基于SD-OCT的视网膜高反射性点自动量化

视网膜高反射性点（HFs）的存在与视网膜疾病进展有关，其数量已被证明是various视网膜疾病中视觉和解剖结果的预后因素。然而，缺乏有效的量化工具来评估HFs，导致视网膜外科医生无法评估HFs的体积。为此，我们提出了一种用于在光谱干涉型光学相干断层扫描（SD-OCT）中分割和量化HFs的自动化算法。该算法由两个平行过程组成，即区域兴趣（ROI）生成和HFs估计。生成ROI时，我们使用形态学重构获取重构图像，并构建直方图用于数据分布和聚类。在平行过程中，通过从由组件树获得的连通区域中提取极端区域来估计HFs。最后，将ROI和HFs估计过程合并，以获得分割后的HFs。该算法在40个来自40名诊断为非肥大性糖尿病性视网膜病变（NPDR）、肥大性糖尿病性视网膜病变（PDR）和糖尿病视网膜水肿（DME）患者的40个3D SD-OCT体积上进行了测试。平均Dice相似系数（DSC）和相关系数（r）分别为NPDR为69.70%、0.99，PDR为70.31%、0.99，DME为71.30%、0.99。该算法可以为视网膜外科医生提供关于HFs体积、大小和位置的优质量化信息。