(45-5) 11 * << * >> * Русский * English * Содержание * Все выпуски

Автоматическое совмещение изображений оптической когерентной томографии и снимков глазного дна
А.Д. Фида 1, А.В. Гайдель 1,2, Н.С. Демин 1,2, Н.Ю. Ильясова 1,2, Е.А. Замыцкий 3

1 Самарский национальный исследовательский университет имени академика С.П. Королёва,
443086, Россия, г. Самара, Московское шоссе, д. 34,
2 ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН,
443001, Россия, г. Самара, ул. Молодогвардейская, д. 151,
3 ГБУЗ СОКОБ имени Т.И. Ерошевского,
443066, Россия, г. Самара, ул. Запорожская, д. 26

 PDF, 4348 kB

DOI: 10.18287/2412-6179-CO-892

Страницы: 721-727.

Аннотация:
Данная работа посвящена совмещению мультимодальных многомерных изображений: трехмерных данных оптической когерентной томографии и двумерных цветных изображений глазного дна. Регистрация этих двух модальностей может помочь корректировать положение полученных оптической когерентной томографией изображений на сетчатке. Некоторые существующие подходы совмещения глазного дна основаны на поиске ключевых точек, которые считаются инвариантными для аффинных преобразований и являются общими для двух изображений. Однако ошибки в определении таких точек могут привести к ошибкам регистрации. Также существуют методы итеративной настройки параметров преобразования, но они основаны на некоторых ручных настройках. В данной работе предложен метод, основанный на полном или частичном переборе возможных комбинаций преобразования изображения оптической когерентной томографии для поиска наилучшего приближения истинного преобразования. Наилучшее приближение определяется мерой сравнения пикселей предварительно обработанных изображений. Далее полученные преобразования сравниваются с имеющимися истинными преобразованиями для оценки качества алгоритма. Оценка преобразования с помощью алгоритма полного перебора показала лучшие результаты в сравнении с алгоритмом, основанным на поиске ключевых точек как минимум на порядок. Структура работы включает в себя предварительную обработку оптической когерентной томографии и изображений глазного дна с выделением кровеносных сосудов, случайный перебор или перебор по сетке возможных параметров преобразования (сдвиг, поворот и масштабирование), оценку качества алгоритма.

Ключевые слова:
обработка изображений, оптическая когерентная томография, глазное дно, совмещение изображений.

Благодарности
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (грант № 19-29-01135), Министерства науки и высшего образования Российской Федерации в рамках выполнения работ по государственному заданию ФНИЦ «Кристаллография и фотоника» РАН.

Цитирование:
Фида, А.Д. Автоматическое совмещение изображений оптической когерентной томографии и снимков глазного дна / А.Д. Фида, А.В. Гайдель, Н.С. Демин, Н.Ю. Ильясова, Е.А. Замыцкий // Компьютерная оптика. – 2021. – Т. 45, № 5. – С. 721-727.– DOI: 10.18287/2412-6179-CO-892.

Citation:
Fida AD, Gaidel AV, Demin NS, Ilyasov NY, Zamytskiy EA. Automated combination of optical coherence tomography images and fundus images. Computer Optics 2021; 45(5): 721-727. DOI: 10.18287/2412-6179-CO-892.

