眼部图像分析自动Matlab软件包：AMPAO软件V1.1

软件X 10（2019）100339原始软件出版物用于眼部图像分析的自动多面Matlab软件包Rahele Kafieha，Zahra Aminia，Rahel，Hossein Rabbania，Bahareh Kaviani Baghbaderanib，Bahareh Salafianc，Fatemeh Mazaheric，Marzieh Mokhtarida伊斯法罕医科大学医学先进技术学院，医学图像和信号处理研究中心，伊斯法罕，伊朗b伊朗德黑兰德黑兰大学电气工程系c伊朗伊斯法罕伊斯法罕理工大学电子与计算机工程系d伊斯法罕医科大学医学先进技术学院学生研究中心，伊朗ar t i cl e i nf o文章历史记录：接收19可以2019收到修订版2019年9月29日接受2019年保留字：眼部图像光学相干断层扫描（OCT）图像处理a b st ra ct眼部成像可以在最流行和最流行的技术中找到，这些技术提供了有关影响视觉系统的疾病的这些信息可以从诊断开始，通过治疗，并延伸到随访的应用中。光学相干断层扫描（OCT）和表面眼部成像（如眼底和扫描激光检眼镜（SLO））是最受认可的方式，因为它们是非侵入性的，信息量大，相对便宜。已经有一些用于眼部图像分析的成熟软件;然而，在实际应用中，数据分析应该收集在一个平台上，在软件组件中流动。本文介绍的软件的主要目标是接受不同的数据格式，并将数据输送到不同的视觉分析技术。此外，AMPAO允许单独使用每个算法此外，该软件是灵活的，可以采用其他分析算法嵌入在不同的部分。©2019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。代码元数据描述当前代码版本v1.1永久链接到代码/存储库使用的此代码版本https://github.com/ElsevierSoftwareX/SOFTX_2019_182法律代码许可证Apache许可证，2.0使用的代码版本控制系统无使用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Zahraamini64@gmail.com1. 动机和意义所提出的软件旨在收集不同的图像处理技术，以分析光学相干断层扫描（OCT）的数据在一个平台上，易于界面。OCT是一种非侵入性*通讯作者。电子邮件地址：zahraamini64@yahoo.com.au（Z. Amini）。https://doi.org/10.1016/j.softx.2019.100339该方法提供解剖区域如视网膜的横截面图片。它使用低相干干涉测量的原理，图像重建的基本原理类似于超声成像（脉冲和回波），产生反射率剖面（称为A扫描（图1））。1-c））与来自内部层的位置的深度信息[1]。然后通过横向整合A扫描和轴向叠加B扫描（显示三维表示）获得横截面图像（称为B扫描（图1-c））[2]。OCT能够提供诊断眼部异常的信息，包括青光眼，糖尿病视网膜病变，2352-7110/©2019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/softx2R. Kafieh，Z.阿米尼，H。Rabbani等人粤ICP备10033339号-1Fig. 1. 眼系统的原子特征。(a)眼底图像、中心凹和视神经乳头（ONH）的位置以及获得性黄斑和ONHOCT。（b）SLO图像和同心圆。(c)OCT和厚度图的三维表示。（d）黄斑OCT上不同层和边界的位置和黄斑变性[3]。此外，该技术的新应用越来越多;例如，多发性硬化症（MS）和视神经肌萎缩症（NMO）等神经退行性疾病已被证明在眼睛中表现出早期症状，因此能够使用OCT进行定量识别[4]。如图所示。1-D，视网膜由不同的层组成，以不同的强度和纹理呈现。层的位置和厚度在所述实验中是信息性的，然而，对它们的手动分析是耗时的并且容易产生主观错误[5]。许多自动分割方法被引入来克服这些问题[2，6 这种分割工具提供专有的、高效的和流行的算法;然而，它们受到主要限制：数据格式通常仅限于一种类型;它们不研究表面数据格式（眼底或扫描激光检眼镜（SLO）（图1-a，b））;并且它们不通过预处理和后处理阶段（如去噪和定量厚度分析）分析输入数据（图1-a，b）。 1-c）。所提出的软件包括许多不同的块，这些块可以以串行或单独模式合并转换模块实现了不同OCT数据格式之间的转换，使数据与多种算法兼容。预处理模块包含不同的方法，如去噪或对齐。然而，在AMPAO的当前版本中，我们使用内部开发的算法;然而，用任何所需的算法替换这些算法非常容易分割模块容纳了许多可行的OCT分割工具，以处理视网膜的复杂结构。我们还提供了一个定位块，以确定在enface图像中的重要解剖标志的确切位置。在后处理模块中，来自特定几何形状（如中央凹和ONH（图1））的视网膜层厚度的数字和图像数据。1-a））将被提取。为此，分割和定位块的输出被组合并呈现。这项工作的动机是提供一个易于使用的和开源的工具，能够分析眼图像，通过在每个处理块中的并行化，ING各种算法。AMPAO包含算法，使用户能够转换不同的数据格式 一个独特的格式适合所有算法在AMPAO（图。2、转换块）。此外，如图2所示，定位块，软件可以分析表面数据（如图2中的SLO）。 1-b）。的工具也可用于流水线不同的算法，作为一个综合平台，用于分析眼部图像（图 2）的情况。最后，AMPAO提供了通过后处理块中的数值信息来比较来自两只眼睛（右眼和左眼，或随访）的信息的机会。2. 软件描述AMPAO是一个包容性的工具，可以分析眼部图像。它是用Matlab编写的[13]，代码可以在Mendeley Data上找到。该架构如图所示。2提供了一个图形概述这项工作。在接下来的小节中详细介绍了要以串行或单独模式合并的不同块（转换、预处理、分割、本地化和后处理）。最后一小节（2.6.）专门用于描述软件中重要的回调（实现者调用客户端提供的函数）和为每个子块2.1. 的转换部常见的视觉成像设备产生各种输出数据格式，如xml。数据和卷格式是最典型的格式。我们设计了一个可行的工具来将这些格式转换为.mat（MATLAB可读）。最后，这个块的输出数据格式是“.mat”。AMPAO设计为在所有接下来的块中使用2.2. 预处理块许多OCT图像分析方法包括在任何主处理（分割和定位块）之前的预处理步骤。 AMPAO由两个预处理子块（对齐和去噪）组成，在下面的段落中详细说明。在对齐子块中实现用于曲率校正的基于图形的几何检测，以计算OCT图像中超反射复合体（HRC）中的固有几何结构，并通过垂直推动A扫描来校正不需要的曲率[14]。有两个理由来证明这种对齐的必要性：帮助最终的3D分割和允许更好的可视化。所利用的几何检测方法仅将OCT图像中的像素的子组分配给图节点，以克服与所构造的图的大尺寸相关联的问题。此外，最短路径算法被一个类似于动态规划算法的图搜索方法所取代。对齐算法在正常和受损图像（来自具有视网膜病变（如玻璃疣或流体填充区域）的患者）中提供强响应。在去噪子块中，已经实现了最先进的方法[15]，与其他最近的方法[16]相比，该方法提供了更好的纹理和边缘保留。实施的空间域去噪方法[15]基于为OCT B扫描找到适当的概率密度函数（PDF），并将pdf映射到高斯分布，以适应空间约束高斯混合模型（SC-GMM）方法[17]。该适应确保每个集群图像中相似块的数量具有高斯分布。这种空间域去噪方法（作为高斯化变换（GT）和空间约束高斯混合模型（SC-GMM）的组合）是对SC-GMM的早期版本的显著升级，其与该领域中的最先进的作品相比产生更好的视觉和数值结果[15]。实际上，预处理块的主要优点是为下一个分割和定位块丰富OCT图像。R. Kafieh，Z.阿米尼，H。Rabbani等人粤ICP备10033339号-13图二. AMPAO的框图表1比较了几种可用的OCT层分割算法。