1、研究背景及意义
数年来，科学家一直想要寻找有关眼的研究能否用于探究大脑及其疾病诊断的科学依据。而有研究成果表明：实际上早已在眼睛中出现了从前被认为在大脑皮层中产生的物质。所以，脑神经系统疾病有可能会在视网膜中有更早的体现。另一方面，由于某些脑部功能失调疾病，如自闭症，没有特效药物可以治疗，但是早期的诊断和早期的干预可以改善预后。而在考虑到获取眼部影像的便利性，如果可以在脑部疾病潜在患者孩童时期的日常眼部检查中及时发现某些生物标志物，就能够及时的干预和治疗。相比于其他成像模态，OCTA可以更好地捕捉细微的毛细血管丛的拓扑结构和血流密度信息，有助于临床医生观测毛细血管丛的结构性质、中央凹无血管区（Foveal Avascular Zone, FAZ）的形态特点和毛细血管无灌注区的分布规律。而这些指标对于观察眼部的血流变化有着重要的参考价值。
2、研究现状研究现状
本项目是根据眼部的影像来寻找脑部病变在眼部图像上的生物标志物，从而实现脑眼联合分析。其中，视网膜图像层分割算法和血流系统量化算法是实现眼部结构性和功能性分析的研究基础。因此对脑部疾病的视网膜图像研究、视网膜层分割算法研究、视网膜血流量化算法研究等问题查阅了相关文献内容。
研究发现，阿尔兹海默症患者浅层和深层血管丛的血流密度较之对照组显著降低；此外，中央凹无血管区（Foveal avascular zone, FAZ）区域明显缩小。血流减少造成了视网膜细胞的萎缩与死亡。而有学者提出假设：阿尔兹海默症患者的视网膜血流变化可以作为病程的生物标志物。OCT也被用于研究帕金森病（Parkinsonrsquo;s Disease, PD）及其变种（包括进行性核上性麻痹（Progressive Supranuclear Palsy, PSP）和多系统萎缩（Multiple System Atrophy, MSA））带来的视网膜层结构以及视神经的变化。有研究表明，帕金森病患者中央凹厚度变薄且坑部变宽，而这一发现也许可作为帕金森病的生物标志。沃尔弗拉姆综合症（Wolfram Syndrome, WS）是一种罕见神经退行性疾病，临床表现为尿崩症、糖尿病、听力损失等。有OCTA研究证实视乳头周围的毛细血管丛和浅层毛细血管丛血流密度降低，并与对应的RNFL变薄具有相关性。
目前还没有发现采用视网膜图像分析自闭症（ASD）、抑郁症（Depression）等脑部疾病的研究。但随着视网膜成像技术的进步，（例如OCTA成像分辨率和成像范围都不断提高，从而能够分辨视网膜内部更细微的组织结构和血流变化）就能为预防和诊断脑神经系统疾病提供更优质的视角和更便利的方式。根据深入的分析视网膜图像与脑部图像及其信号的之间的联系，对视网膜病变和脑病病变的早期的预防和病情的发展有着重要的意义。
视网膜层分割方法主要分为无监督方法和有监督方法。多数无监督层分割算法根据确定的规则设计，适用于正常的视网膜和具有常见层结构退化的视网膜。有监督层分割方法分为传统机器学习方法和深度学习方法。OCTA是一项相对较新、无创的能快速检测视网膜和部分脉络膜血流信号的新技术，它能快速的呈现视网膜的三维血流信息，还能够分层地显现各层血管信号。目前，针对视网膜血管系统的主要量化指标包括FAZ的面积、血流密度、血管弯曲度和血管直径等。为了得到这些对脑眼联合分析有意义的量化指标，对OCTA图像中的血管和无血管区进行精确的分割是最重要的步骤。
目前已经有基于OCTA图像的血管分割和FAZ分割方法，对血管分割的方法主要包括基于阈值的方法、基于海森矩阵的方法以及基于最优定向通量的方法；而对FAZ的分割主要包括基于广义梯度矢量流的方法和基于图割的方法。这些方法都具有一定的局限性，因为它们大多只在二维的OCTA投影图中进行，而并不考虑OCT的三维结构信息，使得分割结果的鲁棒性不高。此外，对层分割的依赖也成为了这些方法的主要限制。为了克服以上局限性，项目在之前的工作中提出了图像投影网络，这是一种从三维到二维端到端的图像分割框架，既可以避免视网膜层分割算法的使用，又可以充分利用三维空间的有效信息，使用图像投影网络框架在无血管区分割和血管分割中比之前二维方法表现更优。然而，由于结构相对简单，其对血管和无血管区的分割精度尚需进一步的提升。
目前有关脑部疾病的视网膜图像研究存在下列局限性：（1）研究集中于临床设备软件自带基础指标的差异显著性分析，受软件提供参数的限制，分析角度片面；（2）样本量偏少，出现了很多具有争议性结论，后续需要更大规模的样本的前瞻性实验进行验证。因此，一方面需要尽可能多地扩充数据；另一方面，需要拓宽分析思路：首先可采用鲁棒准确的基础算法自主提取更多量化特征；其次可利用深度学习模型提取图像的深度特征，并通过模型可解释性手段可视化关注区域及特征。另外，可利用动态图理论与图网络挖掘出具有高置信度的多指标权重组合，合成具有综合性的生物标志。目前的层分割方法分割的鲁棒性和精度较差，因此，需要进一步研究视网膜层分割，利用不同模态图像之间的互补信息，设计实现鲁棒而精确的视网膜层分割，为脑眼联合的结构性分析打下坚实基础。因此，需要进一步完善图像投影网络深度架构，获得更高精度的血管分割和FAZ分割结果，以提取有效的量化指标辅助脑眼联合中的参数分析。
参考文献:
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
