通过OCTA图像质量的深度学习增强视网膜微血管的可视化

摘要

意图.研究去噪对视神经和黄斑区光学相干断层成像血管造影（OCTA）图像定性和定量参数的影响。方法使用Canon-HS100 OCT设备为48名受试者（48只眼）获取视神经和黄斑区的OCTA图像。使用多重图像平均（MIA）和去噪技术提高OCTA图像质量。峰值信噪比（PSNR）作为图像质量参数和血管密度（VD）作为定量参数，我们从单次扫描、MIA和去噪的OCTA图像中获得这些参数，并对这些参数进行比较，分析不同成像方案之间的相关性。后果在视神经区域，三组之间所有测量区域的PSNR和VD存在显著差异( ）.去噪组的峰值信噪比明显高于其他两组( ）.在所有测量区域，去噪组的VD显著低于单次扫描组( ）.黄斑区三组间PSNR、VD均有显著性差异。去噪组的峰值信噪比明显高于其他两组( ）.在所有测量区域，去噪组VD均明显低于单扫组。去噪组视神经周围血管密度与单次扫描组相关( , )，但MIA组VD与单次扫描组VD无相关性( , ）.在去噪图像和MIA图像中，中心凹周围的血管密度与单次扫描组相关( , ; , ,分别）。结论．去噪可以为提高图像质量参数(如PSNR)提供一种简单、快速的方法。它在提高OCTA图像作为视网膜疾病标志物的敏感性方面具有很大的潜力。

1.导言

光学相干断层扫描血管造影术(OCTA)是一种无创成像方法，无需注射染料即可提供视网膜微血管深度选择性三维测绘[1.]．与荧光素血管造影相比，OCTA提供了更高的对比度和更好的分辨率的微血管图像;此外，它还有助于视网膜微血管系统的定量评价[2.]目前，OCTA图像和定量参数，如血管密度（VD）已成为视网膜疾病的重要标志物，其提供的详细血流信息对多种眼部疾病的早期检测做出了巨大贡献[3.–5.]．

OCTA图像的质量对于准确解释视网膜血管的形态变化至关重要，同时也影响定量分析结果，因此，提高图像质量已成为一个热门研究课题[6.,7.]。有几种协议已用于评估OCTA的图像质量，包括客观评估，如单强度、对比度噪声比（CNR）和峰值信噪比（PSNR），以及主观视网膜专家评估[8.–11]其中，峰值信噪比（PSNR）是不同图像间评价图像质量最突出、应用最广泛的客观参数之一[11,12]．近年来，有报道称多种en - face image averaging (MIA)技术能够提高OCTA图像的PNSR，这表明图像质量得到了改善。该技术允许从多幅图像中提取假正流信号，从而降低背景噪声，增强正信号，以退火不连续的血管段[12,13]然而，获取多幅图像需要更长的时间，这使得其在临床应用中的实用性降低，因为患者的耐受性要求更高[13]．

深度学习已经成为最常见的人工智能(AI)技术，在自动数据分析和提高图像质量方面显示出巨大潜力[11].将大量成对的单扫描OCTA和MIA图像应用于深度学习训练，以开发图像去噪算法。因此，使用该算法可以从单个扫描图像生成MIA图像，而无需获取多个OCTA图像[14].10月-HS100（佳能，日本东京），近年来已商业化，具有内置软件，可对多个OCTA图像进行平均，并使用深度学习获取去噪图像。它为去噪技术在临床环境中的应用提供了一种方便的方法。尽管之前的研究报告，去噪图像显示较低的背景噪声和较高的图像质量与黄斑区的单次扫描图像相比，具有更高的分辨率[11,14]，使用市售设备去噪对黄斑区和视区图像的定性和定量参数的影响尚未研究。VD被认为是早期发现多种眼病的重要标志物；例如，黄斑区的VD可以帮助检测视网膜损伤和早期糖尿病和高血压患者，视区VD有助于青光眼的早期诊断[3.–5.]因此，从去噪图像获得的黄斑区和视区的VD在应用于临床前需要验证为可靠数据。

因此，本研究旨在利用OCT-HS100评估去噪对黄斑区和视区OCTA图像定性和定量参数的影响，以阐明去噪是否能够改善图像质量和提供可靠的定量数据。进一步促进OCTA图像作为视网膜疾病标志物的临床应用。

2.方法

2．1．主题

本研究前瞻性纳入48名健康受试者的48只眼。排除有密集晶状体混浊、角膜混浊、屈光手术或眼内炎症史的眼。27名患者的27只眼扫描了视神经区，21名患者的21只眼扫描了黄斑区。知情同意从每个登记的研究患者身上获得的信息，并且程序符合赫尔辛基宣言的原则。

2．2.光学相干层析血管造影术成像

OCT-HS100（眼科软件平台RX V4.5）内置软件提供了一种专门的采集模式，可在短时间内在同一位置重复采集连续的八进制立方体扫描，并可将多个八进制图像合成为单个高质量图像。此外，该内置软件还提供“去噪八进制图像”在这项研究中，一个 选择扫描进行黄斑区检查 选择扫描进行视神经区检查。OCTA成像由经验丰富的检查人员进行，每位患者进行多次扫描，直到获得5次符合标准的OCTA扫描。图像质量差( ,运动伪影评分(MAS)为3或4，或分割错误)被排除在定量分析之外。通过选取5幅图像并应用米亚函数得到米亚图像。通过选取一幅图像，应用去噪函数得到一幅去噪图像。PSNR也记录下来，表示为最大信号除以标准差[15]导出图像并在ImageJ（直方图函数）中打开。计算图像亮度的最大像素值和标准偏差[12]．除了PSNR，所有测量值都是使用制造商的软件自动确定的。

2.3.统计方法

使用Microsoft Excel 2010软件进行数据管理。IBM SPSS Statistics 22 for Windows（IBM Corporation，Somers，NY，USA）用于所有统计分析。连续参数变量如下所示： (SD)。采用重复测量单因素方差分析(ANOVA)比较PSNR和VD之间的差异。Tukey的修正被用于多次比较。采用Pearson相关系数分析各组间的相关性。统计显著性设为 ．

3.结果

3.1.人口统计资料

本研究前瞻性纳入48名受试者的48只眼。27名患者进行了视神经区扫描，其中13名女性（48.1%），受试者的平均年龄为 ．21名患者进行了黄斑区扫描，其中10名为女性（47.6%），平均年龄为 （表1.）.

3.2.视神经区域的八角参数

在视神经区域，三组之间所有测量区域的PSNR和VD存在显著差异( )；详情见附表2.．

两组进一步比较，去噪组的PSNR显著高于其他两组( ）.至于VD，去噪组在所有测量区域的值均显著低于单扫描组( )，当比较去噪组和MIA组时，仅观察到视区有统计学意义的减少( )（表3.和数字1.）.

三组之间的视区图像对比显示，与MIA和单次扫描图像相比，去噪后的图像显示出更低的背景噪声和更平滑的血管，尤其是鼻侧。在单次扫描中，在视神经颞下侧的扩大中观察到放射状周边毛细血管它在MIA图像中变得模糊，在去噪图像中消失（图2.）.

３．３．黄斑区OCTA参数

黄斑区三组间PSNR、VD均有显著性差异;具体情况见表4.．

两组进一步比较，去噪组的PSNR显著高于其他两组( ）.与单扫组相比，去噪组在所有测量区域的VD均显著降低。有趣的是，去噪组在中央凹区域的VD明显低于MIA组( )，但在上、下区域的比例较高( , )（表5.和数字3.）.

对比三组黄斑区域图像，去噪后的图像背景噪声较低，血管较光滑。在无血管的区域增大,船舶退出米娅的形象,在去噪图像增强,和增大颞侧血流信号显示一个黑色的影子覆盖在single-scan形象,在米娅的形象,恢复和坚持(图去噪图像4.）.

