基于光學(xué)相干斷層成像造影技術(shù)的視網(wǎng)膜黃斑區(qū)血管形態(tài)學(xué)定量分析.pdf

1、目的：實(shí)現(xiàn)對(duì)OCT血管造影圖像各層血管網(wǎng)絡(luò)的自動(dòng)探測及定量形態(tài)學(xué)分析。
　　方法：利用商業(yè)化光學(xué)相干斷層成像血管造影儀AngioVue OCT，對(duì)正常眼在Angio-retina掃描的模式下獲取以黃斑為中心3×3mm范圍圖像。在對(duì)圖形進(jìn)行平滑的基礎(chǔ)上，根據(jù)圖像的強(qiáng)度信息尋找出大致的黃斑中心凹無灌注區(qū)（foveal avascularzone,FAZ）范圍，進(jìn)而利用基于主動(dòng)輪廓的水平集方法自動(dòng)尋找出FAZ。并且進(jìn)一步進(jìn)行血管分割、血

2、管分類，最后通過圖像處理結(jié)果計(jì)算相關(guān)形態(tài)學(xué)指標(biāo)。為驗(yàn)證算法的準(zhǔn)確性，錄用正常眼的受試者共20位(20只眼睛)，其中8位為男性，12位為女性：平均年齡22±1.91歲；平均等效球鏡為-1.39±0.27D。使用MATLAB GUI由同一人分別對(duì)相應(yīng)的圖片進(jìn)行手工分層，比較以黃斑為中心3×3mm范圍內(nèi)自動(dòng)探測和手工判斷的不同深度血管網(wǎng)絡(luò)的差異。同時(shí)應(yīng)用算法探測糖尿病性視網(wǎng)膜變性患者與同年齡段老年正常對(duì)照組的眼底黃斑區(qū)OCTA圖像。
　

3、　結(jié)果：利用基于主動(dòng)輪廓的水平集方法依次自動(dòng)探測出了淺層、深層FAZ邊界，并且沒有出現(xiàn)明顯的錯(cuò)誤。自動(dòng)探測邊界和手動(dòng)結(jié)果較好的重疊在一起，淺層平均誤差在0.0038mm2到0.0064 mm2之間，深層平均誤差在0.055mm2到0.068 mm2之間，其中淺層的邊界兩者之間可非常好的重疊在一起，深層FAZ邊界兩者之間的差異相對(duì)較大。各層血管網(wǎng)絡(luò)分割的準(zhǔn)確性較高，淺層、深層、脈絡(luò)膜毛細(xì)血管層分割的準(zhǔn)確率分別為94.20％、86.15%和

4、90.08%。淺層小血管與毛細(xì)血管自動(dòng)分類基本與手工分類相同。在視網(wǎng)膜各層不同類型血管網(wǎng)絡(luò)形態(tài)學(xué)指標(biāo)中，淺層FAZ、深層 FAZ、淺層小血管密度、脈絡(luò)膜毛細(xì)血管層血管密度、淺層小血管分形維數(shù)重復(fù)性較高，淺層總血管密度、淺層毛細(xì)血管密度、深層毛細(xì)血管密度、淺層總血管分形維數(shù)、淺層毛細(xì)血管分形維數(shù)、深層毛細(xì)血管分形維數(shù)重復(fù)性中等。淺層和深層FAZ平均值分別為0.28 mm2和0.55 mm2。淺層、深層、脈絡(luò)膜毛細(xì)血管層血管密度分別為45.

5、06%、77.21%和68.92%。淺層總血管、毛細(xì)血管、小血管分形維數(shù)分別為1.78、1.26、1.75，深層毛細(xì)血管分形維數(shù)為1.83。同時(shí)算法準(zhǔn)確的分析非增值性糖尿病視網(wǎng)膜病變患者的眼底黃斑區(qū)各層OCTA圖像，并與同年齡段正常對(duì)照組進(jìn)行比較，發(fā)現(xiàn)除淺層FAZ外，其他血管形態(tài)學(xué)指標(biāo)如深層FAZ、各個(gè)層次血管密度、分形維數(shù)的差異均有統(tǒng)計(jì)學(xué)意義。
　　結(jié)論：提出基于主動(dòng)輪廓模型的水平集方法、自適應(yīng)全局閾值分割算法、多尺度Gabor