[本站讯]高致盲性眼病的发病率呈逐年上升趋势,给我国造成了沉重的经济负担,且其不可逆性对我国乃至全球人民的身体健康构成了严重威胁。在高致盲性眼底疾病的早期阶段,视网膜层厚度的变化是关键的病理特征之一,因此,精准量化视网膜层厚度对于视网膜疾病的早期诊断至关重要。然而,近年来基于深度学习的视网膜层分割精度已逐渐逼近极限。究其原因,算法研究人员在开展分割研究时,仅能依赖光学相干层析成像(Optical Coherence Tomography, OCT)图像中呈现的视网膜层结构纹理信息,而OCT设备厂商出于技术保密的考虑,未能提供视网膜层的原始扫描数据,这在很大程度上限制了相关研究的进一步突破。

针对这一难题,机械工程学院万熠教授与宋维业教授团队凭借在光学相干层析成像(OCT)技术与系统研发领域的深厚积累,突破性地利用OCT设备扫描的原始数据开展光谱学分析,并融合人工智能技术,提出了一种创新的通用型方法。该方法能够显著提升基于深度学习的视网膜层分割精度,为高致盲性眼底疾病的早期发现、精准诊断和及时治疗提供了有力支持,具有重要的临床应用价值。
该成果以“Fusing multispectral information for retinal layer segmentation”为题发表在全球数字医疗顶尖期刊Npj Digital Medicine(Nature子刊,中科院一区,IF:12.4)。山东大学贺翔、吴付旺为共同第一作者,万熠教授与宋维业教授为共同通讯作者。

在本文中,团队首次提出了一种基于融合多光谱信息的视网膜层分割算法。研究首先系统验证了多光谱信息在提升视网膜层分割精度方面的显著有效性,并深入探究了其作用规律。团队针对OCT图像子光谱的谱宽、数量以及不同组合之间的差异进行了细致的对比分析,揭示了多光谱信息在视网膜层分割中的独特价值。在此基础上,团队精心设计了专用于提取多光谱信息的算法模块,并成功将其集成到一般视网膜层分割算法中,实现了对多光谱信息的高效利用,显著提升了分割精度。
凭借在OCT成像技术与系统研发领域的深厚积累,团队结合人工智能手段,创新性地提出了基于融合多光谱信息的OCT图像视网膜层分割算法。该算法有望进一步突破基于深度学习的视网膜层分割精度瓶颈,并将高致盲眼底疾病的诊断窗口大幅前移,为相关疾病的早期诊断提供一种高效、精准的检测手段。目前,该成果已完成专利布局,并正在积极推进产业化推广,以期通过AI赋能医疗装备,为推动高端医疗装备产业的高质量发展作出贡献。