比实验还显示，MSFF-Net模型在性能上超越八种先进单模态与多模态模型。该模型为眼科医师提供了更精准高效的诊断路径，有助于早期发现和治疗视网膜疾病。

引用：

Han Xu and Ruichan Lv. Multi-modal retinal disease diagnosis based on fundus photography and OCT images.Journal of Innovative Optical Health SciencesOnline Ready Open Access

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545825500324

2.Retinal layer segmentation using gradient feature calculation in OCT

基于OCT梯度特征计算的视网膜分层技术

摘要：

视网膜疾病对全球医疗系统构成重大挑战，亟需开发精准高效的诊断方法。光学相干断层扫描凭借其无接触、无创的技术优势，已成为视网膜疾病诊断与监测的重要工具。本文提出一种基于OCT图像的新型视网膜分层方法，通过梯度分析有效实现视网膜层次识别与分割。该方法选取像素列作为分割基线，结合相邻像素的梯度信息启动并推进分层流程，有效解决部分层次重叠导致的分割偏差问题。实验结果表明，该技术能精准分割八层视网膜边界，平均绝对位置偏差仅为1.75像素。通过实现精确的视网膜分层，本方法有助于眼部疾病的早期筛查与诊疗管理，为改善患者预后、减轻全球视力相关疾病负担提供技术支持。

引用：

Lei Liu, Yeman Liu, Xiaoteng Yan, Haiyi Bian, Hang Xu, Chunzhong Li, and Hongnan Duan. Retinal layer segmentation using gradient feature calculation in OCT. Journal of Innovative Optical Health SciencesVol. 17, No. 06, 2450021 (2024)

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500214

3.GPU-accelerated OCT imaging: Real-time data processing and artifact suppression for enhanced monitoring of 3D bioprinted tissues and vascular-like networks

基于GPU加速的光学相干断层成像技术：实现3D生物打印组织及类血管网络的实时数据处理与伪影抑制

摘要：

光学相干断层扫描（OCT）成像技术虽然在生物组织原位无创监测方面具有显著优势，但仍面临数据处理速度、图像质量及三维可视化效果提升等挑战。特别是如OCT血管成像等功能成像技术，存在采集时间长、数据量大的问题。尽管扫频源OCT的采集速度已大幅提升，但其数据处理仍存在重大挑战。此外，在原位采集过程中，由界面反射或生物组织与培养容器产生的强反射所形成的图像伪影，也给数据可视化与深度分析带来障碍。本研究首先设计了具有抗带状噪声抑制参数的定制化频域滤波器以抑制伪影噪声。继而提出基于图形处理器（GPU）的扫频源OCT实时数据处理流程，实现了800kHz的线扫描处理速率，支撑三维数据的快速高质量可视化。同时集成基于GPU的互相关OCT血管成像实时处理技术，用于动态信息获取。通过挤出式3D打印与牺牲材料技术制备类血管网络芯片——将牺牲材料打印至预设血管网络位置后移除以形成类血管网络结构，并采用OCT血管成像技术监测牺牲材料清除与类血管网络形成的动态过程。

引用：

Shanshan Yang, Jinhao Zhou, Hao Guo, Ling Wang, and Mingen Xu. GPU-accelerated OCT imaging: Real-time data processing and artifact suppression for enhanced monitoring of 3D bioprinted tissues and vascular-like networks.Journal of Innovative Optical Health SciencesVol. 17, No. 06, 2450013 (2024)

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545824500135

4.Automatic diagnosis of diabetic retinopathy using vision transformer based on wide-field optical coherence tomography angiography

基于宽视野OCT血管成像与视觉Transformer的糖尿病视网膜病变自动诊断

摘要：

糖尿病视网膜病变（DR）是导致糖尿病患者视力受损的主要原因之一。目前，光学相干断层扫描血管成像（OCTA）已被广泛视为DR诊断的金标准。近年来，宽视野OCTA通过提供包含周边视网膜退行性病变的更丰富信息，为DR精准诊断提供了新途径。随着糖尿病患者群体扩大和视网膜病变高发，基于WF-OCTA图像的自动诊断系统需求日益凸显。本研究采用以中心凹为中心的WF-OCTA图像（12mm×12mm单次扫描）作为数据集，通过视觉Transformer实现DR自动诊断。系统将WF-OCTA图像自动分为四类：无DR、轻度非增殖性糖尿病视网膜病变（NPDR）、中重度NPDR以及增殖性糖尿病视网膜病变（PDR）。所提出的DR检测方法在测试集上达到99.55%的准确率、99.49%的灵敏度和99.57%的特异性。在DR分期任务中，该方法准确率高达99.20%，被证实优于传统卷积神经网络模型。结果表明，基于视觉Transformer与WF-OCTA图像的自动诊断系统在DR检测与分期方面具有显著优势。

