MATLAB软件包：智能提取OCT-A图像中的血流指数

×× × × ××SoftwareX 12（2020）100510原始软件出版物MATLAB软件包用于通过智能血管操作自动提取OCT-A图像中的血流指数Sahar Hojatia，Rahele Kafieha，Mr.Kafeh a，Parisa Fardafsharib，Masoud Aghsaei Fardc，Hatef Fouladid伊斯法罕医科大学医学高级技术学院医学图像和信号处理研究中心，伊朗b伊朗伊斯法罕伊斯法罕医科大学先进技术学院学生研究委员会c伊朗德黑兰德黑兰医科大学Farabi眼科医院d伊朗bina novin pardaz总经理ar t i cl e i nf o文章历史记录：收到2020年收到修订版2020年4月26日接受2020年保留字：光学相干断层扫描血管造影（OCT-A）数字图像处理特征提取血流信息a b st ra ct光学相干断层扫描血管造影术（OCT-A）被认为是一种无创的血管成像方法。对OCT-A进行了新的研究，以提取对眼科疾病的诊断和治疗有用的原始OCT-A能够提供定性的微血管数据，但我们提到的功能旨在在随访期间和不同人群之间提供定量信息和可靠的比较。本文提出一个易于使用的软件，以消除虚假的血管阴影和提取数字特征的OCT-A图像。这些特征有望在诊断和了解血液疾病方面发挥重要作用。为此，我们使用的血管密度（VD）地图（%）在一个4.5 - 4.5毫米的矩形扫描中心的视盘深视神经数据的血流信息。测量原始图像和小血管图像在全像（WI）、视乳头周围（PP）区域及其上下扇区的信息。此外，我们还利用黄斑旁毛细血管的血流信息作为VD图，以消除黄斑深血管图像中的浅血管投影伪影，并与不同的黄斑分析方案兼容（3 3、4 4、5 5、6 6和7 7 mm）。类似地，在全图像（Wi）和基于扇区的旁视区中测量来自全图像和小血管的信息。©2020作者由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本v1.0此代码版本使用的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2020_36合法代码许可证Apache许可证，2.0使用的代码版本控制系统使用MATLAB的软件代码语言、工具和服务编译要求、操作环境依赖性如果可用，链接到开发人员文档/手册问题支持电子邮件s_hojati@hotmail.com1. 动机和意义光学 相干 断层血 管成 像（Optical Coherence TomographyAngiography，OCT-A）是一种新型的、深度分辨的、非侵入性的成像方法，能够提供视网膜和脉络膜血液的高分辨率图像*通讯作者。电子邮件地址：rkafieh@gmail.com（R. Kafieh）。https://doi.org/10.1016/j.softx.2020.100510流动和血管结构。该方法比常规染料血管造影术（例如血管紧张素血管造影术（FA））更快且更安全，常规染料血管造影术需要注射静脉内染料，并且因此在一些患者中导致过敏反应。此外，与传统OCT相比，OCT中的单次扫描无法捕获血管的功能细节[1]。然而，OCT-A检测连续B扫描之间的振幅、强度或相位差异，这使得能够移动2352-7110/©2020作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxS. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005102Fig. 1. Angiovue上的OCT血管造影片视野和分割层。(a)：全层4.5× 4.5 mm OCT血管造影。(b)：“深”毛细血管丛的黄斑6× 6 mm OCT血管造影（c）“浅表”毛细血管丛的黄斑6× 6 mm OCT血管造影检测血管内的细胞和血流[2]。图1示出了来自正常眼睛的样品OCT-A。在从OCT-A图像中提取特征的背景下，许多以前的作品是可用的。在[3]中，基于Hessian的多尺度Frangi滤波器用于原始OCT-A图像，以改善血管流信息并生成OCTA血管图，用于动脉-静脉分类。此外，自适应图像阈值化方法和一组形态学函数用于清洗血管图和去除小毛细血管网格结构。此外，跟踪算法还可以提取图像的纹理、形态和光密度信息.[4]中提出的方法利用3D中投影伪影的特征，特别是阴影图形流的拖尾效应，来去除视网膜内表面血管造影片中的伪影。