光相干斷層掃描（OCT）是一種高分辨率、非接觸的活體生物組織結構成像技術，目前已廣泛運用于眼科領域尤其是眼底疾病的檢查。盡管OCT檢查已在我國大部分基層醫院普及，然而在大多數情況下僅將其作為定性診斷工具，缺乏對OCT圖像的深度挖掘和解析。在人工智能快速發展的時代背景下，以規范的信息化管理為基礎，建立較全面的OCT數據庫，進一步對OCT圖像進行原始圖像處理、病變分析、人工智能開發等，有助于提升臨床醫生對玻璃體視網膜疾病的認識水平，同時也能輔助眼科醫師作出更適合的臨床決策。
引用本文： 劉慶淮, 胡仔仲. 關注光相干斷層掃描圖像的拓展分析. 中華眼底病雜志, 2022, 38(11): 873-875. doi: 10.3760/cma.j.cn511434-20221010-00537 復制
經歷時域、頻域及掃頻源的迭代更新，光相干斷層掃描（OCT）設備已在我國大部分基層醫院普及。隨著OCT掃描速度、深度、分辨率和分析軟件的進步，其無創性、快速和可重復性的優勢使得眼科醫師對玻璃體視網膜疾病的診斷、治療、療效評估和預測等方面更趨于精準[1-3]。然而，多數眼科醫生使用OCT時，僅將其視作為定性診斷工具，缺乏對OCT圖像的深度挖掘和解析。在規范的信息化管理基礎上建立較全面的OCT數據庫，進一步對OCT圖像進行原始圖像處理、病變分析、人工智能開發等，有助于提升臨床醫生對玻璃體視網膜疾病的認識水平，也可輔助眼科醫師作出更適合的臨床決策。
1 OCT的圖像特征
自上世紀90年代OCT技術問世以來，其迅速得到眼科醫師的青睞，已成為當下臨床診斷、鑒別診斷和療效評估中不可或缺的一項檢查。OCT在眼底成像領域經歷了最開始的時域OCT，到現在廣泛應用的頻域OCT，以及快速發展的掃頻源OCT，掃描速度明顯提升，達到10萬次/s甚至40萬次/s，軸向分辨率高達2 μm；掃描范圍上，當次掃描可達26 mm；深度也發展到6 mm甚至12 mm，使得橫向上中周部、后極部視網膜的一次成像成為可能，縱向上脈絡膜甚至鞏膜成像得以實現[4]。OCT直觀、活體成像可以協助眼科醫師認識玻璃體視網膜疾病，最近的一些國際研究小組甚至以OCT圖像作為標準對黃斑裂孔、黃斑前膜和高度近視黃斑病變等疾病進行評級[5-7]。OCT的高分辨率可以精準定量、定位視網膜層間結構的異常，如節細胞復合體厚度、視網膜層間積液、視網膜內強反射亮斑、玻璃膜疣和新生血管等，為眼底病變程度及病情轉歸提供重要影像證據。OCT的無創性和可重復性可以輔助眼科醫師在隨訪中為患者解析病情，評估預后。因此，臨床上越來越多的眼底病醫生通過OCT來協助疾病診斷、評估病情變化及治療效果。
2 OCT圖像拓展分析的重要意義
目前，OCT已逐漸在我國基層醫院投入使用。在臨床診療中，常見醫生和患者之間面對一張OCT斷層圖片討論病情，這是傳統的診療模式（結合患者主訴和眼底多模式影像檢查）。但基于單張OCT圖像的診療模式可能會遺漏一些重要信息，也不能體現OCT的研究價值。首先，OCT報告提供的是“斷層”信息，如果只關注一個平面可能會導致漏診。其次，單張OCT圖像缺少“面”和“體積”內的病變評估，這需要針對多張連續OCT掃描（如Cube模式）進行原始數據的再分析。此外，OCT圖像上有諸多重要的病理信息需要提取，經過二次加工，可以分析其在疾病中的角色，如視網膜強反射亮斑、橢圓體帶斷裂、視盤周圍強反射卵圓形腫塊樣結構等。最后，基于OCT圖像的人工智能分析也屬于OCT圖像拓展分析的范疇，可以輔助疾病診斷、治療指導及治療效果的預判。
3 OCT圖像拓展分析的方向
3.1 針對OCT原始圖像的處理
為了方便臨床醫生能夠更清晰更全面地觀察OCT眼底圖像中的組織和病變，可以通過人工智能技術提升圖像的清晰度和對比度，還可以將不同模態的有效信息融合顯示和相互生成。主要的研究領域包括圖像去噪、增強、融合顯示和超分辨率生成[8-11]。去噪是指去除OCT眼底圖像中噪聲的同時保持有效的細節，這對疾病診斷具有重要的意義[8]。增強旨在提升OCT圖像的對比度和清晰度，以能夠更直觀清楚地觀察眼底組織結構和病變，如一種基于強弱反射率增強的OCT視網膜血管投影顯示方法[9]。融合顯示是指一幅圖像中同時顯示多個病變或融合多種模態圖像信息，從而方便臨床醫生結合多模式影像，更全面地進行分析和診斷，如一種基于OCT圖像的偽彩色融合策略，用于在眼底投影圖像中同時顯示玻璃膜疣和地圖樣萎縮（GA）[10]。
