[发明专利]使用神经网络校正OCTA体积中的流投影伪影

说明书

一种系统和/或方法使用经训练的U‑Net神经网络从光学相干断层扫描(OCT)血管造影术(OCTA)数据中去除流伪影。经训练的U‑Net接收OCT结构体积数据和OCTA体积数据作为输入，但扩展OCTA体积数据以包含深度信息。U‑Net沿深度方向应用动态池化，并对跟随(例如，沿轮廓)选择视网膜层的数据部分更大加权。以这种方式，U‑Net至少部分地基于深度指标信息和/或(例如，接近)选择的视网膜层，在不同的轴向位置应用上下文不同的计算。与输入的OCTA数据相比，U‑Net输出减少了流伪影的OCT体积数据。

技术领域

本发明整体涉及改进光学相干断层扫描(OCT)图像和OCT血管造影图像。更具体地，它涉及去除基于OCT的图像中的流伪影/去相关尾部。

背景技术

光学相干断层扫描(OCT)是一种非侵入性成像技术，它使用光波产生组织(例如视网膜组织)的横剖面图像。例如，OCT允许人们查看视网膜的独特组织层。通常，OCT系统是干涉成像系统，其通过检测从样本反射的光的干涉和参考光束来确定样本沿OCT光束的散射分布，从而创建样本的三维(3D)表示。深度方向(例如，z轴或轴向方向)中的每个散射分布被单独重建为轴向扫描或A-扫描。横剖面、二维(2D)图像(B-扫描)以及扩展的3D体积(C扫描或立方体扫描)可以从在OCT光束扫描/移动通过样本上的横向(例如x轴和y轴)位置集时获取的多个A-扫描构建。OCT还允许构建组织体积的选定部分(例如，视网膜的目标组织板(slab)或目标组织层)的正视图(例如，正面(en face))2D图像。OCT的扩展是OCT血管造影术(OCTA)，它识别(例如，以图像格式呈现)组织层中的血流。OCTA可以通过识别同一视网膜区域的多个OCT图像中随时间变化的差异(例如，对比度差异)来识别血流，并将满足预限定标准的差异指定为血流。

OCT易受不同类型的图像伪影的影响，包括去相关尾部(decorrelation tail)或阴影，其中上组织层中的结构/构造(例如，组织或血管形成)在下组织层中产生“阴影”。具体是，OCTA容易出现流投影伪影，其中血管图像可以呈现在错误的位置。这可以是由于上覆血管内血液的高散射特性，产生干扰视网膜血管造影结果解释的伪影。换句话说，较深的组织层可能具有投影伪影，这是由于它们上方的大内视网膜血管中流动的血液投射的波动阴影导致反射信号的变化。信号变化可能被错误地解释为(血)流，这很难与真实流区分开来。

已经开发了一些方法来尝试克服这些问题，或者通过校正先前限定和生成的正面板中的伪影，或者通过校正OCT体积中的伪影。可以在以下中找到用于校正正面板中的投影伪影的基于板的方法的示例：“A Fast Method to Reduce Decorrelation TailArtifacts in OCT Angiography”，H Bagherinia等人，Investigative OphthalmologyVisual Science，2017，58(8)，643-643；“Projection Artifact Removal ImprovesVisualization and Quantitation of Macular Neovascularization Imaged byOptical Coherence Tomography Angiography”，Zhang Q.等人，Ophthalmol Retina，2017，1(2)，124–136；以及“Minimizing projection artifacts for accuratepresentation of choroidal neovascularization in OCT micro-angiography”，AnqiZhang等人，Biomedical Optics Express，2015年，第6卷，第10期，所有这些均通过引用整体并入本文。通常来说，这种基于板的方法可能有一些难以克服的限制和依赖性(例如，它们是分段相关的)，并且不允许在目标板以外的平面中可视化校正的数据。因此，它们不允许使用3D技术来可视化、分割或量化OCTA流特性。基于板的方法也可能产生次优的处理工作流，其中每次目标板限定发生变化时都必须执行伪影校正算法，无论这种变化有多小，或者当前目标板限定是否恢复到上一步的状态。