3．4．相关分析

去噪组视神经周围血管密度与单次扫描组相关( , )，但MIA组VD与单次扫描组VD无相关性( , ）.去噪和MIA图像中中央凹区域周围的VD均与单扫描组相关( , ; , ,分别）（数字5.）.

4.讨论

OCTA是一种无创快速显示视网膜微血管的工具，已广泛应用于视神经和视网膜疾病患者[1.]。视网膜血管的形态学变化和定量参数，包括OCTA图像中的血管密度，已成为诊断和治疗视神经和视网膜疾病的一个突出疾病标记。最近的研究集中于改善OCTA图像质量，从而提高其作为疾病标记的敏感性呃,使用不同的技术,其中,人工智能技术已经显示出很大的前景[6.,7.,11]．然而，应用人工智能提高OCTA图像质量的研究在各个研究小组中还很有限，厂商内置的人工智能去噪功能在黄斑和视神经区域尚未得到实际临床应用的评价。

在过去的研究中，人们对图像质量进行了客观和主观的评价，主观评价很容易受到各种原因的影响，例如视网膜专业水平[9]客观评估包括单强度、CNR和PSNR等协议，其中PSNR是不同图像质量评估中最突出、应用最广泛的客观参数之一[8.,10–12]。PSNR定义为最大信号除以标准偏差。PSNR通常用于最大信号和背景噪声之间的项目。较高的PNSR值表示较小的失真，表示较高的图像质量。通常在图像压缩后，输出图像将与原始图像不同在某种程度上，在评价处理后的图像质量时，PSNR通常用于确定某一处理过程是否令人满意。因此，在我们的研究中，PNSR是比较原始图像和不同处理图像的图像质量的理想参数[15]在这项研究中，我们比较了两种不同方法：去噪和MIA对OCTA图像质量和黄斑区和视神经区VD的影响。我们的结果表明，去噪组的PSNR显著高于MIA和单扫描组，表明去噪可以在更短的时间内降低视神经和黄斑区的背景噪声，从而改善OCTA图像质量，甚至比MIA更好。先前的研究还表明，去噪图像的图像质量优于MIA图像[11，这可能是因为用于图像平均的图像质量相对较低。因此，经过良好训练的去噪算法输出高对比度的图像，比图像平均在更大程度上提高了图像质量。我们观察到去噪组中低信号流的增强，通过图像平均消除了低信号流(图)4（d）–4（f）)这也表明去噪组的血管显示比MIA组更准确，可以提高早期视网膜血管疾病的诊断，如糖尿病视网膜病变。

在我们的研究中，与单扫描OCTA图像相比，去噪后黄斑区和视神经区的VD显著降低。之前的一项研究报告，在MIA后VD显著降低，这与我们的结果一致[11]通过在深度学习训练中应用成对单扫描和MIA-OCTA图像，开发了去噪算法[14]最后，建立了一个去噪算法，从单个图像生成类似的平均八进制图像。这可以解释MIA和去噪OCTA图像中VD的降低。使用去噪技术和MIA处理OCTA图像，不同的机制会影响VD。一方面，噪声的降低（和PSNR的增加）可以降低VD。另一方面，连续血管的增加可以增加血管密度，也可以增大血管口径[16]．先前的研究也报告，与MIA图像相比，去噪图像的背景噪声更低，血管的连续性更好[11]因此，有血管和无血管的比例将决定哪个因素变得更强。在我们的研究中，MIA图像中心凹处的血管密度明显高于去噪图像的血管密度。这可能是由于中心凹处血管比例较低，从而降低了噪声，这显示出对患者血管密度的更强影响去噪图像。反之亦然，在我们的研究中，与鼻侧和颞侧相比，上凹和下凹的VD值相对较高，这可能导致血管连续性增强，这成为影响这两个区域VD的更强因素，这解释了为什么MIA图像中的VD低于除此之外，去噪图像中的VD与单次扫描图像中的VD的相关性比MIA图像中的VD的相关性更高。MIA记录了多个图像中的确切流量信号，而去噪图像中的流量信号仅从原始单次八次扫描中提取。这可能是原因在这一点上，去噪图像中的VD与单次八次扫描的相关性高于MIA图像中的VD。一般来说，去噪图像中的VD发生了显著变化，但仍与单次扫描图像中的VD相关。随着噪声的降低和连续血管过程的增加，去噪图像中的VD应代表r视网膜微血管的状态比单次扫描图像要好。

尽管去噪函数提供了一种更快的获取高质量图像的方法，但MIA具有我们在本研究中观察到的一些优势。图像平均法比去噪法更能消除玻璃混浊和眼球转动引起的伪影。Heisler等人也报道了MIA在减少运动伪影方面的优势[17]。这种随眼球运动而变化的伪影不太可能在不同扫描中的确切位置显示出来。但是，在去噪图像中，这些伪影表现为片状低信号，很难通过形态学特征将其与非灌注区区分开来（图4（g）–4(我)，红色箭头）。去噪图像和MIA图像之间的差异可能是因为去噪算法仅从一次扫描中提取信息，无法恢复玻璃体混浊所覆盖的血流信息。此外，在视神经区应用去噪和图像平均似乎不如在黄斑区有效（图2.）.径向外周毛细血管区域在上述三种模式下难以清晰显示，这可能是由于小口径血管的不连续图像表现出类似背景噪声的点状高信号。这可以通过图像平均和去噪来消除，从而导致流信息的丢失。这一发现表明，Canon-HS100 OCTA装置的去噪功能在视神经疾病中的应用仍有一定的局限性，因为流动信号的潜在风险缺失。进一步的深度学习训练可能有助于解决这些问题。

去噪技术提供了一种通过人工智能处理提高OCTA图像质量的便捷方法，对于因视力差而难以获得足够合格OCTA图像的患者来说，这可能是一种有用的工具。例如，视力和固定能力差的年龄相关性黄斑变性和近视患者从理论上讲，通过这种去噪过程可以获得更精确的VD值，从而提高对视网膜血管系统疾病（如糖尿病视网膜病变）变化的敏感性。

我们的研究有一些局限性。首先，我们只进行了小样本的研究，这可能会影响统计结果的准确性。其次，我们只使用了一个OCTA设备；最好比较多个设备以获得更多的受试者数据，以验证我们的OCTA参数结果的可靠性。

5.结论

总的来说，去噪提供了一种简单、快速的方法来改善图像质量，包括PSNR，并在提高OCTA图像作为视网膜疾病标志物的敏感性方面显示出巨大的潜力。虽然这种新技术在现阶段有一定的局限性，但仍需进行进一步的临床培训。