软件名输入检测到的层数分割位置Iowa参考Heidelberg Spectralis（文件类型：6视网膜层/7边界（ILM，黄斑八点探测器.vol），Topcon 1000和2000，NFL/GCL，IPL/INL，INL/OPL，OPL/ONL，[2、6、7]Zeiss Cirrus和BioptigenIS/OS、RPE）卡萨雷尔[8]Heidelberg Spectralis（文件类型：6视网膜层/7边界（ILM，黄斑.vol）NFL/GCL，IPL/INL，INL/OPL，OPL/ONL，IS/OS、RPE）八层分割Heidelberg Spectralis（文件类型：8视网膜层黄斑[9、10].vol）、Zeiss Cirrus（文件类型：.img）[11]第十一话Heidelberg Spectralis（文件类型：6个突出的视网膜层（包括黄斑和ONH.vol）内界膜、外界膜图像文件（.tif、.pgm、.jpg）神经纤维层边界，和视网膜色素上皮Seg-script [9]Heidelberg Spectralis（文件类型：8个视网膜层/9个边界（ILM，黄斑.vol）、CirrusNFL/GCL，IPL/INL，INL/OPL，OPL/ONL，ONL/IS、IS/OS、RPE）ONH OCT分析[12]Heidelberg Spectralis（文件类型：RNFL、RPEONH.mat）表2重要回调函数及相应函数的描述。块子块相关回调AMPAO中实现的函数加载数据Load_Data_Callback重命名AMPAO的转换部预处理块转换转换_回调转换显示数据Display_Data_Callback显示AMPAOB扫描对准对准_回调弯曲校正AMPAO降噪降噪_回调降噪AMPAO显示Display_PreProcess_Callback显示PreProcessAMPAO分段块黄斑OCT方法一方法二分段方法1_回调分段方法2_回调分段方法1AMPAO分段方法2AMPAOONH OCTONH分割ONHSeg_回调ONHSegampao定位块Fovea和ONH定位ONHLoc_回调嵌入ONHLoc_Callback后处理块厚度贴图thicknessMap_回调厚度映射AMPAO显示ETDRS显示ETDRS_回调显示厚度图AMPAO2.3. 分段块OCT图像分析中最具挑战性的问题之一是找到视网膜间边界的确切位置（图1- d）。正确的分割导致更准确的诊断，并因此导致相关眼部疾病的更精确的治疗。许多自动层分割方法已经设计[2，6该表提供了有关数据格式和设备、待检测的视网膜层数以及OCT采集的解剖区域（ONH或黄斑）的信息AMPAO使用户能够选择适当的层分割算法来满足用户特定的需求。4R. Kafieh，Z.阿米尼，H。Rabbani等人粤ICP备10033339号-1图三. 对AMPAO的总体看法。OCT数据可以记录在眼睛的两个可能的部位：中央凹周围（称为黄斑OCT）和视神经乳头周围（称为ONH OCT）（图2）。1-a））。该模块包含黄斑OCT的两种分割方法[8，9]和ONH OCT的一种分割方法[12]。后者还定位了OCT投影图像上的椎间盘和髋臼杯的位置。2.4. 定位块在眼部数据分析中，OCT扫描图像与表面图像（SLO或眼底）的配准是非常重要的。这种配准需要在表面图像中定位主要解剖区域，并提供机会，如中央凹周围厚度值的定量分析以及中缝线（中央凹和ONH之间的连接线）的计算通过计算中缝线方向，一个重要的参数将提供可能的数据旋转。这样的旋转数据通过双眼（或随访）中的相同解剖信息进行更可靠的分析。定位块被设计为确定SLO图像中这些解剖区域的位置。该块包括ONH见图4。（a）AMPAO中的预处理块，（b）B扫描对齐输出的显示面板，（c）B扫描去噪输出的显示面板和中心凹定位，我们提出了一种形态滤波，产生自动定位。2.5. 后处理块上述模块被认为是眼科图像自动分析的基本处理阶段。然而，为了理解计算值，需要更多的图形和数字表示。例如，特定层（或两层或多层的组合）的厚度图以及不同位置的厚度数值是增强诊断和治疗过程的附加信息[19，20]。为此，可以进行定性和定量的厚度分析。嵌入“厚度图”子块中的定性厚度分析另一方面，需要嵌入“显示ETDRS”中的定量厚度信息用于不同情况下的比较，如受试者间和受试者内（双眼之间或随访）。 用于计算“显示ETDRS”中数值的几何分区2.6. 回调和函数表2. 专用于描述软件中每个子块实现的重要回调3. 说明性实例AMPAO是一种提供眼部图像分析的包容性工具。为了说明能力，整体视图（图。3）工具和不同的块（转换、预处理、分割、定位和后处理）和显示面板在接下来的示例中演示。