بررسی روش های قطعه بندی لایه های قرنیه در تصاویر توموگرافی انسجام نوری (OCT) و تعیین ضخامت لایه ها

اندازه­ گیری و ارزیابی ضخامت لایه ­های مختلف قرنیه برای تشخیص و درمان بیماری­ های قرنیه بسیار مهم و ضروری است. توموگرافی انسجام نوری­ (OCT) می­تواند بصورت غیرتهاجمی و غیرتماسی از قرنیه چشم تصاویر مقطعی در مقیاس میکرون تولید کند. از آنجایی که ناحیه ­بندی دستی این تصاویر برای تعیین لایه­ های قرنیه، وقت­گیر است، قطعه­بندی خودکار و حتی نیمه­ خودکار تصاویر، مطلوب پزشکان است. در این مقاله به بررسی روش­ های مهم قطعه­ بندی لایه­ های مختلف قرنیه در تصاویر OCT پرداخته شده است. این روش­ ها در سه بخش پیش­ پردازش، قطعه­ بندی و تولید نقشه ضخامت، مقایسه و تشریح شدند. هدف پیش­ پردازش­ ها حذف نویز و آرتیفکت در این نوع تصاویر بود. بررسی­ ها نشان داد روش­ های مبتنی بر تبدیل هاف، که با ساختار قوسی قرنیه هماهنگ است، در مقایسه با روش­ های مبتنی بر گراف و آستانه، قادر است با سرعت پردازش مناسبی مرزهای دقیق را استخراج کند. با این وجود، رویکرد جدید هوش مصنوعی و یادگیری عمیق در قطعه بندی، افق های تازه ای را در تحلیل این نوع تصاویر باز کرده است. هدف پژوهش ها ارائه بهینه اطلاعات تصاویر برای کمک به چشم پزشکان در تشخیص بهتر و درمان آسیب ­های قرنیه است؛ بنابراین می­توان گفت تولید نقشه ضخامت لایه­ ها، که نیازمند پردازش خودکار مجموعه­ ای از تصاویر سطح مقطع است، خروجی مهمی است که در پژوهش­ های کمتری به آن پرداخته شده است.