3.2 基于OCT圖像的病變分析
臨床上對OCT圖像的分析首先需要判斷是否正常，其次找到病變所在的位置，甚至需要進一步準確得到病變區域。該流程可以通過人工智能技術中的圖像分類、目標檢測和分割技術實現。將病變篩查看作圖像分類問題，正常和異常或不同病變圖像可以作為不同類別加以區分，如Kermany等[12]采用深度學習和遷移學習技術給出了一種用于老年性黃斑變性（AMD）和糖尿病視網膜病變（DR）的四分類模型，并通過構建的大型公共數據集進行了驗證。目標檢測的目的是為了找到并定位感興趣的組織或病變，從而輔助成像或臨床分析，如一種基于OCT和OCT血管成像（OCTA）圖像的快速黃斑中心凹檢測框架，該框架首先通過輕量級的深度網絡分割得到中心凹無血管區（FAZ），然后將FAZ中心作為中心凹[13]。眼底圖像分割可以分為眼底組織分割和病變區域分割，其中視網膜層分割在OCT眼底圖像分析中起著重要作用，如開發的一系列自動分割算法可以實現OCT圖像上的強反射亮斑、GA、脈絡膜自動分割，從而為眼底病變的標記物提供定量分析方法[14-16]。
3.3 基于OCT眼底圖像的病變理解和輔助決策
這包括通過數據庫中的眼底圖像處理和分析，對眼底病變的發展趨勢和嚴重等級做出判斷。如有學者利用OCT和眼底彩色照相多模式圖像研究了強反射亮斑和硬性滲出的相關性，其發現強反射亮斑的面積和數量與DR的嚴重程度具有相關性[17]。通過尋找并確定病變早期的生物標志物，實現眼底病變早發現和早治療；通過眼底病變以往的時間序列數據可以挖掘并發現病變的演化規律；通過病變預測為制定有效合理的臨床診療方案提供依據。如Bogunovic等[18]基于首次就診的AMD患者OCT影像來預測抗血管內皮生長因子治療效果。
4 OCT圖像拓展分析的愿景
OCT技術正趨于更深、更廣、更高清、數字化和智能化的方向發展。現階段，OCTA及超廣角技術也已逐漸推廣應用，也將為OCT眼底圖像的拓展分析提供更清晰、更全面的數據。眼科臨床醫師應當規范OCT數據的采集，有意識地搭建信息化管理平臺，在拓展分析的過程中需要注意OCT數據的樣本量、圖像多樣性和多模態化，兼顧不同設備的差異性，以及拓展分析的臨床實用性，從而為臨床工作提供多角度的病變解讀，也更新眼科醫師對視網膜疾病的診療和管理模式。
經歷時域、頻域及掃頻源的迭代更新，光相干斷層掃描（OCT）設備已在我國大部分基層醫院普及。隨著OCT掃描速度、深度、分辨率和分析軟件的進步，其無創性、快速和可重復性的優勢使得眼科醫師對玻璃體視網膜疾病的診斷、治療、療效評估和預測等方面更趨于精準[1-3]。然而，多數眼科醫生使用OCT時，僅將其視作為定性診斷工具，缺乏對OCT圖像的深度挖掘和解析。在規范的信息化管理基礎上建立較全面的OCT數據庫，進一步對OCT圖像進行原始圖像處理、病變分析、人工智能開發等，有助于提升臨床醫生對玻璃體視網膜疾病的認識水平，也可輔助眼科醫師作出更適合的臨床決策。
1 OCT的圖像特征
自上世紀90年代OCT技術問世以來，其迅速得到眼科醫師的青睞，已成為當下臨床診斷、鑒別診斷和療效評估中不可或缺的一項檢查。OCT在眼底成像領域經歷了最開始的時域OCT，到現在廣泛應用的頻域OCT，以及快速發展的掃頻源OCT，掃描速度明顯提升，達到10萬次/s甚至40萬次/s，軸向分辨率高達2 μm；掃描范圍上，當次掃描可達26 mm；深度也發展到6 mm甚至12 mm，使得橫向上中周部、后極部視網膜的一次成像成為可能，縱向上脈絡膜甚至鞏膜成像得以實現[4]。OCT直觀、活體成像可以協助眼科醫師認識玻璃體視網膜疾病，最近的一些國際研究小組甚至以OCT圖像作為標準對黃斑裂孔、黃斑前膜和高度近視黃斑病變等疾病進行評級[5-7]。OCT的高分辨率可以精準定量、定位視網膜層間結構的異常，如節細胞復合體厚度、視網膜層間積液、視網膜內強反射亮斑、玻璃膜疣和新生血管等，為眼底病變程度及病情轉歸提供重要影像證據。OCT的無創性和可重復性可以輔助眼科醫師在隨訪中為患者解析病情，評估預后。因此，臨床上越來越多的眼底病醫生通過OCT來協助疾病診斷、評估病情變化及治療效果。