数据可用性

如有需要，可从通讯作者处获得数据。

利益冲突

作者声明不存在利益冲突。

作者的贡献

徐一双和俞苏对这部作品的贡献不相上下。

致谢

本研究得到中国国家自然科学基金（81500744）和中国市奖学金委员会（易双旭201706270193；狄浩华201806270215）的资助。

工具书类

1. R. F. Spaide, J. G. Fujimoto, N. K. Waheed, S. R. sada，和G. Staurenghi，“光学相干断层扫描血管造影术”，视网膜与眼的研究进展，第64卷，第1-55页，2018年。浏览：出版商的网站|谷歌学者
2. A. Y. Kim, Z. Chu, A. Shahidzadeh, R. K. Wang, C. A. Puliafito, A. H. Kashani，“用光谱光学相干断层扫描血管造影术定量糖尿病视网膜病变的微血管密度和形态”，调查性眼科学与视觉科学，第57卷，第9期，第362-370页，2016年10月。浏览：出版商的网站|谷歌学者
3. L.Frizziero，G.Midena，E.Longhin等人，“糖尿病患者OCT血管造影和多焦视网膜电图的早期视网膜变化，”临床医学杂志，第9卷，第11号，第3514条，2020年。浏览：出版商的网站|谷歌学者
4. D.Hua，Y.Xu，X.Zhang等，“不同血压控制水平且无高血压视网膜病变的高血压患者的视网膜微血管变化，”当前眼科研究，第46卷，第1期，第107-114页，2021年。浏览：出版商的网站|谷歌学者
5. H.Hou，S.Moghimi，L.M.Zangwill等，“早期原发性开角型青光眼的黄斑血管密度和厚度，”美国眼科杂志，第199卷，第120-1322019页。浏览：出版商的网站|谷歌学者
6. J.L.Lauermann，M.Treder，P.Heiduschka，C.R.Clemens，N.Eter和F.Alten，“眼跟踪技术对年龄相关性黄斑变性OCT血管造影成像质量的影响，”格雷夫眼科临床和实验档案，第255卷，第8期，第1535-1542页，2017年。浏览：出版商的网站|谷歌学者
7. 张敏，黄天山，J.P.坎贝尔等，“投影分辨光学相干层析血管造影，”生物医学光学快报，第7卷，第5期3，第816-828页，2016。浏览：出版商的网站|谷歌学者
8. C.Czakó，L.István，M.Ecsedy等人，“图像质量对糖尿病患者OCT血管造影测量可靠性的影响，”国际视网膜和玻璃体视网膜杂志，第5卷，第1期，第46页，2019年。浏览：出版商的网站|谷歌学者
9. A.K.Woetzel，J.L.Lauermann，K.Kreitz等人，“不同视网膜专业水平下的光学相干断层扫描血管造影图像质量评估，”当代眼科杂志第31卷第1期2，页161-167,2019。浏览：出版商的网站|谷歌学者
10. A. Uji, S. Balasubramanian, J. Lei等，“增强光学相干断层扫描血管造影术成像的多重表面图像平均，”眼科学报，第96卷，第2期7, pp. e820-e827, 2018。浏览：出版商的网站|谷歌学者
11. S. Kadomoto, A. Uji, Y. Muraoka, T. Akagi，和A. Tsujikawa，“通过深度学习增强光学相干断层扫描血管造影术中的视网膜微血管可视化”，临床医学杂志，第9卷，第5期。5，第1322页，2020。浏览：出版商的网站|谷歌学者
12. S. Murakawa, I. Maruko, T. Kawano, T. Hasegawa, T. Iida，“使用多重人脸光学相干断层血管造影图像平均的脉络膜新生血管成像”，格雷夫眼科临床和实验档案，第257卷，第6期，第1119-112512019页。浏览：出版商的网站|谷歌学者
13. J. L. Lauermann, Y. Xu, P. Heiduschka等，“综合多图像平均对OCT血管造影图像质量和定量参数的影响，”格雷夫眼科临床和实验档案第257卷12, pp. 2623-2629, 2019。浏览：出版商的网站|谷歌学者
14. K.Kawai，A.Uji，T.Murakami等，“使用Oct-Hs100设备对糖尿病视网膜病变人工智能支持的光学相干断层成像的图像评估，”视网膜, 2020.浏览：出版商的网站|谷歌学者
15. S.T.韦尔斯特德，分形与小波图像压缩技术， Spie Press, 1999。
16. A.Uji、S.Balasubramanian、J.Lei、E.Baghdasaryan、M.Al-Sheikh和S.R.Sadda，“多重人脸图像平均对光学相干断层成像血管造影图像定量评估的影响，”眼科，第124卷，第7期，第944-952页，2017年。浏览：出版商的网站|谷歌学者
17. M. Heisler, S. Lee, Z. mamo等，“连续获得光学相干断层扫描血管造影术的条带注册”，生物光学期刊，第22卷，第3期，第036007页，2017年。浏览：出版商的网站|谷歌学者

版权

版权所有©2021 Xu Yishuang等人。这是一篇公开获取的文章，在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。