A Computational Pipeline for Retinal Capillary Blood Flow Measurement using Adaptive Optics Line Confocal Ophthalmoscopy
本文提出了一种计算流水线，该流水线以交互式 3D Slicer 扩展程序和命令行工具两种形式提供，能够针对眼球运动对自适应光学线扫描共聚焦验光视频进行稳定处理，并以 4% 的误差范围精确量化视网膜毛细血管血流速度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人类的眼睛是窥视人体最复杂管道系统的窗口。在视网膜深处，一个微小的毛细血管网络为负责视觉的细胞输送氧气和营养。这些血管如此狭窄，以至于单个红细胞必须像车辆行驶在单车道隧道中一样，一个接一个地挤过去。在糖尿病或高血压等疾病状态下，这种脆弱的流动可能在一个人察觉到视力变化之前就已崩溃。几十年来，医生们能够观察到这些血管的结构，但测量其中血液流动的速度一直是一个巨大的挑战。眼睛永远不会完全静止；即使当一个人试图聚焦时，眼睛微小的震颤和快速的跳动也会让图像每秒移动数千次，从而模糊视野，使得追踪单个细胞的运动变得不可能。
现在，一个研究小组构建了一个全新的计算流水线解决了这个问题，使科学家能够以空前的清晰度测量这些微小毛细血管中的血流速度。通过将高速成像与复杂的软件系统相结合，他们创建了一个能够稳定眼球混沌运动，并将移动细胞的模糊轨迹转化为精确速度测量的工具。这项工作不仅提供了一种观察眼睛的新方法，还提供了一种量化真实物理单位血流的可靠方法，为将视网膜循环作为全身性疾病的敏感标志物打开了大门。
研究人员首先使用了一种名为自适应光学线扫描检眼镜的专用相机。该设备利用变形镜来抵消眼睛产生的自然模糊，从而能够分辨出在仅有5微米宽的毛细血管中行进的单个红细胞。然而，来自该相机的原始视频是一团混乱。由于眼睛在不断移动，血管的图像在相邻帧之间会发生数百像素的偏移。如果研究人员尝试在未经处理的视频中测量细胞的速度，结果将毫无意义，因为眼睛的运动将与血液的运动无法区分。
为了解决这个问题，团队开发了一个四阶段的软件流水线。第一阶段对视频进行清理，去除由相机传感器引起的暗边，并识别出眼睛闭合或眨眼的帧。第二阶段是计算量最大的阶段，它充当数字稳定器。它使用一种由图形处理器驱动的快速算法，将视频的每一帧都对齐到一个参考点。这一步纠正了由眼球运动引起的巨大位移，有效地使视网网膜图像保持完美静止，从而使剩下的唯一运动就是血液的流动。研究人员发现，他们的新方法比现有技术更快速、更稳健，能够处理眼球快速且剧烈的跳动而不丢失图像。
一旦视频被稳定下来，第三阶段就会将移动的血液与静态组织分离。通过比较相邻帧，软件可以抵消所有不运动的部分，例如血管壁和周围组织。剩下的是清晰的流动血细胞信号。处理后的数据随后被用于创建灌注毛细血管网络图，显示哪些血管正在携带血液。在最后阶段，研究人员测量流速。操作员在地图上选择特定的血管，软件会生成一张结合了空间与时间的特殊图像。在这张图像中，移动的红细胞表现为一条条纹或一条斜线。线条越陡峭，细胞移动越慢；线条越平缓，细胞移动越快。
团队对他们的系统进行了严格测试。首先，他们在已知真实血流速度的合成视频上进行了模拟。在这些测试中，他们的软件恢复的速度误差小于4%，证明了其数学方法的正确性。随后，他们将该流水线应用于来自57名人类受试者的真实数据，分析了超过2,300段视频录像。结果显示，该软件成功稳定了图像，提高了整个群体视频帧的清晰度。当他们在真实毛细血管中测量血流时，发现的速度在生理学上是合理的，处于以往研究报告的数值范围内，尽管通常略低。这种差异可能是由于他们的方法捕捉了完整的流动范围，包括细胞停顿的极慢时刻，而其他方法可能只追踪移动最快的细胞。
该研究的一个关键发现是，即使在眼睛大幅度移动时，该系统也能可靠工作。在测试中，软件纠正了使图像移动近一百微米的帧间位移，这种距离在旧方法中会彻底破坏测量结果。研究人员还展示了该工具能够捕捉血液流动的自然脉动，即随着每一次心跳而加速或减速。这种观察流动节奏性变化的能力表明，该流水线最终可用于研究血液循环如何响应不同的生理状态。
论文还讨论了几项局限性和潜在的误差来源。研究人员指出，血流速度取决于眼睛的确切大小，而大小因人而异。由于他们在所有计算中都使用了标准尺寸，对于眼睛过大或过小的个体，绝对速度数值可能会略有偏差，但流动的相对模式仍然是准确的。他们还发现某些视觉伪影（例如由于泪膜在眼球表面移动而产生的扫过式光带）可能会被误认为是快速移动的血液。为了防止这种情况，他们的软件包含了一个保护机制，会丢弃任何眼睛未完全睁开的帧，以确保测量数据不被这些伪影污染。
最终，这项工作代表了使视网膜血流测量成为实用且可重复工具的重要进步。通过将复杂的算法封装进既可作为独立程序又可作为医学成像软件扩展插件的用户友好界面中，研究人员使这项技术变得触手可及。他们已经证明，将眼球运动的混沌高速视频转化为精确的血流图谱是可能的，从而将红细胞的微观运动转化为清晰、可量化的信号。这种能力使该领域离将视网膜血流动力学作为常规临床生物标志物又近了一步，为通过非侵入性手段窥探人体循环系统健康提供了窗口。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。