基于拓扑的深度学习分割方法：使用 M 型 OCT 数据指导深板层角膜移植术（DALK）
图像与视频处理
2025-01-10 v1 计算机视觉与模式识别
摘要
深板层角膜移植术（DALK）是一种用于治疗角膜基质疾病的部分厚度角膜移植手术。该手术的一个关键步骤是使用大气泡技术将深部基质与 Descemet 膜（DM）精确分离。为了简化该技术中的针头插入和气性解剖任务，我们此前开发了一种光学相干断层扫描（OCT）引导的眼戴式机器人，该机器人利用 M 型 OCT 信号对角膜各层的实时追踪进行控制。然而，在操作集成 OCT 光纤传感器的针头时，信号噪声和不稳定性阻碍了传统深度学习分割方法的性能，导致角膜层检测粗糙且不准确。为了应对这些挑战，我们开发了一种基于拓扑的深度学习分割方法，该方法将拓扑损失函数与改进的网络架构相结合。该方法有效降低了噪声影响，并提高了分割速度、精度和稳定性。使用体内、离体和混合兔眼数据集进行的验证表明，我们的方法优于传统的基于损失的技术，能够快速、准确且稳健地分割上皮层和 DM 以指导手术。
引用
@article{arxiv.2501.04735,
title = {Topology-based deep-learning segmentation method for deep anterior lamellar keratoplasty (DALK) surgical guidance using M-mode OCT data},
author = {J. Yu and H. Yi and Y. Wang and J. D. Opfermann and W. G. Gensheimer and A. Krieger and J. U. Kang},
journal= {arXiv preprint arXiv:2501.04735},
year = {2025}
}