翻译OCTA中视网膜特征的定量表征

目的：本研究探索使用生成式机器学习将光学相干断层扫描（OCT）图像翻译为光学相干断层扫描血管成像（OCTA）图像的可行性，从而可能绕过对专用OCTA硬件的需求。方法：方法包括实现一个生成对抗网络框架，该框架包含一个二维血管分割模型和一个二维OCTA图像翻译模型。研究利用一个包含500名患者的公开数据集，根据分辨率和疾病状态划分为子集，以验证翻译OCTA（TR-OCTA）图像的质量。验证采用多种质量和定量指标，将翻译图像与真实OCTA（GT-OCTA）进行比较。然后，我们定量表征TR-OCTA中生成的血管特征与GT-OCTA的差异，以评估使用TR-OCTA进行客观疾病诊断的可行性。结果：TR-OCTA在3毫米和6毫米数据集中均显示出高图像质量（与GT-OCTA相比，具有高分辨率、中等结构相似性和对比度质量）。血管指标存在轻微差异，尤其是在患病患者中。血管特征如曲折度和血管周长指数相比受局部血管扭曲影响的密度特征表现出更好的趋势。结论：本研究通过使用TR-OCTA的血管特征进行疾病检测，为OCTA在临床实践中的局限性提供了一种有前景的解决方案。翻译相关性：本研究有可能通过使详细的血管成像更广泛可用并减少对昂贵OCTA设备的依赖，显著增强视网膜疾病的诊断过程。