在另一种方法 [5] 中 ， 使 用 ImageJ 软 件 [6] ， 描 绘 了 视 盘 和 β 区 乳 头 旁 萎 缩（PPA）的边界。然后，使用根据ImageJ的平均阈值al-xim创建的二进制图像来获得β在[7]中提出的另一种方法中，提取视神经乳头周围的感兴趣区域，然后检测并抑制粗血管以提供毛细血管密度的估计。在[8]中提出的方法中，用等于归一化图像像素强度的0.55倍的给定强度来定义主要血管。然后，主要船只，生产的通过局部自适应阈值化从所创建的二值图像中排除前一步骤。在下一步中，在移除由检查者定位的视盘之后计算毛细血管密度。在[9]中，Gadde提供了OCT-A图像的等高线图，使用每个像素的局部分形维数的归一化比率。在该图上，接近1的指数表示大血管，接近0的指数表示非血管区域。表1提供了所提及的自动方法的总结。申报软件能够与不同解剖位置的OCT-A（黄斑OCT-A和深视神经 OCT-A）配合使用我们提出的方法的主要新颖之处如下：1. 设计了一个免费的，易于使用的软件。2. 使用用户确定的阈值对血管进行二进制分割（以便排除和包含小血管）。3. 通过自动阈值检测对血管进行最佳二值分割。4. 检测大的假性血管阴影（在单个深层视神经图像中）和大的假性血管投影（来自黄斑数据中的伴随浅表图像）。5. 从OCT-A数据中排除大血管6. 在大假血管阴影排除（Cus-tomized VD（CVD））之前/之后计算整个图像和扇形区域中的VD。在深层视神经数据中，预处理块执行不同的方法来减少伪影。在黄斑和深部视神经OCT-A中，分割阻滞提供了有关厚血管位置的信息，并抑制了它们以产生用于测量CVD的所需图像。该软件已在眼科研究中测试和使用，并在青光眼评估中获得了有希望的结果[10]。同时，表2中提供了10个随机选择的样品的一些具体结果。在深层视神经数据的分割块之后可以进行手动分割，以改善大血管的定位。另一方面，黄斑部分中的分割块接收两个独立的OCT-A数据（浅表图像和深层图像），来自所述OCT-A数据的信息然后可以用于去除血管投影（其呈现白色）。最后，在后处理模块中，软件提供不同几何扇区中最后输出的CVD值。这项工作的动机是设计一个方便的工具，能够分析OCT-A图像和测量心血管疾病在一个易于使用的界面。在我们提出的方法中，最初开发了以下程序：分割深层视神经图像中的大血管阴影以及黄斑数据中的大血管投影去除伪血管以获得精确血管图提供不同几何扇区中血管密度值的方法。上述目的所需的功能是从现有文献中借用的2. 软件描述所 提 出 的 软 件 是 用 Matlab 编 写 的 ， 使 用 GUI 开 发 环 境（GUIDE），源代码可直接提交。要使用此软件，用户可以根据应用程序遵循两个不同的说明：如果您是眼科医生，只想分析图像，则需要两个文件;首先，下载并安装“OCTA_Analyzer_mcr.exe”。通过安装此文件，将安装 所 有 必 需 的 工 具 箱 和 设 置 。 然 后 下 载 并 运 行“OCTA_Analyzer.exe”以启动软件。在此步骤中，您将看到一些用于分析OCTA图像的工具。接下来，您应该选择所需的区域，浏览图像，然后使用函数和工具根据您的应用程序提取特征····S. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005103表1不同特征提取方法的比较。作者提取的特征分割位置可用软件分段特征处理虚假血管阴影[3]第一章动脉-静脉标测图黄斑没有没有没有[4]美国血管图黄斑没有没有是的[五]《中国日报》血管密度深视神经没有没有没有（β-区-PPA）[七]《中国日报》容器深视神经没有是的是的血管密度地图[八]《中国日报》血管密度深视神经没有是的是的[9]第一章容器黄斑没有是的没有血管密度地图表2提出的方法的性能指标。样品精度特异性灵敏度平均88.4398.9110018998.88100295.0299.46100389.5498.9100490.3598.85100583.0598.96100684.7799.2100789.8198.91100888.6998.89100989.5198.981001084.6398.16100如果你想操作代码，你应该下载并安装MATLAB（R2016b）或更新版本。您还需要安装“计算机视觉系统”和“图像处理”工具箱;安装这些工具箱在安装MATLAB时提供给您。然后，您可以根据您的图像调整源代码该软件的目的是设计一个用于分析OCT-A图像的用户界面。 图 2显示了概述软件体系结构的流程图。2.1. 