Литература:
  1. Дедов, И.И. Распространенность сахарного диабета 2 типа у взрослого населения России (исследование NATION) / И.И. Дедов, М.В. Шестакова, Г.Р. Галстян // Сахарный диабет. – 2016. – Т. 19, № 2. – С. 104-112.
  2. Амиров, А.Н. Диабетический макулярный отёк: эпидемиология, патогенез, диагностика, клиническая картина, лечение / А.Н. Амиров, Э.А. Абдулаева, Э.Л. Минхузина // Казанский медицинский журнал. – 2015. – Т. 96, № 1. – С. 70-74.
  3. Tsujimoto, T. Four-year screening interval and vision-threatening retinopathy in type 2 diabetes patients with good glycemic control / T. Tsujimoto, H. Kajio // Mayo Clinic Proceedings. – 2021. – Vol. 96, Issue 2. – P. 322-331.
  4. Tan, G.S. Diabetic macular edema / G.S. Tan, N. Cheung, R. Simo // The Lancet Diabetes & Endocrinology. – 2017. – Vol. 5. – P. 143-155.
  5. Hurley, B. Therapeutic revolution in the management of diabetic retinopathy / B. Hurley // Canadian Journal of Ophthalmology. – 2017. – Vol. 52, Issue 1. – P. 1-2.
  6. Barry, G.P. A comparison of respiratory outcomes after treating retinopathy of prematurity with laser photocoagulation or intravitreal bevacizumab / G.P. Barry, K.A. Tauber, S. Greenberg, J. Lajoie, F. Afroze, H. Oechsner, E. Finucane, G. Binenbaum // Ophthalmology Retina. – 2020. – Vol. 4, Issue 12. – P. 1202-1208.
  7. Kotsur, T.V. The effectiveness of laser coagulation in the macula and high-density microphotocoagulation in the treatment of diabetic maculopathy / T.V. Kotsur, A.S. Izmailov // Ophthalmological Statements. – 2016. – Vol. 9, Issue 4. – P. 43-45.
  8. Замыцкий, Е.А. Анализ интенсивности коагулятов при лазерном лечении диабетического макулярного отека на роботизированной лазерной установке NAVILAS / Е.А. Замыцкий, А.В. Золотарев, Е.В. Карлова, П.А. Замыцкий // Саратовский научно-медицинский журнал. – 2017. – Т. 13, № 2. – С. 375-378.
  9. Ober, M.D. Time required for navigated macular laser photocoagulation treatment with the Navilas® / M.D. Ober [et al.] // Graefe's Archive for Clinical and Experimental Ophthalmology. – 2013. – Vol. 251, Issue 4. – P. 1049-1053.
  10. Vergmann, A.S. Efficacy and side effects of individualized panretinal photocoagulation / A.S. Vergmann, T.T. Nguyen, T.L. Torp, R. Kawasaki, T.Y. Wong, T. Peto, J. Grauslund // Ophthalmology Retina. – 2020. – Vol. 4, Issue 6. – P. 642-644.
  11. Ильясова, Н.Ю. Технология интеллектуального отбора признаков для системы автоматического формирования плана коагулятов на сетчатке глаза / Н.Ю. Ильясова, А.С. Широканев, А.В. Куприянов, Р.А. Парингер // Компьютерная оптика. – 2019. – Т. 43, № 2. – С. 304-315. – DOI: 10.18287/2412-6179-2019-43-2-304-315.
  12. Ilyasova, N.Yu. Regions of interest in a fundus image selection technique using the discriminative analysis methods / N.Yu. Ilyasova, R.A. Paringer, A.V. Kupriyanov. – In: Computer vision and graphics. ICCVG 2016 / ed. by L.J. Chmielewski, A. Datta, R. Kozera, K. Wojciechowski. – Cham: Springer, 2016. – P. 408-417. – DOI: 10.1007/978-3-319-46418-3_36.
  13. Ilyasova, N.Yu. A modified technique for smart textural feature selection to extract retinal regions of interest using image pre-processing / N.Yu. Ilyasova, A.S. Shirokanev, R.A. Paringer, A.V. Kupriyanov, A.V. Zolotarev // Journal of Physics: Conference Series. – 2018. – Vol. 1096. – 012095. – DOI: 10.1088/1742-6596/1096/1/012095.
  14. Yoo, T.K. The possibility of the combination of OCT and fundus images for improving the diagnostic accuracy of deep learning for age-related macular degeneration: a preliminary experiment / T.K. Yoo, J.Y. Choi, J.G. Seo // Medical & Biological Engineering & Computing. – 2019. – Vol. 57. – P. 677-687.
  15. Radim, K. Registration of 3D retinal optical coherence tomography data and 2D fundus images / K. Radim, T. Pavel. – In: Biomedical Image Registration / ed. by B. Fischer, B.M. Dawant, C. Lorenz. – Berlin, Heidelberg: Springer-Verlag, 2010. – P. 72-82.
  16. Zeinab, G. An efficient approach for robust multimodal retinal image registration based on UR-SIFT features and PIIFD descriptors / G. Zeinab, S. Jamshid, S. Amin, F. Emad // EURASIP Journal on Image and Video Processing. – 2013. – Vol. 1, Issue 25. – P. 1-16.
  17. Golabbakhsh, M. Vessel-based registration of fundus and optical coherence tomography projection images of retina using a quadratic registration model / M. Golabbakhsh, H. Rabbani / IET Image Processing. – 2013. – Vol. 7, Issue 8. – P. 768-776.
  18. Chojnacki, W. The equivalence of two definitions of compatible homography matrices / W. Chojnacki, Z.L. Szpak, M. Wadenbäck // Pattern Recognition Letters. – 2020. – Vol. 135. – P. 38-43.
  19. Lowe, D.G. Distinctive image features from scale-invariant keypoints / D.G. Lowe // International Journal of Computer Vision. – 2004. – Vol. 60. – P. 91-110.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20