Deep-Learning-based Vasculature Extraction for Single-Scan Optical Coherence Tomography Angiography

要約

【タイトル】単回スキャン光干渉断層法アンギオグラフィの深層学習に基づく血管抽出

【要約】
– 光干渉断層法アンギオグラフィ（OCTA）は、静的な生体組織から動く赤血球の信号を抽出する非侵襲的な画像診断技術
– 既存のOCTA抽出アルゴリズムは、高品質な画像を生成するために同じ場所で大量の反復スキャンを実行する必要があり、データ収集時間が長く、不可予測な動きのアーチファクトが生じる
– 本研究では、1回の反復スキャンだけでOCTA画像を生成する血管抽出パイプラインを提案する
– 提案するVasculature Extraction Transformer（VET）は、畳み込み射影を活用して画像パッチ間の空間関係をより良く学習する
– VETによって抽出されたOCTA画像は、SV-OCTAとED-OCTAに比べてPSNRが17.809および18.049の4回の反復スキャンで生成されたOCTA画像と比較して、PSNR 17.515の中程度の品質とより高い画像コントラストを示しており、必要なデータ収集時間を約8秒から約2秒に短縮する
– 目視観察によると、首の領域やスキャンの課題がある顔の領域で、提案されたVETはSVおよびEDアルゴリズムを上回っている
– この研究は、VETが迅速な1回の反復スキャンから血管画像を抽出する能力を持ち、患者の正確な診断を容易にすることを示唆している

要約(オリジナル)

Optical coherence tomography angiography (OCTA) is a non-invasive imaging modality that extends the functionality of OCT by extracting moving red blood cell signals from surrounding static biological tissues. OCTA has emerged as a valuable tool for analyzing skin microvasculature, enabling more accurate diagnosis and treatment monitoring. Most existing OCTA extraction algorithms, such as speckle variance (SV)- and eigen-decomposition (ED)-OCTA, implement a larger number of repeated (NR) OCT scans at the same position to produce high-quality angiography images. However, a higher NR requires a longer data acquisition time, leading to more unpredictable motion artifacts. In this study, we propose a vasculature extraction pipeline that uses only one-repeated OCT scan to generate OCTA images. The pipeline is based on the proposed Vasculature Extraction Transformer (VET), which leverages convolutional projection to better learn the spatial relationships between image patches. In comparison to OCTA images obtained via the SV-OCTA (PSNR: 17.809) and ED-OCTA (PSNR: 18.049) using four-repeated OCT scans, OCTA images extracted by VET exhibit moderate quality (PSNR: 17.515) and higher image contrast while reducing the required data acquisition time from ~8 s to ~2 s. Based on visual observations, the proposed VET outperforms SV and ED algorithms when using neck and face OCTA data in areas that are challenging to scan. This study represents that the VET has the capacity to extract vascularture images from a fast one-repeated OCT scan, facilitating accurate diagnosis for patients.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI