[논문 리뷰] OCTolyzer: Fully automatic toolkit for segmentation and feature extracting in optical coherence tomography and scanning laser ophthalmoscopy data

Jamie Burke, Justin Engelmann외 10명|arXiv (Cornell University)|2024. 07. 19.

Retinal Imaging and AnalysisMedicine인용 수 3

한 줄 요약

OCTolyzer는 광학 간섭 단층촬영(OCT) 및 스캐닝 레이저 오클레오스코피(SLO) 데이터에서 임상적으로 유의미한 특징을 분할하고 추출하는 오픈소스이자 완전 자동화된 툴킷이다. 딥러닝과 메타데이터 기반 분할을 통해 고재현성의 망막모세혈관막 측정값—예를 들어 망막모세혈관막 두께, 부피, 혈관 지수—를 제공하며, 표준 CPU에서 B-스캔당 2초 이내로 OCT 처리를 완료한다.

ABSTRACT

Optical coherence tomography (OCT) and scanning laser ophthalmoscopy (SLO) of the eye has become essential to ophthalmology and the emerging field of oculomics, thus requiring a need for transparent, reproducible, and rapid analysis of this data for clinical research and the wider research community. Here, we introduce OCTolyzer, the first open-source toolkit for retinochoroidal analysis in OCT/SLO data. It features two analysis suites for OCT and SLO data, facilitating deep learning-based anatomical segmentation and feature extraction of the cross-sectional retinal and choroidal layers and en face retinal vessels. We describe OCTolyzer and evaluate the reproducibility of its OCT choroid analysis. At the population level, metrics for choroid region thickness were highly reproducible, with a mean absolute error (MAE)/Pearson correlation for macular volume choroid thickness (CT) of 6.7$μ$m/0.99, macular B-scan CT of 11.6$μ$m/0.99, and peripapillary CT of 5.0$μ$m/0.99. Macular choroid vascular index (CVI) also showed strong reproducibility, with MAE/Pearson for volume CVI yielding 0.0271/0.97 and B-scan CVI 0.0130/0.91. At the eye level, measurement noise for regional and vessel metrics was below 5% and 20% of the population's variability, respectively. Outliers were caused by poor-quality B-scans with thick choroids and invisible choroid-sclera boundary. Processing times on a laptop CPU were under three seconds for macular/peripapillary B-scans and 85 seconds for volume scans. OCTolyzer can convert OCT/SLO data into reproducible and clinically meaningful retinochoroidal features and will improve the standardisation of ocular measurements in OCT/SLO image analysis, requiring no specialised training or proprietary software to be used. OCTolyzer is freely available here: https://github.com/jaburke166/OCTolyzer.

연구 동기 및 목표

• OCT 및 SLO 데이터를 임상적으로 의미 있는 망막모세혈관막 특징으로 처리하기 위한 오픈소스이자 자동화된 파이프라인의 부족을 해결하기 위해.
• 연구 및 임상 현장에서 망막 및 모세혈관막 영상 분석의 표준화를 향상시키기 위해.
• OCT 및 SLO 영상에서 망막모세혈관막 두께, 부피 및 혈관 지수를 고속·고재현성으로 측정할 수 있도록 하기 위해.
• 수동 분할을 제거하고 전문 소프트웨어 의존도를 낮춤으로써 대규모 천문학적 영상 분석을 지원하기 위해.
• 특수 훈련이나 소프트웨어 없이도 연구자들이 고급 망막 및 모세혈관막 지표에 접근할 수 있도록 하기 위해.

제안 방법

• 이미지 메타데이터와 딥러닝을 활용해 OCT 스캔에서 망막 층 분할을 자동으로 수행한다.
• 시스템적 건강 관련 데이터로 훈련된 U-Net 기반 딥러닝 모델을 사용해 OCT에서 모세혈관막 층 분할을 수행한다.
• 망막 혈관의 해부학적 분할 및 특징 추출을 위해 엔 플레인 SLO 영상을 통합한다.
• HEYEX 뷰어에서 생성된 .vol RAW 파일을 Python 기반의 EyePy를 사용해 가져오며, SLO 및 OCT 데이터를 지원한다.
• OCT 시스템 캘리브레이션 데이터를 활용해 픽셀 좌표에서 마이크로미터로의 물리적 공간 변환을 적용한다.
• 분할된 영역에서 매크룰 및 페리파파릴라리어 모세혈관막 두께, 부피, 모세혈관막 혈관 지수(CVI) 등의 지표를 계산한다.

Figure 1 : OCTolyzer’s pipeline. (A) OCTolyzer expects a file containing the OCT (and optional SLO) image data, and necessary OCT file metadata. (B – E) A deeper dive into OCTolyzer’s internal structure. (B – D) OCT analysis suite: analysis pipelines for when OCTolyzer detects a single/radial macula

실험 결과

연구 질문

• RQ1 완전 자동화된 오픈소스 파이프라인이 OCT 및 SLO 데이터에서 모세혈관막 두께와 부피를 측정하는 데 높은 재현성을 달성할 수 있는가?
• RQ2 OCTolyzer는 다양한 영상 품질과 해부학적 변동성을 보이는 OCT 스캔에서 모세혈관막 층을 얼마나 잘 분할하는가?
• RQ3 수동 간섭 없이 OCTolyzer가 SLO 영상에서 신뢰할 수 있는 엔 플레인 망막 혈관 특징을 얼마나 잘 추출할 수 있는가?
• RQ4 다양한 OCT 스캐너 유형과 촬영 프로토콜 간에 파이프라인의 성능은 어떻게 비교되는가?
• RQ5 OCTolyzer는 대규모 인구 기반 연구에서 표준화된 망막모세혈관막 형질 분석을 지원할 수 있는가?

주요 결과

• 매크룰 부위 모세혈관막 두께 측정에서 평균 절대 오차는 6.7 µm였으며, 피어슨 상관계수와 스피어만 상관계수는 각각 0.9933과 0.9969로 높은 재현성을 나타냈다.
• 페리파파릴라리어 모세혈관막 두께 측정에서 평균 절대 오차는 5.0 µm였고, 피어슨 상관계수와 스피어만 상관계수는 각각 0.9942와 0.9940로 뛰어난 재현성을 입증했다.
• 매크룰 모세혈관막 혈관 지수(CVI)는 부피 기반 CVI의 평균 절대 오차가 0.0271, B-스캔 기반 CVI는 0.0130였으며, 상관계수는 각각 0.9669와 0.9090였다.
• 눈 수준에서 지역 및 혈관 지표의 측정 오차는 각각 인구 변동성의 5% 이하와 20% 이하로, 강건성을 입증했다.
• 주요 이상치는 두꺼운 모세혈관막과 명확하지 않은 모세혈관막-혈관막 경계를 가진 열악한 품질의 B-스캔과 관련이 있었으며, 이는 영상 품질이 핵심 요소임을 시사했다.
• 표준 랩탑 CPU에서 매크룰 또는 페리파파릴라리어 B-스캔 처리 시간은 2초 미만, 부피 스캔 처리 시간은 85초였으며, 이는 계산 효율성을 입증했다.

Figure 2 : A diagram of how measurements are made for a single macular OCT B-scan. (A) localiser SLO with line of OCT acquisition shown in green. (B) Exemplar horizontal-line OCT B-scan overlaid onto the localiser SLO. (C) OCT B-scan with retinal and choroid layer segmentations and layer names overl