视网膜OCT图像分割及RNFL定量分析

Optic nerve has been injured at early stage of optic nerve injury diseases, such as glaucoma. It is the main basis for optic nerve injury diagnosis to research retinal OCT (Optical Coherence Tomography) image segmentation and analyze retinal thickness, especially RNFL（Retinal Nerve Fibre Layer） thickness. Aiming at the problems of unclear and incomplete segmentation levels and large calculation complexity of current OCT image segmentation algorithms, this project will do further research to these problems based on OCT Imaging principle and computer vision. The research work will include: (1) to research effective methods to process light scattering and reflecting from the source analysis of speckle noise ;(2) To design significant calculation model based on texture and superpixel to more accurately distinguish object region of retinal OCT images;(3)To research effective object region segmentation algorithms of retinal OCT images based computer vision to accurately recognize the border of retinal tissues and calculate RNFL thickness。(4)Based on the former research , to analyze optic cup and optic disk of fundus image based on Disc Damage Likelihood Scale(DDLS)，research correlation between them and RNFL thickness and glaucoma and make quantitative correlative model between RNFL thickness and glaucoma so as to provide more accurate evidence for glaucoma early screening.

视神经损伤类眼病如青光眼在发病早期视神经已受损，对视网膜OCT(optical coherence tomography)图像进行分割并分析视网膜厚度特别是RNFL(retinal nerve fibre layer)厚度是判断其是否受损的主要依据。针对当前视网膜OCT图像分割层次不清晰完整、计算量大等问题，本项目基于OCT成像原理和机器视觉展开研究，主要包括：从散斑噪声的产生源出发，研究解决光散射反射的方法；基于纹理和超像素设计显著性计算模型，更好地分辨视网膜OCT图像的目标区域；基于机器视觉研究视网膜OCT图像目标区域的分割方法，精确识别视网膜各组织的边界，并计算RNFL厚度；在此基础上，基于DDLS（Disc Damage Likelihood Scale）分析眼底图中的视盘视杯，并将其和RNFL厚度以及青光眼关联分析，揭示RNFL厚度和青光眼的量化关系，为青光眼的早期筛查提供依据。

青光眼是第二大致盲性眼病，其发病成因复杂且影响因素多，视网膜OCT图像分割及对视网膜神经纤维层(RNFL)的分析有助于青光眼分类。本项目根据申请书对视网膜OCT图像的层次及相关病灶分割等展开研究，产生了首创成果和一系列重要的科研成果，主要有：（1）基于OCT光学成像原理，针对其图像上的散斑噪声，提出了一种基于GAN和多DenseNet级联的图像降噪方法，在降噪和细节保护上均有较好的效果；（2）针对视网膜OCT图像及其病灶，提出了基于深度森林的AMD视网膜OCT图像层次分割方法、基于互斥Dice损失函数和深度池化模块的DMP-Net，分别用对OCT图像及病灶进行分割；（3）基于视杯视盘、RNFL，分析研究RNFL与青光眼的关联，包括基于显著性计算的视盘分割、BMO定位、基于DDLS的青光眼分类；针对OCT图像上筛板组织不连续、对比度不高的问题，提出了一种基于能量约束的筛板前表面分割方法；然后融合以上特征，对青光眼进行分类；（4）首次提出基于OCT图像的贫血筛查。贫血患者的血红蛋白发生改变，其OCT图像上会有体现，项目组针对发现的这一现象，提出了基于OCT图像的贫血筛查方法；之后又在模型的轻量化方面进行改进，提出一种端到端的无创网络（AneNet）从视网膜OCT图像中筛选贫血、采用分组卷积、压缩和激励的交换模块来构建轻量级结构，设计的方法达到了临床上的预期效果；（5）应用推广上，基于本项目的研究，研发了一个视网膜OCT分割系统，已应用到国产的OCT设备上，方便了医生阅片。. 项目在研期间，在T-IP、ECCV等期刊和会议上发表论文27篇，其中SCI论文23篇、EI论文4篇；授权发明专利10项，申请发明专利6项；软件著作权1项；项目执行期间，执行人获得湖南省自然科学奖二等奖一次；培养研究生2人获得博士学位，6人获得硕士学位；另有一项成果转化。