预处理块为了提高图像质量和获得更准确的分割结果，在主处理（分割）之前不可避免地使用预处理块此块由以下段落中描述的几个函数组成。在深层视神经数据中，如图所示。 3，直方图均衡后是一个低通滤波器，截止频率等于0.1倍的图像大小，以消除不需要的信息，从图像，并提供一个平滑的图像（图。3-b）。接下来，为了找到视盘及其半径，实施了下面描述的几个形态学操作和一些逐像素计算（图1）。 3-c）：使用等于强度123的给定阈值创建二进制图像。宽度为10像素的正方形形态侵蚀。填补漏洞。半径为10像素的圆盘形形态扩张。• 填补漏洞。删除所有小于4000像素的连接对象。半径为15像素的圆盘形形态侵蚀。删除所有小于800像素的连接对象。2.2. 分段块OCT-A图像分析中最具挑战性的问题之一是确定VD的定量值正确的值带来更精确，从而更有效的诊断和治疗。在VD的计算中的一个影响问题是在深部视神经数据中存在假血管阴影和在黄斑数据中存在假血管投影（来自其他slob），这相应地改变了VD的实际值。例如，在图4中，由（b）中的标记所示的血管不是真实值，并且来自（c）中的血管的投影效应。为了获得精确的视网膜血管图，有必要对视网膜上的大血管进行定位和为了描述这个过程，应该考虑两种情况：从深层视神经数据和从黄斑数据分割大血管。下面将讨论每种情况的算法在深层视神经数据中，所提出的方法包括子块的自动和手动分割。然而，在黄斑数据中，我们的方法包括深层和超深层毛细血管分割，这在以下段落中详细说明。2.2.1. 深部视神经数据(a) 自动分割自动分割子块努力找到不正确的血管并抑制它们，目的是找到用于计算CVD值的真实血管图。在第一步中，通过对正面OCT-A图像应用自适应阈值算法来计算乳头周围毛细血管的位置。该方法利用每个像素周围的局部一阶图像统计量，通过局部自适应阈值化来找到两类图像（背景和前景）之间的最佳阈值（如图5所示）。然后，执行如下所述的一些形态学和逐像素操作：删除所有小于30像素的连接对象。宽度为3像素的方形形态开口。填补漏洞。删除所有小于400像素的连接对象。············S. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005104图二. 提出的方法的总体结构。图三. 视神经深部阻滞数据预处理，用于视盘定位。(a)：原始图像，（b）：使用直方图均衡和低通滤波器的平滑图像，（c）：视盘的定位，（d）：深层视神经图像的重叠视盘位置图四、OC T-A 图像 中存在来 自 其 他 切 片 的假血管。（a）：深层视神经。（b）：深毛细血管丛，（c）：浅毛细血管丛。半径为3个像素的盘形形态扩张。删除所有小于1000像素的连接对象。半径为3个像素的盘形形态扩张。删除所有小于50像素的连接对象。结果，创建了具有大视网膜血管阴影位置的二进制图像。（作为阴影血管的所有白色位置的并集称为U）。在复杂情况下，自动算法在检测血管时可能失败，促使设计另一个子块，用于手动细化前一个也就是说，设计手动分割来处理自动方法的可能的不足的准确性。(b) 手动校正建议的手动分割的目的是确保治愈一个理想的分割在复杂的情况下，通过正确的自动方法的输出由专家。在我们的手动校正子块中，我们的自动方法无法精确识别的视网膜血管阴影的位置将通过用户交互来确定。该子块使用户能够根据用户需求达到适当的血管阴影分割（图11）。 2）的情况。2.2.2. 黄斑数据在这一部分中，Otsu算法被应用于检测表面毛细血管。该方法利用双模直方图在图像中寻找最佳阈值。因此，从表面毛细血管图像构建二值图像，其包括表面图像中的血管的位置。最后，使用前一步骤的结果，产生类似于深度图像的图像（但排除了浅表血管投影）。····S. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005105=图五、（ a）：原始图像，（b）视盘定位，（c）：使用自适应图像阈值方法的二值化图像，（d）：大血管阴影的定位。2.3. VD的局部计算图六、不 同 设 备 上 的 不同类型的深层视神经数据。（a）：暗盘，（b）：纯盘。该块被设计为提供VD的局部值也就是说，代替计算整个图像的VD，可以在视盘或黄斑周围的扇区中报告值(a) 深层视神经数据后处理模块用于计算局部区域的CVD来自不同设备的深部视神经图像可能在视盘位置上有一个黑圈（图6-a），也可能是纯的（图6-b）。在第二种情况下，算法，在图中描述。3、自动查找磁盘位置。然后在正面图像上围绕视盘覆盖三个同心圆，（如图所示）。7）计算CVD的数值。内圈自动围绕磁盘位置外切，并为每个图像调整其直径。