2 OCT圖像拓展分析的重要意義
目前，OCT已逐漸在我國基層醫院投入使用。在臨床診療中，常見醫生和患者之間面對一張OCT斷層圖片討論病情，這是傳統的診療模式（結合患者主訴和眼底多模式影像檢查）。但基于單張OCT圖像的診療模式可能會遺漏一些重要信息，也不能體現OCT的研究價值。首先，OCT報告提供的是“斷層”信息，如果只關注一個平面可能會導致漏診。其次，單張OCT圖像缺少“面”和“體積”內的病變評估，這需要針對多張連續OCT掃描（如Cube模式）進行原始數據的再分析。此外，OCT圖像上有諸多重要的病理信息需要提取，經過二次加工，可以分析其在疾病中的角色，如視網膜強反射亮斑、橢圓體帶斷裂、視盤周圍強反射卵圓形腫塊樣結構等。最后，基于OCT圖像的人工智能分析也屬于OCT圖像拓展分析的范疇，可以輔助疾病診斷、治療指導及治療效果的預判。
3 OCT圖像拓展分析的方向
3.1 針對OCT原始圖像的處理
為了方便臨床醫生能夠更清晰更全面地觀察OCT眼底圖像中的組織和病變，可以通過人工智能技術提升圖像的清晰度和對比度，還可以將不同模態的有效信息融合顯示和相互生成。主要的研究領域包括圖像去噪、增強、融合顯示和超分辨率生成[8-11]。去噪是指去除OCT眼底圖像中噪聲的同時保持有效的細節，這對疾病診斷具有重要的意義[8]。增強旨在提升OCT圖像的對比度和清晰度，以能夠更直觀清楚地觀察眼底組織結構和病變，如一種基于強弱反射率增強的OCT視網膜血管投影顯示方法[9]。融合顯示是指一幅圖像中同時顯示多個病變或融合多種模態圖像信息，從而方便臨床醫生結合多模式影像，更全面地進行分析和診斷，如一種基于OCT圖像的偽彩色融合策略，用于在眼底投影圖像中同時顯示玻璃膜疣和地圖樣萎縮（GA）[10]。
3.2 基于OCT圖像的病變分析
臨床上對OCT圖像的分析首先需要判斷是否正常，其次找到病變所在的位置，甚至需要進一步準確得到病變區域。該流程可以通過人工智能技術中的圖像分類、目標檢測和分割技術實現。將病變篩查看作圖像分類問題，正常和異常或不同病變圖像可以作為不同類別加以區分，如Kermany等[12]采用深度學習和遷移學習技術給出了一種用于老年性黃斑變性（AMD）和糖尿病視網膜病變（DR）的四分類模型，并通過構建的大型公共數據集進行了驗證。目標檢測的目的是為了找到并定位感興趣的組織或病變，從而輔助成像或臨床分析，如一種基于OCT和OCT血管成像（OCTA）圖像的快速黃斑中心凹檢測框架，該框架首先通過輕量級的深度網絡分割得到中心凹無血管區（FAZ），然后將FAZ中心作為中心凹[13]。眼底圖像分割可以分為眼底組織分割和病變區域分割，其中視網膜層分割在OCT眼底圖像分析中起著重要作用，如開發的一系列自動分割算法可以實現OCT圖像上的強反射亮斑、GA、脈絡膜自動分割，從而為眼底病變的標記物提供定量分析方法[14-16]。
3.3 基于OCT眼底圖像的病變理解和輔助決策
這包括通過數據庫中的眼底圖像處理和分析，對眼底病變的發展趨勢和嚴重等級做出判斷。如有學者利用OCT和眼底彩色照相多模式圖像研究了強反射亮斑和硬性滲出的相關性，其發現強反射亮斑的面積和數量與DR的嚴重程度具有相關性[17]。通過尋找并確定病變早期的生物標志物，實現眼底病變早發現和早治療；通過眼底病變以往的時間序列數據可以挖掘并發現病變的演化規律；通過病變預測為制定有效合理的臨床診療方案提供依據。如Bogunovic等[18]基于首次就診的AMD患者OCT影像來預測抗血管內皮生長因子治療效果。
4 OCT圖像拓展分析的愿景
OCT技術正趨于更深、更廣、更高清、數字化和智能化的方向發展。現階段，OCTA及超廣角技術也已逐漸推廣應用，也將為OCT眼底圖像的拓展分析提供更清晰、更全面的數據。眼科臨床醫師應當規范OCT數據的采集，有意識地搭建信息化管理平臺，在拓展分析的過程中需要注意OCT數據的樣本量、圖像多樣性和多模態化，兼顧不同設備的差異性，以及拓展分析的臨床實用性，從而為臨床工作提供多角度的病變解讀，也更新眼科醫師對視網膜疾病的診療和管理模式。