每个模块都提供了针对不同数据和性能标准定制工具的选项在转换块中，OCT数据（格式范围为.vol、.mat和.xml）被加载并转换为.mat，R. Kafieh，Z.阿米尼，H。Rabbani等人粤ICP备10033339号-15图五. （a）AMPAO中的分割块;（b）黄斑OCT子块（方法I）、（c）黄斑OCT子块（方法II）、（d）ONH分割的样本输出OCT子块。可选地。可以选择保存每一步的输出（以“. mat”格式）。所获取图像的预处理可以指图像的对齐和去噪等算法（图1）。4）.两种算法都通过问题对话框获取要处理的B扫描值（或范围）。如果需要，每个子块的输出可以保存为.mat格式。图4展示了来自对准和去噪子块的示例输出。分割模块由两个子模块组成，用于分析黄斑和ONH OCT图像（图1）。5，a）。在黄斑OCT子块中，嵌入了两种分割方法;第一种方法依赖于用户选择的感兴趣区域，需要至少3次连续的B扫描来执行6个视网膜层的分割和厚度图计算（可选）（图1）。5，b）。用户可以保存分割的边界和厚度信息第二种方法仅适用于.vol格式，但只需一次B扫描即可分割vol。类似地，9个视网膜边界可以被保存用于下一阶段（图1）。 5-c）。在ONH OCT子块中，RNFL和RPE层可以在穿过视神经的B扫描上确定。此外，还可以在OCT投影图像上找到髋臼杯和椎间盘的位置（图1）。 5-d）。在定位块（图6-a）中，所得到的图像包含ONH的位置、具有包含中央凹的高可能性的SLO的扇区以及中央凹的精确位置。还可以保存局部点的坐标以供进一步分析。后处理块（图6-b）负责视网膜层的定性和定量厚度分析。为了计算厚度值，必须确定边界的位置该软件可以从两个可能的来源获取这些信息：AMPAO中分割块的输出和成像设备分割的边界此外，出于一致性的目的，基于扇区的信息在左眼中翻转，并且4. 影响眼部图像分析算法的流水线对于处理预处理和后处理阶段（如去噪、分割和定量厚度分析）是必要的。那里没有其他软件可以在简单的界面中包含这样的管道。这种缺失促使我们创建并发布AMPAO软件，以整合和改进可用的孤立方法。此外，AMPAO嵌入了新的高效算法，以应对没有开放的，即用的和广泛可用的程序的眼部图像分析任务。本文介绍了一个软件，它使用户能够采用一条不同的目视分析方法的管道，并调整适当的AMPAO中使用的数据可能在几个方面有所不同：格式，大小，分辨率和数量。此外，该工具可以用作用于比较来自两只眼睛（右眼和左眼，或随访）的信息的平台。设计AMPAO软件的主要目标是：为视觉图像处理的初级研究人员创建一个简单易用的工具。将现有的子块与新设计的部分组合在一起，以简化处理过程。提供机会来实现自己的子块：去噪，对齐，分割。. . 在AMPAO。（表2提供了关于现行代码的详细信息，这些代码可以很容易地被其他代码取代。建立一个流行的软件来比较不同的眼部图像分析方法。建立一个直观的平台，为眼科医生提供原始眼部图像的图形和数字分析。开辟一个主要领域，以评估拟议软件的性能，以便在未来实现可行的商业化。5. 结论本文介绍的AMPAO软件是一个用于分析人眼图像数据的程序。它具有内置的代码，使用户不仅可以单独应用不同的图像分析方法，而且还可以链接方法以达到最佳预期结果。在当前接口的不同 模块中添 加任何算 法都是非 常灵活的。 该软 件通过Mendeley Data免费分发。预计AMPAO将成为编码有限的研究人员的有用平台。在今后的工作中，我们将添加更多改进的应用程序······6R. Kafieh，Z.阿米尼，H。Rabbani等人粤ICP备10033339号-1−见图6。（a）AMPAO中的定位块和SLO图像上的样本输出（b）AMPAO中的后处理块和样本SLO以及叠加的B扫描和相应的ETDRS网格。与当前版本相比，新的方法包括手动校正、先进的分割和预处理方法，以及OCT血管造影数据等新模式的分析。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引用[1]张文辉，张文辉.光学同调断层摄影术原理与应用。Rep Progr Phys2003;66：239.[2]放大图片作者：Abràmoff MD，Garvin MK，Sonka M.