...
图1 脉络膜结构及本方法对脉络膜子层血管的捕捉效果
为了填补当前脉络膜血管分析技术的空白，MILAB与北京大学第一医院眼科杨柳团队合作开发一种基于深度学习的非侵入式脉络膜血管成像技术，通过分割 为了填补当前脉络膜血管分析技术的空白，MILAB与北京大学第一医院眼科杨柳团队合作开发一种基于深度学习的非侵入式脉络膜血管成像技术，通过分割OCT影像中的脉络膜子层血管来实现脉络膜血管造影成像。而在实际临床工作中，常用于脉络膜成像的深部增强式OCT（EDI-OCT）成像设备的局限性导致高质量密集扫描的获取既耗时又需要患者的密切配合。而能够实现高速密集扫描的扫频OCT（SS-OCT）扫描常伴随着大量噪声，这为医务人员在数据标注上带来了挑战。为了解决这些挑战，研究团队结合了域自适应方法与半监督学习策略（如图1所示），可以将医务人员更易于标注的高质量OCT影像进作为源域来训练脉络膜血管分割模型，进而将大量未标注的低质量密集扫描OCT数据作为模型迁移的目标域，通过迁移学习与半监督学习来优化模型。该方法使脉络膜血管分割模型能够在快速扫描得到的低质量SS-OCT影像上也能展现出良好的血管分割性能，从而能够进行更精确的脉络膜结构量化分析。
图2 方法的整体训练及推理框架
为了验证所提出方法的性能及其在实际应用中的有效性，研究团队开展了一系列实验和临床应用研究。研究结果表明，基于非侵入性OCT影像的脉络膜血管成像与分析技术不仅能够展示与侵入性吲哚青绿造影相媲美的脉络膜血管分布，还能提供脉络膜血管的三维信息。这使得对脉络膜血管指数、脉络膜血管体积等关键生理指标的计算更为精确。此外，利用这种新型分析方法，研究人员能够清晰地观察到小柳原田综合症患者的脉络膜血管结构异常。在进一步的临床研究中，研究团队对多种脉络膜视网膜病变患者进行了深入分析。研究发现，中央浆液性脉络膜视网膜病变（CSC）患者的脉络膜血管指数在视网膜中央凹大于6毫米的区域外显著低于健康对照组，这一发现也为脉络膜视网膜疾病相关诊断和治疗提供了新的视角。
...