第二个中间圆和最后一个第三个圆同心放置，直径分别比内圈关于宽度为0.5 mm及其上半部分和下半部分用于报告人群中的局部CVD值。在最后一个阶段中，CVD通过将不包含来自大视网膜血管的任何阴影的enface OCT-A图像的一部分上的视乳头周围毛细血管像素的总和除以来计算。当量（1）阐述了计算表面OCT-A区域（E）与阴影血管联合（U）上的互补物相交处的毛细血管百分比（C见图7。深 层 视 神 经 的 同心圆及其扇形区数据。其中，Area是图像中的像素数，Areawhite是二值图像中被白色像素（毛细血管密度）占据的像素数，E是表面OCT-A图像，并且c代表补运算符。为了计算内外同轴环形ROI及其上半部分和下半部分中的CVD，仅在所需几何分区中计算面积(b) 黄斑数据中心凹无血管区（FAZ）是视网膜中央附近的一个椭圆形的中心凹位于FAZ中心，周围无血管，定位不清是计算CVD的关键步骤在这个阶段，中央凹CVD峰面积（C）面积（E-U）白色区域（C）=面积（E Uc）（一个）通过对由前一步骤产生的二值图像执行形态学S. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005106图8.第八条。黄斑 及 其 不 同 部 分 的OCT-A图像样 本 。具有半径为5个像素的盘形结构元件，并且如果位置不精确，则用户可以手动定位。找到中心凹后，进行数值分析。CVD值根据Eq.（1），这里（U）是浅表血管投影的联合，并且基于扇形区域包括如图1所示的上和下。8、也是整个形象。这些扇区的半径可以不同，用户可以在软件中进行选择。这些值 针对三种不同图像计算，包括深层、浅层和没有浅层血管投影的深层图像3. 说明性实例在以下部分中，提供了使用"OCTA-Analyzer“进行分割的示例，图5展示了我们提出的软件及其模块的整体视图。用户可以使用弹出菜单选择处理区域，其中包括深层视神经和黄斑。首先通过“浏览图像”功能导入原始的表面OCT-A图像在视神经深处数据，根据图。 9、浏览图像后用户可以根据输入图像的类型选择其是否有暗视神经盘或没有。接下来，按下在该步骤中，软件尝试在采集的图像中找到血管阴影的位置。如果生成的输出不可接受，用户可以使用手动分割。图图11示出了正面OCT-A图像及其分割的两个版本接下来，使用在此步骤中，使用自适应阈值测量CVD值，但是，用户可以使用滑动条更改阈值。 所提出的方法使用自适应阈值化方法来找到最佳阈值，并且可以基于此来应用计算。然后，将显示通过阈值获得的二值化图像。此外，还有一种状态，通过嵌入式阈值滑动条具有可选的阈值，并且还将显示其对应的二值化图像（如图 所示）。 9）。在黄斑数据中，首先，用户应选择输入图像的大小。然后，根据图10-b，在按下“Dis-play Binary image”按钮后，将显示深毛细血管丛和浅毛细血管丛的二值图像（基于Otsu阈值方法）。接下来，用户可以使用两个滑动条更改分割的血管。该步骤的输出是一幅图像，类似于深层图像，但没有大血管的影响（来自浅表图像）（见图12）。然后，在按下“确定"按钮后如果位置不精确，用户可以更改它。接下来，使用4. 影响OCT-A是一种新的非侵入性方法，用于从视网膜和脉络膜血管中的血流捕获高分辨率图像使用OCT-A图像对血管进行定量分析，可以帮助眼科医生诊断和治疗眼科疾病。从OCT-A数据中检测血管和提取数字特征的方法有很多，但本文的目的是开发和发布一个软件，它包括两种不同的模式来处理视网膜中的两个不同区域。见图9。 OCTA分析仪的总体视图S. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005107见图10。 两个部分的功能面板。见图11。 基于深层视神经数据的Enface OCT-A图像，（a）原始图像，（b）自动分割的大血管检测，（c）大血管校正手动分割。见图12。 黄斑上的Enface OCT-A图像。(a)：深毛细血管丛，（b）：浅表毛细血管丛，（c）：无大血管突起的深毛细血管丛从肤浅的形象。S. 霍亚蒂河Kafieh，P.Fardafshari等人SoftwareX 12（2020）1005108此外，“OCTA-Analyzer”嵌入了新的有效算法来测量VD，而不受大视网膜血管的影响。设计"OCTA-Analyzer“软件的主要目标为眼科医生和研究人员创建一个方便的工具，以提供OCT-A图像的数值分析。出版了一个通用的软件，可供免费使用，用于不同研究结果的比较.使眼科医生能够应用手动血管定位甚至血管选择，以提供个性化信息。