引用：

Zenan Zhou, Huanhuan Yu, Jiaqing Zhao, Xiangning Wang, Qiang Wu, and Cuixia Dai. Automatic diagnosis of diabetic retinopathy using vision transformer based on wide-field optical coherence tomography angiography. Journal of Innovative Optical Health Sciences Vol. 17, No. 02, 2350019 (2024)

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545823500190

5.Deep learning-based inpainting of saturation artifacts in optical coherence tomography images

基于深度学习的光学相干断层扫描图像饱和伪影修复技术

摘要：

受探测器动态范围限制，光学相干断层扫描（OCT）在对高散射介质成像时常出现饱和伪影。现有方法难以彻底消除饱和伪影并完整恢复图像纹理。本文提出一种基于深度学习的饱和伪影修复方法：通过分析饱和伪影的形成机制，构建实验与模拟数据集；利用清晰-饱和的仿体图像对训练增强型超分辨率生成对抗网络。对斑马鱼与甲状腺OCT图像的成功重建结果，验证了该方法在饱和伪影修复方面的可行性、强泛化性与鲁棒性。

引用：

Muyun Hu, Zhuoqun Yuan, Di Yang, Jingzhu Zhao, and Yanmei Liang. Deep learning-based inpainting of saturation artifacts in optical coherence tomography images.Journal of Innovative Optical Health SciencesVol. 17, No. 03, 2350026 (2024)

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545823500268

6.Accuracy improvement for classifying retinal OCT images by diseases using deep learning-based selective denoising approach

基于深度学习选择性去噪的视网膜OCT图像疾病分类精度提升研究

摘要：

在眼科领域，具有显著结构特征的视网膜光学相干断层扫描（OCT）图像有助于判断眼部健康状态。当前热门的人工智能技术已能自动实现这一识别过程，但原始视网膜OCT图像中的散斑噪声会降低疾病分类准确率。本研究提出一种基于深度学习的时效优化方案，通过去除数据集噪声以提升分类精度。首先采用ImageNet大规模视觉识别挑战赛中预训练的四种卷积神经网络，将原始图像自动归类为"需去噪"与"无噪"两类。其中VGG19_BN网络表现最佳，准确率达98%，召回率为99%。继而使用块匹配三维滤波算法对需去噪图像进行处理，将去噪后的图像与无噪图像共同构成优化数据集。去噪后图像质量显著提升，有效改善了模型性能。

引用：

Lantian Hu, Ruixiang Guo, Sifan Li, Jing Cao, and Qian Liu. Accuracy improvement for classifying retinal OCT images by diseases using deep learning-based selective denoising approach.Journal of Innovative Optical Health SciencesVol. 16, No. 06, 2350008 (2023)

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545823500086

7.Comparison of uniform resampling and nonuniform sampling direct-reconstruction methods in k-space for FD-OCT

傅里叶域光学相干断层扫描（FD-OCT）k空间均匀重采样与非均匀采样直接重建方法的对比研究制

摘要：

波数k空间中干涉光谱的非均匀分布是限制FD-OCT成像质量的关键问题。目前，多种k空间处理方法在不同深度下的重建质量仍不明确。本研究通过模拟与实验获得的深度干涉光谱，定量分析比较了六种常用处理方法——包括均匀重采样（线性插值、三次样条插值、时域插值及K-B窗卷积）与非均匀采样直接重建（Lomb周期图法、非均匀离散傅里叶变换）对FD-OCT重建质量的影响。模拟与实验数据结果一致表明：在0.5-3.0mm深度范围内，非均匀离散傅里叶变换重建图像的平均峰值强度、轴向分辨率和信噪比，较所有均匀重采样方法在各深度的平均指标分别提升约1.9dB、1.4倍和11.8dB；Lomb周期图法的上述三项指标则分别提升2.0dB、1.4倍和11.7dB。本研究建立的分析方法与获得的结果，可为选择最优k空间处理方案、提升FD-OCT成像质量提供重要参考。

引用：

Yanrong Yang, Yun Dai, Yuehua Zhou, and Yaliang Yang. Comparison of uniform resampling and nonuniform sampling direct-reconstruction methods in k-space for FD-OCT.Journal of Innovative Optical Health SciencesVol. 16, No. 05, 2350002 (2023)

文章链接：

https://www.worldscientific.com/doi/10.1142/S1793545823500025

版权声明：

本文由《创新光学健康科学杂志（英文）》编辑部负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系jiohs@mail.hust.edu.cn。