基于高斯建模和 MCML 的多层角膜 OCT 数据物理生成，用于 AI 驱动的诊断与手术指导应用
图像与视频处理
2026-02-04 v1 计算机视觉与模式识别
摘要
训练用于角膜光学相干断层扫描 (OCT) 影像的深度学习模型受限于大规模、标注完善数据集的可用性。我们提出一种可配置的蒙特卡洛模拟框架，用于生成具有像素级五层分割标签的合成角膜 B 扫描光学 OCT 图像，这些标签直接从模拟几何中派生。具有高斯表面的五层角膜模型捕捉健康和角膜型角膜的曲率和厚度变化。每个层级从文献中分配光学属性，并使用多层组织组织的蒙特卡洛光传输模型 (MCML) 进行光传输模拟，同时包含系统特征如共焦 PSF 和灵敏度滞后。该方法产生超过 10,000 高分辨率 (1024x1024) 图像-标签对，支持几何、光子计数、噪声和系统参数的定制。所得数据集支持在受控、真实为基准的条件下进行系统化训练、验证和基准测试，为支持图像引导的眼科诊断和手术指导应用提供可复现且可扩展的资源。
引用
@article{arxiv.2602.02755,
title = {Physics-based generation of multilayer corneal OCT data via Gaussian modeling and MCML for AI-driven diagnostic and surgical guidance applications},
author = {Jinglun Yu and Yaning Wang and Rosalinda Xiong and Ziyi Huang and Kristina Irsch and Jin U. Kang},
journal= {arXiv preprint arXiv:2602.02755},
year = {2026}
}