在局部区域中计算VD，而不是传统的全局处理。5. 代码的可能修改申报代码与Angio Vue成像兼容-测试系统（Optovue，Inc.，Fremont，CA，USA; RTVue XR，版本2018.0.0.18）。它也可以与其他成像系统的输出图像兼容，但如果图像质量完全不同，则需要更改多个参数。 当我们发布源代码时，用户可以操纵以下参数以实现所需的性能：（a）将被移除的像素数（来自血管相关对象）。在名 为 “auto_segmentation_darkdisk” 和 “auto_segmentation_pure”的函数中名为“I "的参数，以及在名为”b_vessel“的函数中名为”II“的参数。(b)用于形态学运算的结构元素的大小和形状。也适用于上述函数中的参数“I "和”II“。(c)auto_segmentation_pure函数中参数I的阈值。(d)阈值函数imbinariz的灵敏度如果用户无法配置这些更改，作者希望提供定制代码的可能性。“问题支持电子邮件”6. 结论在本文中，我们提出了一个软件的分析和分割血管的OCT-A图像。该即用型程序使用户不仅具有自动分割，而且具有手动版本，通过该手动版本，用户可以操纵自动结果以实现期望的分割并具有更精确的结果。作为未来的工作，我们将改进我们的算法的过程，例如，一些紧凑，这只发生在有限数量的扫描，怀疑是一个伪影，而不是真正的交织血管结构。我们没有从VD计算在目前的研究中，但这个问题有潜力在未来的工作中加以考虑。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢本课题由国家医学研究发展研究所资助（批准号：964582）。附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2020.100510上找到。引用[1]李J，罗森R.糖尿病的光学相干断层扫描血管造影。Curr Diabetes Rep2016;16（12）.[2]Carlo TE，Romano A，Waheed NK，Duker JS.光学相干断层血管成像（OCT-A）综述。Int J Retin Vitamin2015.[3]Alam M，Toslak D，Lim JI，Yao X. OCT特征分析指导OCT-A的动静脉鉴别。Biomed Opt Express2019;10（4）：2055-66。[4]刘Y，Carass A，Filippatou A，He Y. OCT血管造影中视网膜内层投影伪影的抑制。在：IEEE 16日 国际生物医学成像研讨会。2019年。[5]朴HY-L，申DY，全SJ，朴CK.光学相干断层扫描血管造影测量的视盘旁脉络膜 血 管 密 度 与 青 光 眼 患 者 未 来 视 野 进 展 的 相 关 性 。 JAMA OphthalmolOrigInvestig2019;137（6）：681-8。[6]Abramoff MD，Magalhaes PJ，Ram SJ.使用imageJ. Biophotonics Int 2004;11（7）：36 https://imagej.nih。gov/ij/。[7]Mansoori T，Sivaswamy J，Gamalapati JS，Agraharam SG，Balakrishna N.光学相干断层扫描血管造影测量正常人视网膜径向视乳头周围毛细血管密度。Galucoma杂志2017;26（3）：241-6.[8]Geyman LS，Garg RA，Suwan Y，Trivedi V，Krawitz BD，Mo S，PinhasA，Tantraworasin A，Chui TYP，Ritch R，Rosen RB.不同疾病阶段原发性开角型青光眼的毛细血管周围灌注密度：一项光学相干断层扫描血管造影研究。英国眼科杂志2017;101（9）：1261-8。[9]Gadde AGK，Anegondi N，Bhanushali D，Chidambara L，Yadav NK，Khu-rana A，et al.使用局部分形维数定量视网膜光学相干断层扫描血管造影图像中的血管密度。InvestOphthalmol Vis Sci2016;57（1）：246-52。[10]Aghsaei Fard M，Salabati M，Mahmoudzadeh R，Kafieh R，S. Hojati，Moghimi S等人，缺血性视神经病变和开角型青光眼中乳头旁脉络膜微血管的自动评价。Invest Ophthalmol Vis Sci2020;61（3）.····