视网膜成像和图像分析。IEEE Rev Biomed Eng2010;3：169-208。[3]Hajizadeh F，Kafieh R.光学相干层析成像介绍。在：眼光学相干断层扫描图谱。编辑：Springer; 2018，p.1-25[4]Oertel FC，Zimmermann H，Paul F，Brandt AU.光学相干断层扫描在视神经肌 病谱系 障碍中 的应用 ：个体 化监测 进展和 治疗的 潜在优 势。EPMAJ2018;9：21-33。[5]Tian J ， Varga B ， Tatrai E ， Fanni P ， Somfai GM ， Smiddy WE ，Pennsylvania DC. 光学相干断层扫描体数据自动分割软件的性能评价。JBiophotonics2016;9：478-89.[6]Sonka M，Abràmoff MD.视网膜OCT的定量分析。Med ImageAnal2016;33：165-9。[7]Lee K ， Buitendijk GH ， Bogunovic H ， Springelkamp H ， Hofman A ，Wahle A，Sonka M，Vingerling JR，Klaver CC，Abramoff MD.用于黄斑SD-OCT图像层分割的自动分割指数。《视觉科学与技 术 》 2016;5：14。[8]Teng P. Caserel是一个开源软件，用于光学相干断层扫描图像中视网膜层的计算机辅助分割。第10章. DOI。[9]Lang A，Carass A，Hauser M，Sotirchos ES，Calabresi PA，Ying HS，PrinceJL. 使用边界分类法对黄斑OCT图像进行视网膜层分割。Biomed Opt Express2013;4：1133[10][10] Bhargava P，Lang A，Al-Louzi O，Carass A，Saidha S，Prince J，Calabresi P. 利用一种新的开源光学相干断层扫描自动分割算法对多发性硬化症视网膜神经元层进行跨平台比较（p2. 256）。82.第八十一章：P2256。[11]兰格洛娃OCTSEG。ed：GitHub repository; 2018.[12]Mokhtari M，Rabbani H，Mehri-Dehnavi A，Kafieh R.视神经乳头光学相干断层扫描中视网膜色素上皮断点的精确定位pp. 1505-8[13]MathWorks ， MATLAB 版 本 R2016b ， 编 辑 ： Mathworks Mathworks ，Natick，2016年。[14][10]杨文，王文，王文. 使用基于图形的几何检测对视网膜OCT进行曲率校正。物理医学生物学2013;58：2925。[15]Amini Z，Rabbani H.基于高斯化变换的光学相干断层成像图像去噪。22.第22章086011。[16]放大图片作者：Kafieh R，Rabbani H，Selesnick I.三维数据驱动的光学相干断层扫描多尺度原子表示。IEEE Trans MedImaging2015;34：1042-62.[17]Niknejad M，Rabbani H，Babaie-Zadeh M.基于空间约束块聚类的高斯混合模型图像恢复。IEEE TransImage Process2015;24：3624-36.[18][10]杨文，王文，王文.基于粗粒度扩散图的3D光学相干断层扫描视网膜层内分割医学影像分析2013;17：907-28。[19]Mujat M，Chan RC，Cense B，Park BH，Joo C，Akkin T，Chen TC，DeBoer JF. 从光学相干断层扫描图像确定的视网膜神经纤维层厚度图。OptExpress2005;13：9480-91.[20][10]李文，李文，李文，李文，李文.光学相干断层扫描对正常眼和青光眼黄斑体积的分析。美国眼科杂志2003;135：838-43。[21]ETDRSR小组，糖尿病视网膜病变的早期光凝：ETDRS报告编号9，眼科学，98（1991）pp。766-85