改进OCTA图像重建与临床指标自动量化方法
摘要
研究提出一种基于平滑Walsh窗函数的OCTA图像重建新方法，结合视网膜分层分割提升血流B扫描信号，并采用局部分形维数分析自动计算FAZ参数和血管密度。该方法在健康志愿者数据上验证，相比传统OMAG和SSADA算法，显著改善血管连通性和对比度，FAZ形态与血管密度量化结果与人工标注高度一致。
信息来源： PubMed Ophthalmology 发布于 2026年5月1日
要点速览
- 提出基于平滑Walsh窗函数的OCTA重建方法，旨在减少频谱泄漏并保持轴向分辨率
- 结合深度学习视网膜分层分割与Otsu阈值法增强血流B扫描信号
- 建立基于局部分形维数的全自动分析流程，用于量化FAZ参数和血管密度
本站解读
这项研究的核心突破在于把OCTA图像‘看得更清’和‘量得更准’两步打通：用平滑Walsh窗抑制频谱泄漏，再借深度学习分层+Otsu阈值增强血流信号，最后靠局部分形维数全自动提取FAZ面积、周长、圆度及分区血管密度——这些指标对糖尿病视网膜病变、青光眼等疾病的早期识别和随访至关重要。研究仅在健康志愿者中验证，样本量未披露，属方法学验证阶段，尚无患者队列数据支撑临床效用；且全文未提设备适配性或真实诊疗流程中的耗时、稳定性等实操瓶颈。因此，短期内不会直接改变医生日常操作，更像为后续多中心疾病队列研究铺路。论文中明确提到‘对比传统OMAG和SSADA算法’，说明其改进是渐进式而非颠覆性，落地需嵌入现有OCT设备软件系统，厂商集成周期不可忽视。国内情况有待确认。
普通人无需因此调整用眼习惯或检查频率；OCTA本身仍是医生决策辅助工具，不改变筛查逻辑。如有疑虑可咨询眼科医生。
常见问题
这个新技术能让我的OCT检查报告更准吗？
目前还不能直接体现在你的检查报告上。该方法仍处于实验室验证阶段，仅在健康志愿者数据中测试，尚未用于真实患者诊断。它需要被集成到OCT设备厂商的软件系统中，才能影响临床报告生成方式。如有疑虑可咨询眼科医生。
FAZ和血管密度这些指标到底有什么用？
FAZ（黄斑无血管区）大小、形状变化以及视网膜各层血管密度下降，是糖尿病视网膜病变、青光眼等疾病的早期影像标志。该研究提供的自动量化方法，目标是让这些指标测量更稳定、可重复，减少人工勾画误差，从而支持更精准的疾病监测。
延伸阅读
超广角OCTA联合临床指标识别2型糖尿病早期视网膜病变
该研究纳入1676名2型糖尿病患者，其中1047人用于训练、453人用于内部测试、176人来自社区的外部验证集。研究结合超广角光学相干断层扫描血管成像（UW-OCTA）图像与临床指标（如病程、糖化血红蛋白、低密度脂蛋白胆固醇和收缩压），构建多模态深度学习模型。结果显示，多模态模型在内部和外部验证集中AUC分别为0.921和0.849，优于仅用图像或仅用临床数据的模型，提示其有助于无创识别早期糖尿病视网膜病变。
基于解剖分区的OCTA图像质量自动评估框架
研究团队提出一种新型OCTA图像质量评估方法，结合多区域分割（大血管、毛细血管网、FAZ）与统计校准的半监督学习。该框架使用Segment Anything模型进行解剖分区，提取边缘锐度、信噪比等可解释指标，引入0.9调制因子提升标注有限下的稳定性。在OCTA-500和独立临床数据集上，区域分割平均Dice系数达81.21%，分级准确率90.0%，Cohen kappa为0.864。
OCT与OCTA在AMD研究中的进展：深度分析
该研究通过文献计量分析，探讨了2015年至2024年间光学相干断层扫描（OCT）和光学相干断层扫描血管成像（OCTA）在年龄相关性黄斑变性（AMD）领域的研究热点、新兴趋势和技术创新。研究发现，美国和中国是该领域的主要贡献者，其中美国在出版物数量和H指数上领先。加州大学系统在机构中表现最为突出。研究还表明，OCT和OCTA技术的结合，特别是与人工智能的整合，能够实现更早的病变检测、更精细的表型分类以及数据驱动的个性化管理。这些进步将显著提高AMD的诊断准确性和治疗决策。