新的自动化方法为角膜神经纤维开发的弯曲度分析
智能医疗成像(im)组慈溪生物医学工程研究所宁波材料技术与工程研究所中国科学院(CNITECH)提出了一个完全自动化的方法映像级别角膜神经纤维弯曲度估计,导致患的检查和诊断眼科疾病。该研究发表在IEEE医学成像。
现有的临床研究解剖表明,形态变化曲线结构,如血管或神经纤维,与多种疾病密切相关。曲折是一个最重要的生物标志物反映角膜神经纤维的变化,作为重要的患临床参数评估眼科疾病,如高血压性视网膜病变和糖尿病神经病变。
然而,没有公认的标准衡量的曲折。与此同时,传统的自动迂回曲折估计在很大程度上依赖于分割结果的质量,可能生成错误由于成像质量差,图像分辨率低。
为了解决这个问题,研究小组提出了一种新的自动化方法映像级别曲折估计,包括图像增强、指数曲率估算和弯曲度水平分类。他们提出了一个扩展noise-constrained Retinex模型提高角膜共焦显微镜(CCM)图像,能够纠正不平衡照明,以提高图像对比。由于指数曲率估算的三维空间位置和方向,他们可以直接测量曲率基于增强的图像,而不是依靠明确的分割和骨架化步骤中传统的管道。
该方法已经应用到两个角膜神经显微曲折估计数据集。实验结果表明,它执行比一些传统的最先进的。此外,该集团403年建造了一个新的数据集包括角膜神经显微图像注释的弯曲度水平,这个数据集已被释放公共访问铺平了道路,其他研究人员在相关主题进行进一步的研究。
进一步探索
更多信息:益田赵et al。自动弯曲度分析角膜共焦显微镜的神经纤维,IEEE医学成像(2020)。DOI: 10.1109 / TMI.2020.2974499
所提供的中国科学院
引用:新的自动化方法为角膜神经纤维开发的弯曲度分析(2020年3月10日)2022年8月7日从//www.pyrotek-europe.com/news/2020-03-automated-method-corneal-nerve-fiber.html检索
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。
