CN109893102B - 一种黄斑区脉络膜毛细血管密度的分析算法 - Google Patents

Abstract

一种黄斑区脉络膜毛细血管密度的分析算法，利用视网膜外层无血流灌注这一解剖特性，来去除脉络膜毛细血管层的血管伪影；通过提取光学相干断层成像技术中CC的结构信息来消除视网膜RPE的遮蔽作用，并利用视网膜深层血管丛的血流信息来作为CC的阈值设定依据，解决了现有CC的毛细血管密度计算中存在的视网膜伪影、RPE遮蔽及阈值设定主观化的问题。

Description

一种黄斑区脉络膜毛细血管密度的分析算法

技术领域

本发明具体涉及光学相干断层成像技术技术领域，具体涉及一种黄斑区脉络膜毛细血管密度的分析算法。

背景技术

光学相干断层扫描血管造影术(Optical Coherence Tomography Angiography,OCTA)是一种非接触性、扫描速度快、分辨率高的血管成像技术，其对比样品同一成像位置多张结构OCT的横断面图像，来检测出背向散射光上的运动差异，反映出血管中红细胞的移动情况，从而对视网膜和脉络膜的微血管结构进行无创成像。自从OCTA问世以来，就被迅速采纳并应用于许多眼科疾病中，如新生血管性年龄相关性黄斑变性、糖尿病视网膜病变、黄斑毛细血管扩张和青光眼等。相较于基于造影剂的成像方法如荧光素血管造影(fluorescein angiography,FA)和吲哚青绿血管造影(indocyanine green angiography,ICGA)，OCTA具有提供深度解析的血管信息的优势。同时由于其不需要造影剂，因此具有无创性和高重复性。

现有OCTA商业设备中采用了不同的算法，如基于振幅信息、基于相位信息和基于复合信息等，来提取检测组织中的血流信息，精确反映视网膜微血管结构信息；但不管何种算法获得的脉络膜毛细血管层(choriocapillary layer，CC)的血流图像，其仍存在以下3个问题：1)CC中不可避免地存在浅层血管投影的伪影，需要进行矫正。2)视网膜RPE层富含色素，对红外激光具有极强的吸收作用，由于RPE层厚度存在个体差异，从而造成脉络膜结构信号强度的个体化差异，而现有研究表明，结构信号强弱与血流信号强弱呈正相关，因此在分析血流信号时有必要对结构信号进行矫正。3)如何客观、科学地获取CC中毛细血管血流的阈值。

(1)基于浅层视网膜血流信号分析：

北京同仁医院魏文斌教授团队利用浅层视网膜微血管结构信息来设置CC的毛细血管血流的阈值。首先，手工绘制黄斑区浅层视网膜微血管结构的黄斑中心凹无血管区(foveal avascular zone,FAZ)；其次，利用FAZ中心将黄斑区浅层视网膜微血管结构进行分区，分为中央区1mm和1-3mm的旁中央环形区；最后，计算1-3mm的旁中央环形区的平均亮度及其标准差，将平均亮度与标准差之和作为CC毛细血管血流阈值,来消除浅层视网膜血管投影的伪影，从而计算CC的毛细血管密度。该方法简单明了，但是缺乏科学合理的解释来阐述血流阈值确定的可行性以及缺乏对RPE层遮蔽作用的矫正。(来源于期刊文献《Vascular Density in Retina and Choriocapillaris as Measured by OpticalCoherence Tomography Angiography》)

(2)基于组织血流信号与结构信号比值分析：

美国俄勒冈健康与科学大学的David Huang教授团队将血流信号与B-ScanOCT结构信号进行叠加，并且发现结构信号越强的区域，如RPE层，其血流伪影信号也越强，因此将血流信号与结构信号的比值作为新的指标F。只有满足深层组织的指标F大于其浅层组织的F时，方可认为其为真实的血流信号，否者判断为浅层血管的伪影(如图1)。通过该方法，综合利用血流信号与结构信号，有效地去除浅层视网膜血管的伪影及矫正RPE层的遮蔽作用，但是由于该方法需要涉及到OCTA商业仪器的原始数据，获取难度大，目前难以推广；此外未涉及到CC中毛细血管血流阈值的设定，因此本方法未直接获得CC的毛细血管密度。(来源于期刊文献《Projection-resolved optical coherence tomographic angiography》)。

(3)基于组织血流信号与结构信号综合分析：

美国纽约华盛顿大学的王瑞康教授团队同样综合利用血流信号与结构信号来去除浅层视网膜血管的伪影及矫正RPE层的遮蔽作用。与David Huang教授团队所采取的方法不同，王瑞康教授团队基于深层组织实际测量的血流信号是在其真实血流信号上叠加浅层血流信号伪影这一假设，同时发现浅层血流信号伪影与深层组织的结构信号强度成正相关，因此最终构建如下公式：

其中A_T(x,y)指深层组织的真实血流信号，A_S(x,y)指深层组织实际测量的血流信号，A_R(x,y)指浅层组织的血流信号，I_S(x,y)指深层组织的结构信号。通过该方法，可以有效地去除浅层视网膜血管的伪影及矫正RPE层的遮蔽作用，但是由于该方法需要涉及到OCTA商业仪器的原始数据，获取难度大，目前难以推广；此外未涉及到CC中毛细血管血流阈值的设定，因此本方法未直接获得CC的毛细血管密度。(来源于期刊文献《Minimizingprojection artifacts for accurate presentation of choroidalneovascularization in OCT micro-angiography》)。

David Huang教授团队和王瑞康教授团队所采用的方法综合考虑血流信号和结构信号，但是处理过程中需要涉及到OCTA商业仪器的原始数据，难以大规模推广；魏文斌教授团队的方法较为简单，仅通过浅层视网膜的血流信息来消除伪影，但是缺乏一定的科学性；综上，上述3种方法都未给出一种客观、合理的CC毛细血管血流阈值设定方法。针对这些缺点，本发明的目的在于提供一种基于OCTA血流信号和结构信号相结合的脉络膜毛细血管密度的分析方法，来有效地消除血管伪影，矫正视网膜RPE层的遮蔽作用及确定CC毛细血管血流阈值。

发明内容

为了现有技术存在的技术缺陷，本发明提供了一种黄斑区脉络膜毛细血管密度的分析算法。

本发明采用的技术解决方案是：一种黄斑区脉络膜毛细血管密度的分析算法，所述的分析算法基于现有OCTA商业仪器所导出的视网膜浅层、深层和外层及CC四层enface血流图像和B-scan OCT结构图而计算分析CC毛细血管密度，其特征在于，包括以下步骤：

(1)将原始脉络膜血流信号进行去除浅层血管伪影处理；

(2)将原始深层视网膜血流信号进行去除浅层血管伪影处理；

(3)将去除浅层血管伪影处理后的脉络膜血流信号进行矫正RPE层遮蔽作用；

(4)对去除浅层血管伪影处理后的深层视网膜血流信号提取毛细血管血流信号；

(5)提取深层视网膜血管丛的血流信号作为脉络膜血流阈值；

(6)求解脉络膜毛细血管密度。

所述的步骤(1)中原始脉络膜血流信号进行去除浅层血管伪影处理的操作步骤为：将实际测量的CC血流信号减去视网膜外层中的伪影信号，由于浅层视网膜血管的伪影信号强弱与所处组织的结构信号强弱呈正相关，因此在视网膜外层中的伪影信号乘以系数α进行矫正，可得如下公式(1)：

A C_CC＝A_CC-α*A_outer (1)

其中AC_CC指消除伪影后的CC血流信号，A_CC指实际测量的CC血流信号，A_outer指视网膜外层的血流信号，而系数α与组织结构信号相关，存在如下关系：

其中I_CC为CC的结构信号，I_outer为视网膜外层的结构信号，考虑到RPE层结构信号最强，因此默认I_outer取最大值，即255。

所述的步骤(2)中原始深层视网膜血流信号进行去除浅层血管伪影处理的操作步骤为：由于深层视网膜的enface图像中存在浅层视网膜的血管伪影，我们利用以下方法进行消除，即公式(5)

AC_deep＝A_deep-γ*A_superficial (5)

其中AC_deep指消除伪影后的深层视网膜血流信号，A_deep指实际测量的深层视网膜血流信号，A_superficial指实际测量的浅层视网膜血流信号，系数γ与浅层和深层组织结构信息相关，由于浅层和深层结构信息接近，因此取γ为1。

所述的步骤(3)中进行矫正RPE层遮蔽作用的操作步骤为：

引入矫正系数β来对CC血流信号进行矫正，满足如下公式(3)：

RAC_CC＝β*AC_CC (3)

其中RAC_CC为矫正RPE层遮蔽作用后的CC血流信号，AC_CC指消除伪影后的CC血流信号；

矫正系数β与CC的结构信号呈负相关，同时取健康人群的β为1，因此矫正系数β满足公式(4)：

其中I_CC为CC的结构信号，I₀为健康人群的CC结构信号。

所述的步骤(5)中提取深层视网膜血管丛的血流信号作为脉络膜血流阈值的操作步骤为：由于黄斑区深层视网膜enface图像中存在黄斑中心凹无血管区，因此可以手动提取FAZ边界，从而确定FAZ内部的血流信号作为深层视网膜毛细血管血流信号的阈值，即公式(6)

Threshold_deep＝average(AC_FAZ) (6)

其中Threshold_deep为深层视网膜毛细血管血流信号的阈值，AC_FAZ为消除伪影后的深层视网膜FAZ区的血流信号，average函数是求算术平均数；

根据Threshold_deep来对消除伪影后的深层视网膜血流信号进行鉴别，满足如下公式(7)：

其中PAC(i,j)为第i行第j列数据经过阈值处理后的深层毛细血管血流信号结果，AC_deep(i,j)指第i行第j列消除伪影后的深层视网膜血流信号；

因此CC血流阈值可以基于PAC(i,j)来获得，即公式(8)：

Threshold_CC＝average(PAC)-std(PAC) (8)

其中Threshold_CC为CC血流阈值，PAC为深层视网膜毛细血管血流信号，而average函数是求算术平均数，std函数是求标准差。

所述的步骤(6)中求解脉络膜毛细血管密度的操作步骤为：

对CC血流信号进行二值化处理，鉴别血流信号与静态组织，即公式(9)：

其中PRAC(i,j)为第i行第j列CC血流信号数据经过二值化处理后的结果，其他符号说明同前；

最终求得CC毛细血管密度，即公式(10)：

其中VD为CC毛细血管密度，n和m分别为i和j所能取到的最大值。

本发明的有益效果是：本发明提供了一种黄斑区脉络膜毛细血管密度的分析算法，利用视网膜外层无血流灌注这一解剖特性，来去除脉络膜毛细血管层的血管伪影；通过提取光学相干断层成像技术中CC的结构信息来消除视网膜RPE的遮蔽作用，并利用视网膜深层血管丛的血流信息来作为CC的阈值设定依据，解决了现有CC的毛细血管密度计算中存在的视网膜伪影、RPE遮蔽及阈值设定主观化的问题。

附图说明

图1是脉络膜毛细血管密度求解算法流程图。

图2是现有商业OCTA仪器导出的enface血流信号图，其中A为黄斑区浅层视网膜enface图像，B为黄斑区深层视网膜enface图像，C为黄斑区外层视网膜enface图像，D为黄斑区脉络膜毛细血管层enface图像。

图3是B-scan OCT结构信号图，A为原始图像，B为手工绘制RPE层图像。

图4为深层视网膜血流信号处理结果，A为手工绘制FAZ区(红色粗线封闭区域)，B为经过二值化处理后的图像(红色标记为毛细血管血流信号)。

图5为脉络膜毛细血管层血流信号处理结果，A为经过去除血管伪影后的血流信号，B在A的基础上矫正RPE遮蔽作用，C为二值化后的结果，其中白色代表血流信号。

具体实施方式

现结合图1、图2、图3、图4、图5对本发明进行进一步说明，

本发明提供了一种脉络膜毛细血管密度的分析算法，主要包括脉络膜毛细血管层(choriocapillary layer，CC)的血管伪影消除，RPE层遮蔽作用的矫正及CC毛细血管血流阈值设定。该算法是其基于现有OCTA商业仪器所导出的视网膜浅层、深层和外层及CC四层enface血流图像和B-scan OCT结构图而计算分析CC毛细血管密度。

包括以下步骤：

(1)将原始脉络膜血流信号进行去除浅层血管伪影处理：生理情况下，视网膜外层为无血管区，因此没有血流信号，但是由于现有OCTA商业仪器中的血管伪影矫正算法的不足，使得健康人所采集的视网膜外层中存在血流信号，而本发明利用该特点，将实际测量的CC血流信号减去视网膜外层中的伪影信号，但是考虑到浅层视网膜血管的伪影信号强弱与所处组织的结构信号强弱呈正相关，因此在视网膜外层中的伪影信号乘以系数α进行矫正，可得如下

公式(1)：

AC_CC＝A_CC-α*A_outer (1)

其中AC_CC指消除伪影后的CC血流信号，A_CC指实际测量的CC血流信号，A_outer指视网膜外层的血流信号，而系数α与组织结构信号相关，存在如下关系：

其中I_CC为CC的结构信号，I_outer为视网膜外层的结构信号，考虑到RPE层结构信号最强，因此默认I_outer取最大值，即255。

(2)将原始深层视网膜血流信号进行去除浅层血管伪影处理：由于深层视网膜的enface图像中存在浅层视网膜的血管伪影，我们利用以下方法进行消除，即公式(5)

AC_deep＝A_deep-γ*A_superficial (5)；

(3)将去除浅层血管伪影处理后的脉络膜血流信号进行矫正RPE层遮蔽作用：现有研究表明，结构信号强弱与血流信号强弱呈正相关，而某些眼科疾病会损害RPE层，如高度近视及视网膜色素变性等，从而造成RPE层遮蔽作用下降，导致脉络膜结构信号和血流信号都增强。因此，需要引入矫正系数β来对CC血流信号进行矫正，满足如下公式：

RAC_CC＝β*AC_CC (3)

其中RAC_CC为矫正RPE层遮蔽作用后的CC血流信号，而AC_CC指消除伪影后的CC血流信号。

而矫正系数β与CC的结构信号呈负相关，同时取健康人群的β为1，因此矫正系数β满足公式(4)：

其中I_CC为CC的结构信号，I₀为健康人群的CC结构信号。

(4)对去除浅层血管伪影处理后的深层视网膜血流信号提取毛细血管血流信号；

(5)提取深层视网膜血管丛的血流信号作为脉络膜血流阈值：由于黄斑区深层视网膜enface图像中存在黄斑中心凹无血管区，因此可以手动提取FAZ边界，从而确定FAZ内部的血流信号作为深层视网膜毛细血管血流信号的阈值，即公式(6)

Threshold_deep＝average(AC_FAZ) (6)

其中Threshold_deep为深层视网膜毛细血管血流信号的阈值，AC_FAZ为消除伪影后的深层视网膜FAZ区的血流信号，average函数是求算术平均数；

根据Threshold_deep来对消除伪影后的深层视网膜血流信号进行鉴别，满足如下公式(7)：

其中PAC(i,j)为第i行第j列数据经过阈值处理后的深层毛细血管血流信号结果，AC_deep(i,j)指第i行第j列消除伪影后的深层视网膜血流信号；

因此CC血流阈值可以基于PAC(i,j)来获得，即公式(8)：

Threshold_CC＝average(PAC)-std(PAC)(8)

其中Threshold_CC为CC血流阈值，PAC为深层视网膜毛细血管血流信号，而average函数是求算术平均数，std函数是求标准差。

(6)求解脉络膜毛细血管密度：对CC血流信号进行二值化处理，鉴别血流信号与静态组织，即公式(9)：

其中PRAC(i,j)为第i行第j列CC血流信号数据经过二值化处理后的结果，其他符号说明同前；

最终求得CC毛细血管密度，即公式(10)：

其中VD为CC毛细血管密度，n和m分别为i和j所能取到的最大值。

本发明利用视网膜外层无血流灌注这一解剖特性，来去除脉络膜毛细血管层(choriocapillary layer，CC)的血管伪影。

本发明通过提取光学相干断层成像技术(optical coherence tomography，OCT)中CC的结构信息，并根据血流信息与结构信息呈正相关来消除视网膜RPE的遮蔽作用。

本发明利用视网膜深层血管丛的毛细血管血流信号强度作为CC的阈值设定依据，解决了现有阈值设定主观化的问题。

本发明利用视网膜外层无血流灌注这一解剖特性，来去除脉络膜毛细血管层(choriocapillary layer，CC)的血管伪影。

本发明通过提取光学相干断层成像技术(optical coherence tomography，OCT)中CC的结构信息，并根据血流信息与结构信息呈正相关来消除视网膜RPE的遮蔽作用。

本发明利用视网膜深层血管丛的毛细血管血流信号强度作为CC的阈值设定依据，解决了现有阈值设定主观化的问题。

在本发明的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

各位技术人员须知：虽然本发明已按照上述具体实施方式做了描述，但是本发明的发明思想并不仅限于此发明，任何运用本发明思想的改装，都将纳入本专利专利权保护范围内。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种黄斑区脉络膜毛细血管密度的分析算法，所述的分析算法基于现有OCTA商业仪器所导出的视网膜浅层、深层和外层及CC四层enface血流图像和B-scan OCT结构图而计算分析CC毛细血管密度，其特征在于，包括以下步骤：

(1)将原始脉络膜血流信号进行去除浅层血管伪影处理，其中原始脉络膜血流信号进行去除浅层血管伪影处理的操作步骤为：将实际测量的CC血流信号减去视网膜外层中的伪影信号，由于浅层视网膜血管的伪影信号强弱与所处组织的结构信号强弱呈正相关，因此在视网膜外层中的伪影信号乘以系数α进行矫正，可得如下公式(1)：

AC_CC＝A_CC-α*A_outer (1)

其中AC_CC指消除伪影后的CC血流信号，A_CC指实际测量的CC血流信号，A_outer指视网膜外层的血流信号，而系数α与组织结构信号相关，存在如下关系：

其中I_CC为CC的结构信号，I_outer为视网膜外层的结构信号，考虑到RPE层结构信号最强，因此默认I_outer取最大值，即255；

(2)将原始深层视网膜血流信号进行去除浅层血管伪影处理，其中原始深层视网膜血流信号进行去除浅层血管伪影处理的操作步骤为：由于深层视网膜的enface图像中存在浅层视网膜的血管伪影，我们利用以下方法进行消除，即公式(5)

AC_deep＝A_deep-γ*A_superficial (5)

其中AC_deep指消除伪影后的深层视网膜血流信号，A_deep指实际测量的深层视网膜血流信号，A_superficial指实际测量的浅层视网膜血流信号，系数γ与浅层和深层组织结构信息相关，由于浅层和深层结构信息接近，因此取γ为1；

(3)将去除浅层血管伪影处理后的脉络膜血流信号进行矫正RPE层遮蔽作用，其中进行矫正RPE层遮蔽作用的操作步骤为：

引入矫正系数β来对CC血流信号进行矫正，满足如下公式(3)：

RAC_CC＝β*AC_CC (3)

其中RAC_CC为矫正RPE层遮蔽作用后的CC血流信号，AC_CC指消除伪影后的CC血流信号；

矫正系数β与CC的结构信号呈负相关，同时取健康人群的β为1，因此矫正系数β满足公式(4)：

其中I_CC为CC的结构信号，I₀为健康人群的CC结构信号；

(4)对去除浅层血管伪影处理后的深层视网膜血流信号提取毛细血管血流信号；

(5)提取深层视网膜血管丛的血流信号作为脉络膜血流阈值:由于黄斑区深层视网膜enface图像中存在黄斑中心凹无血管区，因此可以手动提取FAZ边界，从而确定FAZ内部的血流信号作为深层视网膜毛细血管血流信号的阈值，即公式(6)

Threshold_deep＝average(AC_FAZ) (6)

其中Threshold_deep为深层视网膜毛细血管血流信号的阈值，AC_FAZ为消除伪影后的深层视网膜FAZ区的血流信号，average函数是求算术平均数；

根据Threshold_deep来对消除伪影后的深层视网膜血流信号进行鉴别，满足如下公式(7)：

其中PAC(i,j)为第i行第j列数据经过阈值处理后的深层毛细血管血流信号结果，AC_deep(i,j)指第i行第j列消除伪影后的深层视网膜血流信号；

因此CC血流阈值可以基于PAC(i,j)来获得，即公式(8)：

Threshold_CC＝average(PAC)-std(PAC) (8)

其中Threshold_CC为CC血流阈值，PAC为深层视网膜毛细血管血流信号，而average函数是求算术平均数，std函数是求标准差；

(6)求解脉络膜毛细血管密度:对CC血流信号进行二值化处理，鉴别血流信号与静态组织，即公式(9)：

其中PRAC(i,j)为第i行第j列CC血流信号数据经过二值化处理后的结果，其他符号说明同前；

最终求得CC毛细血管密度，即公式(10)：

其中VD为CC毛细血管密度，n和m分别为i和j所能取到的最大值。

Images