SLOctolyzer：扫描激光视网膜成像中自动化分割与特征提取工具包
概率论
2025-04-09 v2 种群与进化
统计计算
摘要
目的：本研究旨在介绍SLOctolyzer——一个用于红外反射扫描激光视网膜成像（SLO）图像中面内视网膜血管的开源分析工具包。方法：SLOctolyzer包含两个主要模块：分割与测量。分割模块采用深度学习方法描绘视网膜解剖结构，检测视网膜中点（fovea）与视盘（optic disc），而测量模块则量化分割后视网膜血管的复杂度、密度、扭曲程度与直径。我们使用未见数据评估了分割模块的性能，并测量了其可重复性。结果：SLOctolyzer的分割模块在未见内部测试数据上表现良好（所有血管Dice值为0.91；动脉为0.84；静脉为0.85；视盘为0.94；fovea为0.88）。外部验证显示在严重视网膜病理情况下的性能下降（动脉Dice值为0.72；静脉为0.75；视盘为0.90）。SLOctolyzer表现出良好的可重复性（分形维数平均差值为-0.001；密度为-0.0003；直径为-0.32微米；扭曲密度为0.001）。SLOctolyzer可在笔记本电脑CPU上在20秒内处理768×768像素的巩膜居中SLO图像，或在30秒内处理视盘居中SLO图像。结论：据我们所知，SLOctolyzer是首个将原始SLO图像转换为可重复且临床意义上的视网膜血管参数的开源工具。SLO图像与光学相干断层扫描（OCT）同步捕获，我们认为SLOctolyzer对于从大规模OCT图像集中提取视网膜血管测量值并将其与眼内或全身疾病关联具有重要价值。该工具无需专业知识或专有软件，支持手动纠正分割结果并重新计算血管指标。SLOctolyzer已免费提供于https://github.com/jaburke166/SLOctolyzer。
引用
@article{arxiv.2406.16465,
title = {Genealogical processes of sequential Monte Carlo methods and other non-neutral population models under rapid mutation},
author = {Jere Koskela and Paul A. Jenkins and Adam M. Johansen and Dario Spano},
journal= {arXiv preprint arXiv:2406.16465},
year = {2025}
}